金融业AI 落地“实效战”：蚂蚁数科的破局之道

摘要 ◎AI行动纲领与ACE“三步走” ◎效果收费（RaaS）：一种利益共同体 ◎为什么是蚂蚁数科？ ◎话外音：蚂蚁数科增长与IPO估值想象

9月12日下午，外滩大会W1-7专访间门口，蚂蚁数科副总裁余滨对夸克点评表示，半年过去，许多行业尤其金融业对AI的落地意愿，又有了不同的体认。

“你看，上午演讲还没结束，就收到了许多伙伴的短信。”他打开手机，给我刷了几条。

其中一条，高度赞扬了余滨演讲中强调的AI行动纲领，即“专于产业、易于落地、成于价值”，并表达了合作意愿；另一家公司负责人甚至表示：“说吧，你们团队要给我们业务配多少人？”而让他感慨的是，当天便有客户敲定了5年长期合作。

这一幕，应早在他预判中。今年6月19日，中国国际金融展期间，他曾对外表示，大模型在金融业应用正从探索期迈向实践期，从可选项变成必选项。2025年此刻，在他看来，则开始迈入“实效落地加速期”。

而蚂蚁数科，借助多年技术、产品、商业化实践，当然更有蚂蚁集团储备，顺势公布了包括行动纲领、方法论/智能体新品、收费模式在内的一整套“金融AI落地操作系统”。这家公司显然已成为承接行业实效需求的核心力量。

ACE“三步走”破解金融AI落地困局

余滨演讲中强调，通用技术要大规模落地，需先进入“专业场景”解决问题、推进业务。AI若仅停留在对话、图像识别、文档处理等层面，那只是产业外围。

但“专业”意味着挑战：以金融业为例，大模型落地需同时解决专业、严谨、合规、安全问题与用户体验平衡，且传统软件工程方法已多不适用；加之AI前期建设成本高，管理者更关注ROI。

他坦言，如今客户见面几乎都问AI能给业务增长带来什么助力。他强调，只有满足“AI与产业深度融合、做专业的事、降低落地门槛、关注业务价值”四点，才能实现有价值的产业AI。

正是基于此，当天，蚂蚁数科公布了AI行动纲领与产品开发原则，即“专于产业、易于落地、成于价值”。

所谓“专于产业”，意思是不求做通才，而做专才。余滨说，蚂蚁从没想过做适配所有行业的万能平台。相比阿里云、华为云深耕基础设施，蚂蚁专注深耕擅长的垂直领域，打造真正解决问题、有实际价值的产品。

“不贪大，只做专。”余滨说。

“易于落地”则聚焦客户在AI落地全流程中的痛点，从数据治理的杂乱无章，到模型训练的技术壁垒，再到智能体开发的复杂流程，蚂蚁数科将这些环节的解决方案、工具模板、实践方法提前沉淀到产品中，力求让每款AI产品都“出厂即专家”。客户无需从零搭建技术团队，只需根据自身业务需求接入，就能快速启动项目，大幅降低了AI落地的技术门槛与时间成本。

而“成于价值”是整个行动纲领的核心闭环。余滨强调，蚂蚁数科从产品研发第一天起，就深入具体业务场景，明确“要带来哪些可量化的业务改变”，整个研发与落地过程中，持续跟踪业务数据、优化产品功能，哪怕推出速度慢些，也要确保产品能真正为客户创造价值，而非徒有技术外壳。

显然，这正是蚂蚁数科对这些挑战的回应。它既是行动纲领，也是核心立场，更是面向行业做出的确定性承诺。

而这种承诺的结晶，正是蚂蚁数科打造已久的大模型落地“三步走”ACE方法论，即Align、Construct、Evaluate三个词汇的首字母。

第一步，Align（对焦价值）。即从客户真实业务目标出发（比如理财规模增长、信贷获客成本降低），先锚定可量化的业务结果，再反向匹配技术方案。这一步直接规避了盲目采购算力闲置、业务延宕的弯路。过去两年，不少企业甚至地方政府都有尴尬案例。

第二步，Construct（体系化构建）。这也是“易于落地”纲领的具象化。蚂蚁数科将AI落地过程中重复劳动提前内部消化，完成金融、能源等垂直领域大模型预训练，沉淀行业专属知识库与工具接口，搭建“模板化工具+最佳实践案例”标准化框架。客户无需从头做数据治理、模型训练，接入私有数据做1-2个月后调，就能快速应用AI。

采访中，蚂蚁数科云原生产品总经理王磊坦陈，前段行业重复造轮子，蚂蚁也曾因执着纯预训模式浪费算力，后来转向“预训练+业务数据后调”，落地周期从半年压至1-2个月，为AI规模化落地扫清障碍，中小机构无需承担高额试错成本。

