Agentar 2.0

螞蟻數科面向智慧體時代的「商業智慧體超級工廠」核心平臺，讓企業像搭樂高一樣批次搭建、部署和治理智慧體

企業級 AI 平臺

https://www.antdigital.com/

前往官網

深度報告

Agentar 2.0 是螞蟻數科（螞蟻集團旗下企業級科技公司）在 2026 世界人工智慧大會（WAIC）上釋出的「商業智慧體超級工廠」核心平臺，2026 年 7 月 19 日正式亮相。它把螞蟻自研的大模型、智慧體開發框架和在金融、能源、出海等領域沉澱的行業經驗打包，讓企業「像搭樂高一樣」批次搭建、部署和治理智慧體，目標是把 AI 從「工具提效」推進到「組織生產力升級」。平臺首批預置近 200 個崗位級數字專家模板和數百個可訂閱的 Skills 級工具，主打即插即用、低門檻、標準化。它的最大底氣來自金融行業的實戰成績，但要向千行百業和中小商家規模化複製，仍要跨過成本、ROI 和信任的坎。
螞蟻數科（螞蟻數字科技）是螞蟻集團旗下面向企業客戶的科技板塊，長期身處聚光燈之外，主要服務金融、能源、醫療等高門檻、強風控行業，因此普通使用者很少直接感知到它，但在金融圈幾乎無人不知。據公開資訊，國內幾乎所有國有銀行和股份制銀行、超過 60% 的地方性商業銀行都在使用螞蟻數科的智慧體能力。 Agentar 平臺本身並非新面孔。它上線一年零兩個月，已在銀行、證券、保險等機構落地超過 300 個專業智慧體，覆蓋財富管理、智慧風控、投研運營等金融核心場景。這次的 2.0 版本，是螞蟻數科第一次系統性地把它對外定位為「商業智慧體超級工廠」的承載平臺，從單點智慧體開發，升級為一整套「模型—推理—作業系統—應用」的生產線。釋出現場，螞蟻數科 CEO 趙聞飆、CTO 閆鶯、螞蟻集團 CEO 兼螞蟻數科董事長韓歆毅悉數出場。市場層面的背書也很直接：據 IDC 報告，2025 年中國金融大模型、智慧體應用及服務的總體市場規模達 24.36 億元，螞蟻數科以 13.3% 的份額位居第一；在 17.5 億元規模的中國智慧體開發平臺私有化市場中，螞蟻數科位列非雲廠商前茅。
Agentar 2.0 的核心賣點是「開箱即用的數字員工」。企業不必從零訓練模型或寫智慧體，而是直接從近 200 個崗位級數字專家模板裡挑選，比如戰略、金融、供應鏈、法務、ESG 等角色，再疊加數百個可訂閱的 Skills 級工具，平臺還內建了 MCP 服務廣場和可插拔的行業 Know-how 元件。企業按崗位和經營需求組合，就能拉起一支具備專業知識、業務流程和工具呼叫能力的 AI 團隊。螞蟻數科給的典型畫面是：一家新能源企業要出海建廠，管理層只需設定目標，後續由戰略、金融、供應鏈、法務、ESG 等數百個智慧體組成的團隊全流程自主執行。用他們的說法，企業「第一次真正擁有了一支全天候工作的 AI 隊伍」。支撐這套體驗的是幾個自研底座。基座模型 LingDT 主打「極致的 Token 效率」，用來給企業部署 AI 省錢、提速；Agentix 智慧體作業系統負責智慧體全流程排程，讓它們「下產線」協同幹活；大模型服務平臺 DTMaaS 在交付和工具鏈端配合 Agentar 2.0，實現「即插即用」。這條從模型、推理、作業系統到應用打通的產線，正是螞蟻數科用來回應「企業要的不是零件，是整車」這一訴求的答案。值得一提的是，Agentar 已接入支付寶 AI 開放平臺併成為其核心開發引擎，這讓螞蟻數科從服務大型金融機構，進一步下沉成為千萬級中小商家 AI 升級的底座。
作為一款面向企業（B 端）的平臺級產品，Agentar 2.0 目前沒有公開的標準化價目表，商業模式更接近「平臺訂閱 + 行業解決方案」的組合。數字專家模板和 Skills 級工具以「可訂閱」形式提供，企業按需啟用，螞蟻數科強調這種模組化、標準化的方式比傳統「專業人員現場入駐、專案制輔導」的重服務模式成本更低、上手更快。它的商業邏輯對標的是當年支付寶收款碼的普惠路徑：先在最難啃的金融行業把能力打磨到金融級，再把這套成熟方案快速複製到能源、出行、消費等行業，最後藉助支付寶生態觸達海量中小商家。換句話說，螞蟻數科想把「智慧體生產力」做成像水電一樣的基礎設施來賣。
