2026年的AFAC金融智能创新大赛总决赛路演于近日落下帷幕。从5027支队伍、近2万名选手中“杀出重围”的46支入围队中，最终有24支“挑战组”队伍的赛题解法脱颖而出，6支“初创组”队伍的创业项目获得了比赛奖项。
比赛虽然落幕，选手们技术和商业的历程才刚刚开始。AI比赛本质上是资本和产业筛选好的人才与项目、后者又向前者寻求资源支持的“双向奔赴”。作为AI金融领域中颇具影响力的比赛，已行至第四年的AFAC大赛目前采用解题的“挑战组”与展示创业项目的“初创组”双轨赛制，选手除了奖金之外，能够通过蚂蚁集团联合政府、创投、孵化器等机构搭建的生态圈，获得资本对接、媒体曝光等资源。
今年，大赛在组织结构、资本规模、海外联动和赋能周期上都有所升级。“对于创业者来说，最关键的就是‘被看见’。而被看见这件事情没有办法透过一个人或者一个单独的企业和机构完成，它需要有人提供场景、资本、空间和政策，融合在一起，才能把创业的概率从万一变成确定。”蚂蚁集团财富保险事业群项目管理总监、AFAC大赛执委会主席李晖在初创组路演上说。
AI技术正在打开产业的想象，但未来仍然迷雾重重。今年的AFAC大赛尝试了一种新的可能：打破赛事的单向输出，通过内容更丰富的论坛会议乃至主题展会，用“会、展、赛”的形式创造一个让政策、学术、产业与资本在同一场域中深度对话与合作的生态平台，共同研判技术与场景，“看见”AI金融未来的方向。
这场总决赛围绕“看见与被看见”展开，身处其中的人们，既在这里洞察技术演进与行业落地的真实趋势，也渴望被资本、产业与时代的目光所注视。穿行在主论坛的观点交锋、路演现场的激烈答辩、展区里密集的交流碰撞之间，刻画出一幅关于AI金融行业的多元群像。
会：智能爆发下的产业变革
AI大模型的“进化”速度有目共睹，今年的AI不仅在推理、编程等领域完成更复杂的任务，还能证明数学定理，研发药物与新材料。当它以月为单位刷新认知边界时，AI的技术上限在哪里，是否能胜任金融等行业中的复杂任务，成了亟需探讨的话题。
在这次AFAC总决赛的主旨演讲和圆桌论坛中现身的学者、投资人和企业专家普遍都认为，大模型的能力仍在攀升。“几乎看不到天花板”，图灵智能研究院院长、原智谱AI首席生态官、北京智源人工智能研究院创始副院长刘江说。
大模型用一套参数量巨大的神经网络算法来预测万事万物，其核心动力源于规模定律——参数量、数据量与算力的协同增长直接驱动性能跃升。刘江在主旨演讲中指出，人类通过在各个知识领域出题考试的方式来测试AI的能力，科学家出题的速度已经很难赶上AI能力提升了。
“无论题目一开始有多难，只要能被清晰定义、拥有充足数据且结果可判定，大模型（在考试中）获得的分数最终都会（在一段时间里）从接近零拉升到接近满分。你想难住大模型，非常难。”他说。
以“小龙虾”（OpenClaw）为代表的、用外置的控制系统（即Harness）让AI模型扮演不同角色、具备记忆且能调用程序技能按照规则来完成复杂任务的智能体技术不断发展，代表AI正从“能说”进化到“会做”。复旦大学教授肖仰华指出，大模型已不再是孤立的“缸中之脑”，正走向知行合一的动态智能。“今天的智能体已逐步具备自我审视、记忆沉淀与递归改进的能力。”
大模型能力的爆发深刻影响了AI应用的技术选型。初创组评审的蚂蚁集团财富事业群副总裁、AI Lab 负责人俞涛认为，通用 Frontier Model 与垂类模型 Agent 正在沿着两条相互促进的路线演进：前者持续通过 Scaling Law、RSI 等方向探索智能的上限，后者则围绕具体场景，在性能、成本和延时之间寻找最优平衡，将底层智能转化为稳定、专业、可规模化的用户价值。未来垂类 Agent 竞争的关键，是建立贴近真实场景的 Benchmark，形成可信数据、模型能力与用户反馈之间的持续迭代。刘江则说，AI应用开发需考虑大模型的成长性，为其未来能力留出空间。
