「蚂蚁数科最重要是解决产业问题。」
时隔两年，9 月 10 日，在外滩大会上，蚂蚁数科、蚂蚁集团资深副总裁赵闻飙再次与大家公开见面。这是蚂蚁数科从蚂蚁集团独立出去后少见的全体高管亮相，这一次，蚂蚁数科面对的问题不再仅仅回答自己与 AI 的结合，更多的是，在新经济诞生的前夜，明确蚂蚁数科现在的位置以及业务。
蚂蚁数科、蚂蚁集团资深副总裁赵闻飙
赵闻飙谈到，2024 年外滩大会时，他刚接手蚂蚁数科 CEO 半年，当时「百模大战」很热。他当时就认为，大模型虽然是前沿技术，但很难单独适配产业数字化和智能化。两年过去，AI 发展很快，但这个判断没变，企业数字化、智能化不只需要大模型，还需要安全合规、工程化能力等。
在他看来，大模型产业落地分三个阶段。第一阶段，企业开始用大模型，模型更多是工具，帮员工提效；第二阶段，智能体进入业务，进入客服、营销、风控、研发、运营这些核心岗位；第三阶段，智能体进入组织，企业把几十个、几百个智能体组织起来，让它们理解共同目标、分工协作，把一次任务的经验变成组织可复用的能力。他强调，这三个阶段现在还在同时发生，终局远没到。
现在的他，明确了蚂蚁数科当下的目标，一是帮企业搭好 AI 时代的基础设施，让企业更安全、更可信地探索智能体对业务和组织能力的上限；二是帮企业进入智能体经济时代，让智能体成为重要生产力，创造业务价值。「蚂蚁数科最重要是解决产业问题」，赵闻飙说道，国内企业现在对 AI 需求已经非常切入业务增长和生产制造问题了，蚂蚁数科主要会将做 Agent 会深入生产经营流程。
这次，赵闻飙明显自信了很多。他的自信或许来自于两个方向，一个是来自于对自己高管团队的信任。此次参加沟通的还有，蚂蚁数科 AI 业务总裁、蚂蚁集团副总裁 余滨、蚂蚁数科国际业务总裁李世炜、蚂蚁数字科技算法技术部负责人章鹏，蚂蚁数科技术总监魏长征。「我的核心团队基本上都在这里了。」
另一点是快速增长的业务。他回应到近期业内传出的一些上市传闻。他谈到，如果有上市计划，会在官网上与大家同步，但蚂蚁数科 AI to B 的业务确实效果不错，保持了三位数增长。据相关介绍，中国智能体平台开发、平台私有化市场，蚂蚁数科在非云厂商里排第一，总榜第四；金融行业大模型市场份额第一；公司整体增长接近 50%，客户净收入留存率 ARR 超 110%。
不要用以往的蚂蚁数科的定位来看待今后的蚂蚁数科服务方向，这是在此次对话中，蚂蚁数科非常明确想要传递的态度。
过去大家更多从 to B 科技服务理解数科，进入 AI 时代，蚂蚁数科要做的不是简单升级产品，公司经营模式和管理指标也在变。AI to B 和大模型产业化落地，是蚂蚁数科现阶段的商业核心。
蚂蚁数科也开始用新指标衡量自己的成长，从数字化技术交付走到 AI 价值交付，看 AI 进入多少真实业务、覆盖多少岗位和流程、创造什么业务结果；还有，平台化 ARR，蚂蚁数科不是云厂商，但超级工厂不能只靠项目交付，要形成可复用、持续付费的平台业务；第三，聚焦 AI 原生应用，不是简单在原来的产品上加 AI，而是看 AI 原生业务收入、端到端 AI 完成流程、多少员工能力沉淀成智能体能力。
很明显感受到，蚂蚁数科想做的，至少覆盖了产业 AI 的基础设施、智能体走入企业的生产线，以及安全可信的连接层，他们更关注的是，企业怎么规模化生产、应用、管理智能体，从个体智能走向组织智能，更看重价值交付的成果。他们还根据长期陪伴的价值，去为不同企业提供不同转型时期的帮助以及相关服务，让智能体去帮助企业带来真实的价值。
以下是此次沟通会上一些精华问题的 QA 整理，经过极客公园精编：
记者：Coding 技术进步，企业有自研 Agent 的冲动，自研边界在哪？企业级模型是不是从后训练开始？行业经验怎么沉淀？
