蚂蚁数科金融推理大模型发布 - 蚂蚁数科在世界人工智能大会论坛上正式发布金融推理大模型Agentar-Fin-R1 基于Qwen3研发 在FinEval1 0 FinanceIQ等评测基准上超越Deepseek-R1等同尺寸开源通用及金融大模型 [4][5] - 公司副总裁余滨指出AI进展已到重要拐点 金融机构抓住机会可弯道超车 否则可能丧失数字化建设先机 [5] - CEO赵闻飙强调通用大模型存在"知识鸿沟" 专业化金融大模型是金融与AI深度融合的必然路径 未来应用深度将成金融机构竞争力关键要素 [5] 模型核心竞争力 - 基于千亿级交易 风控和财富场景真实数据构建最专业全面的金融训练数据集 覆盖银行 证券 保险 基金 信托全场景 [6] - 通过可信数据合成和CoT数据精标链路提升质量 加入原则类合成数据确保安全合规性 [6] - 模型具备"出厂即专家"特性 在NLU NLG FC和幻觉抑制能力上表现优异 严格遵循金融监管框架与伦理准则 [6] 技术创新与部署 - 采用高效加权训练算法 减少二次微调的数据需求与算力消耗 降低企业落地门槛与成本 [7] - 支持RAG技术动态更新知识 金融任务体系与模型可持续迭代 吸收最新政策 市场动态等信息 [8] - 提供32B和8B参数版本 另有基于百灵大模型的MOE架构优化推理速度 非推理版本含14B和72B参数满足多样化部署需求 [8] 行业覆盖与战略意义 - 公司已服务100%国有银行 股份制银行 超60%地方性商业银行及数百家金融机构 [8] - AI原生产品总经理王磊提出"用AI重塑全部业务流程" 凸显大模型对金融业数字化转型的战略价值 [8]

专题：2025世界人工智能大会 - 蚂蚁数科在世界人工智能大会论坛上正式发布金融推理大模型Agentar-Fin-R1，旨在为金融AI应用打造"可靠、可控、可优化"的智能中枢 [1] - Agentar-Fin-R1基于Qwen3研发，在FinEval1.0、FinanceIQ等权威金融大模型评测基准上超越Deepseek-R1等同尺寸开源通用大模型以及金融大模型 [1] - 该模型展现出更强的金融专业性、推理能力以及安全合规能力 [1] 金融大模型技术特点 - Agentar-Fin-R1包括32B和8B参数两个版本 [2] - 蚂蚁数科推出基于百灵大模型的MOE架构模型，获得更优推理速度 [2] - 还有非推理版本的14B和72B参数大模型，以满足金融机构在多样化场景下的部署需求 [2] 金融大模型应用前景 - 通用大模型距离产业实际应用存在"知识鸿沟"，构建专业的金融大模型是推进金融与AI深度融合的必然路径 [1] - 未来金融大模型的应用深度将成为金融机构竞争力的关键要素 [1] - 蚂蚁数科构建了业内最全面与专业的金融任务分类体系，包括6大类、66小类场景，覆盖银行、证券、保险、基金、信托等金融全场景 [1] 数据与技术优势 - 基于千亿级金融专业数据语料 [1] - 通过可信数据合成技术以及结合专家标注的金融长思维链（CoT）构造机制，显著提升模型处理复杂任务的能力 [1] - 使大模型"天生懂金融，出厂即专家" [1]

金融大模型行业定义与范畴 - 金融大模型是AI大模型在金融领域的垂直化研发与应用 以数据、算法和算力为技术支撑 归属于行业垂直大模型范畴[1][2] 行业发展背景 - 利好政策相继出台 国家金融监督管理总局等部门2025年3月发布《银行业保险业科技金融高质量发展实施方案》鼓励金融机构运用人工智能等技术提升风控水平[5][7] - 金融业数字化转型稳步推进 2024年中国金融科技市场规模达3949.6亿元 其中银行科技2888.3亿元 证券科技474.6亿元 保险科技586.7亿元[8][9] - 金融机构高度重视AI技术研发 2024年金融行业AI及生成式AI投资规模达196.94亿元 预计2027年将达415.48亿元[11] 行业发展现状 - 市场规模快速增长 2024年金融大模型行业市场规模28.66亿元 同比增长79.9% 受降本增效需求和技术突破双重驱动[1][13] - 产品结构以标准化为主 2024年标准化产品占比71% 非标准化产品占比29% 因交付效率高和部署门槛低优势[1][15] - 应用场景广泛覆盖 包括内部运营的文案生成 信息处理的政策研报解读 业务决策的信贷审批和理财投顾等领域[17] - 金融机构差异化布局 银行以私有化项目为主 保险聚焦标准流程规模化 券商侧重研究辅助 互联网金融推动云原生部署[17] 市场竞争格局 - 市场集中度较高 2024年阿里云以33.2%份额居首 百度智能云占19.3% 商汤科技占10.9%[1][20] - 主要企业优势各异 阿里云具金融行业积累和合规能力 百度智能云推行一站式智能体平台 商汤科技有多模态能力和软硬一体化交付 华为云实现全栈国产化[20] - 产品创新活跃 农业银行推出ChatABC 阿里云推出DianJin-R1 百度智能云推出千帆慧金等金融大模型[19][20] 技术发展趋势 - 基础技术能力增强 通过模型架构创新和训练范式提升 实现更精准的金融业务理解[23] - 部署成本持续下降 通过算法优化 专用芯片和云计算等技术突破 推动大模型向工业级基础设施转变[24] - 智能体技术加速融合 形成业务流程嵌入型 人机协作型 知识增强型和自主行动型四种关键应用形式[25]

