Agentar 2.0

• 1. 概要 （全 281 文字）

  Agentar 2.0 是蚂蚁数科（蚂蚁集团旗下企业级科技公司）在 2026 世界人工智能大会（WAIC）上发布的「商业智能体超级工厂」核心平台，2026 年 7 月 19 日正式亮相。它把蚂蚁自研的大模型、智能体开发框架和在金融、能源、出海等领域沉淀的行业经验打包，让企业「像搭乐高一样」批量搭建、部署和治理智能体，目标是把 AI 从「工具提效」推进到「组织生产力升级」。平台首批预置近 200 个岗位级数字专家模板和数百个可订阅的 Skills 级工具，主打即插即用、低门槛、标准化。它的最大底气来自金融行业的实战成绩，但要向千行百业和中小商家规模化复制，仍要跨过成本、ROI 和信任的坎。

• 2. 产品背景 （全 458 文字）

  蚂蚁数科（蚂蚁数字科技）是蚂蚁集团旗下面向企业客户的科技板块，长期身处聚光灯之外，主要服务金融、能源、医疗等高门槛、强风控行业，因此普通用户很少直接感知到它，但在金融圈几乎无人不知。据公开信息，国内几乎所有国有银行和股份制银行、超过 60% 的地方性商业银行都在使用蚂蚁数科的智能体能力。   Agentar 平台本身并非新面孔。它上线一年零两个月，已在银行、证券、保险等机构落地超过 300 个专业智能体，覆盖财富管理、智能风控、投研运营等金融核心场景。这次的 2.0 版本，是蚂蚁数科第一次系统性地把它对外定位为「商业智能体超级工厂」的承载平台，从单点智能体开发，升级为一整套「模型—推理—操作系统—应用」的生产线。   发布现场，蚂蚁数科 CEO 赵闻飙、CTO 闫莺、蚂蚁集团 CEO 兼蚂蚁数科董事长韩歆毅悉数出场。市场层面的背书也很直接：据 IDC 报告，2025 年中国金融大模型、智能体应用及服务的总体市场规模达 24.36 亿元，蚂蚁数科以 13.3% 的份额位居第一；在 17.5 亿元规模的中国智能体开发平台私有化市场中，蚂蚁数科位列非云厂商前茅。

• 3. 产品功能与使用体验 （全 554 文字）

  Agentar 2.0 的核心卖点是「开箱即用的数字员工」。企业不必从零训练模型或写智能体，而是直接从近 200 个岗位级数字专家模板里挑选，比如战略、金融、供应链、法务、ESG 等角色，再叠加数百个可订阅的 Skills 级工具，平台还内置了 MCP 服务广场和可插拔的行业 Know-how 组件。企业按岗位和经营需求组合，就能拉起一支具备专业知识、业务流程和工具调用能力的 AI 团队。   蚂蚁数科给的典型画面是：一家新能源企业要出海建厂，管理层只需设定目标，后续由战略、金融、供应链、法务、ESG 等数百个智能体组成的团队全流程自主执行。用他们的说法，企业「第一次真正拥有了一支全天候工作的 AI 队伍」。   支撑这套体验的是几个自研底座。基座模型 LingDT 主打「极致的 Token 效率」，用来给企业部署 AI 省钱、提速；Agentix 智能体操作系统负责智能体全流程调度，让它们「下产线」协同干活；大模型服务平台 DTMaaS 在交付和工具链端配合 Agentar 2.0，实现「即插即用」。这条从模型、推理、操作系统到应用打通的产线，正是蚂蚁数科用来回应「企业要的不是零件，是整车」这一诉求的答案。   值得一提的是，Agentar 已接入支付宝 AI 开放平台并成为其核心开发引擎，这让蚂蚁数科从服务大型金融机构，进一步下沉成为千万级中小商家 AI 升级的底座。

• 4. 定价与商业模式 （全 275 文字）

  作为一款面向企业（B 端）的平台级产品，Agentar 2.0 目前没有公开的标准化价目表，商业模式更接近「平台订阅 + 行业解决方案」的组合。数字专家模板和 Skills 级工具以「可订阅」形式提供，企业按需启用，蚂蚁数科强调这种模块化、标准化的方式比传统「专业人员现场入驻、项目制辅导」的重服务模式成本更低、上手更快。   它的商业逻辑对标的是当年支付宝收款码的普惠路径：先在最难啃的金融行业把能力打磨到金融级，再把这套成熟方案快速复制到能源、出行、消费等行业，最后借助支付宝生态触达海量中小商家。换句话说，蚂蚁数科想把「智能体生产力」做成像水电一样的基础设施来卖。