魏长征：AI 时代软件研发范式确实变化很大。我们过去一年多体会很深，工具是必要条件，但对企业来说，工具只是起步。客户最关心的，其实是怎么让自己整个研发范式升级，效率大幅提升，而不是纠结一定要自研某个工具。数科会提供 AI Worker 工具，以及 AGI 研发体系化升级的整体能力。
章鹏：市场并不缺一个新的模型，重要的是你的模型能解决什么问题。行业模型和通用模型的争论第一天就有，有公开数据的行业，有可能被大模型吞噬；但有些行业没有足够公开数据，通用模型依然有短板。而且通用模型很难平衡这么多行业能力，它发版的时候会看这些行业表现吗？不会。我们真正积累的，不是权重，权重在不停更新。我们积累的是 reward function，知道怎么评价模型行为是好是坏，积累行业 task、评价标准、评测方法。
再来一个模型怎么办？训练可以重放。我们从后做到前，最开始做 post-train、SFT，再做强化学习 RL，到 Agentic RL。越往深水区走，越发现模型能力被预训练决定。所以我们也做 mid-train，未来有可能做 pre-train。蚂蚁数科独立的开源模型，几个月后也会给大家看。它还是有自己特点的，服务企业，深耕企业生产系统，跟一般对话模型不太一样，更像 Claude 的 finance 那一类。
余滨：为什么有常规引擎，还要针对汽车、飞机定制专业引擎？因为有些专业问题，专业大模型更高效。它也许不需要解决一切，但需要针对行业深度加强。我们不能拿汽车引擎装到飞机上，认为飞机能跑起来。所以我们通用大模型和专业大模型都会做一部分。出发点不是纯技术探讨，而是站在企业需要角度。企业不会买一个通用大脑放那儿就完全依赖它，大模型就是企业的发动机、引擎。
记者：超级智能体工厂对蚂蚁数科整体有什么变化？大厂也在做 AI Worker，你们为什么还要做更重的事？
赵闻飙：最大变化，是蚂蚁数科衡量增长的指标变了。过去大家更多从 to B 科技服务理解数科，进入 AI 时代，不是简单升级产品，公司经营模式和管理指标也在变。AI to B 和大模型产业化落地，是新的商业核心。
我们用新指标衡量成长：第一，从数字化技术交付走到 AI 价值交付，看 AI 进入多少真实业务、覆盖多少岗位和流程、创造什么业务结果；第二，平台化 ARR，数科不是云厂商，但超级工厂不能只靠项目交付，要形成可复用、持续付费的平台业务，今天平台型 ARR 增速已经超过 60%；第三，聚焦 AI 原生应用，不是简单在原来的产品上加 AI，而是看 AI 原生业务收入、端到端 AI 完成流程、多少员工能力沉淀成智能体能力。
蚂蚁数科不是基模公司，也不完全像 Palantir。蚂蚁数科比较 Unique，把 AI 原生应用、AI 工程化交付、行业大模型、区块链+AI 可信安全、Agent Economy 基础设施放在一起。
魏长征：企业应用 AI 和个人用 AI 有本质区别。个人用通用工具可以处理文档，但深入到工作流，涉及内部数据读写、访问、统计，很多事工具自己做不了，需要整个企业升级。超级工厂本质是面向企业 AGI 升级的体系化方案。企业都有服务器、CPU，这些是通用的，但上面运行的软件、处理的数据，每个企业高度特化。智能体也一样，超级工厂既要提供通用内核能力，比如快、聪明、省成本，也要有专业领域特化能力。
余滨：不用把数科做 Worker 和其他公司做 Worker 等同起来，因为侧重点、出发点不一样。办公和协作角度，即时通讯公司做 Worker 可能更合适，但企业里办公软件和生产软件本来就是不同领域。我们做 Agent 会深入生产经营流程。我们很少跟竞对比较 Worker，好像它做 office 我们也做 office。我们更多把 Worker 定义成企业工作台，比如金融工作台、医生工作台，把智能体、数字人、数字专家、专业 Skills 融合进去，成为真正专业的 Worker。未来企业会越来越多有数字专家存在，我们不想只停留在解决办公问题上。