智能理财行业概述 - 智能理财运用大数据、云计算、人工智能等技术，依据投资者个性化需求提供自动化资产配置建议 [2] - 与传统理财相比，智能理财具有门槛低、费率低的特点，服务对象扩展到长尾市场客户 [2] - 2024年全球智能理财市场规模约16,450亿美元，北美地区尤其是美国处于领先地位 [3] - 中国智能理财市场预计2025年规模达215亿元，年复合增长率38%，但渗透率仅0.0068% [3] 技术驱动与商业模式 - 多智能体协同框架将理财任务拆解为专业子模块，上海银行专利系统效率提升超20% [4] - 金融大模型专业化突破通用能力瓶颈，蚂蚁"蚂小财"和银河证券DeepSeek-R1实现"千人千面"服务 [4] - 主流采用2B2C模式，国金证券、华安基金等通过AI赋能理财间接服务客户 [4] - 蚂蚁数科Agentar平台提供低代码工具，让金融机构快速部署智能体应用 [4] 京东金融京小贝产品特点 - 采用多模型融合与多智能体协同机制，搭载京东大模型与金融垂类模型 [6] - 构建"通用能力+垂域深耕"混合大模型体系，强化数学建模和复杂问题拆解能力 [5] - 接入海量金融数据，实时解析市场动态，生成多维度量化评估报告 [5] - 通过持仓分析、行为建模及风险偏好追踪构建智能服务体系，降低误判风险 [6] 风险控制与市场应对 - 引入多模型"圆桌讨论组"机制，对政策影响进行多视角激辩 [6] - 自动监测资产组合目标偏离情况，触发风险预警并提出再平衡建议 [6] - 预设特定品类投资上限值，通过智能体辩论确定阈值，控制黑天鹅事件影响 [7] - 将用户非理性操作降低60%，强调70分的稳定性大于100分完美 [7] 行业发展趋势 - 竞争焦点从"智能密度"转向"人性温度"，重新锚定理财AI的本质 [10] - 京东金融升级京小贝，新增"财富管家压力测试"功能，深化用户画像技术 [8] - 开放式生态聚合头部金融机构策略库，形成可拓展的AI策略矩阵 [9] - 技术成熟推动行业向普及型"千人千面"服务靠拢 [4][9]

金融大模型重塑银行业 - 金融大模型作为银行业从数字化升级到智能化时代的核心引擎，将深刻改变业务模式，金融业因数据密集、人才密集、资本密集等特性成为大模型应用最成熟的行业之一 [3] - 2023年全球金融业占全行业AI支出的28%，全球TOP50银行中92%已部署大模型，金融业AI渗透率达35%，远超医疗（15%）和零售（20%） [3] - 2024年大模型落地案例在金融行业占比达36.7%，其中银行占比15.40% [3] 算法银行新范式 - 大模型重新定义金融范式，客户可基于自身需求参与产品定义，改变传统银行按自身理解设计产品的模式，构建"算法银行"新形态 [3] - 未来银行需从"产品主导"转向"客户需求驱动的智能体生态"，通过"通用大模型底座+行业知识库+动态数据流"适配企业经营需求 [4] - 大模型在营销获客、风险控制、客户服务等环节实现质效提升和成本优化的双重突破 [4] 大模型应用三阶段 - 短期（1-3年）：大模型在客服、风控、合规等标准化场景落地，优化现有业务流程 [6] - 中期（3-5年）：形成智能决策机制，提升决策流和信息流优化 [6] - 长期（5-10年）：催生"算法银行"新形态，银行依托算法技术发现客户需求实现智能化服务 [6] 中小银行的机遇与挑战 - 中小银行因组织灵活、本地贴近、响应快速等优势，可成为智能化转型的突破口，富民银行已实现大模型落地成果转化 [2] - 中小银行应发挥特色化能力，扎根本地化服务或提供差异化线上化服务，为大型银行提供样板 [7] - 挑战包括投入与收益量化逻辑、组织架构转型、应用领域延伸、数据与隐私保护等，需通过动态调整、流程再造、能力升级应对 [8] 大模型实施策略 - 需与企业协同构建覆盖数据全生命周期的管理系统，为智能体应用奠定数据基础 [5] - 将产品要素化拆解为模块化金融智能体组件，参照DeepSeek模式向企业输送定制化智能体 [5] - 避免"技术军备竞赛"，通过混合云架构和敏捷迭代实现"AI价值穿透" [5] 风险控制与透明度 - 大模型应用采取"三步走"战略：先对内、再融合场景、最后对客开放，嵌入人工干预机制应对"AI幻觉" [9] - 对内场景包括代码生成、会议助手、经营数据分析等，面客场景包括智能客服、电销、催收外呼机器人等 [9] - 富民银行通过大模型重构内部流程，实现人员精简、自动代码撰写率超50%，验证"AI+业务流"高效性 [9]