强大的模型并不直接意味着AI能在复杂的真实业务场景中精准落地。从风险评估、反欺诈、信贷审批，到量化交易、投资研究与客户服务，金融行业存在海量数据、繁复规则和高频决策，天然适合AI赋能。但金融又极其特殊，它承载着风险与信任，对准确性、可解释性与合规性的要求远高于其他领域。
清华大学电子工程系副教授姚权铭在圆桌论坛中提到，“典型的图结构数据、组合爆炸（变量组合数量呈指数级增长导致计算困难）数据，大模型的Transformer架构处理起来（效率）是很差的。”对于超高精度的数学计算，纯靠大模型推理容易出错。
刘江则认为，大模型自身仍然存在一些限制，难以处理数据稀缺场景，“幻觉”问题也难以根除，因此在对准确性与合规性要求较高的金融场景，“进展相对缓慢”。初创组评审专家、接力基金合伙人倪修斯说，“金融AI目前只解决了约30%到40%的外围问题——信息搜索、内容生成、基础问答。核心的交易决策领域，依然高度依赖传统模型与规则系统。”
也有人认为，这些问题并非不可克服，也为技术方向乃至商业模式提供了思路。在初创组评审专家、璞跃中国金融科创总监双希看来，虽然目前的AI技术尚未在金融行业“可验证、可交付、可信的”要求下收敛，但可以将可信模块剥离出来先行应用。
虽然AI存在幻觉，但人类也会犯错。她举例道，金融机构在用户违约时，需要快速、精准地处理大量客诉数据和监管报文，AI可以7x24小时高强度工作，且出错率低于高压下的人类。刘江也指出，面对犯错，解决方案不是不用AI，而是建立类似人类社会的制度性基础设施，如多重审批、机长副机长机制，同时将AI的犯错可能性纳入系统设计，用harness进行管理。
圆桌论坛嘉宾、SEE Fund无限基金管理合伙人马麟则认为，金融机构风控极为重要，AI更适合充当辅助角色。在业务发展上，AI还能帮助精准匹配、减少骚扰电话、平抑不合理波动。
虽然AI金融还有很多工程化与制度化鸿沟需要跨越，但技术带来的变革已经展现出重塑经济的潜力，成为产业政策的焦点。
上海财经大学校长、党委副书记、AFAC大赛名誉主席刘元春在总决赛致辞中指出，2026年政府工作报告首次提出“打造智能经济新形态”，“人工智能+”全面启动，金融智能已从“可做可不做的选择题”变成“金融强国的必答题”，在大国博弈中成为前沿问题。
他提到，AI正在加剧宏观经济层面的“K型分化”——一方面是AI相关产业蓬勃向上、吸引海量资源，另一方面是传统行业在资金与人力抽逃中承受转型阵痛。今年1至7月出口同比增长14%，但60%的贡献来自AI相关产业。
新技术仅仅诠释了“智能金融”一半的含义：金融不仅是AI赋能的对象，反过来也是决定AI产业发展走向的重要因素。刘元春强调，在目前的政策取向中，金融流动性必须流向实体科技与产业，应当用智能技术弥合数字鸿沟而非扩大断层，让更多中小微企业和老百姓有获得感。而在资金的走向上，“既不能对传统产业因‘不够新’而盲目断供抽贷，也不能对新兴概念一拥而上”，要面向核心科技和现代产业群，助力中国把握科技产业超级周期。在这些取向的基础上，应当探索金融活动治理新范式，以赋能构建与未来金融形态相适应的现代治理。
“走人机合作之路，要让人成为创新福利的主体。”他说。
视角从学界到产业界到政策，话题从技术聊到商业乃至社会，AFAC总决赛论坛上的发言者们既表达了对目前技术进展和产业趋势的共识，又对具体商业模式、风险合规边界乃至AI未来的发展有着各自的看法。共识与分歧的交织，正是当下AI金融行业生态的横截面。
赛：更成熟的选手，更理性的评审
本届AFAC大赛采用双轨赛制。挑战组延续传统算法竞技，选手针对四道技术赛题展示方案、复现代码，评审作出技术点评。而在初创组决赛路演中，10支创业团队被推到了聚光灯下，登台选手要在8分钟内完成项目讲解，再用7分钟回答评委的问题。
