金融業(yè)AI 落地“實效戰(zhàn)”：螞蟻數(shù)科的破局之道

摘要 ◎AI行動綱領(lǐng)與ACE“三步走” ◎效果收費（RaaS）：一種利益共同體 ◎為什么是螞蟻數(shù)科？ ◎話外音：螞蟻數(shù)科增長與IPO估值想象

9月12日下午，外灘大會W1-7專訪間門口，螞蟻數(shù)科副總裁余濱對夸克點評表示，半年過去，許多行業(yè)尤其金融業(yè)對AI的落地意愿，又有了不同的體認(rèn)。

“你看，上午演講還沒結(jié)束，就收到了許多伙伴的短信。”他打開手機(jī)，給我刷了幾條。

其中一條，高度贊揚了余濱演講中強(qiáng)調(diào)的AI行動綱領(lǐng)，即“專于產(chǎn)業(yè)、易于落地、成于價值”，并表達(dá)了合作意愿；另一家公司負(fù)責(zé)人甚至表示：“說吧，你們團(tuán)隊要給我們業(yè)務(wù)配多少人？”而讓他感慨的是，當(dāng)天便有客戶敲定了5年長期合作。

這一幕，應(yīng)早在他預(yù)判中。今年6月19日，中國國際金融展期間，他曾對外表示，大模型在金融業(yè)應(yīng)用正從探索期邁向?qū)嵺`期，從可選項變成必選項。2025年此刻，在他看來，則開始邁入“實效落地加速期”。

而螞蟻數(shù)科，借助多年技術(shù)、產(chǎn)品、商業(yè)化實踐，當(dāng)然更有螞蟻集團(tuán)儲備，順勢公布了包括行動綱領(lǐng)、方法論/智能體新品、收費模式在內(nèi)的一整套“金融AI落地操作系統(tǒng)”。這家公司顯然已成為承接行業(yè)實效需求的核心力量。

ACE“三步走”破解金融AI落地困局

余濱演講中強(qiáng)調(diào)，通用技術(shù)要大規(guī)模落地，需先進(jìn)入“專業(yè)場景”解決問題、推進(jìn)業(yè)務(wù)。AI若僅停留在對話、圖像識別、文檔處理等層面，那只是產(chǎn)業(yè)外圍。

但“專業(yè)”意味著挑戰(zhàn)：以金融業(yè)為例，大模型落地需同時解決專業(yè)、嚴(yán)謹(jǐn)、合規(guī)、安全問題與用戶體驗平衡，且傳統(tǒng)軟件工程方法已多不適用；加之AI前期建設(shè)成本高，管理者更關(guān)注ROI。

他坦言，如今客戶見面幾乎都問AI能給業(yè)務(wù)增長帶來什么助力。他強(qiáng)調(diào)，只有滿足“AI與產(chǎn)業(yè)深度融合、做專業(yè)的事、降低落地門檻、關(guān)注業(yè)務(wù)價值”四點，才能實現(xiàn)有價值的產(chǎn)業(yè)AI。

正是基于此，當(dāng)天，螞蟻數(shù)科公布了AI行動綱領(lǐng)與產(chǎn)品開發(fā)原則，即“專于產(chǎn)業(yè)、易于落地、成于價值”。

所謂“專于產(chǎn)業(yè)”，意思是不求做通才，而做專才。余濱說，螞蟻從沒想過做適配所有行業(yè)的萬能平臺。相比阿里云、華為云深耕基礎(chǔ)設(shè)施，螞蟻專注深耕擅長的垂直領(lǐng)域，打造真正解決問題、有實際價值的產(chǎn)品。

“不貪大，只做專。”余濱說。

“易于落地”則聚焦客戶在AI落地全流程中的痛點，從數(shù)據(jù)治理的雜亂無章，到模型訓(xùn)練的技術(shù)壁壘，再到智能體開發(fā)的復(fù)雜流程，螞蟻數(shù)科將這些環(huán)節(jié)的解決方案、工具模板、實踐方法提前沉淀到產(chǎn)品中，力求讓每款A(yù)I產(chǎn)品都“出廠即專家”。客戶無需從零搭建技術(shù)團(tuán)隊，只需根據(jù)自身業(yè)務(wù)需求接入，就能快速啟動項目，大幅降低了AI落地的技術(shù)門檻與時間成本。