金融大模型应用与挑战 - 大模型技术已成为金融机构构建核心竞争力的战略制高点，显著提升信息处理效率和报告撰写等任务支持能力，帮助降低生产成本 [3] - 金融大模型在投资建议等关键环节面临监管准确性要求（需近乎100%正确）、责任归属界定不明确及"共振效应"风险（可能放大市场波动）等核心制约 [3][4] - 应对挑战需从三方面突破：建立标准化数据治理体系、加强垂直领域模型研发、构建多层次人机协同机制确保可监管性 [4] 外资涌入与中国资本市场 - 中国资本市场对外开放政策持续加码，包括优化QFII准入管理、扩大外资可交易期货期权品种至100个等举措 [5] - 过去二十年境外资本在中国市场获得可观回报，外资进入带来国际经验、专业能力和管理方法，推动市场规范化与成熟化 [5][6] - 境内外投资者优势互补：境外机构依托全球研究能力（投研体系覆盖率达70%），境内机构则掌握本土市场洞察力与非正式信息渠道 [6] 金融科技发展趋势 - 金融行业数字化转型领先，大模型已被超80%机构投资者采用，但需解决数据脱敏（当前达标率不足60%）与业务逻辑匹配问题 [3][4] - "共振效应"引发监管关注，当多机构采用同类AI模型时，趋同建议可能导致系统性风险，目前各国尚未形成统一应对标准 [4]

