为什么说蚂蚁数科抓住了那5%的机会|一朵|数科|智能体|林洋|蚂蚁|金融

来源：星海情报局

自从ChatGPT出现后，科技界喊了好多年“AI改变世界”“AI颠覆产业”，硅谷三天来一次“核爆”，五天来一次“掀桌子”，看上去着实是“花团锦簇、烈火烹油”，但如果凑近了细看，你会发现一个非常诡异的事情：

和之前几次工业革命不同，在AI时代，个人比组织更先一步完成

“进化”——员工自己在工位上偷偷用AI写周报、做调研, 绕开IT部门的审批, 而企业作为一个需要协同运转的完整机器,却并没有真正做到把AI嵌进了自己的骨架里。

这不是个别现象，而是全球性的尴尬。今年MIT发布的《2025年商业AI现状》报告，一度引发美股AI概念股集体下跌。它戳破了一个泡沫：全球企业在生成式AI上已经投入300亿到400亿美元，但95%的组织没有获得任何可衡量的回报。

更关键的是失败的原因。MIT给出的结论是，这道鸿沟并非由模型质量或监管造成，而是取决于实施方法——工作流程僵化、缺乏情境化学习、与日常运营脱节。

翻译成大白话就是：这一轮AI浪潮里，热闹是属于消费者市场的；企业市场这边，钱花了不少，水花却没几个。

是企业们认识不到

AI的价值么？

并不是。

企业只是有他们自己的苦衷罢了——核心是“安全”和“专业”两道门槛没人帮他们迈过去。

而有一个行业，可能是业内公认的企业AI“珠穆朗玛”：它容错率为零、专业壁垒极高、涉及大量敏感信息、面临最强力的监管。这绝非夸张——MIT那份报告用“AI市场颠覆指数”量化了AI对九大行业的结构性影响，结果只有科技、媒体电信两个行业出现了明显的结构性变化，而金融行业，尽管试点频繁，却”没有任何根本性的改变”。

换句话说，金融恰恰是AI最难真正啃下来的行业之一。

但反过来想——如果连金融都能高效、安全地跑通AI，其他行业才真正有了可以参照的路径。

以现在的情况来说，

AI技术的供应商是不缺的，各行各业的头部企业也是不缺的，而把这两边的东西真正接起来——让先进的AI产品和不同行业的专业知识严丝合缝地匹配——这种能力，非常之稀缺。

这不是AI的问题，不是行业的问题，而是当下大多数大模型都是通用大模型，智能体也是通用智能体，训练语料是通用的，没办法应付金融这种对精准度有极端要求的专业场景。

蚂蚁数科：就要做那5%

蚂蚁数科CEO赵闻飙说得很直接：“通用大模型距离产业实际应用存在'知识鸿沟'。

金融这座珠穆朗玛，前来挑战的，是蚂蚁数科。

蚂蚁数科的打法是把这个问题先从底层拆开来解决。他们专门研发了金融推理大模型Agentar-Fin-R1，在FinEval1.0、FinanceIQ等权威金融评测基准上超越了DeepSeek-R1等同参数量级的通用大模型。说白了，这个模型不是一个“懂点金融”的通用模型，而是基于千亿级金融专业数据语料、覆盖银行、证券、保险、基金、信托全场景的6大类66小类任务体系训练而成的——让大模型“天生懂金融，出厂即专家”。

有了这个底层，蚂蚁数科在上面搭起一个专业智能体“锻造炉”Agentar——最近，蚂蚁数科在中国金融展上发布了Agentar金融智能体专家团，覆盖投研投顾、风险管理、反欺诈、理赔、客户经理等十大金融核心岗位。在这个发布之前，Agentar已经在银行、证券、保险等机构落地超300个金融专业智能体。

更值得一提的是，Agentar于2025年6月通过了中国信通院可信AI智能体平台和工具评估，拿到了当前最高评级5级。这是一个高度敏感的行业所需要的背书——不是产品好用就够，还得是“安全地好用”。

这就是所谓的“专家定制化”与“能力规模化”的组合拳。

以之前我们提到的银行客户经理的困境为例——某乡镇银行，本身没有自研专属Agent的能力，以前也是需要挨个打电话去联系客户的。

但现在，通过和蚂蚁数科的合作，他们获得了只有大银行才拥有的技术力——在对的时间，把对的服务给到对的人。同时，AI还会根据客户特征推荐合适产品，生成针对电话、面谈等场景的话术参考，让客户经理知道什么时机说什么话。

