文｜白 鸽

编｜王一粟

2025年，被看作是AI Agent（智能体）落地元年。

“今年没有AI，国内的客户都不跟你聊了。”蚂蚁数科副总裁、中国区业务发展部总经理孙磊的一句话，直接道出了整个行业的火热。

然而，与市场的狂热形成鲜明对比的，是产业一线的AI真实落地效果，很多都不尽如人意。

“我们评估现在Agent的能力也就是8000月薪水平，所以我们在跟客户共创时，都会直接表示不要对智能体的真实效果有很高的期待。”某软件企业相关负责人如此对光锥智能说道。

正是存在着这种真实效果差距，也让很多Agent在企业中的落地应用，成为试点即终点。

“技术一定要解决场景问题，才会有价值。”谐云科技董事长王翱宇如此说道，“而AI，则是企业使用的深度，决定了它的价值。”

在其看来，企业用AI做一些简单的PoC或demo很容易，但在这波AI大模型热度过去之后，如果AI并没有真正服务于企业的核心业务和核心生产流程，那么它就不会产生持续的价值。

因此，“AI的真正价值不仅在于技术的先进性，更在于能否深入产业一线、解决实际问题。”蚂蚁数科CEO赵闻飙在首届生态伙伴大会上的这句话，道出了产业AI落地的核心逻辑。

蚂蚁数科CEO赵闻飙

那么，如何将AI大模型真正深入到产业一线，让Agent充分融入到企业核心业务中？

蚂蚁数科过去一年的实践，给行业打了个样，其通过携手近20家头部伙伴，上架100余个智能体联合解决方案，在金融、能源等关键领域实现了“客户愿意用、持续用”的产业价值。

这种从实验室技术到业务生产力的跨越，本质上是一场从“技术适配”到“需求共生”的产业变革。

这场变革的核心，是智能体落地与上一代数字化的本质区别，即不再是技术方案的简单输出，而是基于深度业务理解的生态共创。

因此，蚂蚁数科实践背后的逻辑在于：

一方面，蚂蚁数科基于自身业务实践，形成了标准化平台产品Agentar AI生态开放平台，并通过提供标准化的能力，降低智能体在企业中落地的技术门槛；

另一方面，通过“星澜计划”，蚂蚁数科联合了各行各业的生态合作伙伴，这些合作伙伴本身已经扎根产业场景中，积累了丰富的行业know-how，更能够挖掘出真实业务场景需求。

当技术供给侧的平台能力与需求侧的行业know-how形成合力，产业AI才有望走出“试点即终点”的困境，迈向规模化价值创造的新阶段。

基于这种模式，蚂蚁数科不仅让宁波银行的智能体在严谨性、专业性和合规遵从性上超越同业，更让南京公交的“小蓝鲸”智能体、某大型能源企业的能源的时序大模型等项目真正融入业务血脉。

AI扎根产业场景，要有标准化平台做底座

为什么在很多理论场景中表现非常优秀的大模型，最终落地产业场景效果很差？

一位银行业CIO的真实反馈，道出了企业落地AI的无奈。

企业想要落地AI，往往面临六大难题，包括算力有限、数据不足且质量不高、大模型更新迭代快、知识经验沉淀不足、缺乏智能体落地方法、人工智能人才紧缺。

这也就意味着，企业想要自己搞AI，就要成为“六边形战士”，既要懂AI大模型，还要懂数据治理和应用，更要懂如何沉淀企业知识等等。

但现实中，除大厂外，大多数中小企业都不具备这些能力。

归根到底，还是当前AI大模型落地企业背后的技术门槛过高，企业并不知道从哪里着手，才能高效的推动AI在企业中的落地。

那么，想要富，先修路，想要盖房子，就要先打牢地基。

因此，一套标准化、可复用、能适配多场景，且能够让企业真正实现“开箱即用”的全栈AI平台产品，则成为了AI扎根产业场景的底座。

针对产业AI落地的核心矛盾，蚂蚁数科推出Agentar AI生态开放平台，通过全栈标准化产品体系，构建从技术到业务的桥梁。

Agentar AI生态开放平台有五层架构，打穿了从算力层、数据层、模型层、平台层、应用层的全链路，形成了“大模型-平台-应用”的全栈产品矩阵，形成可复用、可扩展的技术基座。

