```html 7月4日-6日，2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）将在上海盛大开幕。 与去年因生成式人工智能（AIGC）爆发而引发的大模型“竞技热潮”不同，本届大会更像是一场检验AIGC落地成果的“实战考场”。试想这样一个画面：在大模型纷纷亮相之后，哪些产品能真正融入日常生活，成为人们离不开的实用工具？ 钛媒体AGI获悉，在今年的WAIC期间，蚂蚁集团将首次集中展示其基于大模型技术打造的“三大AI管家”——生活管家、金融助理、就医助理等AI智能体（Agent）产品。凭借在金融、医疗、生活等场景下多年的深耕，蚂蚁的AI管家为行业探索了一条AIGC落地的全新路径。 其中，作为蚂蚁集团重点推进的AI应用，AI金融助理“支小宝”已累计服务超过4300万个人投资者，提供市场解读、持仓分析、保险选配等专业服务。这个数字固然可观，但更关键的是，它如何在严谨的金融领域站稳脚跟并持续创造价值。 眼下，腾讯元宝、月之暗面Kimi等大模型超级应用势头强劲，“支小宝”这类聚焦垂直行业的AI助理为何选择“做深做专”？在财务、保险等容错率极低的应用场景中，它又能释放多大的实际价值？近日，蚂蚁集团“支小宝”团队的几位负责人与钛媒体AGI深入交流了背后的思考与实践。 “支小宝的定位是为普通用户提供高质量的金融服务。但知易行难，用最新的大模型技术去落地这样一个严谨产业应用，需要攻克的具体难题相当多。”支小宝技术负责人陆鑫（花名）表示，他们为此自下而上搭建了三层架构：底层是面向严谨应用定制的凤凰大模型Finix，中间层是模拟专家思维与工作流程的agentUniverse专业智能体框架，最上层则支撑支小宝提供有效顾问服务。陆鑫强调，“支小宝”的目标是让每位投资者拥有一个AI“私人理财专家”，目前还没有任何大模型或智能助手明确瞄准这一方向。

中国7.2亿投资群体亟需AI助手

近年来，国内大众对财富投资的热情持续升温。公开数据显示，当前中国股市投资者已达2.2亿人次，基金投资者超过7亿。移动互联网普及后，大量普通投资者能够便捷地购买各类理财产品，但专业的金融服务依然与普通人相距甚远。 蚂蚁集团财富保险智能服务算法总监陈鸿算过一笔账：尽管中国有7亿投资者，但国内持牌财务顾问仅有约20万人。这意味着，平均每位顾问要服务3600名投资者——单靠现有的人力根本难以填补这一缺口。另一方面，金融服务业天然门槛极高，依赖专业知识、复杂的不确定决策以及细致共情的沟通，这对专业人才的培养提出了巨大挑战。 大模型的出现带来了破局的可能。它压缩了金融通识知识，同时具备强大的语言交互与认知推理能力，这让专业服务的数字化普惠有了更大的想象空间。 早在2018年，蚂蚁内部就已启动构建AI助理的立项，早期代号“安娜”——正是“支小宝”的前身。“支小宝要解决的是高质量金融服务稀缺的问题，让专业金融普惠尽可能多的人。”陈鸿坦言。 2022年底大模型与AIGC风靡全球后，蚂蚁长期聚焦专业服务领域，选择集中攻克大模型在严谨应用场景中的落地难题。他们逐步形成了严谨应用大模型Finix与专业多智能体框架Agent Universe的组合，推动“支小宝”从1.0进化到2.0版本，实现全新蜕变。 新版“支小宝”面向投顾、保顾等专业应用，大幅优化了严谨性、专业性与合规安全性。据支小宝产品负责人杨帆介绍，“支小宝”的金融意图识别准确率从80%提升至95%以上；多轮对话能力也有显著提升，与用户的对话轮次增长了40%以上。 陆鑫透露，基于严谨应用大模型Finix和专业智能体框架aU，“支小宝”产品模仿专业团队，分步构建对宏观、中观、微观金融信息的分析能力——大到整体市场、每个板块，小到具体基金产品和企业。通过多智能体协同能力，像人类金融分析师一样提供专业化服务。“要想真正为用户带来专业、有深度的信息或观点，就必须让智能体像分析师一样深入挖掘。”

大模型“幻觉”成行业挑战，如何破局？

AI大模型应用目前仍面临诸多挑战：“幻觉”问题、数据对齐、安全与治理，以及市场竞争加剧导致的商业化困境。对于投资用户来说，最核心的需求是准确的数据来源。减少“幻觉”，是“支小宝”团队必须啃下的硬骨头。 陈鸿坦言，在产业中落地大模型技术，要实现严谨、专业与安全，就不得不正面迎击幻觉这个“拦路虎”。面向产业真实问题，建设一个能胜任严谨应用的大模型，不能讳疾忌医，需要从数据、对齐、智能体、测试攻防全链路综合施策。 他打了一个比方：“就像学开汽车——人本身也有各种内在缺陷，比如注意力分散，无法精准预判是否会撞车。但当我们坐上汽车上路时，基本还是能信任司机。并不是说有内在缺陷事情就不能做了。通过一系列机制和系统性安排，完全可以做到安全可控。对驾驶而言，是驾照培训让司机对齐了‘安全驾驶’的习惯，再配合汽车和交通系统的安全措施。” 对于大模型而言，道理相同。通过持续的对齐训练，教会模型严谨对待数字、实体、计算、事实，识别自身知识边界之外的问题，再叠加数据链路、知识增强、工具校验、智能体反思等系统性方案，就能有效保障专业应用的严谨性。陈鸿表示，团队一直在持续对大模型进行面向产业的训练与优化，以更好地服务更广泛的用户。 陆鑫则从数据和问答反馈两个角度，列举了减少“幻觉”风险的具体尝试。 数据层面，“支小宝”团队面向专业应用，构建了大量高质量指令集，确保金融专业性、合规性以及数据计算的严谨性。包括支小宝输出的金融观点与论据的一致性和严谨性，都经过了大量技术优化。团队为此不惜投入，从海量数据中清洗过滤出有限的高质量数据。 问答反馈层面，为提供更专业的服务而非简单问答，“支小宝”基于模拟专家协同的多智能体框架agentUniverse，通过内置的评价与反省角色，识别自身能力边界，并持续迭代——这让“支小宝”具备了一定的自省能力。 在支小宝不断改进认知能力的同时，陆鑫坦言，过去一年大模型也给他带来了“认知上的最大改变”：从大规模底座，到对齐训练，再到多智能体，技术栈不断升级。“从2023年到2024年，每个月都被推着往前迭代认知和技术栈。如果抱残守缺，停在原来的技术层上，认知会快速落后，最终影响正确决策。” “我们可以更乐观地看待大模型给人类带来的改变与深远影响。”陆鑫说，AI不为替代人而生，而是为每一个人而生。包括理财、理赔等领域的专家，我们希望让这套严谨应用大模型技术栈真正帮到他们，成为这些专业人士在AI时代的得力助手。 今年，“支小宝”还将持续进行技术迭代，对标领域专家，不断提升AI金融助理在严谨处理专业问题、个性化服务以及共情交流方面的能力——从模拟专家到成为专家，在真实的产业应用中交付严谨且专业的服务。 诚如陆鑫所言：“我们希望高质量的AI金融服务，能像扫码支付一样，走进每个人的日常生活。” ```