而“成于價值”是整個行動綱領(lǐng)的核心閉環(huán)。余濱強(qiáng)調(diào)，螞蟻數(shù)科從產(chǎn)品研發(fā)第一天起，就深入具體業(yè)務(wù)場景，明確“要帶來哪些可量化的業(yè)務(wù)改變”，整個研發(fā)與落地過程中，持續(xù)跟蹤業(yè)務(wù)數(shù)據(jù)、優(yōu)化產(chǎn)品功能，哪怕推出速度慢些，也要確保產(chǎn)品能真正為客戶創(chuàng)造價值，而非徒有技術(shù)外殼。

顯然，這正是螞蟻數(shù)科對這些挑戰(zhàn)的回應(yīng)。它既是行動綱領(lǐng)，也是核心立場，更是面向行業(yè)做出的確定性承諾。

而這種承諾的結(jié)晶，正是螞蟻數(shù)科打造已久的大模型落地“三步走”ACE方法論，即Align、Construct、Evaluate三個詞匯的首字母。

第一步，Align（對焦價值）。即從客戶真實業(yè)務(wù)目標(biāo)出發(fā)（比如理財規(guī)模增長、信貸獲客成本降低），先錨定可量化的業(yè)務(wù)結(jié)果，再反向匹配技術(shù)方案。這一步直接規(guī)避了盲目采購算力閑置、業(yè)務(wù)延宕的彎路。過去兩年，不少企業(yè)甚至地方政府都有尷尬案例。

第二步，Construct（體系化構(gòu)建）。這也是“易于落地”綱領(lǐng)的具象化。螞蟻數(shù)科將AI落地過程中重復(fù)勞動提前內(nèi)部消化，完成金融、能源等垂直領(lǐng)域大模型預(yù)訓(xùn)練，沉淀行業(yè)專屬知識庫與工具接口，搭建“模板化工具+最佳實踐案例”標(biāo)準(zhǔn)化框架。客戶無需從頭做數(shù)據(jù)治理、模型訓(xùn)練，接入私有數(shù)據(jù)做1-2個月后調(diào)，就能快速應(yīng)用AI。

采訪中，螞蟻數(shù)科云原生產(chǎn)品總經(jīng)理王磊坦陳，前段行業(yè)重復(fù)造輪子，螞蟻也曾因執(zhí)著純預(yù)訓(xùn)模式浪費算力，后來轉(zhuǎn)向“預(yù)訓(xùn)練+業(yè)務(wù)數(shù)據(jù)后調(diào)”，落地周期從半年壓至1-2個月，為AI規(guī)模化落地掃清障礙，中小機(jī)構(gòu)無需承擔(dān)高額試錯成本。

第三步，Evaluate（評測），這是“成于價值” 的交付閉環(huán)。它摒棄傳統(tǒng)軟件賣工具不管成效的“一錘子買賣”套路，通過持續(xù)聯(lián)合運營，實時監(jiān)測 AI 落地后業(yè)務(wù)指標(biāo)（如理財師服務(wù)人數(shù)、信貸不良率、用戶滿意度），根據(jù)數(shù)據(jù)反饋動態(tài)優(yōu)化模型與功能。就像射擊時不斷調(diào)整姿勢，確保 AI 帶來實際業(yè)務(wù)增長。

螞蟻還有整套AI化產(chǎn)品支撐，外灘大會發(fā)布的系列智能體新品正是Evaluate的載體：金融業(yè)務(wù)助理能將理財師服務(wù)半徑從200人擴(kuò)至2000人；智能運營產(chǎn)品根據(jù)實時數(shù)據(jù)調(diào)整策略，自動完成A/B測試。目前，螞蟻數(shù)科200多個AI落地場景、近三分之一客戶的AI項目，都通過Evaluate兌現(xiàn)了價值。