报告行业投资评级 未提及 报告的核心观点 - 金融行业科技投入逐年提升，推动金融科技快速增长 [6] - AI+金融时代从存量、增量两方面利好金融行业，存量业务包括后台部门效率提升、增强客户粘性、提高存量业务边际增长率；增量业务指AI赋能下新兴产品及应用应运而生 [6][27][28] - AI赋能券商、互联网金融、保险、银行等行业，提升效率、促进业务增长、开拓新生业务 [6] - 推荐【同花顺】【东方财富】【恒生电子】，建议关注【顶点软件】【金证股份】【长亮科技】【新致软件】；推荐【九方智投控股】【指南针】，建议关注【财富趋势】 [6][93] 根据相关目录分别进行总结 AI+金融，科技辅助脑力劳动 - 金融行业科技投入年均复合增速快，2023年中国金融机构技术资金总投入达3598亿元，银行占比74%，除银行外各行业投入占比逐年提升 [11] - AI+金融引领金融科技范式变革，金融大模型结合金融业务场景与数据资源，优势明显，应用将重塑金融服务生态 [19][21] - 国内金融垂类大模型百花齐放，如恒生电子、蚂蚁金服、腾讯云、东方财富等公司推出相关模型，赋能金融业务 [26] - AI从存量、增量两方面利好金融行业，存量业务包括提升后台效率、增强客户粘性、提高存量业务边际增长率；增量业务指AI赋能下新兴产品及应用应运而生 [27][28] AI赋能券商，存量降本增效+新生业务可能性 - AI赋能券商业务有与现有模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [33] - 国内券商接入DeepSeek等大模型技术，截至2025年3月超20家券商完成DeepSeek - R1模型本地化部署，该模型性能优、安全合规、场景渗透广 [37] - AI终端辅助人力，提升券商后台基础工作效率，部分券商引入AI工具提高合规风控等岗位效率 [40] - AI赋能券商业务，智能客服嵌入APP提升客户交互率，智能营销推动金融产品精准推送，促进存量业务增长 [45] - 新生业务条线包括智能投顾与财富管理范式升级、投研范式智能化重构、机构服务深度赋能、风控合规实时化升级 [46] AI赋能互联网金融，核心业务提升+发展新思路 - AI赋能证券科技业务有与通用模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [49][50] - 国产大模型掀起金融科技智能化转型浪潮，截至2025年3月数十家头部证券科技公司完成DeepSeek本地化部署，应用于核心业务场景 [54] - C端智能投顾自动化定制投资建议，AI赋能人工投顾提高服务效能，优化广告投放精准度；B端AI大模型生成投研报告，支持分析师提炼结论，赋能存量业务增长 [60] - 新生业务条线包括AI驱动的金融产品创新、企业级AI解决方案、跨境金融服务与多语言支持、AI投教与认证体系、数据资产化与API经济 [61] AI赋能保险，提高承保效率+辅助投研 - AI赋能保险业务有与通用模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [64][65] - 国产大模型掀起保险行业智能化转型浪潮，截至2025年3月数十家保险公司完成DeepSeek本地化部署，应用于核心业务场景 [70] - 大模型重构保险价值链，提升业务端效率，优化运营端中后台管理效能，未来精算环节应用拓展空间大 [75] - 新生业务条线包括AI驱动的保险产品创新、企业级AI解决方案、跨境保险服务与多语言支持、数据资产化与API经济 [76] AI赋能银行，流程提效+深化客户服务 - AI赋能银行业务有与通用模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [79][80] - 银行集成以DeepSeek为代表的国产大模型，截至2025年3月数十家银行完成本地化部署，应用于核心业务场景，推动业务模式创新 [84] - C端银行金融产品个性化，智能客服系统提升服务个性化与效率，促进交叉销售；B端银行与企业客户合作深化，AI大模型识别风险，提供解决方案 [90] - 新生业务条线包括AI驱动的金融产品创新、企业级AI解决方案、跨境结算服务与流程自动化 [91] 投资建议 - AI介入金融机构发展带来业务模式创新、运营效率提高、风险管理能力升级和用户体验改善等变化，赋能业务增长，催生新业务发展 [93] - 金融垂类模型将成金融AI领域未来发展重点，推荐【同花顺】【东方财富】【恒生电子】，建议关注【顶点软件】【金证股份】【长亮科技】【新致软件】；推荐【九方智投控股】【指南针】，建议关注【财富趋势】 [93]

报告行业投资评级 未提及 报告的核心观点 - 金融行业科技投入逐年提升，推动金融科技快速增长，AI+金融时代从存量、增量两方面利好金融行业，AI赋能券商、互联网金融、保险、银行等领域，带来效率提升、业务增长和新生业务机会 [6] 根据相关目录分别进行总结 AI+金融，科技辅助脑力劳动 - 金融行业科技投入年均复合增速快，2023年中国金融机构技术资金总投入达3598亿元，银行占比74%，除银行外各行业投入占比逐年提升 [10] - AI+金融引领金融科技范式变革，金融大模型结合金融业务场景，优势明显，应用将重塑金融机构工作方式和服务生态 [17][18] - 国内金融垂类大模型百花齐放，恒生电子、蚂蚁金服、腾讯云、东方财富等公司积极布局，赋能股基APP或金融终端 [21][25] - AI赋能金融行业存量及增量业务，存量业务包括后台效率提升、产品个性化与精准营销、投资者数量和市场交投活跃带来的业务增长；增量业务指AI赋能下新兴产品及应用的诞生 [26][27] AI赋能券商，存量降本增效+新生业务可能性 - AI赋能券商业务有与现有模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [32] - 国内券商积极接入DeepSeek等大模型技术，超20家券商完成DeepSeek - R1模型本地化部署，其具有技术、安全合规、场景渗透等优势，推动智能投顾等场景落地 [34][36] - AI赋能券商后台，提高基础工作效率，辅助人力，科技赋能风控保障行业稳健发展 [37][39] - AI赋能券商业务，智能客服嵌入APP提升客户交互率，支撑分析客户画像实现精准营销，推动各业务线收入提升 [40][44] - 新生业务条线包括智能投顾与财富管理范式升级、投研范式智能化重构、机构服务深度赋能、风控合规实时化升级 [45] AI赋能互联网金融，核心业务提升+发展新思路 - AI赋能证券科技业务有与通用模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [48][49] - 数十家头部证券科技公司完成DeepSeek本地化部署或集成，应用于风控、运营、交互等场景，推动行业向“智能体协同”跃迁 [50][53] - C端智能投顾具有低门槛、普惠性、个性化等优势，提高投资者使用意愿；B端AI大模型生成投研报告，提升金融终端服务质量和效率 [54][59] - 新生业务条线包括AI驱动的金融产品创新、企业级AI解决方案、跨境金融服务与多语言支持、AI投教与认证体系、数据资产化与API经济 [60] AI赋能保险，提高承保效率+辅助投研 - AI赋能保险业务有与通用模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [63][64] - 数十家保险公司完成DeepSeek本地化部署或集成，应用于客户服务、承保、风控等场景，推动行业向“智能体协同”跃迁 [65][69] - 大模型重构保险价值链，提升中后台管理效能，在产品设计、承保理赔等环节提高效率，应用场景将延伸至精算流程 [70][74] - 新生业务条线包括AI驱动的保险产品创新、企业级AI解决方案、跨境保险服务与多语言支持、数据资产化与API经济 [75] AI赋能银行，流程提效+深化客户服务 - AI赋能银行业务有与通用模型合作、本地化部署开源模型与自研模型结合、纯自研模型三种形式 [78][79] - 银行集成DeepSeek等国产大模型，数十家银行完成本地化部署或集成，应用于智能客服、风险管理等场景，推动行业向“智能体协同”跃迁 [80][83] - C端银行金融产品个性化，提升客户交互服务效率和交叉销售机会；B端强化与企业合作关系，提供预警和金融解决方案 [84][89] - 新生业务条线包括AI驱动的金融产品创新、企业级AI解决方案、跨境结算服务与流程自动化 [90] 投资建议 - AI介入金融机构发展带来业务模式创新、效率提高等变化，赋能业务增长，催生新业务发展，金融垂类模型是未来发展重点 [92] - 推荐同花顺、东方财富、恒生电子，建议关注顶点软件、金证股份、长亮科技、新致软件；推荐九方智投控股、指南针，建议关注财富趋势 [92]

