螞蟻數(shù)科的“星瀾大?！保孉I真正扎根產(chǎn)業(yè)

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(nèi)的客戶都不跟你聊了。”螞蟻數(shù)科副總裁、中國區(qū)業(yè)務(wù)發(fā)展部總經(jīng)理孫磊的一句話，直接道出了整個(gè)行業(yè)的火熱。

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

“我們評(píng)估現(xiàn)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(shí)，都會(huì)直接表示不要對智能體的真實(shí)效果有很高的期待?！蹦耻浖髽I(yè)相關(guān)負(fù)責(zé)人如此對光錐智能說道。

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

“技術(shù)一定要解決場景問題，才會(huì)有價(jià)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(jià)值?！?/p>

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(wù)于企業(yè)的核心業(yè)務(wù)和核心生產(chǎn)流程，那么它就不會(huì)產(chǎn)生持續(xù)的價(jià)值。

因此，“AI的真正價(jià)值不僅在于技術(shù)的先進(jìn)性，更在于能否深入產(chǎn)業(yè)一線、解決實(shí)際問題?！蔽浵仈?shù)科CEO趙聞飆在首屆生態(tài)伙伴大會(huì)上的這句話，道出了產(chǎn)業(yè)AI落地的核心邏輯。

螞蟻數(shù)科CEO趙聞飆

那么，如何將AI大模型真正深入到產(chǎn)業(yè)一線，讓Agent充分融入到企業(yè)核心業(yè)務(wù)中？

螞蟻數(shù)科過去一年的實(shí)踐，給行業(yè)打了個(gè)樣，其通過攜手近20家頭部伙伴，上架100余個(gè)智能體聯(lián)合解決方案，在金融、能源等關(guān)鍵領(lǐng)域?qū)崿F(xiàn)了“客戶愿意用、持續(xù)用”的產(chǎn)業(yè)價(jià)值。

這種從實(shí)驗(yàn)室技術(shù)到業(yè)務(wù)生產(chǎn)力的跨越，本質(zhì)上是一場從“技術(shù)適配”到“需求共生”的產(chǎn)業(yè)變革。

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

因此，螞蟻數(shù)科實(shí)踐背后的邏輯在于：

一方面，螞蟻數(shù)科基于自身業(yè)務(wù)實(shí)踐，形成了標(biāo)準(zhǔn)化平臺(tái)產(chǎn)品Agentar AI生態(tài)開放平臺(tái)，并通過提供標(biāo)準(zhǔn)化的能力，降低智能體在企業(yè)中落地的技術(shù)門檻；

另一方面，通過“星瀾計(jì)劃”，螞蟻數(shù)科聯(lián)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(jīng)扎根產(chǎn)業(yè)場景中，積累了豐富的行業(yè)know-how，更能夠挖掘出真實(shí)業(yè)務(wù)場景需求。

當(dāng)技術(shù)供給側(cè)的平臺(tái)能力與需求側(cè)的行業(yè)know-how形成合力，產(chǎn)業(yè)AI才有望走出“試點(diǎn)即終點(diǎn)”的困境，邁向規(guī)?；瘍r(jià)值創(chuàng)造的新階段。

基于這種模式，螞蟻數(shù)科不僅讓寧波銀行的智能體在嚴(yán)謹(jǐn)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(lán)鯨”智能體、某大型能源企業(yè)的能源的時(shí)序大模型等項(xiàng)目真正融入業(yè)務(wù)血脈。

AI扎根產(chǎn)業(yè)場景，要有標(biāo)準(zhǔn)化平臺(tái)做底座

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

一位銀行業(yè)CIO的真實(shí)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(shù)據(jù)不足且質(zhì)量不高、大模型更新迭代快、知識(shí)經(jīng)驗(yàn)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?dāng)?shù)據(jù)治理和應(yīng)用，更要懂如何沉淀企業(yè)知識(shí)等等。