10支团队中，近半数项目脱胎于国内外高校的技术孵化，也有来自科技、金融和传统行业的选手。项目覆盖了高速光互联、深度反诈鉴伪、AI资产估值、智能核保、算力互联芯片、跨境ESG合规、商用车风控、全资产投研平台等不同领域，涵盖基础设施与AI应用。
令人瞩目的是，这些项目与前几年的AI创业大为不同，不再一味强调新技术愿景，而是展现在真实业务场景以及商业化中的表现。其中有的项目年营收已达数千万元，有的已深度切入国有大行与头部科技厂商的供应链，有的已完成多轮工程化流片并启动批量试商用。
赛场体现出来的项目趋势与论坛上嘉宾的判断不谋而合：大模型能力的提升显而易见，业界现在更关心AI在真实场景中是否好用，商业化是否可行。初创组决赛路演的几位评审是投资人以及企业技术和业务专家，整场比赛下来，他们问的最频繁的问题是技术壁垒、收入构成、客户验证、竞争差异化、规模化路径。
“我们可能已经不会再为‘宏大叙事’买单了，”倪修斯说，她更看重的是“切口相对比较小，切得足够深，确实能够提升行业效率”的项目。在这种取向下，“今年参赛企业明显成熟很多”。
在AI应用领域，投资人的眼光开始变高。“创业的技术门槛变低了，有什么想法很快就可以用大模型做一个Demo出来。但商业门槛反而变高了，机构看多了类似的项目，会更加关注商业可验证性，融资更加困难。但长期来看，AI最终的价值要靠应用创造。”初创组评审专家、蚂蚁集团战略投资经理张胤说。
“智慧易”团队做的是反欺诈鉴别大模型。选手讲了一个案例，有人买了一杯外卖咖啡，然后用AI将其P成泼洒状向商家理赔。由于商家无法判断照片的真伪，只能赔付。他们的系统通过自研AI模型对金融领域常见的理赔场景图片进行多维度交叉验证，能识别出造假，帮助商家和机构节省成本。目前签约100多家银行一级分行，据称营收超过1亿元。
该项目拿到了初创组二等奖。“它解决了一个很真实的痛点。随着AI技术的发展，（识别AI造假）的需求越来越旺盛，用户越来越多，又为模型提供了更多数据，形成飞轮效应。这些数据就形成了核心竞争壁垒。”倪修斯说。
而在商业模式上，拥有一定的客户规模和现金流也让项目成为投资人的“心头好”。“在当前融资环境下，有现金流比纯粹烧钱更安全。”倪修斯认为，财务数据也是判断商业叙事是否真实的最佳“照妖镜”。因此，她也看好那些借助AI找到了第二增长曲线的传统技术团队，基本盘扎实，又具备新技术延展性，在当下的市场环境下更具韧性。
除了能够解决真实问题、商业上得到验证的AI应用项目之外，硬核的AI基础设施也受到评审的关注。获得初创组一等奖的是“恒创领航”团队的「面向金融核心场景的高速安全传输系统」，通过自研的硅光芯片、异质集成光源和自研通信协议栈，借助光通信在金融数据中心之间拉一条更快的“网线”。另一组二等奖“芯融动力”团队研发的MXC芯片（内存扩展控制器）对于提升算力硬件效率至关重要，是一个典型的“卡脖子”赛道，他们是国内唯一实现工程化的团队。
“大家对AI的真正期待，是做很多我们想不到和做不到的事情，这才是未来。”马麟说，他因此看重初创项目的原创性和开创性，创始人应当有挑战技术与行业难题的勇气，而不是追逐风口。张胤也“比较喜欢硬核一些的项目”，不仅有技术壁垒，而且能实现国产替代，在全球竞争中发挥作用。
张胤说，评审对于前几名的项目判断基本一致，但也有理解和倾向的差异，比如说，对于AI产品是采取定制化的业务形态，还是应当采取规模化扩张的商业模式，不同人有不同的看法。“全部都是共识也不一定都是好事，还是要寻找一些非共识的东西。”他说。共识刻画趋势，非共识则突显多元，让不同的项目能有被看见的机会。
展：链接金融智能人才
