2025年，蚂蚁集团把AGI放到了更显眼的位置。
《科创板日报》4月18日报道，蚂蚁调整旗下CTO条线，并在当年成立AGI（通用人工智能）部门，由CTO何征宇直接挂帅，聚焦通用人工智能算法和应用。报道还提到，蚂蚁已加码具身智能、AI眼镜等方向。
这不是一次普通的组织微调。对蚂蚁来说，AGI不再只是某个实验室项目，而是进入了公司技术路线的主轴。
到了11月的世界互联网大会博览会，外界第一次集中看到蚂蚁的“百灵大模型家族”。新华网报道称，蚂蚁以“让智能上限的突破，惠及老百姓的日常生活”为主题，展示了从底层大模型、场景化应用，到可信安全数据基座的一套技术体系。现场应用包括AI眼镜沉浸式导览、AI让古籍数字重生，以及蚂蚁AI健康应用AQ的健康义诊。
这些展示容易让人先看到AGI好用的一面：导览更沉浸，古籍能被重新呈现，健康咨询离普通人更近。但蚂蚁的特殊处境也在这里。它不是一家单纯做内容生成或办公助手的公司，而是从支付宝、支付网络和风控系统里长起来的。模型一旦靠近金融业务，评判标准会立刻变硬。
金融业务怕的不是答得慢，是答错了还很像真的
大模型的老问题是幻觉。它可能把不确定的内容说得很顺，把错误包装成一个看起来合理的答案。
在导览、写作、问答场景里，错误多数时候还有被用户发现、纠正的余地。到了交易、反欺诈、身份识别、信贷审核这些环节，误判就不只是体验问题了，后面连着资金、账户和合规责任。
公开材料里，蚂蚁没有披露百灵大模型在金融风控中的具体接入方式，也没有给出“幻觉率”之类的指标。所以更稳妥的看法是：现在谈蚂蚁AGI，不能只看模型名字、应用数量和展台效果，还要看模型输出进入金融场景前，会被怎样校验、拦截和追踪。
这也是蚂蚁和不少大模型公司的差别。它当然需要模型能力上限，但金融业务首先要守住下限。一次看似聪明的自动判断，如果不能解释、不能复核、不能追责，就很难放心放进核心链路。
IMAGE这类旧底座，反而决定新模型能走多远
蚂蚁官网科技页面提到，其自研智能风控技术体系IMAGE，是新一代风控安全系统；在IMAGE保护下，支付宝2021年资损率低于千万分之0.098。
这个数字比很多“AGI愿景”更能说明蚂蚁的技术性格。风控不是一个好听的词，最后要落到损失率、拦截能力和业务稳定性上。
AGI部门成立后，百灵大模型、可信安全数据基座、场景化应用会被放进同一张技术图里。真正难的地方也在这里：生成式模型天然带有概率性，而金融风控要求可追溯、可解释、可复核。
一个判断为什么通过，为什么拦截，不能只靠模型生成一句自然语言解释。数据从哪里来，规则怎么校验，异常交易是否触发二次确认，事后能不能回看链路，这些问题比“模型会不会说”更关键。
所以，蚂蚁AGI在金融里的考题并不是单纯生成答案，而是答案被采用前要过几道闸。数据来源是否可信，模型输出能否被既有风控规则复核，异常行为能不能被及时识别，责任链条是否留得下来，都会影响它能不能真正进入业务。
图风控能做的，是给大模型多一层关系校验
金融风险很少只藏在一个点上。
单个用户、单台设备、单笔交易，往往解释不了完整问题。账户、设备、收款方、登录环境、历史行为之间的关联，才是识别异常的重要线索。图风控长期有价值，正是因为它看的是关系，而不只是某个孤立特征。
当AGI进入风控流程后，图风控更像一层复核。模型可以理解文本、归纳行为、生成判断，但关系网络能提供另一种约束：账户是否连接过异常设备，收款方是否出现在可疑链路中，交易路径是否偏离正常模式。
目前公开资料还没有披露百灵大模型与IMAGE、图风控之间的具体工程细节，不能把它们写成已经打通的产品闭环。但从蚂蚁已有的风控积累看，AGI如果要进入金融核心场景，绕不开结构化风控能力。
原因很简单：大模型擅长处理语义和复杂输入，风控系统更擅长把风险放进规则、关系和链路里反复核验。金融场景需要的不是一个单独“很会说”的模型，而是一套能把不确定性压住的系统。
“可信安全数据基座”不是展台上最热闹的部分，却最要紧
新华网关于世界互联网大会博览会的报道里，有个表述值得单独拎出来：蚂蚁展示的不只是底层大模型和应用，还包括“可信安全数据基座”。
这句话不如AI眼镜、古籍数字重生、AI健康应用AQ好传播，但对金融科技公司更重要。
大模型能力强不强，观众可以通过演示直接感知。数据基座是否安全、合规、稳定，通常没那么容易讲得热闹。可模型要进入金融场景，后者往往决定边界。数据治理不牢，模型越强，放大的风险也可能越大。
蚂蚁官网科技创新板块也把AGI、具身智能、高效安全计算列为重点方向。这说明蚂蚁没有把AGI孤立成一个概念，而是和安全计算、产业应用放在一起推进。对一家金融科技公司来说，这种组合更现实。
AGI可以负责把交互做得更自然，把复杂任务拆得更顺。但数据、计算和风控底座，决定它能不能被放到更敏感的位置。
蚂蚁的AGI看点，会落回风控细节
世界互联网大会博览会上，AI眼镜导览、古籍数字化、AI健康应用AQ，都是公众容易理解的AGI入口。它们展示的是便利性和想象空间。
可一旦回到金融业务，问题会变得具体得多：模型判断能否被复核，幻觉能否被压住，误判能否被拦截，数据使用是否安全，业务出了问题能不能追到链路。
这也是“幻觉抑制”在蚂蚁AGI路线里必须提前处理的原因。它不是算法团队单独优化的指标，而会进入产品、数据、合规和风控的共同流程。
从2025年成立AGI部门，到百灵大模型家族首次集中展出，蚂蚁已经把方向亮出来了。接下来更值得看的，不是它还能做出多少个AI应用，而是这些应用靠近金融场景时，能否被IMAGE、图风控和可信数据体系稳稳接住。
AGI进金融，第一步不是显得更聪明，而是少犯那些代价很高的错。
