智能体竞争下半场：蚂蚁数科如何穿越金融“高压区”，跑出规模化路径？

一、导语

过去一年，智能体几乎成为所有大模型厂商的“标准配置”。代码智能体、办公智能体、营销智能体层出不穷，但真正进入核心业务系统、能跑在生产一线的属于少数。

IDC最新发布的《中国智能体开发平台2025年厂商评估》给出了一个清晰信号：智能体正成为企业AI转型与流程重构的核心。拥有全栈能力与行业经验的平台厂商已抢占先机，未来竞争将集中于复杂智能体与应用的一体化开发。

蚂蚁数科旗下的 Agentar 全栈企业级智能体平台，正是在这轮转向中，被IDC评为“领导者”的代表之一。更关键的是，它率先在金融这个最难落地、也最具价值的行业，跑通了智能体规模化应用的路径。

二、从“能用”到“敢用”，

金融为什么是智能体的终极考场？

金融几乎就是智能体的“终极考场”。 一方面，它是对 AI 最渴望的行业之一。从客服、风控到投研、运营、合规，金融的每一个环节都建立在对信息密度、处理效率和人力规模的极致依赖之上：海量文本、实时数据、复杂规则、快速决策，天然适合交给智能体来承担。

但与此同时，金融也是对 AI “不够友好”的行业。首先是数据的高度敏感与封闭。金融数据天然带有隐私属性和机构壁垒，既涉及个人资产、征信、交易行为，也涉及机构内部的风控模型、业务逻辑和客户结构。这意味着，金融几乎不存在一个“像互联网一样开放”的可训练空间，模型既拿不到足够真实的数据，又难以跨机构迁移经验，智能体从一开始就站在“缺粮少弹”的起点上。

这也是为什么，通用大模型“看起来很强”，却很难真正进入金融核心系统。对金融机构而言，智能体不是一个“演示效果很好”的工具，而是要被接入核心业务系统、要承担真实责任的生产系统组件，这决定了它必须从底层设计上就围绕安全、稳定、可控而构建。

在 IDC 的中国智能体开发平台厂商评估中，蚂蚁数科旗下的 Agentar 全栈企业级智能体平台能够入选该象限。其关键并不在于单纯的模型参数规模，而在于其在技术能力、产品成熟度、生态构建等多个维度形成了较为全面的体系化优势。

更重要的是，蚂蚁数科这种系统化的智能体能力并不是“从通用再走向金融”，而是长期在金融产业一线打磨，在风控、合规、支付、运营、客服等高复杂度场景中形成了规模化落地的实践积累。这种从真实业务中长出来的能力，使其智能体不仅“能用”，而且有高的可用性。

为什么蚂蚁数科能做到？

因为，在金融这个智能体最严苛的“终极考场”，蚂蚁数科走的正是一条验证智能体真实生产力价值的路径。它一开始就把目标锚定在金融这样的高风险、高复杂度系统之中，倒逼技术从第一天起就围绕真实生产环境来设计，而不是围绕演示效果来优化。

在底层能力上，支撑这一路径的是蚂蚁数科自研的金融推理大模型 Agentar-Fin-R1。 Agentar-Fin-R1在多项金融基准测试中超过了主流开源模型，能够在真实、复杂、充满约束的金融规则之下，进行稳定、低幻觉、可解释的推理与决策。

在此之上，依托蚂蚁集团在亿级用户金融级场景中长期锤炼的 AI 工程能力，蚂蚁数科已经从算力调度、数据治理、模型训练与推理到应用部署，搭建起一套完整、可金融级验证的智能体技术服务体系。再叠加大规模高质量的金融行业知识库与低代码、可视化的智能体编排能力，金融机构可以在自身业务体系内，快速构建专业化智能体应用，加速大模型从“可用”走向“规模化深度应用”。

而这种从“最难处”打磨出来的智能体能力，并未止步于金融。在能源这一同样高复杂度、高约束的行业，蚂蚁数科发布了 EnergyTS 能源电力时序大模型，并在此基础上推出的“能源服务智能体”可以自动生成覆盖投资、运营、交易、融资等多个环节的分析报告与决策策略。其投资决策效率较人工提升超 60 倍，运营与交易效果提升 10% 以上，资产评估效率提升超 10 倍。

三、智能体如何真正成为

金融行业的生产力系统？

与许多仍停留在“单点工具”层面的智能体不同，蚂蚁数科选择的路径，是直接奔着“金融机构的 AI 中枢”而去。 它的目标并不是为某一个具体岗位提供提效工具，而是试图搭建起一个能够贯通多业务线、承载多角色协同、嵌入核心系统的“金融级 AI 大脑”。而非局限于某个独立场景的辅助工具。

从落地进展来看，这一思路已经开始在真实金融机构中大规模兑现。仅 2025 年上半年，蚂蚁数科的大模型产品解决方案就与近 30 家金融机构达成合作。包括宁波银行、天津银行、新华人寿、上海银行、富邦银行、昆山农商行在内的多家机构，正在基于蚂蚁数科自研的金融推理大模型在多个核心业务场景中打造自身的“AI 大脑”。

例如，上海银行推出的AI手机银行，正是以蚂蚁数科提供的LUI技术、智能体开发及模型管理等一系列能力为支撑。该应用以“对话即服务”为核心，用户通过自然语言交互即可办理转账、理财咨询、养老金查询等高频业务，实现了从“人找服务”到“服务找人”的体验革新，并依托千人千面的个性化推荐与适老化设计，成为行业数智化转型的典型样本。

这些应用也不再只是挂在业务边缘的“辅助插件”，而是真正进入到智能客服调度、风控审批、营销策略生成、合规文档审查等核心业务链路之中，成为金融机构内部“可被系统级调用的生产力单元”。比如，宁波银行与蚂蚁数科合作基于Agentar知识工程平台（KBase），构建了一套集知识管理、逻辑推理与智能应用于一体的决策中枢。不仅将复杂问答的准确率从68%显著提升至91%，更使得答案具备完整的推理路径可追溯，满足了金融行业对决策过程可解释、可审计的严苛要求。

目前，蚂蚁数科已联合金融行业伙伴推出超百个金融智能体解决方案，覆盖银行、证券、保险、通用金融等四大领域，金融机构可以“即插即用”，提升一线员工工作效率超80%。

在政策层面，国家持续推进的“人工智能+”行动与金融数字化转型政策，正为智能体技术在金融行业的深度应用创造有利环境。蚂蚁数科所验证的“中枢级”智能体平台模式，也因此具备了向更广泛的金融机构，尤其是大量中小银行复制的可行性。

这些中小银行普遍面临相似的困境：一方面，在数字化浪潮与市场竞争压力下，拥有利用AI降本增效、创新服务的强烈意愿；另一方面，受限于技术、数据与人才的储备，独立构建并运维一套成熟的大模型与智能体体系几乎是一项不可能完成的任务。蚂蚁数科通过“技术输出 + 平台生态”的方式，正在降低智能体在普惠金融中的使用门槛，也为中国金融科技能力的标准化输出，搭建更稳固的底座。

IDC的此次评估揭示了一个清晰的行业转向：智能体竞争的焦点，已从早期的技术发布与概念演示，演进为实实在在的“生产力创造”之争。胜负的关键，不再是谁的模型参数更多、演示更炫酷，而在于谁能将智能体深度融入企业核心价值链，打造出跨越不同系统、打通关键流程、赋能多类角色的生产力引擎。