在世界人工智能大会（WAIC）的舞台上，蚂蚁数科近日宣布了一项重大进展：推出国内首个专注于金融推理领域的商业化大模型，并同步开源了包含1350个金融难题的Finova评测基准以及一个庞大的DeepFinance训练数据集，该数据集包含数百万条数据。
这一举措被视为中国产业AI在进军高价值场景方面取得的关键性突破，同时也揭示了金融智能化进程中遭遇的现实挑战以及应对策略。
尽管全球金融机构对人工智能的投资持续增加，但在核心业务场景中的渗透率依然较低。花旗银行的一项调研显示，93%的金融机构预计AI将在未来五年内提升其利润，预计到2028年，AI将能为银行业带来1700亿美元的额外利润，增幅达9%。然而，蚂蚁数科金融AI产品总经理曹刚在接受采访时指出，当AI进入业务的核心领域，如营销、风控及客户管理等，其应用渗透率就会大幅下降。
造成这一现象的根本原因在于金融场景的专业性和严苛性要求。从技术角度看，大模型技术，特别是推理模型，仍处于发展初期，尚未成熟。这导致其在关键业务场景的应用效果存在不确定性，许多机构因此持谨慎态度，仅在非核心通用场景进行试验。金融等领域的业务极其复杂，每个细分场景都有独特的需求，要求极高的专业知识和高质量数据支持，而高昂的模型训练、部署和推理成本也是一大障碍。
蚂蚁数科CTO王维提出的发展策略是专注于金融与能源这两大高价值领域，而非追求通用大模型。蚂蚁数科此次发布的金融大模型专注于满足金融场景的复杂推理需求，如风控和理财建议，通过两阶段训练显著提升了其专业表现。该模型集成了蚂蚁数科自建的DeepFinance金融思维链数据集，该数据集由金融专家标注，覆盖多个金融场景和细分任务，并配备了“蚁天鉴”安全评测层，确保输出符合金融级审慎要求。
蚂蚁数科的解题思路是以推理能力和安全合规为核心，通过垂直训练、高质量数据及工程优化来解决金融场景中的“高专业、低容错”问题。同时，通过开源数据集和评测基准，推动行业共建，降低金融AI的落地门槛。蚂蚁数科聚焦头部银行和保险客户，提供从咨询到产品的全链路服务，旨在成为金融AI落地的基础设施。
王维认为，AI应用正从“通用场景试验”逐步转向“核心业务重构”，而金融推理模型是智能体的关键组件，缺失这一组件将无法驱动业务重构。蚂蚁数科此次同步开源的DeepFinance千亿token训练集，直击行业“数据荒”的痛点，旨在提升AI的能力。
曹刚指出，未来的竞争核心在于合规与责任。蚂蚁数科在Agentar平台内置了“监管围栏”，自动过滤不合规的输出，同时呼吁行业明确AI错误的责任归属问题。随着金融AI从技术探索期进入业务重构期，蚂蚁数科通过“开源数据集+垂直模型”的组合，试图定义行业新标准，而能否在“核心业务渗透”和“合规落地”方面取得突破，将成为决定胜负的关键因素。
