对话蚂蚁数科：打造商业智能体超级工厂，生态共建中国产业版Harness标准
乐享生活网持续关注相关进展，现将详情分享如下。
7月17日，2026世界人工智能大会（WAIC）在上海开幕。作为娱报在线连续第三年深入WAIC现场的关键内容窗口，「氪话未来」直播间也在大会首日同步开启现场对话。蚂蚁数科副总裁、中国区业务壮大部总经理孙磊在WAIC现场接受娱报在线「氪话未来」特邀专访，围绕商业智能体超级工厂、产业垂直大模型、AI工程化实力以及企业智能体落地等话题，分享了蚂蚁数科面向企业智能化升级的最新实践与思考。
本届WAIC以“智能伙伴，共创未来”为主题。随着人工智能产业进入应用深化阶段，产业关注点正在从模型实力竞争逐步转向应用价值创造。相比过去几年围绕参数规模、模型性能和技术突破的讨论，2026年的AI产业正在更加关注一个核心问题：AI如何真正进入企业业务流程，如何下调应用门槛，如何通过实际业务结果创造价值。
在这一态势下，商业智能体正变成连接模型实力与企业应用的关键载体。对于企业而言，仅拥有通用大模型已经无法契合复杂业务需求，更亟需具备产业知识、业务理解和工程化实力的智能体系统，帮助AI真正落地到业务场景，达成从个人效率提升到组织协同升级。
蚂蚁数科此次发布的\"商业智能体超级工厂\"，正是围绕这一方向展开探索。作为承载“商业智能体超级工厂”的应用平台，Agentar2.0首批预置近200个岗位级数字专家模板，并提供数百个可订阅的Skills级开箱可用的智能体工具。企业可以依据具体岗位和经营需求，快速启用具备专业知识、业务流程及工具调用实力的数字专家，无需从零起步。
对于企业级AI而言，真正决定落地效果的，不只是模型实力本身，更是产业理解、工程化实力与价值交付体系的不断建设。
以下为对谈实录，经娱报在线编辑：
36kr：孙总您好，能不能先介绍一下今年展位的主题？我看到一个关键词叫“商业智能体超级工厂”，这个定位应该如何理解？
孙磊：今年我们发布的“商业智能体超级工厂”，核心定位是解决产业问题和场景问题。从去年到今年，整个AI的壮大过程出现了十分大的变化。第一个变化，是AI已经从过去通用的问答模式，逐渐壮大到今天真正能够帮助用户结束任务、解决问题的智能体阶段。从这个角度来看，AI正在从通用场景进入垂直产业。第二个变化，是产业真正亟需解决的是业务场景中的核心问题。只有智能体真正落到应用侧，才能解决实际业务需求。第三个变化，是AI的壮大方向已经从过去解决单个人效率提升的问题，更进一步走向组织层面的进化。未来不仅是个人实力提升，更关键的是团队与团队之间、业务与业务之间如何通过智能体达成协同，让整个组织达成智能化升级。
围绕这些变化，我们结合蚂蚁集团自身垂直大模型实力、产业场景经验，以及20多年技术积累，将这些实力沉淀为标准化产品，对外提供服务。无论是大型企业还是中小企业，都能够获得与蚂蚁集团类似的技术实力和产品实力，真正帮助产业达成智能化转型。
36kr：我们知道蚂蚁数科最早是在金融科技范畴积累了大批经验。金融产业对于安全、合规、稳健性的要求十分高。能不能总结一下，金融机构在拥抱Agent和AI转型过程中有哪些核心顾虑？为什么你们的方案能够解决这些问题？
孙磊：其实回到为什么发布“商业智能体超级工厂”，核心是期望解决几个关键问题。第一个，是产业化的问题。我们以为未来AI一定会从通用场景走向垂直场景，而垂直场景亟需结合产业数据，形成产业垂直大模型。如果只有通用大模型，没有产业数据和专业实力支撑，就无法真正解决专业度和业务适配的问题。因此，我们商业智能体超级工厂和其他方案最大的区别之一，就是期望通过垂直大模型解决产业化问题。
第二个，是场景化的问题。今天如何把业务语言转化为技术实力，让AI真正服务业务，这是十分关键的一点。
蚂蚁数科基于多年在金融、医疗、能源等范畴的实践经验，将这些实力更进一步工程化，形成可复制的解决方案，让AI能够真正落地到业务场景。
第三个，是生态化的问题。AI实力的开放一定亟需结合产业生态。我们会将相关组件进行API化、简单化，让更多合作伙伴能够快速接入，并围绕自身产业优势进行创新。所以，产业化、场景化、生态化，是我们商业智能体超级工厂区别于其他方案的三个核心方向。
回到金融产业，金融场景有几个十分关键的问题。第一个是安全和合规问题。金融产业牵涉监管要求，必须确保AI应用符合相关规范。蚂蚁本身在金融、支付、财富管理和保险等金融场景中，也可以确保AI的合规问题。因此，没有安全实力和风险控制体系，AI很难真正落地金融场景。宁愿不做，也不能犯错。
第二个是专业度和幻觉问题。金融业务高度专业，AI必须能够准确理解和回答专业问题。我们的智能体超级工厂有两个关键工具，一个是产业的垂直大模型，一个是围绕着业务场景的工程化实力，把这两个实力相结合才能更加贴合实际场景。因此，我们通过产业垂直大模型结合业务工程化实力，提高模型专业水准。