赵闻飙：数科不是不做通用 Worker，我们也有通用智能体；金融、能源等行业的岗位智能体，都是 Worker，区别在于重点不只是让智能体进办公平台，而是进企业生产系统。企业真正生产不只发生在聊天和文档里。我们做信贷风控、能源交易调度、餐饮开店选址运营，都在核心系统里。智能体要在这些系统工作，不是单纯完成任务，需要理解业务规则，有售前、有协作、有结果交付。再往前走，智能体可能走出企业，消费者的 Agent 调用商家 Agent，供应商和采购方 Agent 协作。到那时，问题不只是企业内部管理 Agent，还有不同企业、平台、所有者的 Agent 怎么信任合作。
所以超级工厂有两层，不同企业、平台智能体可信连接协作；规模化生产进入核心业务的智能体。工业革命不是一台机器代替所有机器，而是把不同机器组成生产线。智能体时代也一样，超级工厂就是这条生产线。我们也可以用千问、智谱、豆包的智能体，但数科最重要是解决产业问题。
记者：跟一年前相比，客户最关心什么？海外客户需求有什么区别？
李世炜：海外我们分三个方面。第一是成熟亚太市场，第二是新兴市场，包括中东、拉美、非洲，第三是发达区域，美欧日韩。亚太最成熟，基本覆盖头部最强金融机构，也尝试走入生产系统。新兴市场慢一点，比中国慢一两年，但探索速度非常快，逐步从外围进入核心系统。发达区域要求很高，GDPR、隐私、本地化遵从，必须合规运营，但已有灯塔项目落地。中国 AI 能力外溢，除了美国双雄，其他都可为。
海外需求，我稍微虚一点讲，黄仁勋说 AI 和 token 产业链分五层，我们大体分三层：Infra、Platform、Application。技术开发初期价值分配是正三角形，现在最赚钱是芯片，第二是大模型公司，Agent 和 application 还没那么大。像移动互联网 2G、3G、4G、5G，2G 刚出现时运营商最赚钱，第二是云，第三是互联网公司，等到 5G 成熟就变成倒三角形，上面应用很多，电商、短视频、金融、医疗、自动驾驶。
现在 AI 产业链还在早期，正三角形，但即将翻转。翻转很重要一点就是 Application 大量应用。Application 分两层，后台系统和前台系统。后台是生产的中台或后台，前台是生产系统。后台应用基本水平，几大水平应用：Coding、Worker、多模态，是行业最大公约数。
但进入前台，才是真正 AI to B 主战场和深水区。国内国际我们都聚焦前台垂直领域深水区。海外投标打项目，三个关键控制点：第一，能不能打造灵活安全的 AI 平台，帮客户打造爆款 AI 平台；第二，能不能盘活客户数据，海外客户积累大量数据湖，但不知道怎么清洗、利用、让 Agent 调用；第三，怎么选最佳性价比模型，不是 Anthropic 解决所有问题。比如金融 anti-fraud，必须在 50 毫秒 block fraud，调 Anthropic 两分钟钱都转没了。
所以数科国内海外都聚焦前台 AI to B，核心是安全灵活 Agent 工厂、数据编排清理、按场景选模型，也就是 MaaS 平台能力。
余滨：国内企业现在对 AI 需求已经非常切入业务增长和生产制造问题了。Anthropic 报告分析收益来源，价值链越深，越进入生产核心、经营核心，价值越大。比如进入飞机制造、药品生产，才能真正促进行业，也是 Anthropic 最大收益来源。这跟数科路径类似。
国内已经从把 AI 当工具，进入 AI 怎么帮业务增长、进入经营领域。也因为这个，我们成立 FDE 团队。大企业落地 AI 挺难，要找到合适落脚点、价值点、演进路径，还要保驾护航。
我们定义 FDE，希望成为客户伙伴、陪跑者，陪伴客户从找 AI 价值落点，到最后做出来、实现业务价值。现在效果和客户欢迎程度非常高，走出了一条有中国或国际业务特色的 FDE 路径。