這是目前整個金融AI領(lǐng)域最為完整、系統(tǒng)的的落地方法論。

效果收費模式（RaaS）：一種利益共同體

余濱的演講，外界關(guān)注焦點，除了行動綱領(lǐng)、ACE落地方法論，更有“按效果收費”（RaaS）模式。

它的核心并非如何設(shè)計收費方式，而是將螞蟻數(shù)科的收益與客戶業(yè)務(wù)增長深度綁定，最終形成“客戶不賺錢，螞蟻數(shù)科就不賺錢”的“利益共同體”。

采訪中，螞蟻數(shù)科運營科技總經(jīng)理趙旭拆解了共同體邏輯。

比如，與某民營銀行的合作中，對方AI預(yù)算有限，雙方確定“少量基建起步費+理財產(chǎn)品代銷收益分潤”模式，客戶主動提出將理財代銷千分之二到千分之四的收益分成，首年甚至給出100%收益。

“這不是討價還價，而是客戶認(rèn)可我們帶來的增量價值。”趙旭強(qiáng)調(diào)。

他還補(bǔ)充了信貸風(fēng)控場景案例：租賃行業(yè)中，不少機(jī)構(gòu)因數(shù)據(jù)有限，50%以上潛在客戶通不過核驗，螞蟻數(shù)科通過AI幫其識別更多好的客戶，這些新增業(yè)務(wù)帶來的增收，正是收費的核心依據(jù)。

部分產(chǎn)品也圍繞“效果收費”展開。比如今年螞蟻主推的智能體產(chǎn)品，公域智能托管模式按人群帶來的交易規(guī)模增長收費，私域直接綁定理財規(guī)模增量分潤，有別于SaaS按數(shù)據(jù)洞察次數(shù)收費。

趙旭透露，效果收費模式下，智能體產(chǎn)品市價不高，但客單價比傳統(tǒng)模式大一個量級，多數(shù)客戶會簽3年戰(zhàn)略合作，并同步共享3年業(yè)務(wù)規(guī)劃。

余濱還提到某客戶一下簽了5年合作，新模式剛落地就有這樣的戰(zhàn)績，相當(dāng)靚麗。

如何評估具體效果呢？

王磊強(qiáng)調(diào)，當(dāng)然不會等3-5年，而是按時間節(jié)點設(shè)定短期考評，比如看用戶增長、AUM提升，然后快速檢驗效果并協(xié)商價值分配。

他堅定地認(rèn)為，未來RaaS一定會成為主流。現(xiàn)在大模型行業(yè)只有賣算力、賣卡的公司市值高，但若沒有上層應(yīng)用，算力增長不可持續(xù)；而工具層公司虧損，也是因沒有應(yīng)用場景買單。只有AI能產(chǎn)生業(yè)務(wù)效果，整個行業(yè)才能長遠(yuǎn)發(fā)展，否則就是曇花一現(xiàn)。

如何進(jìn)一步理解這種模式的突破性？

沒比較就沒傷害。傳統(tǒng)模式下，軟件公司賣掉產(chǎn)品后便不再對業(yè)務(wù)效果負(fù)責(zé)，SaaS訂閱制雖提供持續(xù)服務(wù)，但每年固定費用對中小機(jī)構(gòu)是負(fù)擔(dān)，且效果與付費脫節(jié)。

螞蟻數(shù)科的RaaS不止讓客戶AI投入從成本項變成收益項，更讓過去的甲乙方關(guān)系變成“命運共同體”。

余濱提到，某區(qū)域銀行合作時，螞蟻幾乎免掉前期部署費用，將成本折算到后續(xù)分潤中。這種零啟動成本解決了中小機(jī)構(gòu)的痛點。

王磊補(bǔ)充說，RaaS有望打破中小機(jī)構(gòu)參與產(chǎn)業(yè)AI變革的壁壘。若它們沒有AI，行業(yè)“馬太效應(yīng)”會加劇，可能被淘汰。

顯然，如果效果收費未來能成主流，一定會重塑科技與產(chǎn)業(yè)的價值分配邏輯，整個生態(tài)會更加普惠、多元、均衡。

說到目前效果收費覆蓋場景，余濱說，“想清楚一個，就擴(kuò)展一個”，目前更多側(cè)重業(yè)務(wù)結(jié)果明確的運營類、營銷類產(chǎn)品。這表達(dá)，近似螞蟻集團(tuán)董事長井賢棟當(dāng)年談開放時的一句：“成熟一個，開放一個。”

