同一天,蚂蚁亮出金融AI军火、智谱登顶开源榜:最保守的行业,开始造反了

如果你是一家银行，你现在最该焦虑的不是"要不要用AI"，而是"用谁的AI"。

7月28日，两个事件在同一天发生，让这个问题的答案变得无比清晰——蚂蚁数科在WAIC上发布金融推理大模型Agentar-Fin-R1，在FinEval和FinanceIQ两大权威金融评测上直接把DeepSeek-R1给比下去了；智谱则甩出GLM-4.5，3550亿参数的MoE架构、综合性能全球第三、开源第一，API定价打到输入0.8元/百万tokens。

而在更早的几个月里，国有六大行已经悄悄砸进1300亿：工商银行500多个AI场景落地、邮储银行370多个大模型应用日均调用600万次、招商银行856个场景替代了超过8000名全职员工的工作量。2025年金融大模型中标项目587个、披露金额15.06亿元，是上年的6倍。

金融业，这个全球监管最严、风格最保守的行业，正在爆发一场"专业AI独立战争"——它不再满足于"用通用大模型做点客服问答"，而是开始自己造AI了。

一、"出厂即专家"：蚂蚁凭什么造了个"天生懂金融"的AI

先来看蚂蚁这颗"炸弹"的具体参数。

Agentar-Fin-R1不是一个"通用模型+金融微调"的缝合怪。它的底层逻辑完全不同——蚂蚁数科构建了一套6大类、66小类场景的金融任务体系，覆盖银行、证券、保险、基金、信托全赛道，然后基于千亿级真实金融交易数据做系统性训练。CEO赵闻飙的原话是："通用大模型距离产业实际应用存在'知识鸿沟'，构建专业的金融大模型是推进金融与AI深度融合的必然路径。"

这里有一个关键细节值得注意：Agentar-Fin-R1不仅有金融推理能力，还内置了安全合规"原则层"——训练时加入了专门的合规合成数据，确保模型"天生就遵守金融监管规则"。蚂蚁数科副总裁余滨对华尔街见闻说，AI已经到了"重要的拐点时期"，如果金融机构抓住了，很可能给自己带来弯道超车的优势。

蚂蚁还顺手做了一件事：联合工商银行、宁波银行等机构推出Finova大模型金融评测基准。这不只是发论文——这是在建立金融AI的"行业尺子"。谁定了尺子，谁就占了定义"好"的权利。

二、智谱"价格屠刀"：0.8元/百万tokens，金融AI的成本天花板碎了

如果说蚂蚁解决的是"够不够专业"的问题，那智谱解决的就是"用不用得起"的问题。

GLM-4.5在7月28日晚间发布，不到两小时就被X平台首页推荐。CNBC、路透社、彭博社集体跟进——一个中国开源模型的发布会，获得了全球头部财经媒体的实时报道，这在一年前是不可想象的。

技术上，GLM-4.5采用MoE架构，3550亿总参数量、320亿激活参数。在推理、代码、智能体等12个核心评测基准的综合平均分上，排名全球第三、国产第一、开源第一。但更值得金融行业关注的，是它的参数效率和定价策略。

什么意思？一个银行拿GLM-4.5做金融应用的私有化部署，初始成本可能只有之前闭源方案的几十分之一。而且MIT许可证意味着可以随意修改、二次开发、商业化，不用担心被供应商锁定。

这一点对于金融行业来说格外重要。金融数据是核心资产，监管要求必须做私有化部署和合规审计。以前用闭源模型，一是不透明，二是贵，三是随时可能被涨价。智谱的GLM-4.5开源+MIT许可+0.8元定价，本质上是在告诉金融机构："你们不需要把金融数据和决策逻辑交给任何第三方AI公司——自己部署、自己微调、自己掌控。"

智谱CEO张鹏在接受《环球时报》采访时说的是："GLM-4.5代表了AI发展方向的一次重要转变，它不再满足于扮演一个被动回答问题的聊天机器人，而是要成为能理解复杂目标、自主规划并执行多步骤任务的AI员工。"这和蚂蚁的"金融AI中枢"定位形成了奇妙的呼应——一个从通用能力切入、一个从行业深度切入，但目标指向同一个方向：让AI在专业领域真正"上岗"。

三、从"用AI"到"造AI"：六大行1300亿砸出了一场静悄悄的军备赛

蚂蚁和智谱在发模型，银行也没闲着——国有大行和头部股份制银行，已经默默完成了从"AI消费者"到"AI生产者"的身份转变。

先看一组让人头皮发麻的数据：

工商银行：285.88亿金融科技投入（2025年最高），"工银智涌"大模型体系在30余个业务领域落地500+应用，AI数字员工年承担工作量5.5万人年。交易自动化率96%，交易笔数年增50%。

