金融智能體落地：螞蟻數科轉動增長新飛輪

◎AI落地金融已到拐點期。 ◎螞蟻數科全棧能力下的金融智能體。 ◎正在重構中的第二曲線。

“大模型在金融業的應用正逐漸從探索期邁向實踐期，從可選項變成必選項。”6月19日，中國國際金融展期間，螞蟻數科副總裁余濱對外表示。

這一表達背后，有著金融機構對AI認知的轉變。

前兩年，很多金融機構還將它視為輔助工具，或僅僅停留在客服、辦公等有限場景。而今，正逐步將它融入到核心業務流程與復雜業務場景，甚至開始成為驅動效率與增長的核心引擎。

這是幾個月來余濱與諸多金融人士溝通后的感受。他透露，部分負責人雖然對AI落地路徑仍感焦慮，但已開始主動尋求解決方案。

他進一步斷言，于整個行業來說，AI已進展到一個非常重要的“拐點”。

此刻，對于螞蟻數科而言，又意味著什么呢？

那就是，它沉淀多時的一套全棧AI能力支撐的金融業智能體服務平臺、完整的落地方法論，已到全面釋放時刻。

所謂全棧能力，覆蓋了技術平臺（端智能、平臺智能）、金融大模型、金融知識庫、金融工具集、智能體產品及工程實施等方面，借此形成“平臺+模型+智能體”三層架構的全棧產品方案。

其中技術平臺主要是螞蟻數科金融級算力調度與端交互支撐，已投入三年打造，部分能力可追溯到螞蟻集團更早的沉淀。

外界更關注模型層，尤其基礎大模型。但金融智能體無法直接基于基礎大模型建構，因這一領域不僅專業度高，更有復雜的安全、合規要求。

余濱將通用大模型比作“本科畢業生”，認為須在金融企業“實習”后才能匹配業務。因額外兩大要素不可或缺：金融知識庫與金融工具集。這恰是螞蟻過去多年建構的門檻。前者將金融數據按七大資產板塊、30個一級行業及60個二級行業標準化分類，沉淀包含資訊、研報、業務SOP的知識工程；后者梳理開放幾百個金融工具接口，通過自研Agentar平臺與銀行系統對接，并制定SPI規范工具調用協議。

借助這些，螞蟻數科已基于通用大模型預訓練出金融大模型。余濱稱其已是“金融行業的碩士生”。落地路徑上，基本四種類型：

1、從技術基建構建大模型中臺（如支撐大地保險70+智能應用）；

2、以手機銀行為載體重構AI原生交互（如上海部分銀行通過mPaaS升級）；

3、聚焦風控理財等業務場景應用；

4、將大模型作為全行1號工程重構流程。

四條路徑適配不同規模機構與業務訴求。

基于這樣的能力與行業背景，螞蟻數科走出了一條獨具特色的工程化道路。

螞蟻數科平臺科技部AI原生產品總經理王磊是幕后的主導者。他還原了工程化的基本邏輯。即通過將工程化與場景驗證深度融合，以場景實證驅動技術迭代，用工程能力反哺業務深化，從而形成金融智能體落地的高效閉環。

比如場景驗證。螞蟻數科打造了“方法論-場景-效果”的閉環。財富管理領域，依托“策劃-執行-表達”三車間范式，財富智能體將理財師服務半徑從200人拓展至2000人，助力某券商AUM月均增長5%；風控智能體憑工程化體系挖掘萬維特征，將某銀行不良貸款率降低0.8個百分點，建模效果提升超10%；營銷智能體通過流程優化，幫某城商行壓縮掉15%的信用卡獲客成本。

螞蟻數科的工程化實踐其實是一組出色的飛輪。它以“評測-優化-迭代”機制為核心。某保險機構接入智能體后，通過評測發現欺詐識別漏洞，經模型優化使欺詐率下降60%，形成“效果監測-動態調優”的持續進化路徑。該機制深度融合金融大模型、金融知識庫、金融工具集三大技術基石，賦予智能體業務執行能力。

特喜歡這一飛輪運轉機制。

“你們猜猜這個飛輪的起點在哪里？”王磊設問，“在于評測。”

過去通暢認為質量是軟件工程最后一環。王磊表示，AI時代，評測已變成整個智能體迭代成長起點。通過不斷分析，從而驅動整個環運轉，然后過程中通過安全圍欄守底線，通過業務指標牽引觀測應用上線表現，從而完成整個飛輪運轉。如此才真正意味著，一個金融機構AI智能體開始有能力落地。

