前沿科技，数智经济

AI 淘金热里，蚂蚁数科选择 " 卖水 "。

文｜白   鸽

编｜王一粟

企业级 AI 正在进入一个微妙的时刻。

一边是 AI 大模型能力在不断持续迭代，AI Coding 在一年内从新鲜事物变成行业标配，Gartner 预测到 2028 年平均每家《财富》500 强企业将拥有超过 15 万个 AI Agent。

另一边则是冷静下来的账本，AI 到底能不能商业化，也正逐渐从叙事问题转变为账务问题。

同时，行业里正逐渐形成清晰的共识，AI 大模型能力本身已经不再是瓶颈，真正的瓶颈在于落地，即 AI 能否真正进入企业的核心生产系统，而不只是停留在聊天框和文档里。

事实上，这个判断，蚂蚁数科 CEO 赵闻飙在两年前就下过注。

2023 年百模大战最热闹的时候，整个行业都在追基座模型，他却公开表示：" 即便是大模型这样的前沿技术，也很难适合产业数字化和智能化。"

蚂蚁数科 CEO 赵闻飙

两年后，AI 的发展速度远超所有人想象，但他说这个判断没有变：" 整个企业的数字化和智能化不单需要大模型，更多的需要安全合规，需要工程化的能力。"

而这，也成为了蚂蚁数科 All in ToB AI 战略的核心判断。

过去两年，蚂蚁数科完成了一次并不轻松的身份切换。

2024 年独立运营时，它更多被视作蚂蚁集团技术能力的商业化出口，带着云原生、区块链、安全风控等 " 老家底 " 服务企业数字化。

两年后的外滩大会上，蚂蚁数科的叙事已经彻底转向：AI To B 成为核心战略，核心 AI 业务浓缩为三大板块，即 AI 大模型、超级智能体工厂及区块链 +AI 业务，三者相辅相成，而智能体超级工厂则成为了新阶段的关键。

据赵闻飙披露，蚂蚁数科目前整体业务年均增长近 50%，AI 业务增速达到三位数，平台产品 ARR 增速 60%，客户净收入留存率超过 110%，大客户中 AI 产品采购占比接近 20%。

不过，他也坦诚承认，AI To B 业务目前规模仍然较小，大客户中 AI 采购占比刚接近 20%。

那么，蚂蚁数科在这场 AI 转型中，能否真正转向平台化？自研行业大模型，与通用大模型的边界在哪里、能守多久？智能体超级工厂这个微软、甲骨文、亚马逊同时看中的方向，蚂蚁数科的差异化成色几何？

从交技术到交结果

AI To B 的生意要怎么做？

中国市场，To B 生意向来难做。过去十年，中国企业软件公司普遍困在项目制交付里，定制化、重人力、难复用、毛利低。

而蚂蚁数科过去的模式也是这样，作为蚂蚁集团技术能力的商业化出口，它对外输出分布式架构、移动开发、区块链和安全风控，服务全球超过 3 万家企业，收入跟着项目走。

赵闻飙对这门生意的难处有清醒认知："To B 企业的增长速度大家可以去看，基本上有 15%-25% 的增长，就已经是很体面的公司了。"

而 AI 之所以被寄予厚望的原因之一，就是希望其能够打破这个循环，如果智能体能够标准化地生产、部署和复用，ToB 商业模式就有可能从 " 卖人头 " 变成 " 卖产品 "。

但从当前整个行业来看，现阶段 AI 产业链的价值分配，仍是一个正三角形，即最赚钱的是芯片，其次是大模型公司，而应用层的价值则还没有得到充分的释放。

就像早期移动互联网的时候，2G 时代赚钱最多的是运营商，到了 5G 时代时，整个产业链非常成熟，价值才会倒转到应用层。" 我们觉得现在 AI 的整个产业链发展还处于早期阶段，是正三角形，但是即将翻转过来。" 蚂蚁数科国际业务总裁李世炜如此说道。