据介绍，这套体系有两个鲜明特点：

其一，所有产品体系、经验和方法论都源于蚂蚁自身的业务实践。从支付宝的移动支付到蚂小财的金融服务，从医疗AI助手AQ到多模态AI助手灵光，蚂蚁数科的技术不是实验室产物，而是经过亿级用户、复杂业务场景验证的实战成果。

其二，不涉及底层算力和基座大模型，保持高度兼容性。蚂蚁数科兼容行业内所有的GPU架构和基座大模型，“我们希望底层越繁荣越好，竞争越激烈越好，把这种差异性通过产品体系呈现到场景上，实现业务效能最大化。”蚂蚁数科AI原生科技产品总经理王磊解释道。

基于这一平台，蚂蚁数科联合生态合作伙伴打造出了面向金融、能源、工业、汽车、交通等一系列关键行业的智能体解决方案。

在这平台中，蚂蚁数科沉淀出一套清晰方法论，能够帮助企业更好的构建能用、好用的智能体。

首先，产业AI要避免成为“玩具”，必须构建“可信智能体”。毕竟，企业核心业务场景对大模型“幻觉”问题，容错率非常低，一旦大模型出现问题，就容易给企业带来经济损失。

基于此，蚂蚁数科将可信智能体的核心特性抽象为三点：严谨性、专业性、遵从性。

其中，遵从性特指对行业法律法规、监管政策的合规适配，这在金融等强监管领域尤为重要；严谨性要求控制大模型“幻觉”，将其置于可控风险范围内，避免误导业务决策；专业性则要求大模型具备专家级观点，能形成机构意志和专业判断，而非平庸表达。

要实现这三大特性，离不开三大基石产品：行业大模型、行业知识库、行业工具集。“行业大模型是从业者的大脑，行业知识库是进入行业后获取的即时经验，行业工具集则是动手执行的能力。”王磊形象地比喻道。

以金融大模型为例，先构建底层数据集和金融知识框架，打造高质量COT思维链，用于训练垂直领域大模型。

当面向机构私有化输出时，结合其内部私有化数据，借助 DPO（一种用于训练语言模型的算法）等技术进一步强化学习，最终构建出适配该机构及对应行业的垂直大模型。

“通过这两个阶段的模型开发，我们找到了一条面向产业输出大模型的有效路径。”王磊说道，“而基于该方法构建垂直领域大模型，可每个月都进行迭代，让企业能更快速适应行业变化。”

如果说大模型决定了智能体的“上限”，那么安全就是智能体的“底线”。

蚂蚁数科沉淀十几年安全能力，总结出198类大模型安全风险，并构建了模型领域的围栏防御体系。对于不合规、高敏感问题，智能体能够拒答或引导，通过识别用户真实意图提供合规答案。

当然，智能体的成长不是一蹴而就，中间也需要一个过程。

因此，蚂蚁数科沉淀出“四车间范式”，让智能体从“被动响应”升级为“主动解决问题”，通过构建“意图+策划+执行+表达”四个车间，形成了用户从有效Query（查询）到有效表达的全链路。

当前，这套范式已融入Agentar生态开放平台，该平台以智能体开放平台为应用构建入口，输出全栈AIPaaS工具链和行业大模型家族。

依托Agentar智能体开发平台，宁波银行与蚂蚁数科合作，共同构建了一套融合“知识加工管理平台+逻辑推理引擎+智能应用场景”于一体的智能化决策系统，在行情分析、产品解读、话术陪练、报告写作等多个内部场景中规模化落地。

