當大模型以應(yīng)用落地論英雄時，誰在裸泳顯而易見。尤其在復(fù)雜業(yè)務(wù)場景下，面對千絲萬縷的業(yè)務(wù)邏輯，模型能不能用和好不好用之間的界線愈發(fā)明顯。金融行業(yè)作為復(fù)雜業(yè)務(wù)場景的代表，自然成了大模型們的“照妖鏡”。觀察那些用得好的金融大模型不難發(fā)現(xiàn)，它們都有一個共同點，那就是都是垂直模型。

更進一步而言，Agentic Model 垂直模型已經(jīng)成為實現(xiàn)大模型在金融行業(yè)落地最佳價值的最優(yōu)實現(xiàn)路徑。

背后的邏輯很簡單。金融行業(yè)關(guān)乎到民生根本，對于準確性、可解釋性以及合規(guī)性的要求都遠高于其他行業(yè)，任何一個微小誤差，都可能引發(fā)蝴蝶效應(yīng)。顯然，這不是一個通用模型就能輕松應(yīng)對的?；貧w到技術(shù)發(fā)展脈絡(luò)，當前，AI 正處于自主行動階段，能夠?qū)崿F(xiàn)從理解意圖到執(zhí)行行動全流程自主處理的 Agentic Model，正為行業(yè)應(yīng)用帶來更多想象。

這也是為什么，在 2025 云棲大會第二天上午召開的「新模力 新點金：金融大模型技術(shù)峰會」，一早就被參會人群圍得水泄不通。在通往超級人工智能 ASI 的路上，金融行業(yè)迫切需要找到足夠智能化的解法，找到能夠在剛性約束下解決實際問題的能力。

無法垂直化的 AI，在金融行業(yè)沒有未來

回顧科技浪潮在金融行業(yè)的整體發(fā)展脈絡(luò)不難發(fā)現(xiàn)，金融行業(yè)因其特殊性，在應(yīng)用新技術(shù)時，往往比其他行業(yè)更加謹慎。這種謹慎性延續(xù)到了 AI 時代，卻也成了企業(yè)焦慮的根源。

一方面，AI 技術(shù)發(fā)展的日新月異，讓所有人看到了其在業(yè)務(wù)場景中帶來的真實價值，金融行業(yè)同樣渴求用 AI 技術(shù)為業(yè)務(wù)帶來新解法。另一方面，金融行業(yè)對于準確性、可解釋性以及合規(guī)性的要求從未減弱半分，倉促應(yīng)用新技術(shù)很可能為業(yè)務(wù)帶來不可控的風險因子。

面對 AI，金融科技一時間仿佛只有兩種解法。要么從頭開始預(yù)訓練自己的行業(yè)模型，要么為基座模型外掛一個知識庫。前者需要企業(yè)將全部知識、數(shù)據(jù)投入訓練，成本高，周期長，投入產(chǎn)出比嚴重失衡；后者看似周期短，但對于后續(xù)的迭代優(yōu)化要求極高，智能化程度也比較低。顯然，這兩種方式都不適合數(shù)據(jù)密集、技術(shù)密集、知識密集的金融行業(yè)。

轉(zhuǎn)折點出現(xiàn)在垂直模型。阿里云智能集團公共云事業(yè)部副總裁、新金融行業(yè)總經(jīng)理張翅在接受 InfoQ 采訪時表示，垂直模型的邏輯是，將那些行業(yè)核心知識、能力與經(jīng)驗內(nèi)化到模型本身，為復(fù)雜的領(lǐng)域場景提供確定性解法。從更務(wù)實的落地視角來看，垂直也意味著 AI 技術(shù)真正開始尊重金融行業(yè)的專業(yè)性和復(fù)雜性，更專注于業(yè)務(wù)真正需要什么，這才是 AI 在金融領(lǐng)域創(chuàng)造價值的唯一路徑。

阿里云智能集團公共云事業(yè)部副總裁、新金融行業(yè)總經(jīng)理張翅

在垂直模型的認知上，扎根到千行百業(yè)的云服務(wù)商們，顯然敏銳得多。在前年的云棲大會上，通義千問就帶著八大行業(yè)模型集體亮相，并且有三款模型是專門面向垂直業(yè)務(wù)領(lǐng)域的。這其中，就包括面向金融領(lǐng)域構(gòu)建的通義點金。