而这个 " 正三角何时翻转 " 的问题，也成为所有 AI To B 公司们共同的赌注。在李世炜看来，价值翻转的前提，则在于应用层的真正放量，而从应用形态看，AI 应用可分为两层：

一层是后台应用，主要服务的是企业的生产交付中台，Agent 的繁荣也主要发生在这一层，无论是 AI Coding、AI Worker 还是多模态，都是跨行业的 " 最大公约数 "。

二层是前台应用，即直接嵌入企业核心生产系统的部分，才是 AI To B 真正的主战场与深水区。

蚂蚁数科 AI 业务总裁余滨则引用了 Anthropic 一份分析自身收益来源的报告：" 整个价值链最深的地方是越来越进入生产的核心、经营的核心，比如它进入到飞机制造的一些地方、药品生产的一些地方的时候，这样它才能真正对这个行业带来实实在在的价值。"

而这与蚂蚁数科反复强调的 " 从后台的水平应用，走向前台的垂直深水区 " 是同一个判断。蚂蚁数科的选择，正是切入这一层，聚焦前台、聚焦垂直行业，做通用 Agent 到不了的地方。

这也正是理解蚂蚁数科一系列动作的钥匙，它的变化同时发生在两条线路上：

第一条线是产品体系的 AI 化。

过去两年，蚂蚁数科一方面把老产品升级，即云原生平台 SOFAStack 升级为 AI PaaS，移动开发平台 mPaaS 升级为智能终端开发平台。

另一方面则推出了一批 AI 原生产品，包括行业大模型 LingDT、智能体平台 Agentar、模型服务平台 DTMaaS、AI 办公平台 AIWork、智能体安全产品蚁天鉴等等。

在 AI 模型不断迭代，产品架构一日三变的情况下，蚂蚁数科的产品迭代也相当快，新产品层出不穷、老产品 1 个月调整一个大版本都是常态。

由此，蚂蚁数科具备了一套从模型、平台、智能体到安全治理的企业 AI 产品体系。

第二条线，也是更深的变化，即经营指标的切换。

赵闻飙说得很直白：" 蚂蚁数科的衡量增长的指标变了。"

过去公司围绕分布式架构、云原生做 " 技术交付 "，现在要做的是 "AI 价值交付 "，即看有多少真实的业务流程和岗位由 AI 完成，最终创造了什么业务结果。

同时，平台型 ARR 增速超过 60%，也意味着蚂蚁数科正试图摆脱对一个个定制项目的依赖，转向可复用、可持续付费的平台化业务。

更为重要的一点在于，蚂蚁数科还独立组建了自己的 FDE 团队，赵闻飙称之为 " 深度陪伴 "：" 你一定要打深度陪伴的这张牌，只有把整个价值交付出来了，客户才会买单。"

可以看到，产品已经基本成型，商业化也在逐步跑通，蚂蚁数科正在一步步交出自己的 AI 成绩单。

押注智能体经济

三块业务背后的同一盘棋

企业 AI 落地，它的终局到底是什么样的？

赵闻飙认为，是从个体智能到整个企业的组织智能，最终成为一个智能体经济。

所谓的智能体经济，就是 Agent 走出企业，消费者的 Agent 调用商家的 Agent，供应商的 Agent 与采购方的 Agent 协作，智能体与智能体之间发生交易。