但現(xiàn)實(shí)中，除大廠外，大多數(shù)中小企業(yè)都不具備這些能力。

歸根到底，還是當(dāng)前AI大模型落地企業(yè)背后的技術(shù)門檻過高，企業(yè)并不知道從哪里著手，才能高效的推動(dòng)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(biāo)準(zhǔn)化、可復(fù)用、能適配多場景，且能夠讓企業(yè)真正實(shí)現(xiàn)“開箱即用”的全棧AI平臺(tái)產(chǎn)品，則成為了AI扎根產(chǎn)業(yè)場景的底座。

針對產(chǎn)業(yè)AI落地的核心矛盾，螞蟻數(shù)科推出Agentar AI生態(tài)開放平臺(tái)，通過全棧標(biāo)準(zhǔn)化產(chǎn)品體系，構(gòu)建從技術(shù)到業(yè)務(wù)的橋梁。

Agentar AI生態(tài)開放平臺(tái)有五層架構(gòu)，打穿了從算力層、數(shù)據(jù)層、模型層、平臺(tái)層、應(yīng)用層的全鏈路，形成了“大模型-平臺(tái)-應(yīng)用”的全棧產(chǎn)品矩陣，形成可復(fù)用、可擴(kuò)展的技術(shù)基座。

據(jù)介紹，這套體系有兩個(gè)鮮明特點(diǎn)：

其一，所有產(chǎn)品體系、經(jīng)驗(yàn)和方法論都源于螞蟻?zhàn)陨淼臉I(yè)務(wù)實(shí)踐。從支付寶的移動(dòng)支付到螞小財(cái)?shù)慕鹑诜?wù)，從醫(yī)療AI助手AQ到多模態(tài)AI助手靈光，螞蟻數(shù)科的技術(shù)不是實(shí)驗(yàn)室產(chǎn)物，而是經(jīng)過億級(jí)用戶、復(fù)雜業(yè)務(wù)場景驗(yàn)證的實(shí)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(shù)科兼容行業(yè)內(nèi)所有的GPU架構(gòu)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(chǎn)品體系呈現(xiàn)到場景上，實(shí)現(xiàn)業(yè)務(wù)效能最大化?！蔽浵仈?shù)科AI原生科技產(chǎn)品總經(jīng)理王磊解釋道。

基于這一平臺(tái)，螞蟻數(shù)科聯(lián)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(guān)鍵行業(yè)的智能體解決方案。

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

首先，產(chǎn)業(yè)AI要避免成為“玩具”，必須構(gòu)建“可信智能體”。畢竟，企業(yè)核心業(yè)務(wù)場景對大模型“幻覺”問題，容錯(cuò)率非常低，一旦大模型出現(xiàn)問題，就容易給企業(yè)帶來經(jīng)濟(jì)損失。

基于此，螞蟻數(shù)科將可信智能體的核心特性抽象為三點(diǎn)：嚴(yán)謹(jǐn)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(qiáng)監(jiān)管領(lǐng)域尤為重要；嚴(yán)謹(jǐn)性要求控制大模型“幻覺”，將其置于可控風(fēng)險(xiǎn)范圍內(nèi)，避免誤導(dǎo)業(yè)務(wù)決策；專業(yè)性則要求大模型具備專家級(jí)觀點(diǎn)，能形成機(jī)構(gòu)意志和專業(yè)判斷，而非平庸表達(dá)。

要實(shí)現(xiàn)這三大特性，離不開三大基石產(chǎn)品：行業(yè)大模型、行業(yè)知識(shí)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(shí)庫是進(jìn)入行業(yè)后獲取的即時(shí)經(jīng)驗(yàn)，行業(yè)工具集則是動(dòng)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(gòu)建底層數(shù)據(jù)集和金融知識(shí)框架，打造高質(zhì)量COT思維鏈，用于訓(xùn)練垂直領(lǐng)域大模型。

當(dāng)面向機(jī)構(gòu)私有化輸出時(shí)，結(jié)合其內(nèi)部私有化數(shù)據(jù)，借助DPO（一種用于訓(xùn)練語言模型的算法）等技術(shù)進(jìn)一步強(qiáng)化學(xué)習(xí)，最終構(gòu)建出適配該機(jī)構(gòu)及對應(yīng)行業(yè)的垂直大模型。

