文｜白 鴿

編｜王一粟

2025年，被看作是AI Agent（智能體）落地元年。

“今年沒有AI，國內的客戶都不跟你聊了?！蔽浵仈悼聘笨偛?、中國區(qū)業(yè)務發(fā)展部總經理孫磊的一句話，直接道出了整個行業(yè)的火熱。

然而，與市場的狂熱形成鮮明對比的，是產業(yè)一線的AI真實落地效果，很多都不盡如人意。

“我們評估現在Agent的能力也就是8000月薪水平，所以我們在跟客戶共創(chuàng)時，都會直接表示不要對智能體的真實效果有很高的期待?！蹦耻浖髽I(yè)相關負責人如此對光錐智能說道。

正是存在著這種真實效果差距，也讓很多Agent在企業(yè)中的落地應用，成為試點即終點。

“技術一定要解決場景問題，才會有價值。”諧云科技董事長王翱宇如此說道，“而AI，則是企業(yè)使用的深度，決定了它的價值。”

在其看來，企業(yè)用AI做一些簡單的PoC或demo很容易，但在這波AI大模型熱度過去之后，如果AI并沒有真正服務于企業(yè)的核心業(yè)務和核心生產流程，那么它就不會產生持續(xù)的價值。

因此，“AI的真正價值不僅在于技術的先進性，更在于能否深入產業(yè)一線、解決實際問題?！蔽浵仈悼艭EO趙聞飆在首屆生態(tài)伙伴大會上的這句話，道出了產業(yè)AI落地的核心邏輯。

螞蟻數科CEO趙聞飆

那么，如何將AI大模型真正深入到產業(yè)一線，讓Agent充分融入到企業(yè)核心業(yè)務中？

螞蟻數科過去一年的實踐，給行業(yè)打了個樣，其通過攜手近20家頭部伙伴，上架100余個智能體聯合解決方案，在金融、能源等關鍵領域實現了“客戶愿意用、持續(xù)用”的產業(yè)價值。

這種從實驗室技術到業(yè)務生產力的跨越，本質上是一場從“技術適配”到“需求共生”的產業(yè)變革。

這場變革的核心，是智能體落地與上一代數字化的本質區(qū)別，即不再是技術方案的簡單輸出，而是基于深度業(yè)務理解的生態(tài)共創(chuàng)。

因此，螞蟻數科實踐背后的邏輯在于：

一方面，螞蟻數科基于自身業(yè)務實踐，形成了標準化平臺產品Agentar AI生態(tài)開放平臺，并通過提供標準化的能力，降低智能體在企業(yè)中落地的技術門檻；

另一方面，通過“星瀾計劃”，螞蟻數科聯合了各行各業(yè)的生態(tài)合作伙伴，這些合作伙伴本身已經扎根產業(yè)場景中，積累了豐富的行業(yè)know-how，更能夠挖掘出真實業(yè)務場景需求。

當技術供給側的平臺能力與需求側的行業(yè)know-how形成合力，產業(yè)AI才有望走出“試點即終點”的困境，邁向規(guī)?；瘍r值創(chuàng)造的新階段。

基于這種模式，螞蟻數科不僅讓寧波銀行的智能體在嚴謹性、專業(yè)性和合規(guī)遵從性上超越同業(yè)，更讓南京公交的“小藍鯨”智能體、某大型能源企業(yè)的能源的時序大模型等項目真正融入業(yè)務血脈。

AI扎根產業(yè)場景，要有標準化平臺做底座

為什么在很多理論場景中表現非常優(yōu)秀的大模型，最終落地產業(yè)場景效果很差？

一位銀行業(yè)CIO的真實反饋，道出了企業(yè)落地AI的無奈。

企業(yè)想要落地AI，往往面臨六大難題，包括算力有限、數據不足且質量不高、大模型更新迭代快、知識經驗沉淀不足、缺乏智能體落地方法、人工智能人才緊缺。

這也就意味著，企業(yè)想要自己搞AI，就要成為“六邊形戰(zhàn)士”，既要懂AI大模型，還要懂數據治理和應用，更要懂如何沉淀企業(yè)知識等等。

但現實中，除大廠外，大多數中小企業(yè)都不具備這些能力。

歸根到底，還是當前AI大模型落地企業(yè)背后的技術門檻過高，企業(yè)并不知道從哪里著手，才能高效的推動AI在企業(yè)中的落地。

那么，想要富，先修路，想要蓋房子，就要先打牢地基。

因此，一套標準化、可復用、能適配多場景，且能夠讓企業(yè)真正實現“開箱即用”的全棧AI平臺產品，則成為了AI扎根產業(yè)場景的底座。

針對產業(yè)AI落地的核心矛盾，螞蟻數科推出Agentar AI生態(tài)開放平臺，通過全棧標準化產品體系，構建從技術到業(yè)務的橋梁。

Agentar AI生態(tài)開放平臺有五層架構，打穿了從算力層、數據層、模型層、平臺層、應用層的全鏈路，形成了“大模型-平臺-應用”的全棧產品矩陣，形成可復用、可擴展的技術基座。