金融业智能化转型 - 金融格局和业务面临智能化重塑 金融机构需积极拥抱智能革命并加快本地化部署 [1] - 金融业数字化尚未完成但智能化已开闸抢跑 数字化是基础而智能化是更高目标 [1] - 金融业在数字化和智能化方面领先其他行业 开启双向赋能进程 [1] 生成式AI应用现状 - 金融大模型在单一问题上独立作战能力强 但在多环节任务场景中能力仍需加强 [1] 本地化部署策略 - 全场景革命需设计一揽子方案 通过全场景布局智能化构建智能体驱动工作流 [1] - 蛙跳式部署可选择轻量化介入方式 因AI技术快速进化且成本下降 不宜盲目追新 [2] - 需夯实基础层建设 包括打造国产算力集群和解决数据孤岛问题 提升数据质量与全域管理 [2]

2025消费金融生态大会 - 会议由重庆市委金融委员会办公室、重庆市商务委员会、重庆两江新区管委会指导，消费金融服务联盟、打击金融领域黑产联盟主办，马上消费等19家金融机构协办 [1] - 会议聚焦金融科技与行业数智化变革，公司展示全面迭代升级的"天镜"大模型3.0 [1] - 公司定位为金融大模型技术国际标准制定者，全国首个金融大模型开发者 [1] 天镜大模型技术演进 - 2023年8月推出全国首个金融大模型1.0版本，覆盖八大应用场景 [2] - 2023年11月升级至2.0版本，实现模型技术创新和具体应用突破 [2] - 2024年6月推出3.0版本，实现从个体智慧到群体智慧的系统性跃迁 [2] - 3.0版本突破在于挖掘企业隐性经验，将非结构化数据转化为结构化知识 [2][3] - 3.0版本可动态拆解数十步复杂服务流程，摆脱传统固定流程限制 [3] 天镜3.0核心技术特性 - 实现同频匹配最佳服务路径，基于多变量实时匹配最优服务组合 [4] - 具备协同进化能力，通过反馈闭环驱动集体认知迭代 [4] - 实时监测营销转化率、服务满意度等关键指标，自动触发流程优化 [4] 公司技术实力 - 2017年成立人工智能研究院，推出多款AI产品 [4] - 累计申请发明专利超2500件，位居全国金融机构Top10，全球第7 [4] - 主导或参编国内外标准超百项，获得金融科技权威认证41项 [4] - 获得国家高新技术企业等12项重要荣誉 [4] 业务覆盖与用户规模 - "天镜"大模型覆盖营销、客服、用户运营、企业智能等零售金融八大领域 [2] - 服务超2亿用户 [2] - 依托两亿用户数据开发金融大模型 [2]