“通過這兩個(gè)階段的模型開發(fā)，我們找到了一條面向產(chǎn)業(yè)輸出大模型的有效路徑?！蓖趵谡f道，“而基于該方法構(gòu)建垂直領(lǐng)域大模型，可每個(gè)月都進(jìn)行迭代，讓企業(yè)能更快速適應(yīng)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(shù)科沉淀十幾年安全能力，總結(jié)出198類大模型安全風(fēng)險(xiǎn)，并構(gòu)建了模型領(lǐng)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(dǎo)，通過識(shí)別用戶真實(shí)意圖提供合規(guī)答案。

當(dāng)然，智能體的成長不是一蹴而就，中間也需要一個(gè)過程。

因此，螞蟻數(shù)科沉淀出“四車間范式”，讓智能體從“被動(dòng)響應(yīng)”升級(jí)為“主動(dòng)解決問題”，通過構(gòu)建“意圖+策劃+執(zhí)行+表達(dá)”四個(gè)車間，形成了用戶從有效Query（查詢）到有效表達(dá)的全鏈路。

當(dāng)前，這套范式已融入Agentar生態(tài)開放平臺(tái)，該平臺(tái)以智能體開放平臺(tái)為應(yīng)用構(gòu)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(tái)，寧波銀行與螞蟻數(shù)科合作，共同構(gòu)建了一套融合“知識(shí)加工管理平臺(tái)+邏輯推理引擎+智能應(yīng)用場景”于一體的智能化決策系統(tǒng)，在行情分析、產(chǎn)品解讀、話術(shù)陪練、報(bào)告寫作等多個(gè)內(nèi)部場景中規(guī)?；涞?。

據(jù)評(píng)測顯示，該方案的復(fù)雜問答準(zhǔn)確率從68%提升至91%，響應(yīng)速度進(jìn)入百毫秒級(jí)。其中，內(nèi)容推薦準(zhǔn)確率提升35%，召回率提升40%，業(yè)務(wù)效能實(shí)現(xiàn)顯著躍升。

可以看到，螞蟻數(shù)科面向AI ToB場景，已經(jīng)構(gòu)建了全棧的技術(shù)和平臺(tái)化能力。

不過，術(shù)業(yè)有專攻，螞蟻數(shù)科起源于金融行業(yè)，但其最終目標(biāo)是要落地千行百業(yè)，而AI落地產(chǎn)業(yè)，需要強(qiáng)行業(yè)know-how，單靠螞蟻數(shù)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(jìn)產(chǎn)業(yè)AI落地。

從技術(shù)交付到需求共生，生態(tài)是AI落地關(guān)鍵

“近期做了很多項(xiàng)目，感受非常深，如果僅靠螞蟻數(shù)科自己，AI產(chǎn)業(yè)落地這個(gè)事情不可能成功?！睂O磊說。

為什么號(hào)稱“模型即服務(wù)”的AI時(shí)代，企業(yè)更不能夠單打獨(dú)斗了？

最根本的原因在于，AI大模型時(shí)代的業(yè)務(wù)范式已經(jīng)發(fā)生了根本性的變化。

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

“現(xiàn)階段所有的AI大模型項(xiàng)目，如果只有科技部門參與，最多只能提效；只有業(yè)務(wù)部門深度參與梳理業(yè)務(wù)流，智能體的效果才能最大化?！睂O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(biāo)準(zhǔn)化產(chǎn)品平臺(tái)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(wù)場景應(yīng)用，我們還需要更多的合作伙伴一起共建。”

通過不斷摸索，螞蟻數(shù)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(shù)科核心優(yōu)勢在于底層技術(shù)平臺(tái)以及面向垂直行業(yè)的方法論。其Agentar智能體開發(fā)平臺(tái)，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(wù)編排、執(zhí)行引擎等標(biāo)準(zhǔn)化能力，相當(dāng)于智能體開發(fā)工具箱。