據介紹，這套體系有兩個鮮明特點：

其一，所有產品體系、經驗和方法論都源于螞蟻自身的業(yè)務實踐。從支付寶的移動支付到螞小財的金融服務，從醫(yī)療AI助手AQ到多模態(tài)AI助手靈光，螞蟻數科的技術不是實驗室產物，而是經過億級用戶、復雜業(yè)務場景驗證的實戰(zhàn)成果。

其二，不涉及底層算力和基座大模型，保持高度兼容性。螞蟻數科兼容行業(yè)內所有的GPU架構和基座大模型，“我們希望底層越繁榮越好，競爭越激烈越好，把這種差異性通過產品體系呈現到場景上，實現業(yè)務效能最大化?！蔽浵仈悼艫I原生科技產品總經理王磊解釋道。

基于這一平臺，螞蟻數科聯合生態(tài)合作伙伴打造出了面向金融、能源、工業(yè)、汽車、交通等一系列關鍵行業(yè)的智能體解決方案。

在這平臺中，螞蟻數科沉淀出一套清晰方法論，能夠幫助企業(yè)更好的構建能用、好用的智能體。

首先，產業(yè)AI要避免成為“玩具”，必須構建“可信智能體”。畢竟，企業(yè)核心業(yè)務場景對大模型“幻覺”問題，容錯率非常低，一旦大模型出現問題，就容易給企業(yè)帶來經濟損失。

基于此，螞蟻數科將可信智能體的核心特性抽象為三點：嚴謹性、專業(yè)性、遵從性。

其中，遵從性特指對行業(yè)法律法規(guī)、監(jiān)管政策的合規(guī)適配，這在金融等強監(jiān)管領域尤為重要；嚴謹性要求控制大模型“幻覺”，將其置于可控風險范圍內，避免誤導業(yè)務決策；專業(yè)性則要求大模型具備專家級觀點，能形成機構意志和專業(yè)判斷，而非平庸表達。

要實現這三大特性，離不開三大基石產品：行業(yè)大模型、行業(yè)知識庫、行業(yè)工具集?！靶袠I(yè)大模型是從業(yè)者的大腦，行業(yè)知識庫是進入行業(yè)后獲取的即時經驗，行業(yè)工具集則是動手執(zhí)行的能力?！蓖趵谛蜗蟮乇扔鞯?。

以金融大模型為例，先構建底層數據集和金融知識框架，打造高質量COT思維鏈，用于訓練垂直領域大模型。

當面向機構私有化輸出時，結合其內部私有化數據，借助DPO（一種用于訓練語言模型的算法）等技術進一步強化學習，最終構建出適配該機構及對應行業(yè)的垂直大模型。

“通過這兩個階段的模型開發(fā)，我們找到了一條面向產業(yè)輸出大模型的有效路徑。”王磊說道，“而基于該方法構建垂直領域大模型，可每個月都進行迭代，讓企業(yè)能更快速適應行業(yè)變化?！?/strong>

如果說大模型決定了智能體的“上限”，那么安全就是智能體的“底線”。

螞蟻數科沉淀十幾年安全能力，總結出198類大模型安全風險，并構建了模型領域的圍欄防御體系。對于不合規(guī)、高敏感問題，智能體能夠拒答或引導，通過識別用戶真實意圖提供合規(guī)答案。

當然，智能體的成長不是一蹴而就，中間也需要一個過程。

因此，螞蟻數科沉淀出“四車間范式”，讓智能體從“被動響應”升級為“主動解決問題”，通過構建“意圖+策劃+執(zhí)行+表達”四個車間，形成了用戶從有效Query（查詢）到有效表達的全鏈路。

當前，這套范式已融入Agentar生態(tài)開放平臺，該平臺以智能體開放平臺為應用構建入口，輸出全棧AIPaaS工具鏈和行業(yè)大模型家族。

依托Agentar智能體開發(fā)平臺，寧波銀行與螞蟻數科合作，共同構建了一套融合“知識加工管理平臺+邏輯推理引擎+智能應用場景”于一體的智能化決策系統(tǒng)，在行情分析、產品解讀、話術陪練、報告寫作等多個內部場景中規(guī)模化落地。

據評測顯示，該方案的復雜問答準確率從68%提升至91%，響應速度進入百毫秒級。其中，內容推薦準確率提升35%，召回率提升40%，業(yè)務效能實現顯著躍升。

可以看到，螞蟻數科面向AI ToB場景，已經構建了全棧的技術和平臺化能力。

不過，術業(yè)有專攻，螞蟻數科起源于金融行業(yè)，但其最終目標是要落地千行百業(yè)，而AI落地產業(yè)，需要強行業(yè)know-how，單靠螞蟻數科自己則做不到。