第三个，是效果验证问题。金融机构过去在信息化、数字化方面投入庞大，因此在AI转型过程中会关注投入之后如何体现价值，如何验证ROI。
针对这一点，蚂蚁数科提出“价值交付、效果付费”的理念。所谓价值交付，就是验证智能体是否真正具备专业实力。我们首要通过两个维度衡量：第一，是回答的准确率。例如用户咨询保险问题，智能体是否能够准确回答保险相关内容，而不是泛泛回答其他金融问题。围绕刚才讲的垂直大模型，当前我们在专业场景中的回答准确率基本可以达到90%-95%以上。第二，是胜合率。也就是让专业人员和智能体回答同一个问题，比较两者结果的一致程度。当前在相关场景中，我们可以达到85%以上。这也是蚂蚁集团在财富、保险、基金相关的场景中对自己的要求。
除此之外，效果付费则是在实际业务中验证AI创造的价值。例如在营销场景中是否提升转化效率，在风控场景中是否下调风险。因此，在金融范畴，安全、专业度以及效果验证是三个最关键的问题：必须要符合监管和国家的要求；一定要有产业的垂直大模型；有可见的效果交付。蚂蚁期望围绕这些问题，结合自身最佳实践逐一解决。
36kr：最近我们看到蚂蚁数科正在拓展金融之外的产业。除了金融之外，当前重点布局哪些产业？这些产业有什么共同特点？另外，在技术泛化过程中遇到了哪些难关，又是如何解决的？
孙磊：其实还是围绕刚才提到的几个核心方向：产业、业务场景以及安全。除互联网产业之外，很多传统产业在从数字化走向AI化、智能化过程中，遭遇着一些共同问题。我们期望将过去在金融范畴沉淀的实力复用到更多产业。
第一个关键点，是数据底层治理。产业垂直大模型最关键的基础就是底层数据，含外部数据和企业内部数据。我们的方法是结合自身具备的外部数据实力，再融合企业业务数据，形成适用于具体产业的垂直模型。因此，在服务其他产业时，数据治理实力十分关键。如果底层数据没有经过整理和治理，就无法支撑垂直场景模型。金融产业过去数字化程度较高，而制造、医疗、工业等产业的数据基础相对复杂。因此，我们的智能体超级工厂也包含数据治理工具和相关实力，帮助企业结束基础建设。
第二个关键点，是业务场景结合实力，也就是工程化实力。当前海外提出了Harness概念，本质上是如何将模型实力工程化落地。我们期望打造符合中国产业特点的产业版Harness，这也是商业智能体超级工厂的关键壁垒。关于Harness的实力该如何在各行各业里运用，我举个例子，在金融场景中，原本有一个‘三车间’的逻辑。但在Harness中，我们形成了“四车间”逻辑，含意图识别、策划、执行和表达。其中意图识别十分关键。用户提出保险相关问题，但真正需求可能是资产配置、财富管理或者产品组合推荐。因此，亟需先理解用户真实意图，再结束后续服务。不同范畴对于工程化实力的要求不同。例如能源、医疗等产业，可能亟需不同颗粒度的流程设计。未来，我们期望沉淀符合中国市面特点的产业Harness，这是我们智能体超级工厂的方向。当前，我们也已经在金融、医疗、能源、出行、交通，航空等范畴积累了一些实力。
第三个关键点，是安全实力。不同产业对于安全的关注点不同。金融产业更多关注监管合规，而制造业可能关注生产安全，能源产业则可能关注预测准确性。例如光伏范畴，我们通过时序大模型结合天气、现场情况等因素，达成发电量预测。因此，安全实力亟需结合不同产业特点进行适配。
第四个关键点，是效果验证。我们在金融和医疗范畴已经有较成熟的价值验证体系，但在其他产业仍处于探索阶段。未来，我们会不断与合作伙伴共同优化效果评估标准，让产业能够真正看到AI投入后的价值。
36kr：最后一个问题，能不能提前预告一下，未来6到12个月蚂蚁数科重点壮大的方向？WAIC之后，大家可以期待看到哪些动作？
孙磊：未来6到12个月，大家可以重点关注几个方向。第一，是产业垂直大模型以及智能体矩阵的不断丰富。当前我们已经在金融、医疗、能源、出行等范畴形成了一些实力。未来，对于我们擅长、有数据积累的范畴，会更进一步标准化产品输出；对于其他产业，也会与合作伙伴共同打造产业垂直大模型和智能体。
第二，是中国产业版Harness实力的开放。未来，我们会更进一步梳理各产业工程化实力，并形成标准化方法论。例如金融范畴已经形成“四车间”模式，含意图识别、策划、执行和表达。未来，在能源、医疗等产业，我们也会与生态伙伴一起探索对应的产业版Harness，并逐步开放相关实力。
第三，是评测体系的不断优化。我们有十分完整的评测体系，当前，在部分银行客户项目中，我们已经进行了多轮评测验证。例如某头部城商行项目，我们进行了28轮评测。未来，我们会不断更新和丰富评测体系，通过更加科学的方法验证AI是否真正达成价值交付、效果付费。除此之外，平台实力和工具实力也会不断发布。最终，我们期望通过产业大模型、工程化实力以及评测体系建设，让智能体真正服务产业，达成价值落地。
乐享生活网提醒：以上信息仅供参考，请以官方发布为准。