记者：Know-how 在客户那边，怎么带回蚂蚁数科平台？行业数据复杂怎么处理？
余滨：你说知识和数据问题。首先，我们做 AI to B，非常尊重客户数据保护，严格来说不会做数据回流，这是行业行规。但哪些可以回来？做 AI to B 落地时，业务经验、业务规则、一些特征，这些跟企业本身用户数据或生产数据不相关，相当于经验类型的数据。技术层面，我们采用类似本体论方式，把本体相关特征、关系、业务规则，在整个 AI to B 过程中不断沉淀。这不是数据回流和共享，而是经验回流和共享。这是做 AI 很有意思的一点，让经验越滚越大，让 AI 和智能体越来越智能。
章鹏：大模型技术范式一直演进。行业里标注过的数据当然重要，但今天大模型已经从死记硬背走向 policy，怎么更聪明泛化解决问题才最关键。我们真正积累的，不是客户标注数据，而是怎么评价任务执行好坏，以及行业里好模型在能力边界上应该做什么任务。这些会变成 reward function、评价标准体系、评测集沉淀下来。这些是 knowledge，不是 data 本身。第二，模型能力突飞猛进，从写冗长 Prompt、做行业 CPT，到今天很少几句话就能 get 你要什么。所以对行业标注数据需求量也在下降。
记者：Agentar 推出生态版，服务客群多样化，背后战略是什么？去年 IaaS 商业模式进展如何？
余滨：我们原先做 AI 最早产品是 for 金融开始，希望一上来进入复杂领域，真正看清 AI 解决业务问题的极限在哪里。金融严谨、要求高、不能出错，做透后，其他行业有很大参照性。
因为 AI 很大部分是不确定性，金融典型是高确定性行业。这是我们选金融入手的原因，但不是终点，还是希望 AI 服务更多行业，从金融、能源、医疗做起。发布 Agentar 生态版，跟支付宝开放平台深度合作有关。
我们认为 AI 不仅服务大企业、有钱企业，还有很小型企业、千万级商家，他们也需要被 AI 关注。他们不需要那么多人力和财力加入 AI 圈子，能展业、更好客户服务。所以我们跟支付宝合作推出生态版，针对千万级商家，一键式把过去云时代、互联网时代的小程序智能体化。升级过、AI enable 的小程序，又可以跟各种 AI 端互动连接。真正让更多千万级中小商家进入 AI，逐步进入智能体经济大循环。
现在可以做到，给指定资料，几分钟生成支持 AI 标准协议的智能体，对中小商家很有帮助。支撑力不仅停留在 enable，还可以做零售预测、门店巡检等，对千万级商家日常经营带来促进。所以又开始进入零售。最终希望 Agentar 不仅服务大机构，也让中小商家以高效率、低成本加入 AI 世界。
记者：Agent 从可执行软件到可识别、可追溯、有身份的经济体，增加了什么价值？KYA 是复用链上能力，还是寻找新生态位？
魏长征：区块链和 AI 有非常强逻辑。区块链脱胎于数字经济，解决信任、价值流转、确权，本质是信任机制自动化。AI 是在数字化基础上赋予智能，以前数字化表征信息、物理世界，有了 AI 后能基于信息做规划、推理、执行，本质是智能自动化。智能自动化和信任自动化结合，高度互补，让智能体经济完成闭环，支持规模、效率甚至指数级提升。这是数字经济变革飞跃的本质。区块链和 AI 彼此需要、彼此依赖，甚至互相等待，今天历史时刻交汇形成闭环。这是我们做区块链+AI 的底层思考。
我们和智能体支付、区块链结合，做确权、认证，在支付宝智能体支付里贡献底层价值。新能源电力行业，最早用区块链切入，解决数据真实价值流转。现在有智能体，之前能源时序大模型能在数据源头让数据高度自动化、智能化，提高准确率和精度，结合区块链信任机制和流转，带来产业新经济模式。
KYA 也一样，智能体有自主性、知识性，需要对行为监测、考量、认证，自然把认证、确权、信任机制和区块链结合，形成基于区块链的 KYA 体系，对智能体来源、信誉、交易过程严格追溯和评价。
