对话蚂蚁数科：打造商业智能体超级工厂，生态共建中国业界版Harness标准
以下是春风种草网整理的详细内容。
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现场的要紧内容窗口，「氪话今后」直播间也在大会首日同步开启现场对话。蚂蚁数科副总裁、中国区业务发展部总经理孙磊在WAIC现场接受娱报在线「氪话今后」特邀专访，围绕商业智能体超级工厂、业界垂直大模型、AI工程化本领以及公司智能体落地等话题，分享了蚂蚁数科面向公司智能化升级的最新实践与思考。
本届WAIC以“智能伙伴，共创今后”为主题。随着人工智能产业进入应用深化阶段，业界关注点正在从模型本领竞争渐次转向应用价值创造。相比以往几年围绕参数体量、模型性能和工艺突破的讨论，2026年的AI产业正在更加关注一个核心问题：AI如何真正进入公司业务流程，如何降低应用门槛，如何借助实际业务成效创造价值。
在这一趋势下，商业智能体正成为连接模型本领与公司应用的要紧载体。对于公司而言，仅拥有通用大模型已经无法符合繁杂业务需求，更需要具备业界知识、业务理解和工程化本领的智能体系统，帮助AI真正落地到业务场景，完成从个人效率提高到组织协同升级。
蚂蚁数科此次公布的\"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。公司可以按照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本领的数字专家，无需从零起步。
对于公司级AI而言，真正决定落地效果的，不只是模型本领本身，更是业界理解、工程化本领与价值交付体系的持续打造。
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：今年我们公布的“商业智能体超级工厂”，核心定位是化解业界问题和场景问题。从去年到今年，整个AI的发展过程出现了相当大的变化。第一个变化，是AI已经从以往通用的问答模式，渐渐发展到今天真正能够帮助用户完成任务、化解问题的智能体阶段。从这个角度来看，AI正在从通用场景进入垂直业界。第二个变化，是业界真正需要化解的是业务场景中的核心问题。只有智能体真正落到应用侧，才能化解实际业务需求。第三个变化，是AI的发展目标已经从以往化解单个人效率提高的问题，再度走向组织层面的进化。今后不仅是个人本领提高，更要紧的是团队与团队之间、业务与业务之间如何借助智能体完成协同，让整个组织完成智能化升级。
围绕这些变化，我们结合蚂蚁集团自身垂直大模型本领、业界场景经验，以及20多年工艺积累，将这些本领沉淀为标准化商品，对外提供服务。无论是大型公司还是中小公司，都能够取得与蚂蚁集团类似的工艺本领和商品本领，真正帮助产业完成智能化转型。
36kr：我们知道蚂蚁数科最早是在金融科技领域积累了众多经验。金融业界对于安全、合规、稳定性的要求相当高。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化解这些问题？
孙磊：其实回到为什么上线“商业智能体超级工厂”，核心是期盼化解几个关键问题。第一个，是业界化的问题。我们认为今后AI一定会从通用场景走向垂直场景，而垂直场景需要结合业界数据，形成业界垂直大模型。如果只有通用大模型，没有业界数据和专业本领支撑，就无法真正化解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，就是期盼借助垂直大模型化解业界化问题。
第二个，是场景化的问题。今天如何把业务语言转化为工艺本领，让AI真正服务业务，这是相当关键的一点。
蚂蚁数科基于多年在金融、医疗、能源等领域的实践经验，将这些本领再度工程化，形成可复制的化解方案，让AI能够真正落地到业务场景。
第三个，是生态化的问题。AI本领的开放一定需要结合业界生态。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，并围绕自身业界长处进行创新。所以，业界化、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。
回到金融业界，金融场景有几个相当关键的问题。第一个是安全和合规问题。金融业界关乎监管要求，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，没有安全本领和风险控制体系，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要紧工具，一个是业界的垂直大模型，一个是围绕着业务场景的工程化本领，把这两个本领相结合才能更加贴合实际场景。因此，我们借助业界垂直大模型结合业务工程化本领，提高模型专业层次。