而这需要一个过程，赵闻飙则把大模型产业落地分为三个阶段：

首先是企业接入大模型，模型是提升效率的工具；

其次是智能体进入业务，开始承担客服、营销、风控等具体岗位；

最终是智能体进入组织，几十上百个智能体被组织起来，理解共同目标、分工协作。

如果从这个终局往前看，那么蚂蚁数科看上去分散的三块业务——自研大模型、智能体超级工厂以及区块链 +AI，就不再是独立的三条产品线，而是同一盘棋上的三个子。

大模型是 " 脑 "，组织智能的前提是，企业要有一个真正懂自己业务的智能中枢。

蚂蚁数科一直在做自己的大模型产品，如之前发布的行业大模型 LingDT。据悉，后续蚂蚁数科还将单独发布开源的大模型产品。

那么，现在市面上已经有很多优秀的通用大模型，为什么蚂蚁数科还要坚持自研大模型？

对此，赵闻飙明确定位：不是做通用对话模型，而是服务企业、深耕生产系统的模型，直接对标 Claude 的金融类垂直模型，" 蚂蚁数科在做的大模型主要是针对企业界的模型，适配企业的智能的中枢，要解决的是安全性、严谨性的大模型。"

安全、严谨、行业知识、性价比，是这个中枢的硬约束，毕竟，像银行、医疗这类场景，不能胡说八道是底线而不是加分项。

市场上并不缺通用对话模型，但企业级场景（尤其金融、政务）的要求完全不同，比如需要引用、参考文献和对思考过程做复核的训练数据，大幅提升严肃问题的可靠性，而数据计算和引用是幻觉的最大来源，蚂蚁数科则专门花精力处理数据加工与引用。

更重要的一点是，这些能力在通用模型的后训练里补不全，必须在模型研发的更深层就注入。

因此，蚂蚁数科不局限于只做后训练模型，未来将要往中期训练，甚至往预训练模型的深水区走。

毕竟 " 大模型能力是被预训练部分决定的。" 蚂蚁数字科技算法技术部负责人章鹏如此说道，如果不自研，这个 " 深水区 " 根本进不去，只能永远在别人模型的能力边界内做修补。

章鹏也说得很直白：" 我们的核心竞争力不是权重，权重在不停地更新。我们积累的是 reward function（报酬函数）、行业任务、评价标准和评测方法。"

总之，蚂蚁数科自研大模型，是因为产业 AI 的终局，要求模型在严谨性上达标、核心能力要沉淀在自己手里、交付的成本和节奏、以及安全可控。

有了自研模型的 " 大脑 "，还得有一个稳定运行的 " 生产线 " ——智能体超级工厂。

一两个智能体可以手搓，几百上千个智能体就需要工厂流水线生产。

赵闻飙认为，智能体超级工厂 = 智能体的产业化平台，解决的不是 " 开发一个智能体 "，而是企业如何规模化地生产、应用、管理智能体，最终从个体智能走向组织智能。

他用了一个工业革命的类比：" 我们看工业革命，不是用一台机器代替所有的机器，而是把不同的机器组成一条生产线。智能体的时代也一样……智能体超级工厂就是这条生产线。"

这条生产线的职能，是把智能体的开发、部署、协作、评测、治理集约到一个平台上，让 " 生产数字员工 " 从手工作坊变成工业流程，这正是从个体智能走向组织智能的那道门槛。

如果 AI 解决的是智能问题，那么区块链解决的就是信任问题。

当智能体的权限开始放大，开始代表企业调动资金、签署合同、与其他企业 Agent 交易，就必须回答 " 它是谁、代表谁、被授权做什么、出了事谁负责 "。

赵闻飙给 KYA（Know Your Agent）定的位置是智能体经济的入口：" 就像商业活动第一件事是 KYC（Know Your Customer）、KYB（Know Your Business），将来的智能体经济，包括 Agent 的交易、Agent 的支付，第一件事就是 KYA。"

大脑、生产线、信任机制，三者拼在一起，形成了蚂蚁数科。

正如赵闻飙所说，" 很少有像蚂蚁数科这样的公司，AI 原生的应用、AI 工程化交付的能力、行业大模型，以及可信安全的区块链 +AI，这些是一体的。"