邮储银行：370+大模型场景，日均调用超600万次，日均Token吞吐超百亿。编码和测试智能体应用占比超60%。零售营销智能体触达5400万高潜客户。信贷智能体辅助对公开户5700户、授信近2700亿元。

招商银行：856个大模型应用场景，183个领域专精模型，累计替代人工1556万小时（相当于8000+全职员工）。客户经理AI助手带动均客交易额提升20%。

但这场军备赛的关键，不在于"买AI"，而在于"造AI"。国有大行走的路径非常一致：自研大模型基座+自建算力集群+分层级智能体矩阵。工商银行从"数字工行"升级为"数智工行"，建成以国产算力为主的弹性算力池，整合10+主流大模型做深度跟训，打造了万亿Token级金融数据集。

宁波银行2026年成立总行大模型项目部，密集推进5个智能体项目。上海银行建成统一GPU算力池，算力效率提升5倍。广州银行启动AI算力资源扩容采购，秦皇岛银行130万招标智能问数项目——甚至连城商行、农商行都已经开始自建AI基础设施。

这背后有一条明确的政策线：2026年6月，金融监管总局发布《关于银行业保险业人工智能安全开发应用的指导意见》——这是金融业首份系统性AI安全开发应用监管文件。监管不是来泼冷水的，是来"划定赛道规则"的。有了规则，银行才敢放手投入。

四、"专业AI"如何重估金融股：三个正在被改写的投资逻辑

到这里，我们应该问一个金融人最关心的问题：银行开始"造AI"，对估值意味着什么？

第一，AI正在从"成本项"变成"收入引擎"。以前AI在银行的定位是降本——替代柜员、自动化审核、减少人工。但招行的数据已经证明：AI不光是省钱，它是能直接拉升营收的。客户经理AI助手让均客交易额提升20%，邮储的零售营销智能体触达5400万客户——这些是增量收入，不是成本节约。当AI从后台跑到前台，银行的估值模型需要从"效率优化器"升级为"增长放大器"。

第二，"专业AI"正在拉开银行间的估值差距。以前银行的竞争逻辑在渠道、网点、产品利率。但在AI时代，真正的分水岭变成了：谁有自研金融大模型？谁有万亿Token级金融数据集？谁的智能体能覆盖全业务流程？能自研的工行、招行、邮储，和只能采购通用模型的银行，未来可能完全是两类资产。这个差距眼下在财务报表上还看不出来，但2027-2028年会集中爆发。

第三，蚂蚁和智谱的"开源+低价"策略，正在摧毁通用AI公司的金融行业护城河。金融机构最需要的三样东西——数据主权、合规审计、私有化部署——通用闭源模型一个都给不了。Agentar-Fin-R1是"出厂即专家"，GLM-4.5是MIT开源+0.8元定价。当金融行业有了比通用模型更专业、比闭源模型更便宜、比第三方服务更可控的选择，"用谁的AI"这个问题的答案正在迅速收敛。

这对整个AI产业链的估值逻辑都是一个冲击：如果最保守的金融行业都开始自建AI能力，那其他行业——医疗、法律、制造——什么时候开始？通用大模型的"行业通用"愿景，可能正在被"行业专用"的现实拆解。

结语：最保守的行业开始造AI，意味着什么？

金融业是最保守的行业。它被最严格的监管框架约束，对任何新技术都保持着本能的警惕。正因如此，当金融业开始"造AI"，它发出的信号比其他任何行业都强烈。

这个信号的核心意思是：AI不再是"要不要用"的问题，而是"用谁的AI决定了你未来是领跑还是掉队"。蚂蚁用66个金融场景定义了"专业AI"的标准，智谱用0.8元定价和MIT开源拆掉了成本壁垒，六大行用1300亿投入证明了这不是概念炒作——这是正在发生的产业重构。

对于投资者来说，需要重新审视两件事：一是能自研AI的银行资产需要被重新定价——它们的AI不是成本中心，是未来3-5年的核心增长引擎；二是通用大模型的行业溢价正在被侵蚀——当最保守的金融业都能自建专业AI中枢，其他行业不会等太久。

这场"专业AI独立战争"才刚刚开始。最终的赢家，不是通用模型最强的公司，也不是金融数据最多的银行——而是最先把"AI能力"变成"财务结果"的那批人。

你怎么看金融业的"AI军备赛"？你的行业开始"造AI"了吗？评论区聊聊。觉得有启发，欢迎转发给关注AI投资的朋友。