“無限光年可信AI金融，為產業(yè)智能化變革注入持久動力。

當前，大模型與AI在金融領域的應用正呈現擴張態(tài)勢，應用的深度與廣度不斷拓展。然而，其發(fā)展也面臨著諸多安全風險，諸如金融數據的敏感性、碎片化及跨機構流通壁壘，導致大模型訓練難以獲取高質量、規(guī)?；暮弦?guī)數據；模型的“黑箱”特性與金融領域對可解釋性的強需求存在沖突，某些場景下的決策可靠性仍需驗證；監(jiān)管政策的適配性、算法偏見引發(fā)的公平性問題，以及AI系統(tǒng)與傳統(tǒng)金融架構的融合難度等，都成為制約其進一步落地的關鍵瓶頸。

如何突破這些瓶頸？在2025年世界人工智能大會WAIC上，中國可信AI金融的實踐給出了答案。

數據猿記者現場看到的一系列成果精準回應著行業(yè)痛點：一鍵式年報分析，5分鐘內即可完成單份財報全維度分析，效率較人工提升超90%；AI驅動中小企業(yè)銀行業(yè)務全流程解決方案，通過“數據整合—自動化風控—智能決策”全流程體系，讓普惠金融突破數據壁壘走進千家萬戶……

這些創(chuàng)新成果來自于同一家企業(yè)——無限光年（INF）。作為可信AI技術的深耕者，無限光年創(chuàng)始人漆遠強調，可信AI金融正成為突破行業(yè)發(fā)展瓶頸的關鍵支撐，為金融機構智能轉型提供可借鑒的實踐范例。

可信AI金融，機遇與挑戰(zhàn)并存

可信AI金融是指人工智能技術在金融領域的應用中，通過技術手段和治理框架，確保系統(tǒng)的可靠性、安全性、公平性、透明性及合規(guī)性，從而建立用戶、機構和監(jiān)管方的信任。其核心目標是在提升金融服務效率的同時，規(guī)避技術風險并滿足行業(yè)特殊需求。

可信AI金融的發(fā)展源于行業(yè)的“強烈”需求。金融行業(yè)對風險控制、合規(guī)經營和客戶信任的高要求，推動AI技術必須具備內生安全能力。例如，銀行需確保信貸審批模型的公平性，避免數據偏見導致的歧視性決策。

同時AI的黑箱特性、數據投毒、深度偽造等技術漏洞可能引發(fā)系統(tǒng)性風險。2024年美股AI板塊因模型趨同導致的“算法共振”，就曾引發(fā)流動性踩踏風險。

另一方面監(jiān)管壓力也在不斷升級。全球范圍內，歐盟《人工智能法案》將金融AI列為高風險領域，要求算法透明和可審計；中國人民銀行發(fā)布《人工智能算法金融應用信息披露指南》，明確數據合規(guī)和模型可解釋性要求。

可信AI金融解決方案旨在技術層面，解決模型不透明、數據安全與隱私、魯棒性不足等問題；在治理層面，保證跨地區(qū)業(yè)務滿足不同司法管轄區(qū)的監(jiān)管要求，解決AI決策引發(fā)的風險難以界定責任主體等問題；在倫理層面，解決AI的算法偏見，平衡效率提升與社會穩(wěn)定等關系。

近年來包括無限光年、阿里等眾多企業(yè)推出了針對不同場景的可信AI金融解決方案，可信AI在金融領域的應用正逐步深化，為行業(yè)帶來效率提升與風險控制的雙重價值。

在應用層面，從智能投顧根據用戶風險偏好生成個性化理財方案，到AI風控系統(tǒng)實時監(jiān)測信貸數據識別欺詐風險，再到大模型基于自然語言處理等技術自動生成財報分析、助力投研效率提升，AI技術已覆蓋信貸評估、反欺詐、智能投顧、市場預測及合規(guī)監(jiān)管等核心場景。

例如，機器學習模型通過分析多維數據提升信用評級的準確性；自然語言處理（NLP）輔助實時監(jiān)測交易異常行為；算法交易系統(tǒng)依托強化學習優(yōu)化投資組合等。這些應用顯著降低了人工成本，提高效能，同時增強了決策的客觀性與響應速度。

然而，可信AI在金融領域的落地仍面臨多重挑戰(zhàn)。首要問題是數據質量與隱私保護的矛盾：金融數據高度敏感，但AI模型訓練依賴海量數據，如何在合規(guī)（如GDPR或《個人信息保護法》等全球記地區(qū)性法規(guī)）前提下實現數據共享成為難題。

其次，模型可解釋性不足制約了監(jiān)管信任，尤其在深度學習領域，“黑箱”特性導致關鍵決策難以追溯，與金融業(yè)審慎監(jiān)管原則形成沖突。

此外，算法偏見可能引發(fā)系統(tǒng)性風險，例如歷史數據中的性別或種族偏見若被模型放大，將導致歧視性放貸。

技術層面，對抗性攻擊威脅模型安全，黑客可能通過微小數據擾動誤導風控系統(tǒng)。

最后，基礎設施成本高昂與復合型人才短缺也限制了中小金融機構的AI應用深度。

無限光年CFO王艾華說，構建“可信AI”的理念逐漸成為金融行業(yè)的共識，只有平衡技術創(chuàng)新與風險管控，才能真正釋放可信AI在金融領域的變革潛力。