從落地案例看，正面反饋集中在效率和成本上。寧波銀行依託 Agentar 搭建「智慧化決策流水線」，複雜問答準確率從 68% 提升到 91%；能源公司林洋智維建設「電力交易流水線」，人力成本下降 60%、分析與策略生成速度提升 20 倍以上；協鑫新能源與螞蟻數科合作的光伏運維智慧體，把關鍵異常識別與反饋時間壓縮到 1 分鐘以內。長尾行業的聲音也不少。杭州寵語創始人唐乾表示，Agentar 的智慧體開發框架在產品設計、研發和推廣多個環節幫了大忙，極大降低了早期投入成本、提高了產品釋出速度。他們把資深寵物醫生的經驗做成「數字分身」，讓主人在凌晨拍照問詢就能拿到基礎處置建議，第二天醫生再回電確認，一線醫生反饋它還能幫年輕醫生把幾十項檢查快速收窄到三五項。不過要留意，這些案例大多來自螞蟻數科官方或合作方口徑，屬於「樣板間」性質，缺少獨立第三方的橫向評測和大規模真實使用者的分散反饋。對普通中小企業能否復現這些數字，目前還缺乏公開驗證。
多家媒體把 Agentar 2.0 放進了「AI 超級工廠」這一更大的敘事裡。《南華早報》報道稱，不只是螞蟻，騰訊、阿里巴巴、百度等科技巨頭都在推面向真實企業場景的 AI 解決方案，國內企業級 AI 智慧體的競爭已全面升級；聯想也推出了「AI 工廠」整體方案，試圖把算力做成水電式普惠基礎設施。行業共識是，2026 年上半年全球 AI 敘事正從「模型有多聰明」轉向「智慧體能不能真正幹活、進企業流程」。IDC 預測到 2030 年將有 22 億個活躍數字員工。在這個背景下，螞蟻數科憑藉金融行業的深耕被普遍看作一張「隱形王牌」——能在高複雜度、高安全要求、高知識密度的金融硬骨頭上拿到市場第一，被認為是其能力可遷移到其他行業的有力證明。
第一重風險是「概念先行」。「商業智慧體超級工廠」是一個很有想象力的營銷框架，但釋出資訊裡更多是願景、模板數量和樣板案例，缺少平臺開放試用、公開定價和獨立基準測試，外界很難判斷實際交付質量和通用性到底如何。第二重是生態繫結與自主性。整套方案高度依賴螞蟻自研的 LingDT、Agentix、DTMaaS 以及螞蟻的區塊鏈體系，還與支付寶生態深度耦合。這對已經在螞蟻體系內的客戶是便利，但也意味著較強的廠商鎖定，企業遷移和多雲選型的自由度存疑。第三重是「區塊鏈可信身份」的必要性之爭。螞蟻數科主張「AI 創造智慧，區塊鏈創造信任」，給每個 Agent 賦予可信身份、把決策和資金流轉上鍊。方向聽上去很對，但對多數企業而言，智慧體確責和資料溯源是否非用區塊鏈不可、會不會帶來額外的複雜度和成本，仍需要真實場景來檢驗。第四重是競爭與落地成本。騰訊、阿里、百度、位元組乃至聯想都在搶企業級智慧體這塊蛋糕，同質化敘事越來越多。中小商家最關心的仍是真實 ROI：即插即用聽起來美好，但把數字專家真正嵌進自家業務流程、沉澱專屬資料，往往還是需要不小的配置和運營投入。
Agentar 2.0 最適合已經在螞蟻數科體系內、或對金融級安全與合規有強需求的中大型企業，尤其是銀行、證券、保險、能源等強監管、高知識密度行業——這些正是螞蟻數科最擅長、樣板最紮實的領域。對希望批次部署智慧體、又不想自建全套 AI 基礎設施的組織，它提供了一條相對省心的「整車」路線。對中小商家而言，可以先從支付寶 AI 開放平臺的輕量能力切入，用具體、邊界清晰的單一崗位場景做驗證，再評估是否值得深度投入。追求技術棧自主可控、想避免廠商鎖定，或需要多模型、多雲靈活選型的團隊，則應把生態繫結的成本算進來，並與騰訊、阿里雲、百度等方案橫向比較。替代方案上，可關注同樣主打企業級智慧體平臺的百度千帆、阿里雲百鍊、騰訊以及各類開源智慧體框架（如 Dify、Coze 等）。
Agentar 2.0 是螞蟻數科把金融級智慧體能力對外產品化、平臺化的一次關鍵升級，「超級工廠」的思路踩準了 2026 年「讓智慧體真正進企業幹活」的行業風口，金融領域的實戰成績也足夠硬。真正的看點不在釋出會上的模板數量，而在它能否把這套能力低成本、可復現地複製到金融之外的千行百業，以及中小商家。方向對、底子厚，但從「樣板間」到「標配」，還要用真實、獨立、可驗證的落地成果來說話。