市場的反應(yīng)是檢驗垂直模型的最終標準。從數(shù)據(jù)上看，過去一年中國金融大模型市場規(guī)模突破 28 億元，同比增長 80%，并且這種增長勢頭還在持續(xù)。從行業(yè)應(yīng)用上看，通義也交出了一份不錯的答卷：九成國有大行、政策性銀行均已使用通義大模型，12家股份制銀行全部接入通義大模型， 排位前10的財險都在使用通義大模型，他們普遍以通義大模型家族作為主力模型，支撐 70%以上AI場景。

在真實的金融業(yè)務(wù)場景中，垂直模型到底用得好不好，這次的云棲大會-金融大模型技術(shù)峰會，以及金融 Agent 展區(qū)，實際上已經(jīng)給出了答案。

招商銀行數(shù)據(jù)資產(chǎn)與平臺研發(fā)中心總經(jīng)理杜志明在《招商銀行大模型體系與應(yīng)用實踐》主題演講中提到，目前招行已經(jīng)構(gòu)建了覆蓋基礎(chǔ)設(shè)施、模型、中臺到應(yīng)用的四層模型體系，并將大模型技術(shù)應(yīng)用到包括零售金融、對公金融、投資金融、中后臺運營在內(nèi)的多個業(yè)務(wù)場景中。同時，招行在2024就開始與通義實驗室探討合作，并與阿里云聯(lián)合成立了大模型創(chuàng)新實驗室，以推動多模態(tài)技術(shù)、數(shù)據(jù)雙飛輪驅(qū)動在模型訓練領(lǐng)域的創(chuàng)新方法，以及在模型安全和模型測評領(lǐng)域的探索。

招商銀行數(shù)據(jù)資產(chǎn)與平臺研發(fā)中心總經(jīng)理杜志明

平安集團首席科學家肖京在《人工智能賦能金融業(yè)務(wù)數(shù)字化高質(zhì)量發(fā)展》主題演講中表示，目前，全集團基于通義千問、DeepSeek等開源模型，已部署智能體超 5 萬個，覆蓋大部分核心崗位 11 萬員工，滿足員工在不同工作場景中的應(yīng)用需求，實現(xiàn)業(yè)務(wù)“三提兩降”——提升效果、提升效率、提升用戶體驗、降低風險、降低成本。

目前在各領(lǐng)域取得顯著進展：在營銷領(lǐng)域方面，數(shù)字人及數(shù)字員工整合大模型、圖像、語音、NLP 等技術(shù)，廣泛應(yīng)用于遠程面審、培訓陪練、客戶服務(wù)、內(nèi)容生成等場景，AI 輔助工具月活躍使用率近50%，顯著提升代理人觸訪率；在服務(wù)方面，全集團每年超 20 億人次客服由 AI 完成，占比 80% 以上，并已向 30 家外部金融機構(gòu)輸出智能客服能力；在運營方面，車險智能化出單覆蓋 1.2 億單，超 80% 業(yè)務(wù)由 AI 端到端完成，單均耗時從過去的 5.7 分鐘降低至 1.2 分鐘，效率提升近 80%；而風控方面則通過 AI 挖掘多維度數(shù)據(jù)，構(gòu)建數(shù)據(jù)圖譜，形成從宏觀、中觀到微觀的全維度金融風險管理體系。

平安集團首席科學家肖京

垂直模型在保險行業(yè)的核心業(yè)務(wù)環(huán)節(jié)中，同樣起到了關(guān)鍵支撐。

中國大地保險黨委委員、總裁助理劉璞在《保險行業(yè) AI 大模型應(yīng)用探索與實踐》主題演講表示，人工智能的發(fā)展進入全新加速度，伴隨通用大模型（如 DeepSeek、通義千問）的廣泛普及與算力成本驟降，工程創(chuàng)新大幅降低了微調(diào)與蒸餾門檻，使AI不再是巨頭專屬。中小企業(yè)可依托“百模千態(tài)”開放生態(tài)，以輕量化方式實現(xiàn)降本增效與敏捷轉(zhuǎn)型。

