现场围观金融AI决赛，大厂挑人的逻辑我悟了

2026-09-08 13:05 量子位 www.qbitai.com 网页快照

阅读原文 ↗ www.qbitai.com

现场围观金融AI决赛，大厂挑人的逻辑我悟了

鹭羽发自凹非寺量子位 | 公众号 QbitAI

OPC独立开发者，一人成军；竞赛全勤“肝帝”，白天牛马晚上冲榜；00后本科生，二话不说就是干……

不管你是银河战舰，还是扫地僧，到了 AFAC大赛（AFAC2026金融智能创新大赛）总决赛现场，过往身份统统作废。

不过只要接得住，就是百万奖金抱回家，大厂Boss现场“直聘”，创业项目还有顶级VC机构一路保驾护航。

业务出题，人才入场

真实数据带噪声、实验反馈稀疏、显存和时间有限，长文本答案不仅要准确，还要控制Token消耗、找到可追溯证据。

选手得跳出常规解题思维，理解为什么要做以及问题的价值在哪里，才算堪堪摸到了问题的根。

换句话说，AFAC大赛筛到最后，要的是技术能落地、业务能顶住的这批人，也是企业在AI时代最想要的复合型人才。

清华大学电子工程系副教授姚权铭在AFAC人才圆桌上说得很直接，他现在招博士生，都会先问一句：

你做的研究，会不会在未来半年内被大模型吞掉？

他的判断是，纯执行侧的能力已经被Agent填得七七八八了，现在还稀缺的，是能让事情发生的内在驱动。

今天的benchmark已经被AI整体抬高。选手不只是在和同龄人竞争，也是在和AI吸收了大量历史经验后抬高的门槛竞争。

过去掌握一种新模型或新工具就可能形成优势，现在这些能力很快会被基础模型覆盖，人的价值必须转向判断问题、理解业务和对结果负责。

李贝认为，对于年轻人来说， AFAC大赛正是一个足够大的展示窗口，去展现自己比AI更强的那部分。

他在解题过程中，会先提出假设，再和AI讨论验证准则；本地验证通过后，由AI给出分析结果，他来决定是否正式提交；然后平台给出反馈分数，人与AI再一起复盘。

其中AI承担了过去最耗时间的执行，人负责把每一次有限的提交机会押在更值得验证的方向上。

AI可以帮你验证100个甚至1000个假设，但具体哪个假设值得优先验证，仍然需要人来判断。这里考验的不只是技术能力，也包括人的品味和审美。

在他看来，人只有在理解需求和业务的基础上持续指导AI，才可能跨过平庸和好用之间的那道线。

但也多亏了AI辅助，让他能够以个人参赛，一路走到了顶点。用好AI、理解问题的本质，才是关键。

蚂蚁集团财富保险事业群财富AI Lab研发负责人徐万青明确表示，团队现在急需两类人才：

第一类是能够突破思维惯性、找到更好方法的人；第二类是能够真正使用AI解决问题，并把创新想法落地的人。

这个人不仅要有idea，还要有很强的动手能力。能把创新思维和落地能力结合起来的人，正是企业非常需要的。

有选手把通用 Harness 能力蒸馏进垂直Agent中，也有队伍将 Code 作为自进化的载体，让每轮迭代沉淀出更确定的金融工具。

赛题三评审专家、蚂蚁集团财富保险事业群资深算法专家陈召群，则是把现场评审标准和内部用人逻辑串在了一起，总结成算法人的三段进阶：

第二阶段：能够处理真实业务数据中的噪声，这是从算法学习者走向算法工程师的重要转变；

第三阶段：要有系统化解决问题的能力，这是算法工程师走向资深算法工程师的一项关键能力。

与此同时，站在国际创新生态的视角上，SGInnovate Director Jae Annie Tay 把稀缺人才概括为「AI+X」：

AI是一种横跨所有垂直行业的水平能力，X可以是机器人、金融、人力资源或网络安全。 AI+X型人才，是既拥有某一领域的专业知识，也熟悉AI应用，并且能够把两者整合起来，真正应用到工作中。