使用者評論

Stephen_Phillips_2021

—

寧波銀行復雜問答準確率從68%直接飆到91%這個資料挺能打的，要知道金融場景對準確率的要求是變態級的，答錯一次可能就是合規事故或者投訴，能在真實業務裡穩定做到這個水平，說明它確實進了核心工作流，而不是停在客服文案那種表層花架子。

JosephPerez_88

—

近200個崗位級數字專家模板聽著很唬人，實際用下來還是得二次調教，模板只是起點不是終點。

m6irf

—

做B端交付這麼多年，最能共鳴閆鶯說的那句「企業要的不是零件，是整車」。以前給客戶搭智慧體，模型、向量庫、工具鏈全得自己攢，光調通就得倆月。Agentar 2.0 把模型、推理、作業系統到應用整條產線打通，理論上確實能省很多事，但真到客戶現場，資料接入和許可權那關照樣得脫層皮，別把它想得太傻瓜。

Brody665_eth

—

區塊鏈給每個Agent發可信身份這套，我持保留意見。方向沒錯，但多數企業根本用不到確權上鍊，感覺是螞蟻想把自己十年的區塊鏈家底順手塞進來賣。

DragonDropPerry

—

說實話最打動我的不是模板數量，是那個信通院可信AI 5級評級。金融機構最怕的就是模型幻覺，能拿到最高評級說明它的可信鏈路是真下了功夫的，不然銀行核心業務根本不敢讓AI碰。

清風_6

—

螞蟻數科在金融圈是真的強，國有大行幾乎全覆蓋，60%的城商行也在用，這護城河一般人挖不動。

orangepanda834

—

LingDT主打Token效率，這點對企業太重要了，部署AI成本高很大一塊就是推理開銷。

Gabriel616

—

螞蟻數科想復刻當年收款碼那套普惠打法，讓路邊小店也用上AI員工。想法很美，但銀行要的是自主、可信、深度定製，寵物店要的是便宜、好用、開箱即用，這壓根就是兩門完全不同的生意，服務大客戶的能力不能直接等同於服務中小商家的能力，能不能同時端好這兩碗水，還得看後面的執行。

Jeffrey_Foster

—

我們是做電力交易的，看到林洋智維那個案例有點心動。人力降60%、策略生成快20倍如果是真的，那ROI太可觀了，準備找他們銷售聊聊落地細節。

賈紅_1

—

開健身房的路過，之前接了他們的智慧體做會員運營，一開始也擔心是不是又一個噱頭，結果試運營幾個月新客轉化和續卡確實漲了10%多，門店整體業績也起來了，這種能真正切進日常經營流程、直接看到資料變化的AI，才是我們小店願意掏錢的。

Zachary.Evans_Plus

—

本質上就是中國版的Copilot Studio，微軟那套已經跑出370億美元ARR了，螞蟻能不能在國內複製這條路，值得長期跟蹤。

薛強

—

寵物醫療那個數字分身案例是真的戳到痛點，凌晨寵物出事拍照就能拿到處置建議，第二天醫生再回訪，這種長尾行業最需要這類AI。

JerryRivera_Plus

—

太吃生態了吧，LingDT、Agentix、DTMaaS再加上區塊鏈全是螞蟻自研，還跟支付寶深度繫結，一旦上了車想換供應商基本沒戲，這種廠商鎖定的風險企業選型時真得提前掂量清楚，別圖一時省事到最後被套牢，遷移成本能讓人肉疼。

73s14bq2n_n

—

螞蟻阿福阿寶是C端王牌，螞蟻數科才是悶聲幹大事的那個，這次總算走到臺前了。

許軒軍

—

企業級智慧體今年是真卷，騰訊阿里百度還有華為盤古都在搶這塊蛋糕，敘事越來越同質化，螞蟻的差異化就是金融級可信這塊招牌，最終還是看誰能先把規模化落地跑通，光有標杆專案不夠。

LandonBaile_y

—

綠茶餐廳拿AI做7x24後廚品控和選址模型，這落地場景挺接地氣的，比那些只會寫PPT的AI強多了。

JudithCox_202430

—

資料飛輪這個邏輯我認，服務的商家越多，沉澱的行業元件和Skills越多，新客接入成本越低，越用越懂業務，這才是平臺生意的想象力所在。

Sara.Richardson

—

釋出會講得天花亂墜，可惜沒開放試用也沒公開定價，純B端玩法，中小企業想上手評估門檻還是高。

CeylanKıraç

—

整車方案聽著爽，落地成本才是硬道理。想讓數字專家真懂你家業務，還得喂專屬資料、配流程、做對齊，這部分投入和週期官方可不會寫在PPT裡，真上專案才知道水有多深。

高昊磊

—

金融推理模型Agentar-Fin-R1在幾個金融基準都拿了第一，能超過同引數量的開源模型，垂直深耕的路子在專業領域確實比通用大模型香。

EugeneHernandez_2024

—

200個模板數百個Skills，還有MCP服務廣場，生態搭得挺全，就是不知道非螞蟻體系的客戶接進來會不會水土不服。

MariaKim

—

標準化模組化低成本，這幾個詞才是打動我們這種預算有限小公司的關鍵，重交付專案制那套我們真玩不起。

purplesnake428

—

現場看了釋出，「像搭樂高一樣建流水線」這個比喻確實生動，但樂高也得有說明書，中小企業缺的正是那個會拼的人。

Agentar 2.0

深度報告

使用者評論

相關連結

同類產品