路演大厅内紧绷的答辩刚刚告一段落，漫步至场外的创新互动展区，气氛悄然切换为另一种节奏。
展区的一角，一位刚刚经历过评委犀利问答的创业者，正排队体验抓娃娃机。不远处，千问AI眼镜、智元的四足机器狗吸引着人群驻足。在洽谈区，来自投资机构、孵化器的负责人正与选手和观众交谈……展区在赛会体系中开辟出了一处物理缓冲带，一个让连接与交流自然生长的开放空间。
展区不大，但高密度容纳了各类角色：创投机构、高校学者、金融从业者、创业者与开发者。
身处同一产业浪潮，各自的视角却天然存在差异。投资人看商业模式与技术壁垒，创业者关心第一笔订单或者融资，学者思考技术进展和成果转化……这种差异往往横亘着高昂的沟通成本，而展区则代表了大赛提供翻译与对齐的意图。
“AFAC大赛扮演了两个很重要的角色。一个是‘翻译者’，把来自于学术界在关注的地方，来自于业界的痛点，提供出来给到这些初创团队。另一个是‘连接者’，整合高校、孵化器、产业机构等生态力量。”双希在圆桌论坛中说。
在机器狗展台，一位年轻人正在用手柄熟练地操作机器狗翻滚、跳跃，招呼路过的观众来体验。他今年刚上大二，学的是自动化专业，趁暑假来实习。在被问及未来是否打算投身AI行业时，他一面回答“很感兴趣”，一面晃了晃手中的手柄：“这个不用会编程就能操作和设计动作，我还有很多要学习的。”
展区里充满活力的年轻人，侧面反映出当前AI金融领域对人才的渴求。
正如张胤所说，AI技术降低了实现想法的门槛，高度封装的工具降低了技术要求，普通人也能参与前沿技术的展示，甚至在AI的帮助下做出自己的产品。蚂蚁集团保险智能科技资深总监续兴中在圆桌中谈到，年轻人在AI行业往往具有“乱拳打死老师傅”的优势，用AI解决问题与用确定性代码解决问题的逻辑不同，年轻人往往更能从问题的“第一性”出发思考，得到超出历史预期的结果。
但另一方面，工具的普及并不等同于认知深度的跃迁，真正理解算法本质、洞察产业机理、具备工程化抽象能力的复合型人才，依然需要漫长的淬炼。
“原来靠解决某一特定技术问题就能成为专家，现在交给AI就能搞定。专才的价值在稀释。”续兴中说，复合型人才不仅要同时具备AI和行业知识，还要具备“评测”的能力——针对具体业务场景提出评测角度和方法，驱动AI迭代。
清华大学电子工程系副教授姚权铭从学术培养视角指出，如今评估优秀人才的标准已经开始发生变化。“过去招博士有一两篇论文是加分项，现在看重的是你做的研究半年内会不会被大模型淘汰。”他进一步区分了AI人才的三个层次：“缔造者(底层原理)、构建者(算法构建)、使用者(行业应用)。高校更多培养的是构建者，缔造者才是最稀缺的。”
培养交叉的视角、底层的能力，需要沉下心来。“要想清楚，扎到一个比较具体的方向，然后把这个东西吃透，把AI真正用好。在这个过程中，至少能立于不败之地。”刘江说，另一项同样重要的心态则是“敢想。这是最重要的，在你熟悉的领域，有什么大的、有价值的问题，真的可以用大模型去尝试解决。”
姚权铭用“愿力”来描述这种能力——让一件事情发生，而不是仅解决问题。而发下宏愿后，判断力也至关重要。“不要受噪音影响，不忘初心，做自己热爱的事。”马麟说，“产业界充满了不确定性，观点也很多样，创始人要具备过滤噪音的能力，在其中抽象出自己该聚焦的方向。”
“当100个团队都在向同一个方向努力的时候，真正拉开差距的，是你怎样判断方向、怎样做取舍。这份判断力是任何算力和模型都给不了你的。”李晖说。
今年的AFAC大赛不仅为项目和人才提供了展示舞台和商业资源，也让他们通过平台在学习中明确方向，在交流中滋养视野，在竞争中打磨判断力。从行业喧嚣走向沉淀，让发愿的人被对的人看见，让解决真问题的探索获得生长的土壤，这或许正是AFAC大赛历经四载演进至今，留给AI金融时代最厚重的注脚。
瑞和网提示：文章来自网络，不代表本站观点。