放进AFAC大赛里，如何把原有领域经验与金融行业知识融会贯通，本身就是专业能力的一部分。

以挑战组赛题四一等奖得主张念昊和王洋为例，他们过去虽然也做AI，但金融其实并非他们往常熟悉的领域。

但他们干了一件事：把过去 AI for Research 的那套方法论，巧妙端进了 AI for Finance 。

实际做下来，金融AI与原来的研究方向有很多共通之处，赛题所需的背景知识也可以借助AI快速补足，因此我们的主要精力仍然放在AI框架本身。

常言道，见一叶而知秋，从AFAC大赛，我们也能看到当前的金融AI人才选拔标准已经发生了迁移。

不再唯技术论，而是对业务能力的综合考量，比如问题理解、工程意识和跨界融合能力，缺一不可。

AFAC大赛提供的是一个问题场，让不同年龄、专业和职业状态的人都能在这里将能力集中爆发。

台下坐着的评委，可都是各大业务线负责人、高校博导……随机问了问几位参赛选手，果然，个个手上都攥着好几支现场抛来的橄榄枝。

Talent Party 更甚，蚂蚁三位技术专家、HRG负责人和高校选手们围坐一圈，探讨技术的同时，聊着聊着，简历就递给了对面。

总决赛结束后，蚂蚁相关业务部门还面向AFAC选手开放了15+个Agent实习岗位，保险、财富、投研、平台架构等蚂蚁金融智能核心业务全覆盖。

AFAC选手直接进入专属内推通道，简历直达业务团队，从筛选、面试到结果反馈，整体流程预计只需要一个月左右。

比赛之后，路越走越宽

如果说挑战组测试的是一个人或一支团队能不能解决真实问题，初创组则追问的是下一个阶段：

有意思的是，在今年的初创组团队中，我们不仅能看到已经获得融资和订单的公司，也能看到还在寻找第一位客户的种子团队和 OPC 。

换言之，AFAC大赛的底层逻辑是把潜力排在公司成熟度前面，一份完美的BP远没有团队看到真需求重要。

在创投圆桌上，北京大学研究员（长聘副教授、博导）、计算机学院视频与视觉技术研究所副所长施柏鑫为学术背景的创业者泼了盆冷水：

技术可以高冷，但产品不能高冷。

这句话放到金融AI 里，门槛还要再加一层。毕竟一个Demo在脱敏数据上跑通，不等于能接入金融机构的生产系统。

真实数据怎样处理，技术、业务、风控和合规谁来拍板，合作周期要留多久，第一单带来的定制需求能否沉淀成通用产品……每一项都可能让项目卡在最后一公里。

正如Jae Annie Tay所说，团队越小，越需要一个足够大的外部生态提供支持，让创业者始终能够连接到所需的人才、资金和产业资源。

赛事已链接10多家孵化器、早期投资机构和AI社区，并连续3年与「创·在上海」国际创新创业大赛合作。

优胜项目可以继续对接复赛、政策支持、融资路演、孵化空间和产业场景，而不是路演结束就各自散场。

且看今年新增的总决赛创新展区，就把这一点体现得淋漓尽致。比如AFAC创投朋友圈，直接把项目和资本放进了同一个交流现场。

比如2024年参赛的四川传媒学院团队，彼时它带着AI Agent产品在赛事对接的路演和传播中获得曝光，赛后进一步成立四川峨媒数字有限公司，一路走来已在行业内小有名气；

2025年获奖的上海词灵科技，不仅进入「创·在上海」复赛，还在2026年3月拿到首笔海外订单。

对于人才来说， AFAC大赛真正难以复制的部分也在这里：挑战组把能力暴露出来，初创组把能力推向组织，产业和资本再判断它能否完成第一次交付。

人才成长不再是单行道

过去的人才成长，很像一条循序渐进的单行道：上学→做研究→找实习→拿offer，一步一步埋头往前冲。

AI把技术迭代速度拉快后，这条线开始弯曲，转向类似RSI（递归式自我改进）的循环：

人先学会新工具，再进入真实问题；从问题里形成行业能力，又带着新的能力回到研究、产品和下一轮学习。

它深度参与每一个环节，出题环节接通真实业务，比赛环节引入企业评审，赛后环节对接岗位和资本，让本来要晚几年才会相遇的环节，提前相遇联结。

从历届去向看，应届获奖硕博生已经陆续进入阿里、蚂蚁、字节跳动、腾讯、美团等大厂，也有人选择继续读博深造。

相当一部分的高校选手也开始对金融AI产生兴趣，来AFAC之前是“懂点AI，不懂金融”。来了才发现，金融+AI 比死磕单一方向的自己更有竞争力。

金融行业依然要求可信、合规和长期积累，沉淀越多越吃香；AI行业依然要求持续学习和快速试错，越早入场越有优势。

AFAC大赛就站在彼此的交叉点上，正等待这样的有志之士找到自己，用真实业务淬炼，再交还给市场。

金融AI的年度大考交卷了：2万名选手、30+家机构、百亿级数据开源 2026-09-04

世界生成模型来了3D头部玩家，可进入生产管线的场景级生成时代来临！ 2026-09-03

现场围观金融AI决赛，大厂挑人的逻辑我悟了