技术逻辑上，复用区块链大体能力。但智能体对区块链技术带来不一样挑战。人获取区块链回执信息和智能体获取信息需求不一样，智能体获得足够准确信息，自动化、智能化准确率会非常高。所以做 KYA 时定义了很多新协议，适配智能体身份登记、确权、交互过程评价。底层核心逻辑复用，但有大量新型协议构建。
生态位问题，KYA 是智能体经济最核心基础，就像日常商业活动要求信誉、商誉、认证，是社会经济活动信用基础。智能体经济领域，对智能体也有同样需求，所以 KYA 是基础设施角色，支撑整个智能体信任自动化延续和流转。
赵闻飙：我觉得 KYA 生态位就是智能体经济入口。我们平常做商业，第一件事 KYC、KYB，将来智能体经济，Agent 交易、支付，第一件事就是 KYA。所以它其实是智能体经济入口。
记者：蚂蚁数科过往服务大客户，现在提出服务中小企业，落地会不会不适应？价值交付和运营团队实施中有什么变化？
余滨：服务中小商户、中小企业，我用一句话总结效果，非常非常「惊喜」。很多中小企业对怎么在 AI 环境里降低门槛、获益，非常非常有需要。但过去各方面原因，关注度不是特别高。跟支付宝合作后，今天案例里能看到，餐饮、健身等商家或中小型企业，可以快速高效率低成本带来收益。所以这条路自然会坚定走下去。
我们做这件事最终目的是通过产品给行业带来增益和帮助。这个点对我感受非常惊喜，比我原先预期快很多。越来越多商家通过一键式接入支付宝阿宝，甚至进一步把自己能力快速生成智能体，发布到开放平台市场，效果非常显现。
赵闻飙：至于怎么陪客户做 AI 交付、做运营、把价值做出来，按价值交付。AI 时代很多企业包括 AI 服务商做的事有价值，但价值可能不是特别大。很多卖算力、卖 token、卖卡，但没到业务中去。企业更关注能不能提升生产力，业务能不能增长。对银行客户，基金业务、信贷业务有没有增长。很多时候给他工具，他也不一定会做，不一定用得好。
所以数科扮演深度陪伴角色。通往 AGI 过程中，每个企业技术水平不一样。我一直跟团队说，一定要打深度陪伴这张牌，只有把价值交付出来，客户才会买单。现在很多单子，包括跟云厂商一起打，假如讲业务层面，我们赢的概率很大，因为口碑慢慢做出来了。
哪怕营销，我能给你 ROI 是多少，return 多少，这个 return 以上怎么分润，很多运营工作，小程序运营、业务运营，我可以派人帮他一起做，一起 follow，一起陪伴第一阶段、第二阶段。所以还会做，效果不错。很多投标中客户青睐我们，愿意交给蚂蚁数科，比较放心。
技术交付方面，比如企业要有 AGI 组织，用了多少 AI 元素，多少 Code 用 AI Code，很多银行、能源企业技术部很难统计，老板、行长不知道。
数科可以帮他做，把 AGI 看板给到他，这个部门用得好，那个部门用得不好。所以一起陪伴企业，不但帮效果，也把组织智能提升起来。刚开始比较重，但企业信任感越来越强。假如看业务效果，我赢的几率特别大。
记者：AI 商业化收入陡峭增长能否延续？AI Coding 下半年到明年增长空间？AI 人才抢人激烈怎么吸引？
赵闻飙：先回答人才。没有一招鲜。更重要是大家是不是认同蚂蚁数科使命、愿景、价值观。不认同很难吸引好人才。首先我作为 CEO 是不是认同，管理层是不是认为这件事有意义。我们这群人确定相信 AI to B 赛道，真正想帮企业解决智能化转型痛点。肯定有些 AI 人才不认同，人家工资很高，几千万年薪有的，我确实开不起，这些人可能也不一定是我想要的。每个人都想要更好生活水平，更高工资，我理解。但更多是，大家在数科做的事，愿景使命价值观是不是认同。
