在金融行业数字化向智能化转型的关键时期，生成式人工智能与大模型技术成为核心驱动力。蚂蚁数科以 “大模型 + 智能体” 为双轮引擎，构建起覆盖金融全场景的智能体矩阵Agentar ，推动金融服务从单点智能向流程智能、决策智能跃迁。从技术架构到行业实践，Agentar 的探索为金融智能化转型提供了可复制的范式。
人工智能演进与金融智能体崛起
人工智能发展历经三次浪潮，从 1956 年达特茅斯会议提出 AI 概念，到 20 世纪 80 年代专家系统应用，再到 2006 年深度学习算法突破，直至 2023 年以 GPT-4 为代表的大模型掀起第三次浪潮，AI 正迈向通用智能(AGI)时代。大模型在金融领域渗透率快速提升，英伟达调研显示，52% 的国际金融机构已应用生成式 AI，98% 计划在 2025 年加大 AI 基础设施投入，核心业务场景如交易与投资组合优化、风险管理等渗透率超 30%。
国内金融行业是大模型落地的先行者，2024 年大模型落地案例占比达 36.7%，银行业凭借数字化转型基础成为落地占比最高的行业。然而，大模型在金融应用中存在局限性，如缺乏自主感知与决策执行能力、“幻觉” 问题、专业认知不足等，金融智能体应运而生。它通过 “感知 - 推理 - 规划 - 执行 - 进化” 的闭环机制，将大模型认知能力转化为业务行动，打破流程壁垒，实现端到端自动化和实时响应。
Agentar 技术架构与核心能力
蚂蚁数科构建了以金融大模型为智能中枢的全栈技术体系，通过五大支撑推动金融新质生产力可信跃迁。其金融大模型通过二次训练(SFT/DPO/GRPO/PPO 等)形成机构专有模型，在语言、知识、推理、数学等通用能力上优于同尺寸通用基模，关键在于基于专业知识工程的高质量训练数据集，包括精标长 COT 数据、金融标签体系，通过 6 大知识库、20 + 类知识、8 条知识挖掘链路，解决 RAG 链路中时间匹配度、内容相关性、安全合规和客观数据幻觉等问题。
企业级全栈智能体平台Agentar整合了 1000 + 安全合规水位标准和 500 + 金融能力模块，MCP服务广场聚合百种企业级能力，包括 20 + 蚂蚁自研 MCP 服务(如基金特色、投顾、企业风控等)和三方生态共建服务(如金融资讯、投教等)。安全合规围栏贯穿模型全生命周期，从语料来源合规性到模型上线后的业务防御，通过语料去毒、供应链漏洞检测、AI 仿真复测等流程确保安全。双轨制评测标准(基础分 + 提高分)和标注归因体系，以效果驱动智能体精准调优，覆盖基金、保险、转账等多业务场景。
蚂蚁数科提出 “三车间” 范式的全链路实践方法论，策划车间通过意图识别模型、猜问生成模型拆解用户需求;执行车间基于需求召回相关供给，调用工具;表达车间通过提示词配合表达模型确保答案质量，实现算法与工程优化的双向结合，输出符合金融严谨性、合规性要求的内容。
在 2025 年 6 月 19 日的中国国际金融展上，蚂蚁数科更是传来捷报，其金融行业大模型在上财 Fineval、东方财富 OpenFinData 等权威金融评测集中，全面超越 Qwen2.5、Xuanyuan3 等主流模型，勇夺第一名。此类测评覆盖问答、推理、财报分析等多元真实金融任务，对模型的金融知识储备、业务逻辑理解能力要求近乎苛刻，Agentar 能够脱颖而出，彰显了其深厚的技术底蕴与对金融场景的精准把握。
此外，Agentar 沉淀了亿级规模的金融专业数据，涵盖市场行情、行业研报、政策法规等关键信息，均源自日常真实业务场景，数据的真实性与价值极高。同时，十万级推理链标注数据的投入，让模型具备了资深金融从业者般的逻辑推理与分析判断能力，面对复杂问题能够层层拆解、理清脉络，给出令人信服的解答。
Agentar深度应用场景与行业实践
财富管理：重塑客户体验与业务范式
财富管理智能体通过自主动态规划、任务调用和答案生成，重塑客户体验。以 “持仓合理性分析” 为例，Agentar 基于用户画像和市场研判，调用资配模型生成调整建议，输出包含思维链展示的结构化答案，经严谨性、合规性等出厂检验后交付客户。这种模式不仅提升了服务专业性，还实现了从被动问答到主动规划的转变，让客户获得个性化的资产配置建议。
智能营销：精准触达提升转化效率
