又是一年一度的云棲大會，2025年9月24—25日云棲大會在風景如云、生態共棲的杭州以最新姿態拉開帷幕，這場以“云智一體 碳硅共生”為主題年度盛會，展現迅速迭代、飛速更新、蓬勃發展的中國前沿科技生命力。
云棲大會見證了中國計算機行業的最新發展騰飛，而近年人工智能迅速發展，給各行業的變革帶來新的機遇，大模型、智能體、AI基礎設施重磅升級，AI面向未來發展具有新的方向和時代的定義，人工智能無疑成為新的生產力。大會當下AI自主行動階段，AI云技術蓬勃發展，滲透千行百業、真實世界的壯美畫卷。在“新模力 新點金—金融大模型技術峰會”中系統呈現了AI在真實業務中如何從“能用”到“好用”的躍遷，解決“一米寬、百米深”的復雜場景專家級任務，旨在實現數字金融全面升級，賦能科技金融共同發展，推動各界轉型進階，共同迎接數智化未來。
在此期間，《金融電子化》記者采訪了阿里云智能集團公共云事業部副總裁、新金融行業總經理張翅，請他圍繞新型垂直類大模型如何賦能金融業，如何讓“金融+AI”為行業提質增效提供新的跨越式能力。他表示，由于技術的迭代和行業的需要，我們在不斷地更新中找尋到新的探索點，正如此次垂直模型的發布，可以更加精準地賦能金融業務，這既是技術發展的呈現點，也是金融業當前和未來的需求點。
阿里云智能集團公共云事業部副總裁、新金融行業總經理張翅
記者：張總，您好。1300天的孕育，700天全面升級，新版本的“通義點金”具備新的服務能力。能否請您具體介紹此次垂直模型全新升級背后的核心技術突破是什么，相較之前模型的明顯差異和創新點是什么？此輪模型在研發和投產上的初衷為何？
張翅：“通義點金”平臺是構建模型從合成-訓練-評測-迭代到應用全流程生產閉環的一站式金融行業垂直模型工場。新的“通義點金”致力于構建“專家級智能體”，讓AI從“通用能力”轉變為“業務價值”，新的垂直類模型不能只做輔助，要讓人工智能學習人的經驗，再去解決人的問題，我們希望金融行業的模型能力能夠更往前進一步，讓“新的模力、新的點金”充分實現技術和行業融合發展，并在此目標下不斷的優化超越。
核心突破方面：“通義點金”典型的構成就是“一個平臺、一個智能體”，其中最關鍵的是我們的飛輪平臺，模型與業務雙向持續螺旋上升的雙飛輪具備可觀測、可評測、可迭代的核心能力，這是很多簡單智能體平臺所不具備的。它們或許能優化簡單流程，但缺乏與復雜業務動態互動的能力。舉個例子，訓練金融模型，好比測試汽車的自動駕駛系統，不能只靠靜態數據，而必須讓它在一個高度仿真的環境中不斷“上路”測試，根據真實反饋來篩選最優模型。那種僅能按預設任務生成固定內容（比如一種構圖生成多種圖片）的模型，并不適用于瞬息萬變的金融業。
金融市場環境、價格波動、監管政策都在持續變化。“通義點金”的升級，正是為了應對這種豐富多變的業務需求。我們專注于業務目標的規劃、任務的理解以及全過程的評測與洞察。我們將金融工具歸納為十類，用模型能力去精準打擊不同的業務目標，真正解決金融業務的細分問題。
另外，金融業對模型能力的要求較高，輸入的材料涉及圖片、數據、表格等，甚至可能存在交叉或沖突，傳統上需要大量人工審核——這正是金融嚴謹性的體現。這就要求模型交付時必須透明、可解釋。比如處理保險理賠，模型不僅要給出結論，還必須能清晰地解釋判斷依據：是年齡因素還是過往病史？不同的原因會導致完全不同的保險決策。所以，我們致力于讓“通義點金”平臺具備強大的可解釋與可表達能力，這也是我們持續投入和試驗的重點。
總的來說，我們的初衷非常明確：不再是像大模型應用初期那樣，只做會議紀要等簡單輔助工作；而是深入核心業務場景，精準識別并解決實際問題，用“全棧金融AI”的優秀能力，真正去為金融業提質增效貢獻價值。
記者：當前大模型品類繁多，在金融業的應用也已十分廣泛。請問張總，阿里云大模型的核心競爭力具體體現在哪些方面？
張翅：阿里云的核心競爭力，源于我們全棧式的AI能力、深厚的行業積淀以及堅定的開源開放戰略。
我們的模型從傳統的Dense模型到MoE，從語言模型到多模態，再到垂直領域模型都實現了多項技術突破。在金融領域，阿里云參與了云原生、數字化到智能化的全過程，從早期的數據中臺到如今的智能平臺，這背后是我們對金融業務需求的深刻理解和強大的算力支撐，這種長期陪伴，構成了我們獨特的行業洞察力。
當前，我們更注重與客戶快速驗證價值。不同于過去動輒長周期、大投入的項目，我們現在能幫助金融機構在很短時間內，基于新平臺驗證業務構想并見到成效，這實現了我們歷史技術積累與未來創新方向的高效平衡。