第二，怎么吸引？我们做的东西，组织创新，更 Flexible，对 AI 延伸组织有 NOVA 组织。NOVA 像创业团队一样对待，进来有想法可以立项，我可以投资你，一轮、二轮、三轮，我觉得对企业有帮助、对落地 AI 有价值，愿意投资。给 AI 人才空间更 Flexible，希望在这个土壤成长。第三，package 确实给得比较好，相对数科原来待遇。但跟 Anthropic、OpenAI 抢薪水，我做不到，没这个能力。
我认为 AI Native 的人，不一定非要奥赛金牌，有时候反而能沉下心做事、想改变。我们想找价值观相同、想做有意义事的人，再给 Flexible 组织形态和薪资上浮。整体还 OK，大模型、算法团队过去一两年外面招了 100 多号人。我本身比较 Open，希望组织也 Open。当然一事一议，特别好的人再说。
商业化，我个人感觉刚刚开始。蚂蚁数科 AI to B 是三位数增长，但我没给具体 900%还是 100%还是 200%，没必要，因为现在比较小。但数字比较大。将来不可能一直这么大。To B 增长速度，15%-25%是很 Decent 的公司，上市公司可以看。数科整体营收超 40%，AI to B 三位数增长，我觉得 OK。希望将来 3-5 年，AI to B 业务能有三位数增长，不敢说 200%还是几百，但三位数能期待。Anthropic 预期很高，我个人感觉将来增速会降下来。但无论怎么降，还是很快。对比数字化时代增速，还是很快。大家都知道 1.01 的 100 次方、1.02 的 100 次方，速度很快。
记者：智能体进入真实产业，怎么解决幻觉和可扩性？金融政务高合规怎么兜底？
赵闻飙：现在很多大模型还有幻觉，但数科恰恰要解决安全性、严谨性，这是企业大模型禀赋。
章鹏：解决可靠性、严谨性，是系统性问题。需要从模型到 Harness，到安全围栏、reflection 整体完成。模型是重要一环。数科在模型层做了比较多努力。后训练阶段，蚂蚁本身做金融，加入比较多引用、参考文献、思考过程 double check 数据，极大提升严肃问题可靠性。
第二，文献引用、数据计算、数据引用本身是幻觉很大来源。数科跟清华联合发布 data Agent Bench，Harness 做到 NO.1，模型表现也很好。我们花比较多精力处理数据本身、数据加工和引用。
第三，解决行业问题，模型擅长推理，不擅长计算。很多积累发生在行业工具、Harness tool 层。最后，大模型安全有布局，关注产品蚁天鉴。从内容安全，模型输入暴恐、敏感词，进入模型深水区 cyber security。
大概两个月前，数科跟港科大、西交、清华联合发布 Bench，模型表现不错。cyber security 会持续投入。智能体这块请魏长征补充。
魏长征：章鹏把核心思路体系介绍清楚了。模型结合智能体在领域落地，不管通用专用，关键几个手段：硬门禁、软引导、工具、记忆。规范性、确定性、授权、数据边界问题，一定要有 Harness 做规则管控。
软引导解决不知道每次回复是不是幻觉，关键任务做引导性反思，模型自己 double check。工具层面，通用工具、专用工具，特别是数据处理、报表类准确率高的内容，一般不让模型直接运算，准确性难保证，也耗 token。会有专门工具调动脚本化东西，模型更多驱动工具执行。
记忆系统和 RAG 类似，把确定性知识、行业背景以 embedding 或记忆卡片方式存储到智能体周边系统。企业智能体工作一定不是凭空靠模型想、推理，得出企业想要的数据，一定基于企业本身上下文，抽取再回答。一系列机制保证。
赵闻飙：刚才讲了大模型怎么做，智能体怎么做。要防止问题，是系统工程。数科有很好的产品叫蚁天鉴，大家都知道倚天屠龙记嘛。蚁鉴做供给，天鉴做防守。我们在这基础上又放了蚁天鉴，市场反响特别好。
另外，平时在龙虾里也有很多东西，推出龙虾卫士，获得信通院认证。我给自己产品打个广告。不但模型内核、智能体内核做了很多工作，更重要如果还不能防止，我们还有这些产品可以提供给企业、客户。