“就像AI時代的引擎一樣，它的運轉速度越快，運行能力越強，能效越高，這個企業在未來的AI時代才真正把命運掌握在自己手上”。他說。

仔細體會，這里面有這螞蟻數科全棧能力尤其三大技術基石通過場景驗證與工程化協同之后的效能。

余濱強調，也要看到合作伙伴的價值。事實上，螞蟻數科是通過內外雙輪驅動，提供一種可信的“平臺+模型+智能體”全棧產品方案。

這一技術飛輪與商業模式的協同與耦合，催生出螞蟻智能體增長的雙引擎：

一是SaaS訂閱提供穩定現金流。這有望大幅提升Agentar平臺年費模式的穩定性與可持續性。這也是一個利基市場服務。

二是按效付費方式（RaaS）。比如，區域性銀行可零前期投入啟動項目，按實際業務增量分成（如獲客成本降低比例）。這一機制的出色處在于，螞蟻未來收益與客戶增長深度綁定，倒逼技術團隊持續優化模型效果，屬于一種通體ESG意識的“利益共同體”模式。

一旦局部跑通，按效付費會形成更大的螺旋上升的增長飛輪。

這也正是夸克為何將“金融智能體”業務命名為螞蟻數科未來新增長飛輪的核心邏輯。因為，在我們看來，隨著全棧能力支撐下的金融智能體業務落地，它對螞蟻數科的價值，將有望超越單一產品線，成為拉動未來整體增長的戰略引擎。

戰略性主要體現在收入結構的質變：按效付費模式將推動螞蟻數科收入從過往“工具售賣”轉向“利潤分成”，不僅增速可觀，毛利率也會因為規模效應持續提升，最終邊際成本實際趨近于零。而隨著落地跑通，私有化部署（大銀行偏好）+SaaS訂閱（中小銀行）+按效計費（區域性銀行）的組合，會進一步形成覆蓋金融機構全生命周期的“三象限”收入矩陣。

這種態勢下，螞蟻數科的商業模式有望得以重構。

當然，這得視螞蟻數科AI版圖尤其金融智能體業務未來規模指標。

2024年外灘阿水上，螞蟻數科CEO趙聞飆曾用ABC來概括現階段公司三大業務板塊，即AI+、Blockchain+、Cloud+。而優先級上，云業務目前是第一增長曲線，其次是人工智能版圖，然后區塊鏈業務。

短期，AI+營收規模不可能超越云業務。不過，AI浪潮帶來的重構勢能、增長動能，未來可以預期的規模化指標，不可限量。而且，AI本身也是AI+范疇，它對其他幾乎所有數字化、智能化要素具有較高的統籌力。因此，此刻，螞蟻數科金融智能體業務開始落地，同樣可以視之為一種整體的飛輪。

因為，無論如何，金融業都是一個巨大的AI場景。而螞蟻數科有它全棧化的能力與產品方案。

而這一步，還可能會影響到后續螞蟻數科整體估值邏輯的升級。

傳統科技公司PE估值大都受限于工具屬性。云計算廠商也整在從IaaS/PaaS/SaaS向著“云+AI協同”甚至AaaS（智能體即服務）躍遷，美股成長型的云廠商一般PS倍數約為10-15倍。

而螞蟻數科將自身收益與客戶業務增長直接綁定的按效收費模式，更貼近“利潤伙伴”角色。盡管目前規模尚小，還很難給出估值預測，但一旦落地，效能應會可觀，估值倍數應該更有利。而隨著金融智能體業務落地，在它與螞蟻數科Cloud+之間，也將產生更多的協同增長效應，從而有望帶動整體估值空間的打開，推動飛輪加速運轉。

一年多來，隨著業界從卷模型走向卷應用，AI Agent領域的融資案越來越多。

要看到，螞蟻數科的客群優勢。截至目前，它已累計數智化賦能100%的國有股份制銀行、超60%的城商行，數百家金融機構。

正如余濱所說，AI已進展到一個非常重要的“拐點”。

而在夸克眼中，一些原本堅硬的板塊開始松動。螞蟻數科金融大模型的生成，金融智能體產品方案的推出，傳遞了一種自信。

最后補一段。

你可能覺得，各大巨頭都可能推出金融智能體。相信各家會有跟進。尤其騰訊和字節們。但實際成效應該會有較大差異。因為，螞蟻數科有長期金融業務積累與技術沉淀，尤其三大技術基石金融大模型、專業知識庫和標準化工具集，深度貼合需求，并通過“場景驗證-工程化實踐”形成閉環。字節、騰訊們通用技術與流量生態實力確實強勁，但金融領域業務深度和專業積累不足，缺乏對場景的深刻理解與適配力，全棧維度看，會有脆弱節點。這當然 不否認都會涉入這一領域。

夸克，最小的粒子，微末的洞察。