金融AI的年度大考交卷了：2万名选手、30+家机构、百亿级数据开源

参赛选手更是五湖四海掐尖而来，自2023年首届进行以来，AFAC大赛已累计吸引来自全球超2万支行列6万名选手，覆盖600余所高校、700余家企业。 真实业务中，多挪用一次模型就是实切其实翻倍的成本，并且光答案合理还远远不够，还要系统注明凭据来自哪儿，要经得起复核。 据赛题一「市场参加者买卖行为鉴别与资金流向分析」的评审专家、中科大推算机学院副院长、软件学院副院长、教授王超介绍： 数据：数据规模、多样性、多模态个性和可变性都产生了很大变动，给买卖行为与主体鉴别带来了新的挑战；评价尺度：赛题蕴含两个子工作，其中一个没有明确的评价指标。选手面对的是盛开问题，而非命题作文，必要自行构建逻辑框架与评估系统；系统的动态个性：模型面对的是不休变动的市场，能依赖的却只有静态的汗青数据。从静态走向动态，中央隔着迁徙与泛化的复杂过程。 三个尺度相继击中了传统Benchmark的痛点：一次高分可能来自无意，一套真实可落地的系统却能在前提变动后仍旧成立，还要讲明显为何成立。 更麻烦的是复杂表格的鲁棒性，金融没有始终固定的模板，模型能否不变适应这些变动，都是将来规划迁徙到业务场景中亟需解决的问题。 张军平同时也观察到，本届不少选手的战术仍依赖参赛者自己对文档的理解，下一步要做的，是把人的理解真正转化为机械能力。 流程自动化自身就是技术贸易化的一种典型范式，天生式AI让环节之间相对吞吐的交代成为可能，这也是我们但愿通过这路赛题出现的意思。 乍看之下，把整份文件一股脑塞给模型，似乎就能解决问题？傻搅嘶辜杜灿昧，这条路线很快就会同时撞上成本和成效两堵墙。 从互联网时期进入AI时期，我们逐步意识到二者的成本结构分歧；チ逼，新增用户的边际成本很低，甚至可能靠近零。AI时期并非如此，边际成本曲线也许会缓慢降落，但不会归零。每增长一个用户，就会增长一份Token亏损，而这些Token都对应真实成本。 换言之，成本并非技术能力之表的一路附加题，它就是能力自身的一部门，也是AI逐步走向产业利用、面向用户创造价值的一种体现。 蚂蚁做出了一个在其时看来颇为斗胆的决定，直接将金融赛事与前沿大模型技术绑定，这在以稳重著称的金融业并不多见。 2025年，金融AI不再满足于一个答案，因果溯源、逻辑推理和工具挪用的沉要性也日益增长，考题也随之将沉点放在工业级约束上。 数据集沉淀自2023年至2025年的14路高价值赛题，蕴含13万条评测样本、2000余份专业金融文档和130多个历届优胜规划，覆盖百亿级金融科技数据条款。 数据状态从单模态到多模态，主题能力从单一精度预测到复杂推理，落地利用也从单点模型微调走向面向真实业务的综合智能系统。 因而多年的Know-how经验转换成表部钻研者共用的接口，后来者也能沿着已有规划持续往前走，摸索出更多的新技术反哺赛事和数据集。 它一端站着高校、开发者和年轻草创团队，另一端搁置蚂蚁持久堆集的业务场景，两端之间是萦绕赛事搭起的一整套衔接人才、场景、本钱和产业的转化系统。 以今年为例，大赛提议机构扩张至33家，初次新增新加坡金融科技节的提议方GFTN—全球金融与技术网络（Global Finance & Technology Network），孵化网络也在层层加码，为早期团队技术验证提供创业领导、本钱对接和孵化入口。 除了百万奖金池，AFAC还提供算力支持、大厂直通机遇和6个月加快成长打算，并携手WAIC世界人为智能大会、表滩大会、CNCC中国推算机大会等平台，进一步打开产业互换和国际衔接的空间。 细分的两个组别中，挑战组解决的是若何从真题中鉴别能力，草创组接着回覆若何把能力造成产品，两条蹊径最终异曲同工，落于真实场景。 绝不夸大地说，也只有像蚂蚁这样持久深耕金融AI的产业参加者，能力既将问题从真实金融业务中抽丝剥茧，又为答案提供持续成长的泥土。 由于最靠近，所以最懂得，能力大浪淘沙，在每年最热的技术海潮退去之后，把那些被泡沫冲刷出来的真问题迅快摆上科场。