大地保險自 2023 年啟動大模型預(yù)研工作，與阿里云合作廣泛，并在 2025 年8月聯(lián)合阿里云共建了“大地-阿里云人工智能聯(lián)合實驗室”，共同探索 AI 技術(shù)在保險領(lǐng)域的模式創(chuàng)新和人才培養(yǎng)。在平臺建設(shè)方面，大地保險攜手螞蟻數(shù)科打造 AI 中臺“靈山界”，該平臺集成大模型、數(shù)據(jù)、算力與開發(fā)框架，以“通用大模型+行業(yè)小模型”為技術(shù)路線，在 AI 底層模型方面接入通義千問、DeepSeek，并支持本地與云端混合部署模式，構(gòu)建了以感知智能、認知智能和計算智能為核心的 AI 能力體系。目前，大地保險已在多個業(yè)務(wù)場景中落地 AI 應(yīng)用，并取得顯著成效。以保險營銷場景為例，以銷售人員日常工作為主線進行智能化重構(gòu)，AI 營銷助手可以自動生成文案、海報；數(shù)字續(xù)?？梢宰詣由衫m(xù)保日歷與報價方案，并提醒銷售人員及時聯(lián)系客戶；數(shù)字報價員可以通過語義交互智能采集信息并生成報價，替代傳統(tǒng)手工錄入。

中國大地保險黨委委員、總裁助理劉璞

在金融 Agent 展區(qū)，這些應(yīng)用的實際效果更加顯性化。比如，眾安信科構(gòu)建的 AI保險代理人助理能高效解決信息不對稱、需求匹配難、信任建立難以及效率瓶頸四大痛點；中華財險打造的保險產(chǎn)品智能開發(fā)助手能覆蓋從條款“編寫—審核—報備—配置”全生命周期管理過程；中再壽險智能理賠助手能嵌套在理賠業(yè)務(wù)系統(tǒng)中，大幅優(yōu)化復(fù)雜的理賠流程；大智慧的金融數(shù)據(jù) AI 助手能實現(xiàn)企業(yè)盡調(diào)、風險預(yù)警、輿情監(jiān)測等多場景高效數(shù)據(jù)服務(wù)。

這些應(yīng)用表明，AI 技術(shù)正逐步從單點工具轉(zhuǎn)變?yōu)橄到y(tǒng)性能力，更深的行業(yè) know-how、更精的數(shù)據(jù)能力、更敏捷的迭代，共同構(gòu)成新的競爭壁壘。這也使得垂直模型在金融這類復(fù)雜業(yè)務(wù)場景中，正變得越來越不可替代。

但這種垂直并非簡單的金融數(shù)據(jù)與通用模型的疊加，而是從底層架構(gòu)到應(yīng)用場景的全鏈路深度適配。這種深度垂直化能力，也是通義點金本次升級能夠引發(fā)外界廣泛關(guān)注的根因——一口氣發(fā)布了五大開箱即用的垂直模型（Qwen-dianjin-fin-R1、Qwen-dianjin-fin-OCR、Qwen-dianjin-fin-Persona、Qwen-dianjin-fin-TIR、Qwen-dianjin-fin-PRM），構(gòu)建了“合成-訓練-評測-應(yīng)用-迭代”的一站式金融垂直模型生產(chǎn)工場，為行業(yè)應(yīng)用帶來的想象空間，無疑是巨大的。顯然，行業(yè)對垂直模型的價值，還是達成了共識的。

拆解通義點金：如何成為金融行業(yè)用好 AI 的一站式工場？

正如前文所言，垂直模型是將行業(yè)核心知識、能力與經(jīng)驗內(nèi)化到模型本身。更進一步而言，只有把足夠多的能力內(nèi)化到模型中，AI 才能真正向前發(fā)展。

實現(xiàn)這種內(nèi)化的關(guān)鍵，在于將大模型的訓練方法拆解為企業(yè)可用的“模型數(shù)據(jù)飛輪”。這也是通義點金一直在堅持的技術(shù)路線。張翅在接受采訪時提到，通義點金選擇的是更輕量、敏捷的后訓練方案。如果說基座模型決定了大模型的聰明程度，那么后訓練的效果，則決定了大模型是否可用、是否好用、是否能用。