而合作伙伴的核心價(jià)值，在于將標(biāo)準(zhǔn)化平臺(tái)能力轉(zhuǎn)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(jié)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(dòng)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(gè)性化AI手機(jī)銀行，解決適老化、區(qū)域化服務(wù)痛點(diǎn)。

“用個(gè)通俗的比喻來說，如果把智能體落地比作蓋房子，螞蟻數(shù)科負(fù)責(zé)搭建堅(jiān)固的‘地基’和針對該行業(yè)的標(biāo)準(zhǔn)化‘框架’，合作伙伴負(fù)責(zé)根據(jù)客戶需求做‘室內(nèi)裝修’和‘個(gè)性化設(shè)計(jì)’?！?/p>

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

諧云科技與螞蟻數(shù)科合作的某大型能源企業(yè)項(xiàng)目，更體現(xiàn)了生態(tài)互補(bǔ)的價(jià)值。

據(jù)王翱宇介紹：“某大型能源企業(yè)已有15-20年信息化基礎(chǔ)，但應(yīng)用是‘煙囪式’的。我們負(fù)責(zé)構(gòu)建數(shù)字底座，螞蟻提供AI底座的異構(gòu)算力管理、智能體開發(fā)等優(yōu)勢產(chǎn)品，雙方互補(bǔ)后，客戶的數(shù)字底座根據(jù)新AI場景豐富了能力，很容易就贏得了客戶?！?/p>

諧云科技董事長王翱宇

這種分工模式，在螞蟻數(shù)科的“星瀾計(jì)劃”中得到進(jìn)一步明確。

據(jù)悉，該計(jì)劃通過產(chǎn)品開放、服務(wù)市場開放、權(quán)益開放，將螞蟻的垂直大模型、數(shù)據(jù)治理能力、智能體開發(fā)平臺(tái)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(jù)孫磊透露，目前螞蟻數(shù)科與生態(tài)伙伴在能源、銀行、醫(yī)療這三個(gè)場景都已有標(biāo)桿項(xiàng)目，整體已經(jīng)覆蓋130多個(gè)場景，且還有100多個(gè)項(xiàng)目將在明年落地。

“平臺(tái)是大模型的‘星’艦，生態(tài)是智能體的‘瀾’海，每個(gè)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(biāo)準(zhǔn)化平臺(tái)，把場景落地交給更懂行業(yè)的伙伴。”

面向未來，螞蟻數(shù)科核心聚焦三大方向：

一是金融行業(yè)細(xì)分深耕：在銀行、保險(xiǎn)、證券的基礎(chǔ)上，進(jìn)一步細(xì)分到基金等子領(lǐng)域，復(fù)制已驗(yàn)證的成功模式，實(shí)現(xiàn)精細(xì)化運(yùn)營。

二是生態(tài)體系升級(jí)，將生態(tài)從“3+1”中的“1”提升為三大核心業(yè)務(wù)之一，單獨(dú)成立生態(tài)部門，配備解決方案團(tuán)隊(duì)和架構(gòu)師，提供培訓(xùn)資源、市場聯(lián)合活動(dòng)等支持，強(qiáng)化組織保障。

三是推進(jìn)AI出海：將AI出海作為重要戰(zhàn)役，組建專門的產(chǎn)品團(tuán)隊(duì)，推動(dòng)國內(nèi)成熟產(chǎn)品的國際化，服務(wù)中資企業(yè)的海外拓展，同時(shí)覆蓋海外本土客戶。

目前，螞蟻數(shù)科已服務(wù)南洋商業(yè)銀行、渣打銀行等超百家海外金融機(jī)構(gòu)，還入選了香港金融管理局生成式AI沙盒項(xiàng)目。

可以看到，從智能體的深度落地到生態(tài)伙伴的協(xié)同共生，螞蟻數(shù)科正在走出一條獨(dú)特的產(chǎn)業(yè) AI 之路。這條路的核心邏輯清晰而堅(jiān)定：AI 要圍繞業(yè)務(wù)走，落地要依靠伙伴干。