搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 首发| 成立10个月，GIM拿下Monolith、赛富投资
GIM（Grace Investment Machine）宣布完成过亿元天使轮及天使+轮融资，天使+轮由赛富基金领投，天使轮由Monolith砺思资本和五源资本投资，后续由值观资本担任独家财务顾问。团队目标是为金融行业自研垂直领域的推理大模型CogAlpha，打造专用于投资决策的推理基础设施，欲对抗通用大模型在金融场景中的局限。创始人徐嘉浩在对冲基金与多家科技公司投资经验基础上，结合香港大学刘琦等学者的学术背景，组建跨学科阵容，力求以金融时序特征和非线性门控结构实现模型的迁移学习能力，目前已完成从30M到8B参数的Scaling Law验证，并发表相关研究，所提出的多智能信号挖掘框架在CSI300全市场选股任务排名第一。CogAlpha通过21个专业化Agent组成AI投研流水线，实现信号自动审核与改进，力争1-2年内达到端到端全自动投资，推动金融AI从信息处理工具向研究工具的升级，开创以智能体为核心的投资流程范式。
🏷️ #金融AI #推理大模型 #CogAlpha #多智能信号 #投资决策
🔗 原文链接
📰 首发| 成立10个月，GIM拿下Monolith、赛富投资
GIM（Grace Investment Machine）宣布完成过亿元天使轮及天使+轮融资，天使+轮由赛富基金领投，天使轮由Monolith砺思资本和五源资本投资，后续由值观资本担任独家财务顾问。团队目标是为金融行业自研垂直领域的推理大模型CogAlpha，打造专用于投资决策的推理基础设施，欲对抗通用大模型在金融场景中的局限。创始人徐嘉浩在对冲基金与多家科技公司投资经验基础上，结合香港大学刘琦等学者的学术背景，组建跨学科阵容，力求以金融时序特征和非线性门控结构实现模型的迁移学习能力，目前已完成从30M到8B参数的Scaling Law验证，并发表相关研究，所提出的多智能信号挖掘框架在CSI300全市场选股任务排名第一。CogAlpha通过21个专业化Agent组成AI投研流水线，实现信号自动审核与改进，力争1-2年内达到端到端全自动投资，推动金融AI从信息处理工具向研究工具的升级，开创以智能体为核心的投资流程范式。
🏷️ #金融AI #推理大模型 #CogAlpha #多智能信号 #投资决策
🔗 原文链接
📰 2026年人工智能AI状况报告
过去一年全球 AI 领域的投资与资本结构显示出空前的规模与结构性变化。总投入达到约8000亿美元，资本从概念转向已落地的生产力，推动全球经济底层逻辑的重塑。2025 年 AI 初创公司获得风险投资达到约2258亿美元，同比增长近一倍，且大额融资占比显著提高，1亿美元以上融资占比近80%；独角兽数量达到308家，且新诞生独角兽中 AI 公司占比高达三分之二，成长速度快、资产规模更轻。基础设施和基础模型层成为资金核心，全球资金分层格局明显，美国占全球资金84%，亚洲和欧洲资金规模相对较低，交易笔数虽高但影响力有限。企业端 AI 应用进入规模化落地阶段，88% 的企业在至少一个业务部门常规使用 AI，生成式 AI 预算增长显著，订阅企业数与留存率持续提升，合同价值明显攀升。应用场景以编码辅助、内容生成和知识检索为主，知识管理广泛渗透，金融行业在风控合规方面领先。训练与基础设施投入激增，全球数据中心能源消耗显著，硬件短缺与成本上升成为常态，推理模型与多模态能力成为技术发展主线，全球每周 AI token 消耗暴增，推动计算资源需求攀升，市场格局日趋分散，开放与闭源模型差距缩小，成本差异显著。总体呈现出高成长、高资本密度、强技术迭代与广泛应用落地并行的趋势。
🏷️ #AI投资 #独角兽 #基础设施 #推理模型 #全球市场
