股市如何加杠杆 “大模型发展到今天

股市如何加杠杆　　“大模型发展到今天

　　◎记者温婷

　　“当前AI模型技术正经历从‘渐进式创新’到‘指数级跃迁’的历史性转变。”这是阿里云副总裁、大数据和智能实验室负责人叶杰平在2025世界人工智能大会上作出的最新判断。而这样的转变正率先在金融场景中发生。

　　截至今年6月，银行业在全球人工智能大模型落地应用场景中占了18%，相较于互联网行业高出10个百分点。在基础大模型一致开源、并以月为单位进行更新迭代的基础上，金融垂类大模型率先实现了“周级迭代”。基于资金、数据和人才沉淀，金融大模型应用跨入“爆发期”，正在从量变走向质变。

　　金融大模型人才吸引力升温

　　数字化程度高、数据密度大、AI应用场景丰富，使得金融业成为AI落地的绝佳领域。

　　2025年，DeepSeek的开源，加速了大模型技术平权，也正式改写了大模型应用的商业模式。基于开源大模型的技术红利，更多公司将目光投向技术应用对于业务的赋能。刚刚结束的2025世界人工智能大会上，不少金融机构也来“挖人”了。

　　奇富科技首席算法科学家费浩峻透露，公司大模型团队已经超过百人，依托于近千人的技术团队作为支撑，不断推进大模型技术在复杂金融场景中的深度落地。在此基础上，公司仍在大举招聘模型和算法方面的专业人才。

　　今年以来，浦发银行、交通银行、中国平安等机构均在招聘启事中加大了AI人才的招聘力度，其中最受青睐的就是具备计算机和金融等复合专业背景的应聘者。在京东、美团等刚刚启动的2026届校招计划中，算法、AI类技术人才同样被“偏爱”。

　　6月，上海银行发布了“金融科技部AI大模型应用研发岗”等多个招聘需求，上海农商银行也在招聘金融科技部AI大模型工程师等。在最新招聘要求中，“推进落实基于大模型的应用场景建设”成为重点工作内容之一。

　　“大模型发展到今天，大家更希望看到技术价值的实现。我们从大厂挖人时，候选人最看重的也是这一点。”费浩峻告诉记者。

　　智能体加速融入金融实践

　　“AI聪明时只帮小忙，笨的时候却捅了大娄子，任务复杂度增加导致可靠性大幅下降。”在蚂蚁集团副总裁、蚂蚁密算董事长韦韬看来，大模型现在已经做到了80分至90分，但其实99分才是及格线。

　　而对于金融场景，这还远远不够。

　　早在2022年即开始部署大模型的奇富科技，从2025年以后再不做模型评测了，转而专心打磨“应用”。费浩峻告诉记者，大模型应用的“爆发期”就是最近半年，这首先是源自基础大模型的开源以及能力的提升。

　　“我们不再那么关心基础大模型的各种评测分数了，而更多去评估具体业务场景下，大模型的准确度有多高，例如在画像增强和风险策略场景中，我们更专注于后训练以及业务场景下的能力，这个其实是在不改变业务结构的情况下提高了业务效能。”费浩峻表示，公司目前基于DeepSeek、Qwen等开源大模型的训练逻辑，已经从早期对模型本身的打磨，转向聚焦于如何将大模型能力更高效、更深入地“用”在业务实处，释放实际价值。

　　如今，奇富科技信贷超级智能体集合了端到端授信决策智能体、小微企业信用评估、AI合规助手、AI决策助手、AI审批官等众多模块。费浩峻告诉记者，基于助贷业务的大模型经验，未来在银行信贷场景也会有较好的复用性。目前公司已经有相关大模型能力输出给银行客户。

　　如何理解大模型的应用深度？费浩峻认为，除了更多切入核心业务层外，大模型是否可以独立工作，也是判断标准之一。

　　攻克一个行业的深层痛点才是关键

　　在基础大模型以月为单位进行更新迭代的基础上，金融垂类大模型的迭代速度正缩短至双周，甚至单周，投入力度也在加大。正如蚂蚁数科CEO赵闻飙所说，智能体的价值不在于解决1000个浅层问题，而在于攻克一个行业的深层痛点。如今，以提升模型推理能力和应用效果为目标，无论是金融机构、还是科技公司，都在投入大量的算力、人力和资源。

　　记者从浦发银行了解到，该行正积极筹建和林格尔数据中心，并在总行科技发展部下设人工智能中心，作为推进人工智能应用的引擎。

　　“和林格尔数据中心建成后，浦发银行将形成覆盖三地五中心、实现云平台统一纳管的智算集群，形成端到端全场景覆盖的智算基座，进一步为智能化转型提供坚实的技术支撑。”浦发银行总行科技发展部相关负责人告诉记者，下阶段，浦发银行将持续推进数智平台建设，重点推进算力采购扩容、算法预研及模型调优和全行知识资产积累及赋能等工作。

　　除了银行，金融科技公司迭代垂类大模型的速度也开始“卷”起来。6月，百度智能云推出千帆慧金金融知识增强大模型和千帆慧金金融推理增强大模型，覆盖金融行业多数场景。

　　日前，蚂蚁数科正式发布金融推理大模型Agentar-Fin-R1，创新性地通过加权训练算法，提高了大模型对复杂金融任务学习效率与性能。此外，星环科技、恒生电子、度小满等金融科技公司也都推出了自己的金融大模型。

　　斯坦福大学人工智能研究所的研究表明，数据质量对模型效果的贡献度达到70%，金融领域语料更新周期需控制在3个月内。“最大的难点，是如何不断优化，推进大模型应用效果的稳定提升。”费浩峻坦言，“我们在有一些领域实现了预期效果，但不是全领域都取得效果了。”