基于這些共識，行業(yè)正從多維度推進實踐。目前，金融行業(yè)在聚焦三大方向——開發(fā)兼顧隱私與效能的聯(lián)邦學習等技術，推動可解釋AI（XAI）框架與監(jiān)管沙盒的協(xié)同創(chuàng)新，建立跨機構的AI倫理治理標準，逐漸推出了可信AI解決方案，落地金融行業(yè)的智能化轉型。

深耕核心場景，

無限光年形成差異化競爭力

目前可信AI金融的服務商不乏阿里、騰訊等巨頭，無限光年在這一場景領域如何打造自身的差異化優(yōu)勢呢？答案來自兩方面，一是可信AI全棧技術體系的廣度，二是長期深耕核心場景的深度。無限光年依托領先的可信AI全棧技術體系，橫向打通“算力-工具鏈-模型-應用”平臺服務能力，縱向深耕金融與科學智能兩大核心領域。

無限光年可信AI技術體系，創(chuàng)新性融合神經符號計算（擅長邏輯規(guī)則推理）與大模型（從海量數據學習概率預測）的雙引擎優(yōu)勢，結合金融領域海量專業(yè)數據與知識，構建“精準計算-可控推理-透明決策”閉環(huán)能力，為金融智能化升級提供核心支撐。

接受記者采訪的無限光年CFO王艾華介紹說，深耕金融核心場景，依托獨特資源稟賦，無限光年塑造了強大的核心競爭力：

在資管領域深耕，不僅涉及指數打造、投研報告等基礎環(huán)節(jié)，還在財富管理領域推出智能解決方案，助力銷售人員提升專業(yè)度與合規(guī)度；

在中小企業(yè)貸款領域，通過AI幫助收集信息，整理高質量信貸分析材料，輔助信貸部門決策，同時在KYC（了解你的客戶）、反欺詐等領域積極響應用戶需求，為中小銀行等機構提供支持。

王艾華介紹說，由于中小銀行科研能力較弱，且中小企業(yè)財務資料不健全，導致信貸分析難以快速完成。無限光年可信AI金融能夠結合多源數據，為中小企業(yè)實現精準畫像，助力中小銀行實現智能審批，提升服務效能與精準度。

此外，無限光年還關注區(qū)塊鏈與AI融合對金融領域的影響。

另一方面，無限光年團隊擁有深厚的科研底蘊，核心成員多為AI科學家，且深度融入科研生態(tài)，與復旦、上智院等頂尖科研機構緊密合作，持續(xù)夯實技術根基；同時團隊具備阿里、螞蟻背景，過去10年深度參與上一代金融科技發(fā)展，積累了豐富實踐經驗。

這種“科研能力+金融場景深度理解”的融合，使得無限光年無需像大廠那樣布局百行千業(yè)，而是專注于最具資源優(yōu)勢的金融領域，形成精準服務能力。

金融方案亮相WAIC，

展示不一樣的可信AI金融實踐

在WAIC大會上，無限光年集中展示四大金融可信AI解決方案及標桿案例，包括股票指數動態(tài)定制、AI賦能金融專業(yè)培訓、智能信貸分析、AI投研助手。

其中AI動態(tài)指數定制方案針對傳統(tǒng)指數編制模式中人工處理導致的覆蓋不足、調倉周期滯后等瓶頸，以AI驅動實時指數引擎，提升資產配置效能。

在核心突破方面，無限光年團隊的“INF Index Co - Pilot”（INF 指數協(xié)同引擎）生成式AI解決方案表現突出：廣度上，成分股覆蓋從600只拓展至2600只，范圍提升3倍，實現全市場覆蓋；深度上，AI處理數據的數量、質量與精度遠超人工，為精準分析奠定基礎；速度上依托分鐘級計算引擎，調倉周期從季度壓縮至實時響應；顆粒度上支持多維度策略適配，可靈活生成多種主題指數，滿足差異化需求。

該方案的行業(yè)意義顯著，斬獲2024香港金融科技周創(chuàng)新獎項，以透明化推理機制滿足嚴謹計算要求，已成功應用于實際指數編制場景。其“技術創(chuàng)新+數據量化+權威認證”的閉環(huán)，既解決了傳統(tǒng)模式痛點，又驗證了AI在升級金融基礎設施中的核心價值，為行業(yè)提供了從“痛點破解”到“效能躍升”的可復制路徑。

智能信貸分析旨在激活中小銀行普惠金融效能。中小銀行作為服務中小企業(yè)的主力軍，因信貸客戶數據數字化程度低、多源信息整合難，且信貸分析依賴人力，導致服務時效與風險響應速度難以滿足小微企業(yè)融資需求。該方案正是為解決此痛點而推出的。

