螞蟻國際AI模型簽下六家銀行，外匯避險成本降低60%

螞蟻國際推出FalconTST 2.0——一個專為外匯與現金流預測設計的AI模型，並簽下包括花旗、匯豐及巴克萊在內的六家全球銀行，反映金融機構正加速採用專業化的AI解決方案。

「精準的預測可以將外匯避險和配置成本削減超過60%，」螞蟻國際平台科技總經理李凱文（Kelvin Li）表示。

該模型在一個公開評測基準上取得了0.666的平均絕對縮放誤差（Mean Absolute Scaled Error, MASE）分數，並實現了超過93%的預測準確率，不過公司未指明該準確率數字所採用的評測基準。花旗、匯豐、德意志銀行、渣打銀行及巴克萊已將FalconTST 2.0整合至現金流預測及外匯流動性或避險管理工具中。該模型已部署於航空領域，目前正拓展至電子商務和物流行業。

螞蟻國際上月籌集12億美元，用於資助全球擴張。這家總部位於新加坡的公司是螞蟻集團的海外關聯企業，螞蟻集團由馬雲創立，總部分別設於新加坡和上海。

專業化預測 vs. 通用大型語言模型

李凱文表示，該模型專注於金融場景，相較於通用大型語言模型具有優勢，後者「尚未在金融領域實現普遍的突破」。這一區別對於管理每日數十億美元跨境資金流動的跨國銀行資金部門而言至關重要。FalconTST 2.0的時序Transformer架構能夠捕捉金融數據中的時間依賴關係，這與支撐通用聊天機器人的文本預測機制是根本不同的方法。

MASE分數低於1.0表示模型表現優於樸素基線預測，因此0.666的結果相較於簡單外推方法是一項顯著的改進。航空業率先採用該模型，隨後拓展至電子商務和物流領域，顯示螞蟻國際將跨境支付通道視為其主要增長方向。航空公司在管理複雜的多幣種收入及燃油避險計畫時，天然成為外匯預測工具的測試場域。

進軍專業化金融AI之際，企業級AI市場正持續擴張。來自OpenAI、Anthropic和Google的通用模型已在文本生成和推理方面展現廣泛能力，但金融機構日益尋求為資金管理精準度要求而量身打造的工具——在這一領域，微小的預測誤差可能轉化為巨大的避險成本。

競爭與採用風險

此次合作公告使螞蟻國際與既有的金融科技供應商以及日益增長的、瞄準AI驅動財資解決方案的新創公司展開直接競爭。大型銀行也一直自行建構AI能力，多家全球機構正在開發用於風險管理和交易支援的專有模型。

花旗、匯豐、德意志銀行、渣打銀行及巴克萊決定整合來自一家中資關聯金融科技公司的第三方模型，既反映了螞蟻國際技術的成熟度，也體現了銀行選擇經實證的解決方案而非從零自建的務實態度。然而，整合的深度仍不明確，銀行在承諾進行企業級部署之前，往往會同時試用多個供應商方案。

螞蟻國際還邀請開發者參與GitHub上的應用程式介面（API）試用計畫，以擴大其初始銀行合作夥伴以外的採用範圍。與螞蟻國際合作的第六家銀行未在公告中具名。

專業化金融AI的更廣泛趨勢不僅限於螞蟻國際。全球銀行正在部署機器學習模型，用於信用評分、詐欺偵測和演算法交易，預計未來數年金融服務業的AI支出將大幅增長。對資金部門而言，關鍵問題在於FalconTST 2.0等第三方模型能否提供符合監管級風險管理要求的精準度。

上月從螞蟻集團和阿里巴巴等投資方籌集的12億美元，為持續的模型開發和市場拓展提供了充足資源。該公司同時在新加坡和上海設有總部，使其能夠接觸亞洲和西方的金融機構，儘管圍繞中國科技公司的地緣政治考量可能影響其在某些市場的採用情況。對於關注金融科技AI領域的投資者而言，核心問題是FalconTST 2.0的成本削減主張能否經受獨立檢驗——該公司尚未披露其93%準確率數據所採用的評測基準。

本文僅供資訊參考，不構成投資建議。