其中，一種操作方式是，通過模型蒸餾快速將通用模型的能力與企業(yè)的業(yè)務(wù)數(shù)據(jù)對齊，提升基準性能。另一種操作方式是，通過強化學習技術(shù)，將業(yè)務(wù)過程中的規(guī)則與邏輯反饋給模型，實現(xiàn)持續(xù)自我優(yōu)化。本質(zhì)上，就是將基礎(chǔ)模型訓練中的“SFT（監(jiān)督微調(diào)）-RL（強化學習）-新一輪 SFT”多輪循環(huán)，拆解為企業(yè)在解決具體問題時可靈活運用的工具。從而讓企業(yè)能以更小的算力代價、更簡單的工程流程，獲得更準確、更智能的解決方案。

通義點金在數(shù)據(jù)飛輪能力上的升級，可以說是本次峰會《新模力·新點金》年度發(fā)布最大的一個驚喜點。畢竟要想構(gòu)建垂直模型，數(shù)據(jù)是最重要的組成部分之一。

這一次，通義點金提出了模型與業(yè)務(wù)雙向持續(xù)螺旋上升的雙飛輪方法論，在平臺底層架構(gòu)實現(xiàn)了兩個關(guān)鍵數(shù)據(jù)飛輪。第一個數(shù)據(jù)飛輪專注于解決冷啟動問題。冷啟動時，業(yè)務(wù)專家往往難以清晰定義復(fù)雜的業(yè)務(wù)場景與預(yù)期結(jié)果。通過結(jié)合相應(yīng)數(shù)據(jù)來模擬真實業(yè)務(wù)環(huán)境，包括原有系統(tǒng)日志、已有智能體的數(shù)據(jù)，以及第三方數(shù)據(jù)，進行仿真和擬合，從而實現(xiàn)數(shù)據(jù)飛輪一。

第二個數(shù)據(jù)飛輪會引入更系統(tǒng)的評測工具與方法，比如，利用大模型進行交叉評測，從對抗或監(jiān)管視角檢驗邏輯合理性，以及將業(yè)務(wù)中固有的專業(yè)校驗工具集成到平臺層，避免每個智能體重復(fù)調(diào)用，從而優(yōu)化流程復(fù)雜度與動態(tài)編排效率。

“我們希望這個平臺真正能做到以模型為核心，專注于金融能力構(gòu)建的一站式金融垂直模型生產(chǎn)工場”，張翅表示，目前，通義點金已經(jīng)在數(shù)據(jù)擬合、模型評測等關(guān)鍵環(huán)節(jié)取得實質(zhì)性進展，開源了相關(guān)框架與模型能力，并且能夠與企業(yè)已經(jīng)在構(gòu)建的智能體平臺實現(xiàn)融合。

數(shù)據(jù)飛輪得以讓模型實現(xiàn)持續(xù)迭代，但對金融行業(yè)而言，這還不夠。金融行業(yè)的背后是信任、風險和監(jiān)管三大支柱的剛性需求，業(yè)務(wù)本質(zhì)決定了行業(yè)對于可解釋性的要求極高。

為了提高模型可解釋性，通義點金利用阿里云可觀測鏈路 OpenTelemetry，以及其他可觀測服務(wù)，以堆棧的形式呈現(xiàn) Agent 調(diào)用過程。在構(gòu)建評測集上，早期通義點金的實踐集中于構(gòu)建靜態(tài)金融知識評測集，隨著應(yīng)用場景對模型的考驗變得多維且動態(tài)，通義點金也在與不同的垂直細分行業(yè)領(lǐng)先企業(yè)深度共創(chuàng)，共同開發(fā)基于真實業(yè)務(wù)環(huán)境的 Agent 實戰(zhàn)評測數(shù)據(jù)集。

本次會上，阿里云和盈米基金聯(lián)合發(fā)布了理財智能體評測集。這類動態(tài)數(shù)據(jù)集的最大價值在于，它不僅能定義優(yōu)劣標準，更能讓模型在模擬實踐中迭代，并將反饋信號精準關(guān)聯(lián)至具體的決策環(huán)節(jié)，從而實現(xiàn)更高效、更定向的能力優(yōu)化。

除了通義點金的全面升級和理財智能體評測集，這次發(fā)布會上還有幾個重磅發(fā)布值得關(guān)注。一個是阿里云和盈米基金聯(lián)合發(fā)布的投顧智能體模型，另一個是阿里云和國通星驛聯(lián)合發(fā)布的商戶經(jīng)營場景識別模型。