技术由蚂蚁数科Agentar平台支撑， AI成了客户经理的“外挂”，让服务既有准头又有温度。

那些有强大技术实力、能自主研发大模型的大机构，其实也有自己的需求：怎么让人与智能体高效协作、智能体与多源异构数据打通、让智能体随着政策和市场持续进化……这些是系统性工程问题，不是单纯堆算力和模型就能解决的。

公开信息显示，目前，蚂蚁数科累计已服务100%的国有银行和股份制银行、超60%的地方性商业银行及数百家金融机构。宁波银行、上海银行、新华人寿、富邦银行、民生银行等一批大型金融机构，正基于蚂蚁数科自研的金融推理大模型和Agentar，打造专属“AI大脑”和“AI双手”。

宁波银行基于蚂蚁数科Agentar知识工程平台搭建全行级智能化决策系统，复杂问题回答准确率从68%提升至91%；上海银行将其AI能力深度嵌入手机银行，用“对话即服务”重构了用户与银行的交互方式。

海外市场也在同步展开，蚂蚁数科已在东南亚等地的金融机构落地AI能力，将这套经过极端条件验证的金融AI能力向全球输出。

回到MIT报告给出的那张“失败”画像——工作流程僵化、缺乏情境学习、与日常运营脱节，大多数企业级AI最终沦为昂贵的摆设。蚂蚁数科这套打法，几乎是逐条对着这些病灶开的药：用金融专用大模型解决“不够专业”，用能持续进化的智能体解决“不会学习”，用私有化部署把AI嵌进银行既有流程解决“与运营脱节”，再用信通院5级认证解决“不敢用”。它要做的，正是跨过那道鸿沟、成为5%的那一类。

故事讲到这儿，才到一半

蚂蚁集团CEO韩歆毅曾用“两朵花”概括蚂蚁的AI战略：一朵是“有钱花”，对应支付与金融；一朵是“有命花”，对应健康管理。现在看来，每一朵都是一体两面，尤其在“有钱花”上，一面是以“AI付”为代表的C端，另一面就是以蚂蚁数科Agentar为代表的B端。这两端虽然朝向不同，但底层逻辑是一致的——蚂蚁在为AI时代的交易与服务基础设施打地基。

Agentar的想象力，远不止于金融。IDC最新报告显示，2025年中国智能体开发平台私有化市场总规模达17.5亿元，蚂蚁数科在其中位列第四，是排名最高的非云厂商。在火山引擎、腾讯云、阿里云这三大云厂商之后，蚂蚁数科凭借行业场景深度积累和私有化交付能力实现了突围——而这件事的真正意义在于：它的能力来自行业场景的真实验证，而不是云资源的规模优势。

很多人没注意到，蚂蚁数科不止在做金融智能体，还在悄悄布局能源。今年6月，蚂蚁数科在SNEC光伏展上正式推出“电力交易智能体”与“新能源运营智能体”。其中与林洋智维合作落地的电力交易智能体，融合林洋30GW电站真实运营数据，打通从预测、策略生成、自动申报到风控复盘的全链路，实现7×24小时无人值守自主交易，人力成本下降60%以上，分析与策略生成速度提升20倍以上。

金融打底，能源跟进，接下来可能是医疗、政务、制造与千行百业。

下一波AI赢家，长什么样

观察近几年行业圈子对中国AI的价值判断变化，其实会发现一个很有意思的现象：资本不再迷信大模型，不再相信空话了。

有业内人士断言：下一波中国AI独角兽，大概率不会长得像上一波大模型公司。

它们可能更像机器人公司、工业软件公司、跨境工具公司、智能硬件公司、AI营销公司、AI客服公司，甚至是某个你现在觉得很土的垂直行业解决方案公司。

AI真正的机会，是被最懂行业、最懂客户、最会交付的人拿走的。

蚂蚁数科现在就站在这个关键点上。

仅以金融一个行业为例来估算：蚂蚁数科已服务全部国有银行和超六成地方性商业银行。而全中国有4000多家银行、200多家险企、100多家券商，每一家都面临被AI重构的命题。仅金融这一个行业，就足够养出一家市值破千亿的上市公司。

这并非空想。这种“把AI嵌进最难行业”的打法，在海外已经有了清晰的估值参照——Palantir靠着把AI能力扎进国防、情报这类最敏感、最难的场景，市值至今稳在3000亿美元上下，是Salesforce（约1300亿美元）的两倍多、ServiceNow（约1000亿美元）的三倍。在AI时代，能啃下最硬骨头的公司，远比卖标准化软件的老牌巨头更值钱。蚂蚁数科从金融这座“珠穆朗玛”起步，对标的正是这样一条路径。