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

量子位 | 公众号 QbitAI

全球5027支队伍、近2万名选手同台PK，百分之一的晋级概率杀进总决赛路演……

八月末，上海， 金融AI年度大考 准时开赛。

清北、复旦、麻省理工等海内外顶尖高校学子，以及大厂核心技术骨干，纷纷汇聚一堂，赛场内火力全开——

有人从L2行情中识别资金动向，有人拆解复杂金融文档，也有人掏出Harness、RSI，让Agent读懂市场情绪。

场外，主办方围绕赛事，首次推出 「会、展、赛」 三位一体的总决赛路演舞台：

主论坛 上大咖轮番登场， 创新展区 同样热火朝天。

除了有历届成果集中亮相、创投资本1v1现场对接、HR一站式发offer，千问AI眼镜等前沿技术产品也同步开放体验。

这正是有着 「金融AI创新年度风向标」 之称的AFAC金融智能创新大赛（AFAC2026）总决赛现场，也是迄今为止举办的第四届。

要说AFAC有多权威呢？

上海市科学技术委员会、中国计算机学会、北京大学、蚂蚁集团、GFTN全球金融与技术网络、真格基金、中国银行……

30多家组织机构 ，个顶个都是业界扛把子。

参赛选手更是五湖四海掐尖而来，自 2023年首届举办 以来，AFAC大赛已累计吸引来自全球超2万支队伍6万名选手，覆盖600余所高校、700余家企业。

而且！ 一届更比一届强 。

第四届含金量全方位更上一层楼：辐射范围更广、创投生态更完善。

最关键的是，AI技术专业度拉满，几道赛题几乎把当下金融AI最热门的内容一网打尽。

这恰恰也是AFAC大赛有别于其它算法竞赛的地方：

把金融产业正在面临的 「真」 问题，直接搬进赛场。

普通算法比赛通常可以被压缩成一个清晰目标，也就是在固定数据集上，把某个指标刷到更高。

金融AI 却很难这样概括。

市场会变，碰到的问题也缺乏明确边界。

真实业务中，多调用一次模型就是实实在在翻倍的成本，而且光答案合理还远远不够，还要系统说明依据来自哪儿，要经得起复核。

所以再看AFAC2026大赛的四道挑战组赛题，都在尽可能模拟真实金融场景下的压力：

数据规模扩大、反馈更少，环境持续动荡变化，但资源和成本始终有限。

看盘面这道题尤其直观。

据赛题一 「市场参与者交易行为识别与资金流向分析」 的评审专家、中科大计算机学院副院长、软件学院副院长、教授 王超 介绍：

这道题研究的是一个非常经典的问题，在二级市场乃至大模型出现之前，市场参与者的交易行为识别就已经存在。

如今为什么还要拿来做？难点有三：

所以王超把评审标准归纳成三个词： 复现、解释和泛化。

三个标准相继击中了传统Benchmark的痛点：一次高分可能来自偶然，一套真实可落地的系统却能在条件变化后依旧成立，还要讲清楚为何成立。

也就是说，选手需要真正理解市场本质，并在极限时间内表达出来，才算试炼成功。

赛题二的 「复杂金融文档还原挑战」 则把压力推到了输入端。

OCR识别出字符，并不等于模型读懂了文件。赛题二的评审专家、复旦大学计算机科学技术学院教授 张军平 指出：

真正困难的是超长表格。大部分大模型无法一次性完成识别，还需要后处理来补足。

更麻烦的是复杂表格的 鲁棒性 ，金融没有永远固定的模板，模型能否稳定适应这些变化，都是未来方案迁移到业务场景中亟需解决的问题。

张军平同时也观察到，本届不少选手的策略仍依赖参赛者本人对文档的理解，下一步要做的，是 把人的理解真正转化为机器能力 。

所以这道题可以说是，既抓住了金融文档智能的现实痛点，又瞄准了企业AI未来的关键。

另一边，赛题三 「稀疏反馈下的自动化实验挑战」 把困难放进了Agent决策过程。

Agent需要像研究员一样，在无法并行、预算有限的情况下，根据每轮实验完成闭环反馈。