第三个，是效果验证问题。金融机构以往在信息化、数字化层面投入极大，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。
围绕这一点，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本领。我们核心借助两个维度衡量：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，眼下我们在专业场景中的回答准确率基本可以达成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，比较两者成效的一致程度。眼下在相关场景中，我们可以达成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高转化效率，在风控场景中是否降低风险。因此，在金融领域，安全、专业度以及效果验证是三个最要紧的问题：必须要符合监管和国家的要求；一定要有业界的垂直大模型；有可见的效果交付。蚂蚁期盼围绕这些问题，结合自身最佳实践逐一化解。
36kr：最近我们看到蚂蚁数科正在拓展金融之外的业界。除了金融之外，眼下重点布局哪些业界？这些业界有什么共同特点？另外，在工艺泛化过程中遇到了哪些挑战，又是如何化解的？
孙磊：其实还是围绕刚才提到的几个核心方向：业界、业务场景以及安全。除互联网业界之外，很多传统业界在从数字化走向AI化、智能化过程中，面临着一些共同问题。我们期盼将以往在金融领域沉淀的本领复用到更多业界。
第一个关键点，是数据底层治理。业界垂直大模型最要紧的基础就是底层数据，包括外部数据和公司内部数据。我们的途径是结合自身具备的外部数据本领，再融合公司业务数据，形成适用于具体业界的垂直模型。因此，在服务其他业界时，数据治理本领相当要紧。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。金融业界以往数字化程度较高，而制造、医疗、工业等业界的数据基础相对繁杂。因此，我们的智能体超级工厂也包含数据治理工具和相关本领，帮助公司完成基础打造。
第二个关键点，是业务场景结合本领，也就是工程化本领。眼下海外提出了Harness概念，本质上是如何将模型本领工程化落地。我们期盼打造符合中国业界特点的业界版Harness，这也是商业智能体超级工厂的要紧壁垒。关于Harness的本领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，包括意图识别、策划、执行和表达。其中意图识别相当要紧。用户提出保险相关问题，但真正需求可能是资产配置、财富管理或者商品组合推荐。因此，需要先理解用户真实意图，再完成后续服务。不同领域对于工程化本领的要求不同。例如能源、医疗等业界，可能需要不同颗粒度的流程设计。今后，我们期盼沉淀符合中国需求端特点的业界Harness，这是我们智能体超级工厂的目标。眼下，我们也已经在金融、医疗、能源、出行、交通，航空等领域积累了一些本领。
第三个关键点，是安全本领。不同产业对于安全的关注点不同。金融业界更多关注监管合规，而制造业可能关注生产安全，能源业界则可能关注预计准确性。例如光伏领域，我们借助时序大模型结合天气、现场状况等因素，完成发电量预计。因此，安全本领需要结合不同产业特点进行适配。
第四个关键点，是效果验证。我们在金融和医疗领域已经有较成熟的价值验证体系，但在其他业界仍处于探索阶段。今后，我们会持续与合作伙伴共同完善效果评估标准，让业界能够真正看到AI投入后的价值。
36kr：最后一个问题，能不能提前预告一下，今后6到12个月蚂蚁数科重点发展的方向？WAIC之后，大家可以期待看到哪些动作？
孙磊：今后6到12个月，大家可以重点关注几个方向。第一，是业界垂直大模型以及智能体矩阵的持续丰富。眼下我们已经在金融、医疗、能源、出行等领域形成了一些本领。今后，对于我们擅长、有数据积累的领域，会再度标准化商品输出；对于其他业界，也会与合作伙伴共同打造业界垂直大模型和智能体。
第二，是中国业界版Harness本领的开放。今后，我们会再度梳理各业界工程化本领，并形成标准化方法论。例如金融领域已经形成“四车间”模式，包括意图识别、策划、执行和表达。今后，在能源、医疗等业界，我们也会与生态伙伴一起探索对应的业界版Harness，并渐次开放相关本领。
第三，是评测体系的持续完善。我们有相当完整的评测体系，眼下，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。今后，我们会持续更新和丰富评测体系，借助更加科学的途径验证AI是否真正完成价值交付、效果付费。此外，平台本领和工具本领也会持续公布。最终，我们期盼借助业界大模型、工程化本领以及评测体系打造，让智能体真正服务产业，完成价值落地。
以上内容由春风种草网整理发布，仅供参考。