又是一年一度的云栖大会，2025年9月24—25日云栖大会在风景如云、生态共栖的杭州以最新姿态拉开帷幕，这场以“云智一体 碳硅共生”为主题年度盛会，展现迅速迭代、飞速更新、蓬勃发展的中国前沿科技生命力。

云栖大会见证了中国计算机行业的最新发展腾飞，而近年人工智能迅速发展，给各行业的变革带来新的机遇，大模型、智能体、AI基础设施重磅升级，AI面向未来发展具有新的方向和时代的定义，人工智能无疑成为新的生产力。大会当下AI自主行动阶段，AI云技术蓬勃发展，渗透千行百业、真实世界的壮美画卷。在“新模力 新点金—金融大模型技术峰会”中系统呈现了AI在真实业务中如何从“能用”到“好用”的跃迁，解决“一米宽、百米深”的复杂场景专家级任务，旨在实现数字金融全面升级，赋能科技金融共同发展，推动各界转型进阶，共同迎接数智化未来。

在此期间，《金融电子化》记者采访了阿里云智能集团公共云事业部副总裁、新金融行业总经理张翅，请他围绕新型垂直类大模型如何赋能金融业，如何让“金融+AI”为行业提质增效提供新的跨越式能力。他表示，由于技术的迭代和行业的需要，我们在不断地更新中找寻到新的探索点，正如此次垂直模型的发布，可以更加精准地赋能金融业务，这既是技术发展的呈现点，也是金融业当前和未来的需求点。

阿里云智能集团公共云事业部副总裁、新金融行业总经理张翅

记者：张总，您好。1300天的孕育，700天全面升级，新版本的“通义点金”具备新的服务能力。能否请您具体介绍此次垂直模型全新升级背后的核心技术突破是什么，相较之前模型的明显差异和创新点是什么？此轮模型在研发和投产上的初衷为何？

张翅：“通义点金”平台是构建模型从合成-训练-评测-迭代到应用全流程生产闭环的一站式金融行业垂直模型工场。新的“通义点金”致力于构建“专家级智能体”，让AI从“通用能力”转变为“业务价值”，新的垂直类模型不能只做辅助，要让人工智能学习人的经验，再去解决人的问题，我们希望金融行业的模型能力能够更往前进一步，让“新的模力、新的点金”充分实现技术和行业融合发展，并在此目标下不断的优化超越。

核心突破方面：“通义点金”典型的构成就是“一个平台、一个智能体”，其中最关键的是我们的飞轮平台，模型与业务双向持续螺旋上升的双飞轮具备可观测、可评测、可迭代的核心能力，这是很多简单智能体平台所不具备的。它们或许能优化简单流程，但缺乏与复杂业务动态互动的能力。举个例子，训练金融模型，好比测试汽车的自动驾驶系统，不能只靠静态数据，而必须让它在一个高度仿真的环境中不断“上路”测试，根据真实反馈来筛选最优模型。那种仅能按预设任务生成固定内容（比如一种构图生成多种图片）的模型，并不适用于瞬息万变的金融业。

金融市场环境、价格波动、监管政策都在持续变化。“通义点金”的升级，正是为了应对这种丰富多变的业务需求。我们专注于业务目标的规划、任务的理解以及全过程的评测与洞察。我们将金融工具归纳为十类，用模型能力去精准打击不同的业务目标，真正解决金融业务的细分问题。

另外，金融业对模型能力的要求较高，输入的材料涉及图片、数据、表格等，甚至可能存在交叉或冲突，传统上需要大量人工审核——这正是金融严谨性的体现。这就要求模型交付时必须透明、可解释。比如处理保险理赔，模型不仅要给出结论，还必须能清晰地解释判断依据：是年龄因素还是过往病史？不同的原因会导致完全不同的保险决策。所以，我们致力于让“通义点金”平台具备强大的可解释与可表达能力，这也是我们持续投入和试验的重点。

总的来说，我们的初衷非常明确：不再是像大模型应用初期那样，只做会议纪要等简单辅助工作；而是深入核心业务场景，精准识别并解决实际问题，用“全栈金融AI”的优秀能力，真正去为金融业提质增效贡献价值。

记者：当前大模型品类繁多，在金融业的应用也已十分广泛。请问张总，阿里云大模型的核心竞争力具体体现在哪些方面？

张翅：阿里云的核心竞争力，源于我们全栈式的AI能力、深厚的行业积淀以及坚定的开源开放战略。

我们的模型从传统的Dense模型到MoE，从语言模型到多模态，再到垂直领域模型都实现了多项技术突破。在金融领域，阿里云参与了云原生、数字化到智能化的全过程，从早期的数据中台到如今的智能平台，这背后是我们对金融业务需求的深刻理解和强大的算力支撑，这种长期陪伴，构成了我们独特的行业洞察力。

当前，我们更注重与客户快速验证价值。不同于过去动辄长周期、大投入的项目，我们现在能帮助金融机构在很短时间内，基于新平台验证业务构想并见到成效，这实现了我们历史技术积累与未来创新方向的高效平衡。