第三步，Evaluate（评测），这是“成于价值” 的交付闭环。它摒弃传统软件卖工具不管成效的“一锤子买卖”套路，通过持续联合运营，实时监测 AI 落地后业务指标（如理财师服务人数、信贷不良率、用户满意度），根据数据反馈动态优化模型与功能。就像射击时不断调整姿势，确保 AI 带来实际业务增长。

蚂蚁还有整套AI化产品支撑，外滩大会发布的系列智能体新品正是Evaluate的载体：金融业务助理能将理财师服务半径从200人扩至2000人；智能运营产品根据实时数据调整策略，自动完成A/B测试。目前，蚂蚁数科200多个AI落地场景、近三分之一客户的AI项目，都通过Evaluate兑现了价值。

这是目前整个金融AI领域最为完整、系统的的落地方法论。

效果收费模式（RaaS）：一种利益共同体

余滨的演讲，外界关注焦点，除了行动纲领、ACE落地方法论，更有“按效果收费”（RaaS）模式。

它的核心并非如何设计收费方式，而是将蚂蚁数科的收益与客户业务增长深度绑定，最终形成“客户不赚钱，蚂蚁数科就不赚钱”的“利益共同体”。

采访中，蚂蚁数科运营科技总经理赵旭拆解了共同体逻辑。

比如，与某民营银行的合作中，对方AI预算有限，双方确定“少量基建起步费+理财产品代销收益分润”模式，客户主动提出将理财代销千分之二到千分之四的收益分成，首年甚至给出100%收益。

“这不是讨价还价，而是客户认可我们带来的增量价值。”赵旭强调。

他还补充了信贷风控场景案例：租赁行业中，不少机构因数据有限，50%以上潜在客户通不过核验，蚂蚁数科通过AI帮其识别更多好的客户，这些新增业务带来的增收，正是收费的核心依据。

部分产品也围绕“效果收费”展开。比如今年蚂蚁主推的智能体产品，公域智能托管模式按人群带来的交易规模增长收费，私域直接绑定理财规模增量分润，有别于SaaS按数据洞察次数收费。

赵旭透露，效果收费模式下，智能体产品市价不高，但客单价比传统模式大一个量级，多数客户会签3年战略合作，并同步共享3年业务规划。

余滨还提到某客户一下签了5年合作，新模式刚落地就有这样的战绩，相当靓丽。

如何评估具体效果呢？

王磊强调，当然不会等3-5年，而是按时间节点设定短期考评，比如看用户增长、AUM提升，然后快速检验效果并协商价值分配。

他坚定地认为，未来RaaS一定会成为主流。现在大模型行业只有卖算力、卖卡的公司市值高，但若没有上层应用，算力增长不可持续；而工具层公司亏损，也是因没有应用场景买单。只有AI能产生业务效果，整个行业才能长远发展，否则就是昙花一现。

如何进一步理解这种模式的突破性？

没比较就没伤害。传统模式下，软件公司卖掉产品后便不再对业务效果负责，SaaS订阅制虽提供持续服务，但每年固定费用对中小机构是负担，且效果与付费脱节。

蚂蚁数科的RaaS不止让客户AI投入从成本项变成收益项，更让过去的甲乙方关系变成“命运共同体”。

余滨提到，某区域银行合作时，蚂蚁几乎免掉前期部署费用，将成本折算到后续分润中。这种零启动成本解决了中小机构的痛点。

王磊补充说，RaaS有望打破中小机构参与产业AI变革的壁垒。若它们没有AI，行业“马太效应”会加剧，可能被淘汰。

显然，如果效果收费未来能成主流，一定会重塑科技与产业的价值分配逻辑，整个生态会更加普惠、多元、均衡。

说到目前效果收费覆盖场景，余滨说，“想清楚一个，就扩展一个”，目前更多侧重业务结果明确的运营类、营销类产品。这表达，近似蚂蚁集团董事长井贤栋当年谈开放时的一句：“成熟一个，开放一个。”

当然，这模式也有一定风险，但他强调，想闯出新模式就得承担风险，蚂蚁骨子里历来有“做不一样的事”的传统。

为什么是蚂蚁数科？

一个问题，AI落地探索密集，为何蚂蚁数科能率先推出融合AI行动纲领、ACE落地方法论及效果收费模式一体的“AI落地操作系统”？

“为什么我们可以？蚂蚁数科相对其他公司具备先天优势，背后有蚂蚁集团内部大量AI实践。”大会主题演讲谈到蚂蚁数科公布AI行动纲领时，余滨在这个话题上一点不客气。

确实不偶然，真正的原由正在于蚂蚁数科自身及身后蚂蚁集团长期积累的技术储备，以及在金融等核心行业场景中深厚的AI实践。

蚂蚁数科的AI能力不是空中楼阁，而是依托蚂蚁集团“内外双循环”甚至“三循环”生态生长起来的。

在蚂蚁集团内部，从“支小宝”智能客服应对海量用户咨询，到“蚂小财”金融管家提供个性化理财建议，再到健康领域的“AQ”产品服务，每款AI产品都先在内部场景接受检验，验证业务价值，踩过的坑、积累的经验会被系统沉淀为标准化模块，这种最佳实践的打磨，让AI方案从诞生起就贴合真实业务需求，而非停在技术层面。