营销智能体针对高净值客户群体，如 500 万高净值白户，通过人货匹配、营销敏感时机捕捉、权益偏好出价等流程，生成智能化营销方案。例如，在申购满额活动中，Agentar 规划早中晚不同时段的触达策略，搭配加油卡、超市卡等权益，较传统营销效果提升 20%，成本降低 10%，实现了从 “大海捞针” 到 “精准滴灌” 的营销升级。
风控建模：智能化全流程提升效率与精度
风控建模智能体实现了从建模流程规划到模型评估的全流程自动化。它能在 20 秒内针对人行征信场景生成 24 大类 1.2 万维特征，利用迁移学习、多任务学习等前沿算法，在小样本量场景下提升建模效果。实践数据显示，银行 A 通过 Agentar 建模，KS 值从 0.2670 提升至 0.6148，AUC 从 0.1795 提升至 0.6291，建模效率提升 30%，达到行业专家水平以上。
全行级 智能体平台：端到端智能化升级
蚂蚁数科为银行构建的全行级智能体平台，涵盖 ToC(面向客户)和 ToP(面向行员)两大方向。ToC 端的 AI 智能助理提供个性化理财推荐、智能投顾等服务，覆盖理财、基金、信用卡等 30 + 场景，预计服务超数千万客户，客户体验提升 8-10 倍;ToP 端的 AI 行员助手为客户经理提供客户洞察、业务推荐等支持，扩大服务半径 2-10 倍，提升投研投顾专业度。平台打破业务条线壁垒，实现从 “单点支撑” 向 “全域协同” 演进。
AI 原生手机银行：交互模式与服务体验革新
AI 原生手机银行采用 “对话即服务” 理念，将传统 GUI 模式转变为 LUI(语言交互)模式，用户通过语音或文字即可完成账户查询、转账汇款等操作。通过构建金融垂类多模态语料库、知识图谱事实约束和标准化服务单元组合，解决了自然语言理解精准性、金融级严谨性等挑战，实现高频业务 “零点击办理”，老年客户满意度显著提升，推动手机银行从工具属性向智能体验升级。
100 + 深度业务场景全景与行业影响
Agentar联合合作伙伴推动落地100 + 深度业务场景，形成覆盖银行、证券、保险及通用板块的全方位解决方案。银行板块占比 52.38%(55 个场景)，涵盖零售业务助手、经营分析助手、信贷和风控等，如 AI 尽调报告生成、智能风控审核等;证券板块聚焦投研、投顾、合规，如研报框架建议、理财产品问答预处理;保险板块覆盖产品服务、承保理赔、合规监管，如个性化保险方案推荐、智能定损反欺诈;通用板块涉及安全合规、智能办公、智能用数等，如内容安全审核、领导驾驶舱。
从业务链条看，客户服务场景实现 7×24 小时智能响应，提升服务可得性;内部运营场景赋能员工，降低重复性工作成本;营销销售场景通过数据驱动实现精准触达;风险管理场景从事后补救转向事前预警;产品创新场景加速需求洞察与研发迭代;决策支持场景为管理层提供数据驱动的决策依据。这种 “广度覆盖” 与 “深度渗透” 的场景布局，推动金融机构从劳动密集型向智能驱动型组织转型。
国际数据公司(IDC)发布的《中国零售信贷智能风控解决方案市场份额，2024》显示，2024 年，中国零售信贷智能风控解决方案市场规模达到 65.41 亿元，同比增长 20.1%，其中蚂蚁数科以 15.7% 的市场份额排名第一。报告指出，在市场经济低迷的背景下，信贷风险上升、监管要求趋严、客户体验提升需求等因素共同推动了市场对零售信贷智能风控解决方案需求的提升，Agentar 基于多源数据整合优势和长期在数据隐私保护技术方面的沉淀，在该细分市场表现突出。
行业挑战与未来展望
尽管金融智能体前景广阔，但仍面临诸多挑战。技术层面，大模型 “幻觉” 问题需通过数据治理、模型优化和风险控制模块解决;行业层面，数据孤岛、流程固化等存量问题亟待突破;监管层面，数据合规、模型可解释性等要求增加了落地难度。蚂蚁数科通过安全合规围栏、双轨制评测等体系，在一定程度上应对了这些挑战，但行业整体仍需在技术、监管、生态等方面协同推进。
未来，金融智能体将推动四大趋势发展：个性化与嵌入式金融服务，通过实时动态推荐实现 “千人千面”，并嵌入生活场景;智能化产品设计，辅助市场分析和合同生成，加速产品迭代;实时智能风险管理，构建动态评估模型，提升风险预警能力;全新合规监管模式，辅助合规检查和法规解读，同时监管机构可利用金融智能体实现穿透式监管。蚂蚁数科以 “场景驱动、价值创造” 为导向，其 Agentar 产品在银行、保险、证券等行业的规模化应用，为金融行业智能化转型提供了实践范本，预示着智能驱动的金融新生态正在形成。