當(dāng)然，這模式也有一定風(fēng)險，但他強(qiáng)調(diào)，想闖出新模式就得承擔(dān)風(fēng)險，螞蟻骨子里歷來有“做不一樣的事”的傳統(tǒng)。

為什么是螞蟻數(shù)科？

一個問題，AI落地探索密集，為何螞蟻數(shù)科能率先推出融合AI行動綱領(lǐng)、ACE落地方法論及效果收費模式一體的“AI落地操作系統(tǒng)”？

“為什么我們可以？螞蟻數(shù)科相對其他公司具備先天優(yōu)勢，背后有螞蟻集團(tuán)內(nèi)部大量AI實踐。”大會主題演講談到螞蟻數(shù)科公布AI行動綱領(lǐng)時，余濱在這個話題上一點不客氣。

確實不偶然，真正的原由正在于螞蟻數(shù)科自身及身后螞蟻集團(tuán)長期積累的技術(shù)儲備，以及在金融等核心行業(yè)場景中深厚的AI實踐。

螞蟻數(shù)科的AI能力不是空中樓閣，而是依托螞蟻集團(tuán)“內(nèi)外雙循環(huán)”甚至“三循環(huán)”生態(tài)生長起來的。

在螞蟻集團(tuán)內(nèi)部，從“支小寶”智能客服應(yīng)對海量用戶咨詢，到“螞小財”金融管家提供個性化理財建議，再到健康領(lǐng)域的“AQ”產(chǎn)品服務(wù)，每款A(yù)I產(chǎn)品都先在內(nèi)部場景接受檢驗，驗證業(yè)務(wù)價值，踩過的坑、積累的經(jīng)驗會被系統(tǒng)沉淀為標(biāo)準(zhǔn)化模塊，這種最佳實踐的打磨，讓AI方案從誕生起就貼合真實業(yè)務(wù)需求，而非停在技術(shù)層面。

內(nèi)部實踐跑通后，這些沉淀方案會推向外部客戶，在與銀行、租賃公司等金融機(jī)構(gòu)合作中進(jìn)一步迭代優(yōu)化，形成“內(nèi)部實踐-外部輸出-反饋迭代”閉環(huán)。比如上面王磊提到的，行業(yè)一度重復(fù)造輪子，螞蟻內(nèi)部也曾因執(zhí)著純預(yù)訓(xùn)模式浪費算力，后來轉(zhuǎn)向“預(yù)訓(xùn)練+業(yè)務(wù)數(shù)據(jù)后調(diào)”，這種基于業(yè)務(wù)反饋的技術(shù)迭代，比單純追求技術(shù)參數(shù)的研發(fā)更具實效，也讓后續(xù)ACE方法論有了扎實實踐基礎(chǔ)。

反觀BAT、華為、字節(jié)等巨頭，卻難復(fù)制這路徑。它們各擅勝場，但都缺乏螞蟻深度綁定的內(nèi)部金融業(yè)務(wù)場景，AI技術(shù)多停留在通用領(lǐng)域，無法在真實金融交易、風(fēng)控、客服場景中反復(fù)打磨。有些平臺有零星金融場景，也未能將沉淀為標(biāo)準(zhǔn)化方案，導(dǎo)致技術(shù)與業(yè)務(wù)始終割裂，自然難以形成落地的AI行動綱領(lǐng)。

當(dāng)然，真正支撐生態(tài)飛輪運轉(zhuǎn)的還是螞蟻數(shù)科的全棧技術(shù)能力。

從底層算力調(diào)度到中層金融大模型，再到上層各類智能體應(yīng)用，每個環(huán)節(jié)螞蟻都能深度適配金融業(yè)需求。比如底層金融級算力調(diào)度平臺能穩(wěn)定應(yīng)對大模型訓(xùn)練與推理的高負(fù)載需求；中層金融大模型經(jīng)千萬級金融數(shù)據(jù)訓(xùn)練，不僅具備專業(yè)業(yè)務(wù)理解能力，還內(nèi)置合規(guī)審查模塊，貼合監(jiān)管要求；上層Agentar智能體平臺整合數(shù)百個金融工具接口，能快速對接客戶現(xiàn)有系統(tǒng)，避免技術(shù)適配繁瑣。