具體到“通義點金”，正是從傳統認知的模型到多模態，構建的是具有行業洞察力的，有業務流程洞察能力的模型，從而在基于對行業理解的基礎上，利用我們對行業的深厚的積累，打造出的更為精細化的模型,它的目標是構建真正懂金融業務流程具有行業洞察力的模型。目前打造的垂直金融模型，是為處理復雜多變的金融場景而生。
最后，我們將“開源”貫穿每一層，從算力工程、模型工程到數據支持，不僅開放模型，也開放核心框架、未來行業治理的方法。這能真正幫助客戶構建屬于自己的AI的平臺與AI的戰略，而不僅僅是使用一個黑盒產品。這種全棧開放的能力，與過去相比能大幅降低嘗試門檻、加速落地，是我們贏得客戶信任的關鍵，也是我們未來會持之以恒堅持的方向，阿里云始終在嘗試相應的新解決方式。以上都是我們的核心競爭力。
記者：目前大模型普遍存在“幻覺”問題，但金融業對準確性要求極高且嚴謹審慎。阿里云在構建“通義點金”這類垂直模型時，采取了哪些關鍵創新來平衡這一矛盾？
張翅：解決“幻覺”與金融嚴謹性之間的矛盾，是我們的核心課題。我們的創新并非單一技術點，而是一套系統性的方法，主要圍繞三個方面展開：
第一，是賦予模型“自知之明”，實現精準的工具調用。關鍵在于讓模型能清晰地認知自身的能力邊界——知道什么可以準確回答，什么需要借助外部工具。我們構建的是一個基于軌跡級、步驟級調用的模型，它以解決問題為最終目標，而非單純生成文本，確保每一步都有據可依，從源頭控制幻覺。
第二，是將人類的邏輯思維鏈深度內化到模型中。 金融決策依賴總結、分析、比較、歸納等核心邏輯能力。我們正在做的，是讓模型超越簡單的生成，真正掌握這些思維方式，讓模型能動態理解業務邏輯，自主決定在何時、以何種方式調用工具，而不是依賴預設的、靜態的流程腳本。這區別于傳統智能體簡單的“反應-執行”模式，是實現更高級別自主智能（Agentic AI）的關鍵，而Agentic Model垂直模型將是實現大模型在金融行業落地最佳價值的最優實現路徑。
第三，是建立了一套多層次、交叉驗證的評測體系。僅有模型自省還不夠，必須有外部監督。我們采用了一項重要實踐：使用另一個專門的模型對業務場景的輸出結果進行交叉評測，這相當于一個自動化的“對抗”或者“監管”視角，用于校驗數字結果的邏輯合理性。當然，最高級別的準確性校驗還是要回歸到專業的工具。
記者：技術賦能業務，業務的需求不斷地對技術也提出要求，二者相輔相成、融合發展，請問您“通義點金”在模型的垂直領域垂直領域會為金融機構提供什么樣的新機遇？您更希望今天發布的模型能夠在金融行業的哪些細分領域獨樹一幟，為金融機構跨越式發展助力？
張翅：回望過去“通義點金”伴隨金融行業數字化轉型過程。“通義點金”一直以迭代的技術、進取的心態、優質的能力去服務金融行業，并實現了對金融業務的全面覆蓋。
例如，九成國有大行、政策性銀行均已使用通義大模型，12家股份制銀行全部接入通義大模型， 排位前10的財險都在使用通義大模型，他們普遍以通義大模型家族作為主力模型，支撐 70% 以上場景。
同時，我們守正創新。阿里云“通義點金”的目標是打造一個可以源源不斷生產“類人專家”的平臺。我們希望在深度的金融業務場景里面，例如在對公、財富管理、信貸管理、風險管理等方方面面為金融業務提供優質的供應鏈、智能化等業務平臺。我們目標是，在金融業的深度業務產品中，一些垂類模型就像一位專家一樣工作，在一個具體崗位上，不是輔助的生成工具，而是一個崗位上可決策可行動的“智慧員工”。例如一個理財垂直模型，像一位理財專家一樣每日主動告訴客戶市場、資訊、賬戶動向等重要信息等，相比真正的人節省了溝通的時間和空間成本，提高了信息的匹配度和準確度。這是我們發力點也是新型模型的真正價值所在。
事實上，金融行業人員工作壓力較大，既得懂業務，又要懂客戶，還要懂公司規則、監管政策要求，這時新型的金融級專家垂直模型便可以發揮優勢，更智慧更高效地去幫助客戶解決很多具體業務問題。
記者：請問您對未來更新一代的“通義點金”類垂直模型，阿里云有什么樣的構想和期待，有何新布局？
張翅：人工智能的下一階段發展，在金融領域的實際落地仍面臨諸多挑戰。我們的目標是打造一個以模型為核心、能夠自主構建金融能力的一站式平臺，實現金融模型的規模化生產與閉環應用，這是我們的長期愿景。目前，我們已經初步建立了數據擬合與模型評測能力，并在AI建模過程中逐步完善模型自身的技術基礎。同時，相關模型也已面向業界開源發布。
展望未來，阿里云將持續推動通用模型技術與金融專業知識、業務經驗及數據資源的有機結合，面對模型演進與金融業發展的雙重機遇與挑戰，不斷優化“通義點金”平臺與模型能力，通過持續迭代，進一步助力金融業務的核心效能提升，讓金融高質量賦能實體經濟發展。
