AFAC2026金融AI大赛落幕：四道赛题折射行业真实挑战
四届赛事，一场越来越“真”的考试
八月末的上海，近两万名选手、5027支队伍参与的AFAC金融智能创新大赛（AFAC2026）迎来总决赛。这已是该赛事举办的第四年。从2023年首届至今，参赛者累计超6万人，覆盖600多所高校和700余家企业。主办方阵容包括上海市科委、中国计算机学会、北京大学、蚂蚁集团、中国银行等30余家机构。
与其他算法竞赛不同，AFAC的核心逻辑是：把金融产业正在面对的真实问题直接搬进赛场。今年的四道赛题，分别对应二级市场行为识别、复杂文档结构还原、资源受限下的自动化实验设计，以及长文本Agent的记忆管理——每一项都踩在当前金融AI落地的关键瓶颈上。
比赛不再只是刷指标。评审标准更关注方案能否在动态变化、反馈稀疏、成本受限的条件下持续有效。用中科大教授王超的话说，关键看三点：复现、解释、泛化。一次高分可能是运气，但能讲清逻辑、经得起条件变化考验的系统，才算真正可用。
赛题一：从L2行情里“看懂”谁在买卖
第一道题要求选手从Level 2行情数据中识别市场参与者的交易行为并追踪资金流向。这看似是传统量化领域的老问题，但在大模型时代有了新难点。
数据规模变大了，形态更多样——订单流、逐笔成交、盘口快照交织在一起；评价标准也不再单一。其中一个子任务甚至没有预设指标，选手得自己定义问题边界、构建评估框架。更棘手的是，模型训练依赖静态历史数据，但真实市场永远在变。如何让系统具备迁移和泛化能力，成了胜负手。
有团队尝试用图神经网络建模订单关联，也有队伍引入时序注意力机制捕捉主力资金痕迹。但最终胜出的方案，往往不是技术最炫的，而是对市场微观结构理解最深、逻辑链条最清晰的那一类。一位评委提到，有些队伍连“撤单是否算作真实意图”都没厘清，模型再强也跑偏。
赛题二：让AI真正“读懂”财报和合同
第二道题聚焦复杂金融文档的结构化还原。OCR能识别字符，但离“理解”还很远。真正的难点在于超长表格、跨页合并单元格、非固定模板的合同条款。
复旦大学张军平教授指出，多数大模型处理不了整张复杂表格，需要分块识别再后处理拼接。而金融文档恰恰没有统一格式——今天是一家券商的研报，明天是跨境并购协议，模型能否稳定应对这种变化，直接决定它能不能进生产环境。
不少选手仍依赖人工规则补位，比如预设表格行列逻辑。但评审更看重能否把人的先验知识转化为可学习的机器能力。有团队尝试用视觉+文本多模态建模，通过坐标信息辅助结构重建；也有队伍设计层级解析器，先定位标题区块，再递归拆解子表。这些探索指向同一个方向：金融文档智能不能只靠Prompt工程，必须深入底层表示。
赛题三与四：在资源限制下做决策
后两道题共同指向一个现实：AI是有成本的。
赛题三模拟科研场景，要求Agent在预算有限、无法并行实验的情况下，自主设计实验流程并根据稀疏反馈迭代优化。蚂蚁集团陈召群解释，这其实是在测试Agent的“科研素养”——能否像人类研究员一样，在信息不全时做出合理假设，并高效验证。
赛题四则直面长上下文热潮背后的隐忧。百万Token窗口看似解决了信息容量问题，但机构级调用时，盲目塞入全文会迅速推高成本，且效果未必更好。哈工大张宇教授强调，关键不是窗口多大，而是系统能否智能筛选有效上下文。
有队伍尝试动态记忆压缩，只保留与当前问题相关的段落；也有方案引入检索增强，先粗筛再精读。这些策略背后是同一个认知转变：在金融场景，Token消耗直接对应真金白银的成本。徐万青对比互联网时代指出，AI的边际成本不会趋近于零，“每增加一个用户，就多一份Token账单”。
从赛题到生态：为什么AFAC难以复制
四届赛题串起来，就是一条清晰的技术演进线：2023年问“大模型能不能进金融”，2024年转向“怎么接进业务”，2025年关注“推理是否可靠”，2026年则聚焦“系统能否在约束下持续运行”。
今年赛事同步开源了“AFAC百万金融智能数据集”，沉淀了2023–2025年14道赛题的13万条评测样本、2000多份专业文档和130多个优胜方案。数据形态从单模态走向多模态，能力要求从预测精度升级到复杂推理，应用模式也从单点微调扩展到端到端智能系统。
但比数据更难复制的，是AFAC搭建的生态闭环。赛场之外，大赛提供算力支持、大厂直通机会、6个月加速计划，并联动WAIC、外滩大会等平台。总决赛现场的“会、展、赛”三位一体设计，让学术界、产业方和资本能直接对接——初创组团队路演后，当场就有VC约谈，HR发offer。
新加坡SGInnovate的Jae Annie Tay观察到，小团队特别需要这样的外部支持网络。而AFAC的独特之处在于，一端连着真实金融业务场景，另一端接住创新想法，中间用赛事作为转化枢纽。这种能力，只有长期深耕金融AI的产业方才能构建。
真问题，才是试金石
热闹的路演、丰厚的奖金、密集的媒体曝光，这些都可能被模仿。但AFAC的核心竞争力，在于它每年都能快速捕捉技术浪潮退去后留下的“真问题”，并将其转化为可评测的赛题。
当行业还在热议Agent概念时，AFAC已经考上下文控制；当大家追捧长上下文时，它已开始算Token成本账。这种贴近业务的敏锐度，源于蚂蚁等发起方对金融场景的深度理解。
比赛终会结束，但那些在动态环境、资源约束、鲁棒性要求下锤炼出的方案，才真正具备走向产业化的潜力。AFAC的意义，或许不在于选出冠军，而在于为整个金融AI领域划出一条从实验室到真实世界的路径。