据评测显示，该方案的复杂问答准确率从68%提升至91%，响应速度进入百毫秒级。其中，内容推荐准确率提升35%，召回率提升40%，业务效能实现显著跃升。

可以看到，蚂蚁数科面向AI ToB场景，已经构建了全栈的技术和平台化能力。

不过，术业有专攻，蚂蚁数科起源于金融行业，但其最终目标是要落地千行百业，而AI落地产业，需要强行业know-how，单靠蚂蚁数科自己则做不到。

因此，这就需要其与生态合作伙伴共同推进产业AI落地。

从技术交付到需求共生，生态是AI落地关键

“近期做了很多项目，感受非常深，如果仅靠蚂蚁数科自己，AI产业落地这个事情不可能成功。”孙磊说。

为什么号称“模型即服务”的AI时代，企业更不能够单打独斗了？

最根本的原因在于，AI大模型时代的业务范式已经发生了根本性的变化。

在企业数字化阶段，基本上纯靠技术能力，就能够解决一部分业务问题，为企业降本增效。但AI大模型想要扎根产业场景，就必须要跟企业业务流强耦合。

“现阶段所有的AI大模型项目，如果只有科技部门参与，最多只能提效；只有业务部门深度参与梳理业务流，智能体的效果才能最大化。”孙磊说道。

孙磊也坦言表示：“从AI来讲，我们的核心优势在于标准化产品平台能力和金融、医疗等部分行业know-how，但面向更多的行业、更丰富的业务场景应用，我们还需要更多的合作伙伴一起共建。”

通过不断摸索，蚂蚁数科与生态合作伙伴之间的界限和分工则越来越明确。

蚂蚁数科核心优势在于底层技术平台以及面向垂直行业的方法论。其Agentar智能体开发平台，具备丰富插件能力和与模型无缝对接，能提供意图理解、任务编排、执行引擎等标准化能力，相当于智能体开发工具箱。

而合作伙伴的核心价值，在于将标准化平台能力转化为具体行业的场景化解决方案。

如谐云科技将蚂蚁的AI能力与自身的云原生底座结合，为能源行业客户提供算力管理、智能体开发的一体化方案；易诚互动基于蚂蚁在金融行业淬炼的方法论、金融推理大模型底座，打造适配不同银行的个性化AI手机银行，解决适老化、区域化服务痛点。

“用个通俗的比喻来说，如果把智能体落地比作盖房子，蚂蚁数科负责搭建坚固的‘地基’和针对该行业的标准化‘框架’，合作伙伴负责根据客户需求做‘室内装修’和‘个性化设计’。”

易诚互动总裁周丹介绍：“To B客户个性化需求强，不可能用一套通用方案打天下，必须为每个客户做场景适配和改造。蚂蚁侧重金融通用能力和场景方法论，我们侧重个性化实现，这是基本划分。”

谐云科技与蚂蚁数科合作的某大型能源企业项目，更体现了生态互补的价值。

据王翱宇介绍：“某大型能源企业已有15-20年信息化基础，但应用是‘烟囱式’的。我们负责构建数字底座，蚂蚁提供AI底座的异构算力管理、智能体开发等优势产品，双方互补后，客户的数字底座根据新AI场景丰富了能力，很容易就赢得了客户。”

谐云科技董事长王翱宇

这种分工模式，在蚂蚁数科的“星澜计划”中得到进一步明确。

据悉，该计划通过产品开放、服务市场开放、权益开放，将蚂蚁的垂直大模型、数据治理能力、智能体开发平台等核心能力开放给合作伙伴，让伙伴能快速搭建属于自己的行业解决方案。

据孙磊透露，目前蚂蚁数科与生态伙伴在能源、银行、医疗这三个场景都已有标杆项目，整体已经覆盖130多个场景，且还有100多个项目将在明年落地。

“平台是大模型的‘星’舰，生态是智能体的‘澜’海，每个人做好自己的角色，做自己擅长的事情。”孙磊说道，“我们只做擅长的标准化平台，把场景落地交给更懂行业的伙伴。”

面向未来，蚂蚁数科核心聚焦三大方向：

一是金融行业细分深耕：在银行、保险、证券的基础上，进一步细分到基金等子领域，复制已验证的成功模式，实现精细化运营。

二是生态体系升级，将生态从“3+1”中的“1”提升为三大核心业务之一，单独成立生态部门，配备解决方案团队和架构师，提供培训资源、市场联合活动等支持，强化组织保障。

三是推进AI出海：将AI出海作为重要战役，组建专门的产品团队，推动国内成熟产品的国际化，服务中资企业的海外拓展，同时覆盖海外本土客户。

目前，蚂蚁数科已服务南洋商业银行、渣打银行等超百家海外金融机构，还入选了香港金融管理局生成式AI沙盒项目。

可以看到，从智能体的深度落地到生态伙伴的协同共生，蚂蚁数科正在走出一条独特的产业 AI 之路。这条路的核心逻辑清晰而坚定：AI 要围绕业务走，落地要依靠伙伴干。