5000多支队伍、近2万名选手，拼到最后就剩台上路演十分钟。AFAC2026金融智能创新大赛总决赛的现场，参赛者要讲透技术方案，还要接住产业、学界、创投三方评委的追问。今年赛题普遍被选手评价为“比往年难得多”：内容全新、限制严苛，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。
这套“真”题本身就是筛选器。选手得跳出常规解题思维，理解为什么要做、问题价值在哪里——光靠背算法、堆参数行不通。赛场上能看到各种路径：有人把通用Harness能力蒸馏进垂直Agent，有人把代码作为自进化载体，让每轮迭代沉淀出更确定的金融工具。比赛筛到最后，要的是技术能落地、业务能顶住的这批人。
大厂评委的用人标准也在公开位移。清华大学电子工程系副教授姚权铭说，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，纯执行侧能力已被Agent填得七七八八，稀缺的是“让事情发生”的内在驱动。阿里云高校合作负责人李贝也观察到，benchmark已被AI整体抬高，选手不只是和同龄人竞争，也是在和AI抬高后的门槛竞争——过去掌握一种新模型或工具就有优势，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、对结果负责。
蚂蚁集团财富保险事业群财富AI Lab研发负责人徐万青直言，团队急需两类人：一是能突破思维惯性、找到更好方法的人，二是能真正用AI解决问题、把创新想法落地的人。挑战组赛题一的一等奖得主丁鼎的解题方式很有代表性：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、人来决定是否提交。AI能帮他验证100个甚至1000个假设，但哪个假设值得优先验证，仍要人来判断。
这种变化背后的逻辑，是行业对Agent时代的重新定位。当执行层被AI填平，人的价值上移到“选择做对的事”。从追求卓越的算法功底，到能处理真实业务数据中的噪声，再到有系统化解决问题的能力——评委们把算法人的进阶概括为这三段，工程意识稳不稳、理得清、推得动，成了从学习者走向资深工程师的分水岭。
比赛还放大了“实战验证”的价值。总决赛结束后，蚂蚁相关业务部门面向选手开放了15个以上Agent实习岗位，覆盖保险、财富、投研、平台架构等核心业务；初创组里既有拿到融资订单的公司，也有还在找第一位客户的种子团队。2024年参赛的四川传媒学院团队赛后成立公司、已在行业小有名气；2025年获奖的上海词灵科技于2026年3月拿到首笔海外订单。技术能力通过比赛对接岗位、资本与场景，正在变成可复利的职业路径。
把镜头拉远，AFAC这类赛事的价值不止于选拔，它还是行业人才供给的缩影：金融场景要求可信、合规与长期积累，AI又要求持续学习与快速试错，能同时满足两端的人才极其稀缺。让学习者在真实业务命题中练手、在有限显存与Token预算下做工程取舍，这种培养方式正变得越来越重要——它需要的不只是教学资源，还有随时可用的模型调用与算力环境。提供面向实训的API与GPU资源、让学生在校就能贴近真实生产负载，正是星战科技在AI实训平台与GPU算力平台方向上持续投入的出发点。