内部实践跑通后，这些沉淀方案会推向外部客户，在与银行、租赁公司等金融机构合作中进一步迭代优化，形成“内部实践-外部输出-反馈迭代”闭环。比如上面王磊提到的，行业一度重复造轮子，蚂蚁内部也曾因执着纯预训模式浪费算力，后来转向“预训练+业务数据后调”，这种基于业务反馈的技术迭代，比单纯追求技术参数的研发更具实效，也让后续ACE方法论有了扎实实践基础。

反观BAT、华为、字节等巨头，却难复制这路径。它们各擅胜场，但都缺乏蚂蚁深度绑定的内部金融业务场景，AI技术多停留在通用领域，无法在真实金融交易、风控、客服场景中反复打磨。有些平台有零星金融场景，也未能将沉淀为标准化方案，导致技术与业务始终割裂，自然难以形成落地的AI行动纲领。

当然，真正支撑生态飞轮运转的还是蚂蚁数科的全栈技术能力。

从底层算力调度到中层金融大模型，再到上层各类智能体应用，每个环节蚂蚁都能深度适配金融业需求。比如底层金融级算力调度平台能稳定应对大模型训练与推理的高负载需求；中层金融大模型经千万级金融数据训练，不仅具备专业业务理解能力，还内置合规审查模块，贴合监管要求；上层Agentar智能体平台整合数百个金融工具接口，能快速对接客户现有系统，避免技术适配繁琐。

这全栈能力恰是其他巨头短板。华为算力强劲，但缺乏金融业务深度理解，技术方案难融入合规审查、风控等核心环节；BAT都有部分金融相关，但技术栈多分散在不同业务线，未能全链条整合，无法提供金融领域从算力到模型到应用一体化方案；字节流量强大，金融场景积累同样浅，难以搭建适配的AI技术体系。

在余滨看来，金融业AI应用从不是纯技术问题，而是技术、业务与合规的深度融合。

蚂蚁数科积累数年，比如智能体产品中很早就引入区块链保障数据安全，信贷风控模型中融入金融风险预判逻辑。没有金融业长期实践，单靠技术，不可能有这细节。

蚂蚁数科敢推“效果收费”，背后是扎实的效果验证能力，这是其商业化储备的关键部分。余滨说，“蚂小财”早已在内部跑通个人金融服务效果闭环，面对客户不是靠PPT，而是带着真实业务数据谈合作。无论租赁公司通过AI识别优质客群使核验通过率提升50%，还是银行借助方案从服务高净值客户拓展到5万以下客群，这些量化效果，都能让客户愿意支付比传统软件模式高一量级的客单价。

这是蚂蚁的商业化底气。

话外音：蚂蚁数科增长与IPO估值升级

一些话外音，但愿不多余。

这套“AI落地操作系统”有望为蚂蚁数科转动新的增长飞轮。

从数据看，蚂蚁已服务超60%的城商行、100%的国有股份制银行，与近三分之一客户开展AI合作，目前至少200个场景已实现AI落地。

尽管目前利润贡献尚无法披露，但“利益共同体”模式最大特征是确定性。按王磊说法，效果收费模式下，客单价比传统软件模式提升一个量级，收入从一次性工具售卖转向持续分润，毛利会随规模效应不断提升。

更重要的是，这模式与蚂蚁云业务会形成协同：客户采用按效果收费的AI产品时，可以确定会同步使用云服务，形成“AI+云”一体协同的增长合力。

本不想提另一老话题：蚂蚁集团IPO应该很难，但蚂蚁数科未来有较高可能性。

无论啥结果，上述创新肯定有望推动其估值逻辑升级。传统科技公司估值多受限工具属性，PE倍数普遍偏低；云计算厂商虽转向“云+AI”，但PS倍数大致也仅10-15倍。

而蚂蚁效果收费模式，有望让其从工具提供商变为客户利润伙伴，收入增长确定性更强，估值逻辑有望从“规模导向”转向“增长导向”。

若按效果收费模式规模化推广，蚂蚁数科的PS倍数肯定能突破传统云厂商区间，尤其在金融等高价值领域，估值空间有望进一步打开。

夸克，最小的粒子，微末的洞察