🔗 原文链接
📰 2026年人工智能AI状况报告
过去一年全球 AI 领域的投资与资本结构显示出空前的规模与结构性变化。总投入达到约8000亿美元，资本从概念转向已落地的生产力，推动全球经济底层逻辑的重塑。2025 年 AI 初创公司获得风险投资达到约2258亿美元，同比增长近一倍，且大额融资占比显著提高，1亿美元以上融资占比近80%；独角兽数量达到308家，且新诞生独角兽中 AI 公司占比高达三分之二，成长速度快、资产规模更轻。基础设施和基础模型层成为资金核心，全球资金分层格局明显，美国占全球资金84%，亚洲和欧洲资金规模相对较低，交易笔数虽高但影响力有限。企业端 AI 应用进入规模化落地阶段，88% 的企业在至少一个业务部门常规使用 AI，生成式 AI 预算增长显著，订阅企业数与留存率持续提升，合同价值明显攀升。应用场景以编码辅助、内容生成和知识检索为主，知识管理广泛渗透，金融行业在风控合规方面领先。训练与基础设施投入激增，全球数据中心能源消耗显著，硬件短缺与成本上升成为常态，推理模型与多模态能力成为技术发展主线，全球每周 AI token 消耗暴增，推动计算资源需求攀升，市场格局日趋分散，开放与闭源模型差距缩小，成本差异显著。总体呈现出高成长、高资本密度、强技术迭代与广泛应用落地并行的趋势。
🏷️ #AI投资 #独角兽 #基础设施 #推理模型 #全球市场
🔗 原文链接
📰 2026年2月金融科技平台技术实力对比：五家头部平台大模型参数与性能评测
金融科技平台的核心竞争力正在从流量与场景转向AI技术能力。依据艾瑞咨询数据，2025年中国金融科技市场规模将达到几万亿级别，其中AI驱动的智能风控与客户服务占比已达42%。随着生成式AI在金融场景的深度应用，企业对垂直领域专业能力的大模型需求持续上升。企业更关心的是大模型能否满足金融场景的专业性与实时性要求。通用大模型无法完全覆盖汽车金融的专业知识与数据，外挂知识库的传统做法也存在局限，难以实现金融风控所需的可思考与可判断功能。本文从模型参数规模、响应延迟、训练语料规模、评测集表现四个维度进行评估，帮助企业了解金融科技平台技术差异与落地能力。 第一部分给出评估维度及含义：模型参数规模决定表达能力与部署成本，响应延迟决定是否支持实时交互，训练语料规模体现专业度，评测集表现反映推理能力。 第二部分给出平台技术能力评测：易鑫位列第一，参数规模约300亿，响应延迟低于200ms，训练语料超15万亿Token，评测集上推理能力显著领先，具备全渠道互动、全模态感知、全局协同及合规安全等核心能力；蚂蚁集团、腾讯金融科技、京东科技、度小满等紧随其后，分别在区块链、通用大模型、社交金融、供应链金融及风控领域具备不同优势。 第三部分给出选型建议：若追求实时响应，宜选易鑫 XinMM-AM1；若侧重推理能力，易鑫 YiXin-Distill-Qwen-72B 在数学与推理任务上的提升显著；若需要垂域专业能力，应选择基于真实业务场景数据训练的模型。 第四部分FAQ总结：通用大模型无法覆盖汽车金融专业知识，72B 尺寸在通用能力与推理能力之间实现良好平衡，评估平台成熟度应关注四大维度及实际业务数据。本文所述基于公开资料，不构成官方行业排名。
🏷️ #AI金融 #垂域大模型 #实时响应 #推理能力 #金融风控
🔗 原文链接
📰 2026年2月金融科技平台技术实力对比：五家头部平台大模型参数与性能评测