也正因此，对于行业客户而言，买的不是其中任何一个产品，而是安全、灵活、能打造爆款应用的 AI 平台。

从银行到小店

一次市场边界的扩张

做 ToB 的生意逻辑变了，服务的产品变了，而市场边界也正在发生变化。

过往，对于很多软件 ToB 厂商来说，服务大客户，才是保证公司整体收益的关键，甚至很多企业在最初的市场战略中，都主动放弃了中小企业市场。

但现在，这一趋势发生了变化。

就拿蚂蚁数科来说，其服务过全国所有国有银行和股份制银行、拿下 32.4% 区块链市场份额，现在也正把触角伸向下一个看起来 " 不那么性感 " 的市场——中小商家。

就在一个月前，蚂蚁数科旗下的智能体平台 Agentar 刚刚推出了生态版，把过去服务金融机构的智能体能力，打包成中小商家 " 开箱即用 " 的产品。

产品形态也随之改变，商家可以一键式把过去的小程序智能体化，" 指定类似的资料，几分钟之内就可以生成一个支持 AI 标准协议的智能体 "，再延伸到零售预测、门店巡检等经营环节。

这个转向值得琢磨。毕竟，金融业是 AI 落地中确定性最高的行业，银行客单价高、付费能力强，蚂蚁数科花了十几年在这里筑起了护城河。

事实上，软件企业并不是不想做中小客户，而是通常死于两道坎：获客成本和服务成本。而蚂蚁数科的特别之处在于，它恰好同时跨过了这两道坎。

第一，获客几乎是免费的。支付宝 AI 开放平台背后就是千万级商家，Agentar 接入其中，等于把产品直接摆在了目标客户的日常工作入口里。别人要花钱买流量、建渠道，数科的客户就长在自家生态里。

第二，服务的边际成本极低。中小商家用不起定制项目，但蚂蚁数科的能力是标准化的。给一家大银行做零售预测，和给一万家小商户做零售预测，底层是同一套模型、同一套智能体。

过去在大客户现场打磨出来的行业 Know-how，沉淀为平台能力之后，服务小客户只需要 " 开通账号 "。能力可以降维复用，这是从金融起家公司独有的路径：先在要求最严苛、容错率最低的行业把能力练到极致，再向要求更宽松的长尾市场输出。

第三，则是商业模式逼着它必须做。

超级智能工厂 " 不能只靠一个个项目交付 "，需要形成可复用、持续付费的平台业务，而平台型 ARR 的增速已经超过了 60%。

大客户模式的天花板显而易见，项目制、交付重、周期长，全国城商行加起来也就那么多家。中小客户则是标准的平台经济模型：单客收入虽小，但千万级客户乘以极低的服务成本，就是一条可持续的收入曲线。

在扩张到中小微市场后，蚂蚁数科 AI 业务总裁余滨感到 " 非常惊喜 "。

据余滨观察，中小企业对于 " 如何在 AI 环境里降低门槛获益 " 有着极其强烈的需求，一个开奶茶店的小老板，同样想知道明天该备多少货、哪家门店需要巡店、会员该怎么运营。

但过去很长一段时间，中小商家的需求不是不存在，而是没人好好做。

整体来看，从银行到小店，表面上是客群的下沉，本质上是能力的外溢。蚂蚁数科正在把自己在金融这个 " 高确定性战场 " 里打磨了十几年的 AI 能力，顺着支付宝的渠道，灌进中国商业世界最长尾的毛细血管里。

这条路的成败，也将决定智能体超级工厂究竟是一家高端定制工坊，还是一场真正的产业革命。

光锥智能"AI 交流群 "已建立，

感兴趣的朋友可以添加小助手微信（GZZN2019）沟通进群。

联系我们

王一粟

创始人 / 主编

ID：cishicike000

商务合作请添加微信：GZZN2019

转载开白请留言或添加微信：GZZN2019

进群交流请添加微信：GZZN2019

※添加时请备注公司 + 姓名 + 来意

「往期精彩推荐」

深度研报：

AI 大爆炸：

云计算：

数智化案例：

更多精彩内容，欢迎关注：