其核心突破在于構建“數據整合—自動化風控—智能決策”全流程體系：數據整合環(huán)節(jié)，統(tǒng)一采集金融報表、交易流水等多源信息，形成企業(yè)全息數據資產；自動化風控環(huán)節(jié)，借助AI自動處理財務報表、識別風險點，實時生成風險警報、預測評分及信貸建議；智能決策環(huán)節(jié)，輸出動態(tài)財務健康報告與行業(yè)對標分析，助力銀行從“被動響應”轉向“主動經營”。

該方案能顯著提升中小銀行運營效率，降低人工流程占比，縮短數據處理時效，同時使風險管控更精準，改善滯后性，推動業(yè)務增長與普惠服務質效協(xié)同進階，實現從“人力驅動”向“數據智能驅動”轉型，為破解中小銀行普惠金融難題提供了可復制方案。

AI投研工具則是一款實現一鍵式年報分析的工具，能在5分鐘內重塑投研效率。隨著資本市場擴容、注冊制推進，可研究標的數量大增，傳統(tǒng)人工解讀年報模式難以適配市場對投研速度與精準度的要求，該工具應運而生。

AI投研工具已經成為分析師信任的“最佳助手”，5分鐘內可完成單份財報全維度分析，覆蓋A股5364家上市公司，財務指標計算零誤差，保障數據質量。能高效處理繁雜的非機構化數據，并輸出一份專業(yè)化、結構化的報告，大大降低分析師的工作量。某頭部券商使用后，投研報告產出效率提升3倍。

該工具精準適配注冊制下券商投研需求，為投研決策提供高效、精準的技術支撐，助力券商在激烈市場競爭中把握先機。

全棧發(fā)力，助力可信AI金融彎道超車

除了公司的定位、技術和解決方案外，無限光年還在可信AI邊界與成本，高質量數據建設等方面都進行深度探索，樹立起了行業(yè)標桿。

首先，王艾華介紹了無限光年在可信AI邊界與成本、閾值的關聯(lián)上的策略。可信AI的邊界既受準確率等閾值（與成本掛鉤）約束，也受技術局限性影響，最終需通過人機協(xié)同來平衡邊界內的效率與可靠性。

她認為，可信AI的邊界需結合準確率閾值來設定：不同階段（試驗/落地）對AI的準確率要求不同，如試驗階段70%即可，落地階段則需90%以上，閾值的高低直接影響邊界的劃定。

而邊界設定需明確確定性差異，需向用戶區(qū)分AI計算中“高確定性部分”（無需人工檢查）和“低確定性部分”（因信息問題需人工補充調研），這就是邊界的具體體現。

王艾華認為，邊界與人機協(xié)同是關聯(lián)的。技術局限性決定了邊界，當前AI尚未完全替代人類經驗，尤其在“深水區(qū)”場景中，需以“人機協(xié)同”為邊界——不追求AI端到端解決所有問題，而是通過“機器完成90%+人類檢查10%”的模式，讓人從“制作者”轉為“檢查者”，在提升效率的同時，以人類介入彌補AI的邊界局限。

其次，無限光年在高質量數據方面持續(xù)創(chuàng)新。數據在可信AI金融中扮演著核心基石角色，既是AI高效賦能金融業(yè)務的前提，也是保障AI應用可信、可靠的關鍵。無限光年不僅通過整合商業(yè)數據與公開數據，大幅提升金融分析等工作的效率，更通過高質量的數據體系支撐AI精準性，滿足金融機構對敏感性、精確性的嚴苛要求。

無限光年在建設高質量數據方面持續(xù)創(chuàng)新，主要體現在全鏈路的精準化與智能化體系：

數據抽取環(huán)節(jié)，依托最精準的模型實現原始數據的高效抓取，確保源頭信息的完整性與準確性；

在數據處理階段，融合神經符號計算技術，將行業(yè)規(guī)則嵌入處理框架，使計算過程既符合邏輯規(guī)范，又能發(fā)揮算法優(yōu)勢；

借助AI的強化學習能力實現持續(xù)迭代，通過首次結果評估、重新輸入學習等流程，讓數據加工能力不斷優(yōu)化，如同AI自我對弈般快速提升精準度，最終形成高質量、可信賴的數據供給，為可信AI在金融領域的深度應用筑牢根基。

可信AI金融的發(fā)展正從技術單點突破轉向生態(tài)系統(tǒng)重構。未來，金融機構需在技術創(chuàng)新與風險治理間找到動態(tài)平衡，通過“技術+治理”雙輪驅動，實現從“能用”到“敢用”再到“好用”的跨越。

這一過程中，監(jiān)管政策的引導、行業(yè)標準的建立及跨領域合作將成為關鍵變量，而最終的競爭力將體現在對風險本質的洞察與人性化服務的溫度上。

正像無限光年創(chuàng)始人漆遠所說，無限光年始終圍繞“技術筑基-平臺支撐-場景落地-價值創(chuàng)造”路徑為各行業(yè)賦能，未來將繼續(xù)深化可信AI全棧技術在金融場景的落地，同步探索科學智能領域創(chuàng)新，為產業(yè)智能化變革注入持久動力。

來源：數據猿