前者依托包括通義點金在內(nèi)的阿里云全棧 AI 能力構(gòu)筑核心能力層，將 Al 服務(wù)范式從 WorkFIow 轉(zhuǎn)向 Agentic，實現(xiàn)工具調(diào)用準確性與順序一致性的提升，服務(wù)達成率大幅提升至 90％ 以上，有效降低“轉(zhuǎn)人工”比例。后者通過通義點金數(shù)據(jù)飛輪能力，結(jié)合場景數(shù)據(jù)與行業(yè)數(shù)據(jù)，為支付環(huán)節(jié)中的不同場景提供多樣化 AI 能力，能實現(xiàn)秒級識別問題，等待時長減少 90%，以及同時審核數(shù)萬商戶，減少人工 50% 審核量。

模型層面的能力是表，其背后對應(yīng)的底層基礎(chǔ)設(shè)施以及生態(tài)支撐，才是內(nèi)里。對于金融行業(yè)而言，穩(wěn)定可靠的基礎(chǔ)設(shè)施是業(yè)務(wù)連續(xù)性與客戶信任的生命線，甚至能直接決定智能應(yīng)用的業(yè)務(wù)價值。根據(jù) IDC 發(fā)布的《中國金融云市場（2024 下半年）跟蹤》報告，2024 年中國金融云整體市場規(guī)模達 692 億元人民幣，同比增長 11%。其中，阿里云以 18.4% 的市場份額穩(wěn)居第一。并且，自 2019 年上半年起，阿里云已連續(xù) 6 年蟬聯(lián)中國金融云整體市場冠軍。

云基礎(chǔ)設(shè)施的規(guī)模效應(yīng)，是垂直模型在金融行業(yè)規(guī)?；涞氐暮诵谋Ｕ?。生態(tài)層面的深度集成，則是業(yè)務(wù)價值打通最后一公里的加速器。

進一步而言，技術(shù)平臺的能力最終必須注入企業(yè)具體的業(yè)務(wù)流程中。對于金融行業(yè)來說，這一過程最大的挑戰(zhàn)是，復(fù)雜且封閉的軟件研發(fā)環(huán)境。每家企業(yè)都有自研平臺和操作規(guī)范，通用的解決方案在此往往水土不服。

因此，實現(xiàn)軟件的智能化升級，必須解決一個核心難題：如何深度適配這些異構(gòu)環(huán)境，確保無縫集成，并在測試、研發(fā)、生產(chǎn)等多元場景中實現(xiàn)高效的人機協(xié)同。數(shù)據(jù)顯示，通義靈碼已經(jīng)服務(wù)了八成大型金融企業(yè)，已成為國內(nèi)最受歡迎的輔助編程工具，并且在工商銀行、平安集團等多家頭部銀行、保險、證券等企業(yè)成效顯著。例如平安集團有超1.5萬名研發(fā)工程師正在通過自研工具“平安愛碼”進行AI編碼，該工具引入了阿里通義靈碼為其增強續(xù)寫功能。AI編碼正覆蓋平安集團旗下銀行、保險、科技等核心業(yè)務(wù)線，部分新項目的代碼AI生成占比超70%。

依托阿里豐富的產(chǎn)業(yè)生態(tài)與底層能力，阿里云已經(jīng)具備全棧金融 AI 能力，未來將向金融行業(yè)提供三種服務(wù)范式：一站式技術(shù)保障與問題解決，端到端的 AI 交付，全生命周期的持續(xù)迭代。隨著未來垂直模型應(yīng)用進入深水區(qū)，金融行業(yè)也將面臨新的挑戰(zhàn)，但萬變不離其宗，問題的答案或許就藏在“更深度垂直化”的道路上。

免責聲明：本文轉(zhuǎn)自網(wǎng)絡(luò)，僅代表作者個人觀點，與亞訊車網(wǎng)無關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容（包括圖片版權(quán)等問題）未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關(guān)內(nèi)容。本站不承擔此類作品侵權(quán)行為的直接責任及連帶責任。

關(guān)鍵詞：模型,金融,行業(yè),AI,數(shù)據(jù)