• 5. 用户评价 （全 405 文字）

  从落地案例看，正面反馈集中在效率和成本上。宁波银行依托 Agentar 搭建「智能化决策流水线」，复杂问答准确率从 68% 提升到 91%；能源公司林洋智维建设「电力交易流水线」，人力成本下降 60%、分析与策略生成速度提升 20 倍以上；协鑫新能源与蚂蚁数科合作的光伏运维智能体，把关键异常识别与反馈时间压缩到 1 分钟以内。   长尾行业的声音也不少。杭州宠语创始人唐乾表示，Agentar 的智能体开发框架在产品设计、研发和推广多个环节帮了大忙，极大降低了早期投入成本、提高了产品发布速度。他们把资深宠物医生的经验做成「数字分身」，让主人在凌晨拍照问询就能拿到基础处置建议，第二天医生再回电确认，一线医生反馈它还能帮年轻医生把几十项检查快速收窄到三五项。   不过要留意，这些案例大多来自蚂蚁数科官方或合作方口径，属于「样板间」性质，缺少独立第三方的横向评测和大规模真实用户的分散反馈。对普通中小企业能否复现这些数字，目前还缺乏公开验证。

• 6. 行业评价 （全 301 文字）

  多家媒体把 Agentar 2.0 放进了「AI 超级工厂」这一更大的叙事里。《南华早报》报道称，不只是蚂蚁，腾讯、阿里巴巴、百度等科技巨头都在推面向真实企业场景的 AI 解决方案，国内企业级 AI 智能体的竞争已全面升级；联想也推出了「AI 工厂」整体方案，试图把算力做成水电式普惠基础设施。   行业共识是，2026 年上半年全球 AI 叙事正从「模型有多聪明」转向「智能体能不能真正干活、进企业流程」。IDC 预测到 2030 年将有 22 亿个活跃数字员工。在这个背景下，蚂蚁数科凭借金融行业的深耕被普遍看作一张「隐形王牌」——能在高复杂度、高安全要求、高知识密度的金融硬骨头上拿到市场第一，被认为是其能力可迁移到其他行业的有力证明。

• 7. 争议与风险 （全 468 文字）

  第一重风险是「概念先行」。「商业智能体超级工厂」是一个很有想象力的营销框架，但发布信息里更多是愿景、模板数量和样板案例，缺少平台开放试用、公开定价和独立基准测试，外界很难判断实际交付质量和通用性到底如何。   第二重是生态绑定与自主性。整套方案高度依赖蚂蚁自研的 LingDT、Agentix、DTMaaS 以及蚂蚁的区块链体系，还与支付宝生态深度耦合。这对已经在蚂蚁体系内的客户是便利，但也意味着较强的厂商锁定，企业迁移和多云选型的自由度存疑。   第三重是「区块链可信身份」的必要性之争。蚂蚁数科主张「AI 创造智能，区块链创造信任」，给每个 Agent 赋予可信身份、把决策和资金流转上链。方向听上去很对，但对多数企业而言，智能体确责和数据溯源是否非用区块链不可、会不会带来额外的复杂度和成本，仍需要真实场景来检验。   第四重是竞争与落地成本。腾讯、阿里、百度、字节乃至联想都在抢企业级智能体这块蛋糕，同质化叙事越来越多。中小商家最关心的仍是真实 ROI：即插即用听起来美好，但把数字专家真正嵌进自家业务流程、沉淀专属数据，往往还是需要不小的配置和运营投入。

• 8. 适用人群与使用建议 （全 328 文字）

  Agentar 2.0 最适合已经在蚂蚁数科体系内、或对金融级安全与合规有强需求的中大型企业，尤其是银行、证券、保险、能源等强监管、高知识密度行业——这些正是蚂蚁数科最擅长、样板最扎实的领域。对希望批量部署智能体、又不想自建全套 AI 基础设施的组织，它提供了一条相对省心的「整车」路线。   对中小商家而言，可以先从支付宝 AI 开放平台的轻量能力切入，用具体、边界清晰的单一岗位场景做验证，再评估是否值得深度投入。追求技术栈自主可控、想避免厂商锁定，或需要多模型、多云灵活选型的团队，则应把生态绑定的成本算进来，并与腾讯、阿里云、百度等方案横向比较。替代方案上，可关注同样主打企业级智能体平台的百度千帆、阿里云百炼、腾讯以及各类开源智能体框架（如 Dify、Coze 等）。

• 9. 总结 （全 188 文字）

  Agentar 2.0 是蚂蚁数科把金融级智能体能力对外产品化、平台化的一次关键升级，「超级工厂」的思路踩准了 2026 年「让智能体真正进企业干活」的行业风口，金融领域的实战成绩也足够硬。真正的看点不在发布会上的模板数量，而在它能否把这套能力低成本、可复现地复制到金融之外的千行百业，以及中小商家。方向对、底子厚，但从「样板间」到「标配」，还要用真实、独立、可验证的落地成果来说话。

詳細レポートはまだありません

• 

  Stephen_Phillips_2021

  —

  宁波银行复杂问答准确率从68%直接飙到91%这个数据挺能打的，要知道金融场景对准确率的要求是变态级的，答错一次可能就是合规事故或者投诉，能在真实业务里稳定做到这个水平，说明它确实进了核心工作流，而不是停在客服文案那种表层花架子。