因此，這就需要其與生態(tài)合作伙伴共同推進產業(yè)AI落地。

從技術交付到需求共生，生態(tài)是AI落地關鍵

“近期做了很多項目，感受非常深，如果僅靠螞蟻數科自己，AI產業(yè)落地這個事情不可能成功?！睂O磊說。

為什么號稱“模型即服務”的AI時代，企業(yè)更不能夠單打獨斗了？

最根本的原因在于，AI大模型時代的業(yè)務范式已經發(fā)生了根本性的變化。

在企業(yè)數字化階段，基本上純靠技術能力，就能夠解決一部分業(yè)務問題，為企業(yè)降本增效。但AI大模型想要扎根產業(yè)場景，就必須要跟企業(yè)業(yè)務流強耦合。

“現階段所有的AI大模型項目，如果只有科技部門參與，最多只能提效；只有業(yè)務部門深度參與梳理業(yè)務流，智能體的效果才能最大化。”孫磊說道。

孫磊也坦言表示：“從AI來講，我們的核心優(yōu)勢在于標準化產品平臺能力和金融、醫(yī)療等部分行業(yè)know-how，但面向更多的行業(yè)、更豐富的業(yè)務場景應用，我們還需要更多的合作伙伴一起共建?！?/p>

通過不斷摸索，螞蟻數科與生態(tài)合作伙伴之間的界限和分工則越來越明確。

螞蟻數科核心優(yōu)勢在于底層技術平臺以及面向垂直行業(yè)的方法論。其Agentar智能體開發(fā)平臺，具備豐富插件能力和與模型無縫對接，能提供意圖理解、任務編排、執(zhí)行引擎等標準化能力，相當于智能體開發(fā)工具箱。

而合作伙伴的核心價值，在于將標準化平臺能力轉化為具體行業(yè)的場景化解決方案。

如諧云科技將螞蟻的AI能力與自身的云原生底座結合，為能源行業(yè)客戶提供算力管理、智能體開發(fā)的一體化方案；易誠互動基于螞蟻在金融行業(yè)淬煉的方法論、金融推理大模型底座，打造適配不同銀行的個性化AI手機銀行，解決適老化、區(qū)域化服務痛點。

“用個通俗的比喻來說，如果把智能體落地比作蓋房子，螞蟻數科負責搭建堅固的‘地基’和針對該行業(yè)的標準化‘框架’，合作伙伴負責根據客戶需求做‘室內裝修’和‘個性化設計’?！?/p>

易誠互動總裁周丹介紹：“To B客戶個性化需求強，不可能用一套通用方案打天下，必須為每個客戶做場景適配和改造。螞蟻側重金融通用能力和場景方法論，我們側重個性化實現，這是基本劃分。”

諧云科技與螞蟻數科合作的某大型能源企業(yè)項目，更體現了生態(tài)互補的價值。

據王翱宇介紹：“某大型能源企業(yè)已有15-20年信息化基礎，但應用是‘煙囪式’的。我們負責構建數字底座，螞蟻提供AI底座的異構算力管理、智能體開發(fā)等優(yōu)勢產品，雙方互補后，客戶的數字底座根據新AI場景豐富了能力，很容易就贏得了客戶。”

諧云科技董事長王翱宇

這種分工模式，在螞蟻數科的“星瀾計劃”中得到進一步明確。

據悉，該計劃通過產品開放、服務市場開放、權益開放，將螞蟻的垂直大模型、數據治理能力、智能體開發(fā)平臺等核心能力開放給合作伙伴，讓伙伴能快速搭建屬于自己的行業(yè)解決方案。

據孫磊透露，目前螞蟻數科與生態(tài)伙伴在能源、銀行、醫(yī)療這三個場景都已有標桿項目，整體已經覆蓋130多個場景，且還有100多個項目將在明年落地。

“平臺是大模型的‘星’艦，生態(tài)是智能體的‘瀾’海，每個人做好自己的角色，做自己擅長的事情?！睂O磊說道，“我們只做擅長的標準化平臺，把場景落地交給更懂行業(yè)的伙伴?！?/strong>

面向未來，螞蟻數科核心聚焦三大方向：

一是金融行業(yè)細分深耕：在銀行、保險、證券的基礎上，進一步細分到基金等子領域，復制已驗證的成功模式，實現精細化運營。

二是生態(tài)體系升級，將生態(tài)從“3+1”中的“1”提升為三大核心業(yè)務之一，單獨成立生態(tài)部門，配備解決方案團隊和架構師，提供培訓資源、市場聯合活動等支持，強化組織保障。

三是推進AI出海：將AI出海作為重要戰(zhàn)役，組建專門的產品團隊，推動國內成熟產品的國際化，服務中資企業(yè)的海外拓展，同時覆蓋海外本土客戶。

目前，螞蟻數科已服務南洋商業(yè)銀行、渣打銀行等超百家海外金融機構，還入選了香港金融管理局生成式AI沙盒項目。

可以看到，從智能體的深度落地到生態(tài)伙伴的協同共生，螞蟻數科正在走出一條獨特的產業(yè) AI 之路。這條路的核心邏輯清晰而堅定：AI 要圍繞業(yè)務走，落地要依靠伙伴干。