蚂蚁的AGI，先要过风控这一关

蚂蚁集团这几年谈AI，几个词反复出现：可信人工智能、大模型、智能体、知识决策。

这些词如果只放在发布会语境里，很容易变成概念。但放回蚂蚁的业务里，焦点会清楚很多。它不是一家只靠聊天应用证明AI能力的公司，金融科技场景里真正难啃的位置，是风控。

蚂蚁官网介绍，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“模型能力提升”之类表述更有分量，因为它对应的是长期在线的交易系统，而不是一次演示。

风控比聊天入口更早遇到硬问题

金融场景里的AI，过去更多出现在外围环节。比如客服问答、OCR识别、资料归类、欺诈特征匹配。这些工作能提效，也能降低人工成本，但通常还没有直接站到核心决策位上。

风控不一样。

一笔交易要不要拦，一次登录是不是异常，一个账户是否被盗用，一个商户关系有没有风险，系统必须在很短时间内给出判断。慢了，风险可能已经过去；错了，损失会直接落到账上。

更麻烦的是，对手也在变化。账户、设备、交易路径、商户关系、资金流向，这些信号会不断组合出新形态。规则系统擅长处理已知问题，机器学习模型能从历史数据里找规律，但金融风险不会停在历史里。

这也是蚂蚁强调“可信AI”和“知识决策”的现实背景。AGI如果要进入金融系统，不能只会生成一段看似合理的答案。它还要能把复杂信息组织成可复核的判断，并且让系统知道这个判断从哪里来、为什么出现。

蚂蚁香港技术页面提到，公司重点布局可信人工智能技术，在大模型、智能体、知识决策等方向持续攻坚；大模型坚持面向产业、全栈布局，重点应用包括生活管家“支小宝”等。换句话说，大模型不是单独摆在前台的产品，它最终要进业务链路。

IMAGE的意义，不只是“蚂蚁有风控系统”。更重要的是，它说明蚂蚁已经有一套能在高频交易环境里运行的工程底座。

支付宝2021年资损率低于千万分之0.098，这背后需要规则、模型、数据、人工经验和系统稳定性一起工作。实时风控没有太多容错空间，也不适合频繁拿用户交易做试错。

但成熟系统也会遇到边界。

传统风控的强项是稳定、可控、可解释。它适合处理已经被归纳出来的风险类型，也能通过规则和模型迭代持续优化。问题在于，当风险信号来自非结构化文本、跨场景行为、关系网络变化时，系统需要更强的信息理解和归纳能力。

AGI在这里的价值，不是替代IMAGE，也不该一上来接管最终决策。更现实的用法，是先帮助识别新风险、整理复杂线索、形成可供风控链路校验的判断，再交给规则、模型和人工机制复核。

金融系统不会轻易把关键判断交给黑箱。AGI要进来，先要学会被约束。

蚂蚁把可信人工智能放在重点方向里，并不奇怪。金融行业对AI的要求比多数互联网场景更苛刻：模型用了哪些数据，为什么给出这个判断，是否存在偏差，能不能复核，出了问题如何追溯，都不能只靠一句“模型认为”。

2025年香港金融科技周上，据中国日报网报道，蚂蚁集团董事长井贤栋表示，人工智能和基于区块链的通证化技术，是驱动金融服务演变的关键力量。报道还提到，蚂蚁正参与香港政策创新试点，探索人工智能与区块链技术的创新应用，并以香港为支点加速全球化发展。

这段表态如果放到风控里看，重点不只是AI本身。香港是金融市场，对合规、审计、跨境业务的要求更高。AI要进入金融服务，必须和可追溯、可验证、可监管的机制一起出现。

所以，看蚂蚁的AGI路线，不能只盯模型参数，也不能只看有没有新的C端入口。真正的难点在系统工程：风控链路能不能接住模型输出，数据治理是否足够稳，知识决策能否解释，人工复核和日志留存能不能跟上。

这些听起来不热闹，却决定AI能不能进到金融系统深处。

蚂蚁技术研究院公开信息显示，相关奖项和基金聚焦四个核心方向：通用人工智能（AGI）、具身智能、数字医学、数据处理与安全隐私。2026年度CCF-蚂蚁科研基金也已开放申报。

这个方向组合能看出一些取舍。AGI没有被孤立地放在“大模型应用”里，而是和数据处理、安全隐私、数字医学这些高约束领域并列出现。

这条路会慢，也会重。风控系统不能随便试错，信贷审批不能只追求自动化，资金流转更不能默认接受不可解释的判断。AGI如果要在这些位置发挥作用，先要证明自己能在规则、合规和审计框架内工作。

蚂蚁未必会最先做出最热闹的AI产品。但它有可能更早把通用AI推到金融系统的高压环境里。

最终检验不会在发布会现场，而是在每一笔交易背后的实时判断里。

蚂蚁集团金融科技实时风控