這全棧能力恰是其他巨頭短板。華為算力強(qiáng)勁，但缺乏金融業(yè)務(wù)深度理解，技術(shù)方案難融入合規(guī)審查、風(fēng)控等核心環(huán)節(jié)；BAT都有部分金融相關(guān)，但技術(shù)棧多分散在不同業(yè)務(wù)線，未能全鏈條整合，無法提供金融領(lǐng)域從算力到模型到應(yīng)用一體化方案；字節(jié)流量強(qiáng)大，金融場景積累同樣淺，難以搭建適配的AI技術(shù)體系。

在余濱看來，金融業(yè)AI應(yīng)用從不是純技術(shù)問題，而是技術(shù)、業(yè)務(wù)與合規(guī)的深度融合。

螞蟻數(shù)科積累數(shù)年，比如智能體產(chǎn)品中很早就引入?yún)^(qū)塊鏈保障數(shù)據(jù)安全，信貸風(fēng)控模型中融入金融風(fēng)險預(yù)判邏輯。沒有金融業(yè)長期實踐，單靠技術(shù)，不可能有這細(xì)節(jié)。

螞蟻數(shù)科敢推“效果收費”，背后是扎實的效果驗證能力，這是其商業(yè)化儲備的關(guān)鍵部分。余濱說，“螞小財”早已在內(nèi)部跑通個人金融服務(wù)效果閉環(huán)，面對客戶不是靠PPT，而是帶著真實業(yè)務(wù)數(shù)據(jù)談合作。無論租賃公司通過AI識別優(yōu)質(zhì)客群使核驗通過率提升50%，還是銀行借助方案從服務(wù)高凈值客戶拓展到5萬以下客群，這些量化效果，都能讓客戶愿意支付比傳統(tǒng)軟件模式高一量級的客單價。

這是螞蟻的商業(yè)化底氣。

話外音：螞蟻數(shù)科增長與IPO估值升級

一些話外音，但愿不多余。

這套“AI落地操作系統(tǒng)”有望為螞蟻數(shù)科轉(zhuǎn)動新的增長飛輪。

從數(shù)據(jù)看，螞蟻已服務(wù)超60%的城商行、100%的國有股份制銀行，與近三分之一客戶開展AI合作，目前至少200個場景已實現(xiàn)AI落地。

盡管目前利潤貢獻(xiàn)尚無法披露，但“利益共同體”模式最大特征是確定性。按王磊說法，效果收費模式下，客單價比傳統(tǒng)軟件模式提升一個量級，收入從一次性工具售賣轉(zhuǎn)向持續(xù)分潤，毛利會隨規(guī)模效應(yīng)不斷提升。

更重要的是，這模式與螞蟻云業(yè)務(wù)會形成協(xié)同：客戶采用按效果收費的AI產(chǎn)品時，可以確定會同步使用云服務(wù)，形成“AI+云”一體協(xié)同的增長合力。

本不想提另一老話題：螞蟻集團(tuán)IPO應(yīng)該很難，但螞蟻數(shù)科未來有較高可能性。

無論啥結(jié)果，上述創(chuàng)新肯定有望推動其估值邏輯升級。傳統(tǒng)科技公司估值多受限工具屬性，PE倍數(shù)普遍偏低；云計算廠商雖轉(zhuǎn)向“云+AI”，但PS倍數(shù)大致也僅10-15倍。

而螞蟻效果收費模式，有望讓其從工具提供商變?yōu)榭蛻衾麧櫥锇椋杖朐鲩L確定性更強(qiáng)，估值邏輯有望從“規(guī)模導(dǎo)向”轉(zhuǎn)向“增長導(dǎo)向”。

若按效果收費模式規(guī)模化推廣，螞蟻數(shù)科的PS倍數(shù)肯定能突破傳統(tǒng)云廠商區(qū)間，尤其在金融等高價值領(lǐng)域，估值空間有望進(jìn)一步打開。

夸克，最小的粒子，微末的洞察