---

• 

  JosephPerez_88

  —

  近200个岗位级数字专家模板听着很唬人，实际用下来还是得二次调教，模板只是起点不是终点。

---

• 

  m6irf

  —

  做B端交付这么多年，最能共鸣闫莺说的那句「企业要的不是零件，是整车」。以前给客户搭智能体，模型、向量库、工具链全得自己攒，光调通就得俩月。Agentar 2.0 把模型、推理、操作系统到应用整条产线打通，理论上确实能省很多事，但真到客户现场，数据接入和权限那关照样得脱层皮，别把它想得太傻瓜。

---

• 

  Brody665_eth

  —

  区块链给每个Agent发可信身份这套，我持保留意见。方向没错，但多数企业根本用不到确权上链，感觉是蚂蚁想把自己十年的区块链家底顺手塞进来卖。

---

• 

  DragonDropPerry

  —

  说实话最打动我的不是模板数量，是那个信通院可信AI 5级评级。金融机构最怕的就是模型幻觉，能拿到最高评级说明它的可信链路是真下了功夫的，不然银行核心业务根本不敢让AI碰。

---

• 

  清风_6

  —

  蚂蚁数科在金融圈是真的强，国有大行几乎全覆盖，60%的城商行也在用，这护城河一般人挖不动。

---

• 

  orangepanda834

  —

  LingDT主打Token效率，这点对企业太重要了，部署AI成本高很大一块就是推理开销。

---

• 

  Gabriel616

  —

  蚂蚁数科想复刻当年收款码那套普惠打法，让路边小店也用上AI员工。想法很美，但银行要的是自主、可信、深度定制，宠物店要的是便宜、好用、开箱即用，这压根就是两门完全不同的生意，服务大客户的能力不能直接等同于服务中小商家的能力，能不能同时端好这两碗水，还得看后面的执行。

---

• 

  Jeffrey_Foster

  —

  我们是做电力交易的，看到林洋智维那个案例有点心动。人力降60%、策略生成快20倍如果是真的，那ROI太可观了，准备找他们销售聊聊落地细节。

---

• 

  贾红_1

  —

  开健身房的路过，之前接了他们的智能体做会员运营，一开始也担心是不是又一个噱头，结果试运营几个月新客转化和续卡确实涨了10%多，门店整体业绩也起来了，这种能真正切进日常经营流程、直接看到数据变化的AI，才是我们小店愿意掏钱的。

---

• 

  Zachary.Evans_Plus

  —

  本质上就是中国版的Copilot Studio，微软那套已经跑出370亿美元ARR了，蚂蚁能不能在国内复制这条路，值得长期跟踪。

---

• 

  薛强

  —

  宠物医疗那个数字分身案例是真的戳到痛点，凌晨宠物出事拍照就能拿到处置建议，第二天医生再回访，这种长尾行业最需要这类AI。

---

• 

  JerryRivera_Plus

  —

  太吃生态了吧，LingDT、Agentix、DTMaaS再加上区块链全是蚂蚁自研，还跟支付宝深度绑定，一旦上了车想换供应商基本没戏，这种厂商锁定的风险企业选型时真得提前掂量清楚，别图一时省事到最后被套牢，迁移成本能让人肉疼。

---

• 

  73s14bq2n_n

  —

  蚂蚁阿福阿宝是C端王牌，蚂蚁数科才是闷声干大事的那个，这次总算走到台前了。

---

• 

  许轩军

  —

  企业级智能体今年是真卷，腾讯阿里百度还有华为盘古都在抢这块蛋糕，叙事越来越同质化，蚂蚁的差异化就是金融级可信这块招牌，最终还是看谁能先把规模化落地跑通，光有标杆项目不够。

---

• 

  LandonBaile_y

  —

  绿茶餐厅拿AI做7x24后厨品控和选址模型，这落地场景挺接地气的，比那些只会写PPT的AI强多了。

---

• 

  JudithCox_202430

  —

  数据飞轮这个逻辑我认，服务的商家越多，沉淀的行业组件和Skills越多，新客接入成本越低，越用越懂业务，这才是平台生意的想象力所在。

---

• 

  Sara.Richardson

  —

  发布会讲得天花乱坠，可惜没开放试用也没公开定价，纯B端玩法，中小企业想上手评估门槛还是高。

---

• 

  CeylanKıraç

  —

  整车方案听着爽，落地成本才是硬道理。想让数字专家真懂你家业务，还得喂专属数据、配流程、做对齐，这部分投入和周期官方可不会写在PPT里，真上项目才知道水有多深。

---

• 

  高昊磊

  —

  金融推理模型Agentar-Fin-R1在几个金融基准都拿了第一，能超过同参数量的开源模型，垂直深耕的路子在专业领域确实比通用大模型香。

---

• 

  EugeneHernandez_2024

  —

  200个模板数百个Skills，还有MCP服务广场，生态搭得挺全，就是不知道非蚂蚁体系的客户接进来会不会水土不服。

---

• 

  MariaKim

  —

  标准化模块化低成本，这几个词才是打动我们这种预算有限小公司的关键，重交付项目制那套我们真玩不起。

---

• 

  purplesnake428

  —

  现场看了发布，「像搭乐高一样建流水线」这个比喻确实生动，但乐高也得有说明书，中小企业缺的正是那个会拼的人。

レビューはまだありません