现场围观金融AI决赛，大厂挑人的逻辑我悟了

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 现场围观金融AI决赛，大厂挑人的逻辑我悟了 鹭羽 2026-09-08 13:05:03 来源： 量子位 鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 纳尼？这波是真的误入 金融AI高手局 了。 好多人啊，真的好多人啊！ 场内随随便便拦一个，都极有可能是深耕行业多年的狠角色： 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…… 你别说， 最懂金融AI的一群人 ，全在这儿了。 单看履历，一个比一个爽文反套路。 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。 只一点： 最硬的业务命题摆在面前 ，扛得住晋级，扛不住OUT。 5000+支队伍、近2万名选手，拼到最后，就剩 台上路演十分钟 —— 既要讲透技术方案，还得接住产业、学界、创投三方评委的“夺命”连环call。 能力、耐力、应变力，少一个都不够。 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。 更值的是， 一场比赛，换一次最接近产业一线的实战验证 。 这东西，学校教不了，简历也写不出来，却是实打实的金字招牌。 讲真，看完我都想冲下一届了。。。 业务出题，人才入场 今年的赛题和往年的还不太一样。 依旧分 挑战组 和 初创组 两组，但参赛选手几乎都表示，赛题要比往年难得多。 内容全新、限制更为严苛，还都和实际金融业务痛点息息相关： 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。 说白了，光靠背算法、堆参数，在这套 「真」 题面前行不通。 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 。 阿里云高校合作负责人 李贝 也得出了类似结论： 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。 挑战组赛题一的一等奖得主 丁鼎 就很直观地体现了这一点。 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。 产业界给出的人才答案则更为具体。 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。 他在AFAC赛场上也看到了这种潜力股。 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。 这些思路都给他们团队带来了新的启发。 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： 第一阶段：追求卓越，这是从事算法工作的基本要求； 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。 从初学者到工程师，再到资深专家，就看工程意识能不能稳得住、理得清、推得动。 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。 事实证明，AI时代以不变应万变，抓住了核心思路，结果不会差。 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。 当然， 机会多多，offer也多多 。 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。 俨然一场小型的校招，还是 绿色offer直通车 的那种。 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。 好好好！这谁能不心动。 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