具体到“通义点金”，正是从传统认知的模型到多模态，构建的是具有行业洞察力的，有业务流程洞察能力的模型，从而在基于对行业理解的基础上，利用我们对行业的深厚的积累，打造出的更为精细化的模型,它的目标是构建真正懂金融业务流程具有行业洞察力的模型。目前打造的垂直金融模型，是为处理复杂多变的金融场景而生。

最后，我们将“开源”贯穿每一层，从算力工程、模型工程到数据支持，不仅开放模型，也开放核心框架、未来行业治理的方法。这能真正帮助客户构建属于自己的AI的平台与AI的战略，而不仅仅是使用一个黑盒产品。这种全栈开放的能力，与过去相比能大幅降低尝试门槛、加速落地，是我们赢得客户信任的关键，也是我们未来会持之以恒坚持的方向，阿里云始终在尝试相应的新解决方式。以上都是我们的核心竞争力。

记者：目前大模型普遍存在“幻觉”问题，但金融业对准确性要求极高且严谨审慎。阿里云在构建“通义点金”这类垂直模型时，采取了哪些关键创新来平衡这一矛盾？

张翅：解决“幻觉”与金融严谨性之间的矛盾，是我们的核心课题。我们的创新并非单一技术点，而是一套系统性的方法，主要围绕三个方面展开：

第一，是赋予模型“自知之明”，实现精准的工具调用。关键在于让模型能清晰地认知自身的能力边界——知道什么可以准确回答，什么需要借助外部工具。我们构建的是一个基于轨迹级、步骤级调用的模型，它以解决问题为最终目标，而非单纯生成文本，确保每一步都有据可依，从源头控制幻觉。

第二，是将人类的逻辑思维链深度内化到模型中。 金融决策依赖总结、分析、比较、归纳等核心逻辑能力。我们正在做的，是让模型超越简单的生成，真正掌握这些思维方式，让模型能动态理解业务逻辑，自主决定在何时、以何种方式调用工具，而不是依赖预设的、静态的流程脚本。这区别于传统智能体简单的“反应-执行”模式，是实现更高级别自主智能（Agentic AI）的关键，而Agentic Model垂直模型将是实现大模型在金融行业落地最佳价值的最优实现路径。

第三，是建立了一套多层次、交叉验证的评测体系。仅有模型自省还不够，必须有外部监督。我们采用了一项重要实践：使用另一个专门的模型对业务场景的输出结果进行交叉评测，这相当于一个自动化的“对抗”或者“监管”视角，用于校验数字结果的逻辑合理性。当然，最高级别的准确性校验还是要回归到专业的工具。

记者：技术赋能业务，业务的需求不断地对技术也提出要求，二者相辅相成、融合发展，请问您“通义点金”在模型的垂直领域垂直领域会为金融机构提供什么样的新机遇？您更希望今天发布的模型能够在金融行业的哪些细分领域独树一帜，为金融机构跨越式发展助力？

张翅：回望过去“通义点金”伴随金融行业数字化转型过程。“通义点金”一直以迭代的技术、进取的心态、优质的能力去服务金融行业，并实现了对金融业务的全面覆盖。

例如，九成国有大行、政策性银行均已使用通义大模型，12家股份制银行全部接入通义大模型， 排位前10的财险都在使用通义大模型，他们普遍以通义大模型家族作为主力模型，支撑 70% 以上场景。

同时，我们守正创新。阿里云“通义点金”的目标是打造一个可以源源不断生产“类人专家”的平台。我们希望在深度的金融业务场景里面，例如在对公、财富管理、信贷管理、风险管理等方方面面为金融业务提供优质的供应链、智能化等业务平台。我们目标是，在金融业的深度业务产品中，一些垂类模型就像一位专家一样工作，在一个具体岗位上，不是辅助的生成工具，而是一个岗位上可决策可行动的“智慧员工”。例如一个理财垂直模型，像一位理财专家一样每日主动告诉客户市场、资讯、账户动向等重要信息等，相比真正的人节省了沟通的时间和空间成本，提高了信息的匹配度和准确度。这是我们发力点也是新型模型的真正价值所在。

事实上，金融行业人员工作压力较大，既得懂业务，又要懂客户，还要懂公司规则、监管政策要求，这时新型的金融级专家垂直模型便可以发挥优势，更智慧更高效地去帮助客户解决很多具体业务问题。

记者：请问您对未来更新一代的“通义点金”类垂直模型，阿里云有什么样的构想和期待，有何新布局？

张翅：人工智能的下一阶段发展，在金融领域的实际落地仍面临诸多挑战。我们的目标是打造一个以模型为核心、能够自主构建金融能力的一站式平台，实现金融模型的规模化生产与闭环应用，这是我们的长期愿景。目前，我们已经初步建立了数据拟合与模型评测能力，并在AI建模过程中逐步完善模型自身的技术基础。同时，相关模型也已面向业界开源发布。

展望未来，阿里云将持续推动通用模型技术与金融专业知识、业务经验及数据资源的有机结合，面对模型演进与金融业发展的双重机遇与挑战，不断优化“通义点金”平台与模型能力，通过持续迭代，进一步助力金融业务的核心效能提升，让金融高质量赋能实体经济发展。