AI+金融，如何跨越大模型和场景鸿沟？

主要观点总结

文章主要介绍了蚂蚁数科在金融领域AI落地的解决方案，指出通用大模型在金融场景中的失灵现象，提出面向AI大模型在具体行业中的落地，需要深度理解行业的大模型才能懂行话、做行活，创造真实的业务价值。蚂蚁数科通过构建金融推理大模型Agentar-Fin-R1来解决金融行业AI落地难的问题，同时结合智能体开发平台Agentar实现模型大脑与自动化工具的结合，推动金融AI的实际应用并取得了显著成效。

关键观点总结

关键观点1: AI大模型在金融行业的落地瓶颈

金融行业存在落地瓶颈，AI大模型难以适应金融场景的特殊性，需要深度理解行业的大模型才能解决。

关键观点2: 蚂蚁数科的解决方案

蚂蚁数科通过构建金融推理大模型Agentar-Fin-R1，结合智能体开发平台Agentar，解决金融行业AI落地难的问题。该模型具备专业的金融任务数据体系、高质量的数据集、金融思维链训练、自主进化能力等优势，并能与金融业务系统无缝对接。

关键观点3: 金融行业的特殊性对AI的要求

金融行业的每个细分领域都有自己的“知识密码”，通用大模型的“通识教育”在金融行业显然不够用。金融行业很多政策实时变化，因此，金融行业AI需要具备实时充电的垂直大模型能力。

关键观点4: 智能体的价值

智能体的价值不在于解决浅层问题，而在于攻克行业深层痛点。智能体的核心是将模型大脑与自动化工具结合，完成从对话到执行的跃升，成为AI大模型落地企业业务场景中最关键的形态。