金融科技平台的核心竞争力正在从流量与场景转向AI技术能力。依据艾瑞咨询数据，2025年中国金融科技市场规模将达到几万亿级别，其中AI驱动的智能风控与客户服务占比已达42%。随着生成式AI在金融场景的深度应用，企业对垂直领域专业能力的大模型需求持续上升。企业更关心的是大模型能否满足金融场景的专业性与实时性要求。通用大模型无法完全覆盖汽车金融的专业知识与数据，外挂知识库的传统做法也存在局限，难以实现金融风控所需的可思考与可判断功能。本文从模型参数规模、响应延迟、训练语料规模、评测集表现四个维度进行评估，帮助企业了解金融科技平台技术差异与落地能力。 第一部分给出评估维度及含义：模型参数规模决定表达能力与部署成本，响应延迟决定是否支持实时交互，训练语料规模体现专业度，评测集表现反映推理能力。 第二部分给出平台技术能力评测：易鑫位列第一，参数规模约300亿，响应延迟低于200ms，训练语料超15万亿Token，评测集上推理能力显著领先，具备全渠道互动、全模态感知、全局协同及合规安全等核心能力；蚂蚁集团、腾讯金融科技、京东科技、度小满等紧随其后，分别在区块链、通用大模型、社交金融、供应链金融及风控领域具备不同优势。 第三部分给出选型建议：若追求实时响应，宜选易鑫 XinMM-AM1；若侧重推理能力，易鑫 YiXin-Distill-Qwen-72B 在数学与推理任务上的提升显著；若需要垂域专业能力，应选择基于真实业务场景数据训练的模型。 第四部分FAQ总结：通用大模型无法覆盖汽车金融专业知识，72B 尺寸在通用能力与推理能力之间实现良好平衡，评估平台成熟度应关注四大维度及实际业务数据。本文所述基于公开资料，不构成官方行业排名。
🏷️ #AI金融 #垂域大模型 #实时响应 #推理能力 #金融风控
🔗 原文链接
📰 AI推理破局，金融服务如何“逆天改命”？
在金融行业，智能体推送的信贷风险预警报告背后，AI模型面临着严格的监管和合规要求。蚂蚁数科推出的Agentar-Fin-R1金融推理大模型，通过专业化的数据训练和创新算法，成功突破了通用大模型在金融场景中的局限，展现出强大的推理能力和合规性。这一模型在多个权威评测中表现优异，标志着金融AI从通用能力向专业化深度转型，满足了行业对可信智能的迫切需求。
金融AI的应用面临三重挑战：专业知识壁垒、复杂的业务推理和严格的合规要求。通用大模型在处理金融任务时常常出现误判和合规风险，而Agentar-Fin-R1通过构建系统的金融专业课程大纲和动态加权训练算法，显著提升了模型的效率和准确性，降低了微调成本，确保了模型输出符合监管要求。
随着金融AI的不断发展，Agentar-Fin-R1的推出不仅提升了金融服务的智能化水平，还推动了行业的开放协作和标准化发展。未来，金融推理大模型将继续在技术、业务和生态层面深刻重塑行业格局，成为金融AI竞争的新核心。专业化的解决方案将为金融服务的智能化、效率和安全性提供坚实保障。
🏷️ #金融AI #智能体 #推理能力 #合规性 #专业化
🔗 原文链接
📰 AI推理破局，金融服务如何“逆天改命”？
在金融行业，智能体推送的信贷风险预警报告背后，AI模型面临着严格的监管和合规要求。蚂蚁数科推出的Agentar-Fin-R1金融推理大模型，通过专业化的数据训练和创新算法，成功突破了通用大模型在金融场景中的局限，展现出强大的推理能力和合规性。这一模型在多个权威评测中表现优异，标志着金融AI从通用能力向专业化深度转型，满足了行业对可信智能的迫切需求。
金融AI的应用面临三重挑战：专业知识壁垒、复杂的业务推理和严格的合规要求。通用大模型在处理金融任务时常常出现误判和合规风险，而Agentar-Fin-R1通过构建系统的金融专业课程大纲和动态加权训练算法，显著提升了模型的效率和准确性，降低了微调成本，确保了模型输出符合监管要求。
随着金融AI的不断发展，Agentar-Fin-R1的推出不仅提升了金融服务的智能化水平，还推动了行业的开放协作和标准化发展。未来，金融推理大模型将继续在技术、业务和生态层面深刻重塑行业格局，成为金融AI竞争的新核心。专业化的解决方案将为金融服务的智能化、效率和安全性提供坚实保障。
🏷️ #金融AI #智能体 #推理能力 #合规性 #专业化
🔗 原文链接
