蚂蚁数科在2026世界人工智能大会推出‘商业智能体超级工厂’，加速行业AI落地

2026世界人工智能大会聚焦AI赋能产业落地

7月17日，2026世界人工智能大会（WAIC）在上海正式开幕。作为36氪连续第三年深入WAIC现场的重要内容窗口，「氪话未来」直播间也在大会首日开启，现场对话蚂蚁数科副总裁、中国区业务发展部总经理孙磊，围绕商业智能体超级工厂、行业垂直大模型和AI工程化能力等议题，分享企业智能化升级的最新实践。

本届WAIC以“智能伙伴，共创未来”为主题，随着AI产业进入应用深化阶段，行业关注点正从模型技术的竞争转向实际业务应用价值的创造。相比过去对参数规模、性能与突破的关注，2026年的AI发展更关注如何将智能体真正融合进企业业务流程，实现从效率提升到组织协同的升级。

商业智能体因此成为连接模型能力与业务应用的关键载体。对于企业而言，单靠通用大模型已难以满足复杂业务需求，更需要具备行业知识、业务理解和工程化能力的智能体系统，帮助企业将AI落地到具体场景。

今年蚂蚁数科推出的“商业智能体超级工厂”，正是围绕这一方向进行的积极探索。作为承载该平台的核心工具，Agentar2.0首批预置了近200个岗位级数字专家模板，并提供数百个可订阅的Skills级智能体工具。企业可依据自身岗位和经营需求，快速部署具备专业知识、流程理解及工具调用能力的数字专家，大幅缩短AI应用的落地周期。

对于企业级AI而言，真正决定落地效果的不仅在于模型能力，更在于行业理解、工程化能力与价值交付体系的持续建设。

36kr：孙总，您能先介绍一下今年展位的主题吗？“商业智能体超级工厂”这个定位应该如何理解？

孙磊：‘商业智能体超级工厂’的核心定位是帮助行业解决具体问题和场景挑战。从2023年到2026年，我们看到AI的发展经历了三大关键变化。首先是AI从通用问答阶段向任务导向型智能体的转变。其次是行业需要解决的是业务场景的核心问题，而非仅仅是技术问题。第三是AI的发展目标已从单个人效率提升，转向组织层面的智能协同与升级。

基于这三大变化，我们结合金融、医疗、能源等领域的经验，将专业技术能力、垂直大模型以及20多年的工程积淀，转化为可复用的标准化产品。无论是大型企业还是中小企业，都可以获得类似蚂蚁集团的技术能力和产品能力，推动产业智能化的整体转型。

36kr：我们知道蚂蚁在金融科技积累了丰富经验。金融行业对安全、合规、稳定性要求非常高。那么金融机构在引入AI时面临哪些核心顾虑？你们的方案是如何解决这些问题的？

孙磊：推出‘商业智能体超级工厂’，还为了解决三个关键问题：行业化、场景化和生态化。具体而言，一是行业化问题，我们需要结合行业数据形成垂直大模型，否则通用模型无法满足专业业务的复杂需求。二是场景化问题，即如何将业务语言转化为可落地的技术能力。三是生态化问题，AI能力的开放必须结合行业生态，所以我们通过API化、标准化的方式，让合作伙伴快速接入并创新。

回到金融行业，安全和合规是其核心挑战。金融涉及监管要求，同时还面临着数据隐私与业务风险控制的问题。蚂蚁在金融、支付、财富管理、保险等领域的沉淀，使其具备更高的合规能力。因此，我们坚持‘价值交付、效果付费’的原则，确保智能体在实际场景中的有效性与安全性。

在金融场景中，我们通过建立‘四车间’逻辑，包括意图识别、策划、执行和表达，确保系统能够精准把握用户的深层需求。比如面对保险咨询，智能体不仅能回答保险相关问题，还能结合用户意图推荐资产配置方案。这种精准理解和业务适配的能力，是蚂蚁数科在智能体超级工厂中的重要突破。

36kr：除了金融，蚂蚁数科当前还重点布局哪些行业？这些行业有什么共性？技术泛化过程中又面临哪些挑战？

孙磊：我们除了继续深耕金融领域，还在医疗、能源、出行、交通、航空等行业的智能化上进行布局。这些行业的共性是，他们都在从数字化向AI化转型，希望借助技术手段提升运营效率、优化服务流程、降低管理成本。

在技术泛化过程中，我们面临的主要挑战包括数据治理、工程化适配与安全合规。针对数据治理，我们通过结合外部数据与企业内部业务数据，构建符合行业特点的垂直模型。对于工程化能力，我们希望基于‘Harness’概念，打造适合中国市场的行业版Harness，这将是我们智能体超级工厂的重要壁垒。

此外，每个行业对安全的要求也不尽相同。比如制造业关注生产安全，能源行业关注预测精度，金融行业则更强调合规与监管适配。因此，我们需要根据不同行业特征，定制差异化安全能力方案。

36kr：未来6到12个月，蚂蚁数科将在哪些方向重点发力？WAIC之后，有哪些令人期待的举措？

孙磊：未来，我们将重点推进三个方向。首先是行业垂直大模型与智能体矩阵的持续丰富，我们在金融、医疗、能源、出行等领域已有初步成果，未来会进一步推进通用产品的标准化输出。其次是中国行业版Harness能力的开放，我们希望将金融领域的‘四车间’模式复用到其他行业，不断完善工程化能力体系。

第三是评测体系的持续优化，我们已在部分银行客户项目中完成多轮验证，未来会继续更新和细化评价标准，确保每一项AI投入都能带来可衡量的价值。

此外，平台能力和工具能力也将在未来逐步发布，助力更多企业实现AI落地。

本文由「未来一氪」 原创出品，转载请点击 转载说明 ，违规转载必究。