撰文 | 李信馬
題圖 | DoNews制作
不久前，國務(wù)院印發(fā)了《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》（下文簡稱“《意見》”），其中，“智能體”一詞被反復(fù)提到。
比如在總體要求中提到，到2027年和2030年，新一代智能終端、智能體等應(yīng)用普及率分別超70%和90%，到2035年，我國全面步入智能經(jīng)濟(jì)和智能社會(huì)發(fā)展新階段。《意見》中還進(jìn)一步提到：“在軟件、信息、金融、商務(wù)、法律、交通、物流、商貿(mào)等領(lǐng)域，推動(dòng)新一代智能終端、智能體等廣泛應(yīng)用。”
還有在優(yōu)化應(yīng)用發(fā)展環(huán)境方面：“培育人工智能應(yīng)用服務(wù)商，發(fā)展‘模型即服務(wù)’、‘智能體即服務(wù)’等，打造人工智能應(yīng)用服務(wù)鏈?！?/p>
“智能體”的英文是“Agent”，早在上世紀(jì)有關(guān)人工智能的學(xué)術(shù)探討中就已出現(xiàn)。但當(dāng)下的“智能體”概念，卻是大模型興起后的“舊瓶裝新酒”。中國信息通信研究院不久前發(fā)布的《智能體技術(shù)和應(yīng)用研究報(bào)告（2025年）》中，定義“智能體通常是指能夠感知環(huán)境、理解指令、規(guī)劃決策、執(zhí)行任務(wù)的軟件系統(tǒng)或硬件實(shí)體”。?
理論上，具身智能也是智能體的一種形態(tài)?制圖：DoNews
2025年，“智能體”的概念開始爆火，在不久前的世界人工智能大會(huì)（下文簡稱“WAIC”）上，相關(guān)的產(chǎn)品和發(fā)布幾乎與具身智能平分秋色。啟明創(chuàng)投主管合伙人周志峰在演講中曾表示，智能體的爆火，根本原因是基礎(chǔ)模型能力提升：“上下文窗口更大、能使用外部工具，核心還是‘推理能力’的增強(qiáng)?，F(xiàn)在甚至出現(xiàn)了‘智能體的摩爾定律’——任務(wù)處理復(fù)雜度每七個(gè)月翻一倍?！?/p>
而直接原因，就是年初DeepSeek V3/R1 模型的發(fā)布，將推理成本大幅降低至當(dāng)時(shí)OpenAI對(duì)應(yīng)模型的5%。之后全球的主流大模型陸續(xù)跟進(jìn)，推理成本差不多降到了去年同期的1/100。在啟明創(chuàng)投對(duì)人工智能未來的十大展望中，智能體就占到了兩個(gè)：
未來12-24個(gè)月，Agent形態(tài)將從“工具輔助”走向“任務(wù)承接”，首批真正意義上的“AI員工”將進(jìn)入企業(yè)，廣泛參與客戶服務(wù)、銷售、運(yùn)營、研發(fā)等核心流程，不再僅作為助手存在，而是具備協(xié)同作業(yè)、主動(dòng)反饋、承擔(dān)OKR等能力，推動(dòng)從成本工具向價(jià)值創(chuàng)造轉(zhuǎn)變。
多模態(tài)Agent將不斷走向?qū)嵱没?，能夠融合視覺、語音、傳感器等多源輸入，進(jìn)行復(fù)雜推理、工具調(diào)用與任務(wù)執(zhí)行，在醫(yī)療、金融、法律等行業(yè)率先實(shí)現(xiàn)突破。
無論是政策的指向，還是在機(jī)構(gòu)的預(yù)測(cè)中，金融行業(yè)都被重點(diǎn)提到。相比其他行業(yè)，金融行業(yè)在落地智能體方面有得天獨(dú)厚的優(yōu)勢(shì)：有場(chǎng)景、有數(shù)據(jù)，重要的是“有錢”，有預(yù)算。
服務(wù)金融行業(yè)的人工智能應(yīng)用服務(wù)商層出不窮，而“落地智能體”也成為時(shí)下金融行業(yè)熱門的話題。在WAIC，就有多家企業(yè)進(jìn)行了相關(guān)產(chǎn)品的發(fā)布。比如，螞蟻數(shù)科發(fā)布了金融推理大模型Agentar-Fin-R1，容聯(lián)云推出了容犀Agent & Copilot平臺(tái)。人工智能行業(yè)被戲稱為“拿著錘子找釘子”，本文也將以這兩家企業(yè)為例，從“造錘子”和“找釘子”的角度，來分析智能體應(yīng)用在金融機(jī)構(gòu)的落地。
（注：文中內(nèi)容來自DoNews對(duì)兩家企業(yè)的采訪，有整理。）
01、“造錘子”之算力
通過下面螞蟻數(shù)科AI產(chǎn)品矩陣的示意圖，可以直觀的看出，智能體的落地，一般分為四個(gè)層次。
最底層依舊是算力，再往上是我們熟悉的大模型，再往上則是智能體平臺(tái)，上文提到容聯(lián)云的容犀Agent & Copilot平臺(tái)，還有螞蟻數(shù)科此前發(fā)的智能體平臺(tái)Agentar都位于這一層級(jí)，再上一層就是應(yīng)用層，也對(duì)應(yīng)不同場(chǎng)景下的智能體。
拍攝、整理：DoNews
容聯(lián)云大模型產(chǎn)品負(fù)責(zé)人唐興才認(rèn)為，在智能體的構(gòu)建方式上，不同的服務(wù)商是大同小異的，都是從底層算力平臺(tái)管理入手，進(jìn)一步構(gòu)建模型體系，模型管理之上，再結(jié)合具體的應(yīng)用場(chǎng)景搭建平臺(tái)，例如質(zhì)檢系統(tǒng)、洞察分析系統(tǒng)、客服系統(tǒng)或營銷系統(tǒng)等。
不同企業(yè)的算力水平不可同一而論，比如銀行財(cái)大氣粗，可以撥款幾十億建數(shù)據(jù)中心，有的機(jī)構(gòu)則選擇花幾百萬買小型機(jī)，但用更少的算力，得到更好的業(yè)務(wù)效果，是所有企業(yè)共同的追求。
所以服務(wù)商首先要幫金融企業(yè)把算力用好，比如螞蟻數(shù)科集成了一整套云原生架構(gòu)，在AI工程能力上也有所積累，可以為客戶建立算力平臺(tái)和私有化算力中心。容聯(lián)云在產(chǎn)業(yè)鏈上的定位更接近于應(yīng)用廠商，會(huì)與阿里云、騰訊云等云廠商達(dá)成算力方面的合作。
對(duì)服務(wù)商來說，將算力用好，更多是看用什么尺寸的大模型。一般來說，參數(shù)規(guī)模越大，大模型的能力越強(qiáng)，大模型的能力直接決定了智能體的能力，而模型的參數(shù)規(guī)模越大，對(duì)算力的要求自然也就越高。
螞蟻數(shù)科發(fā)布的金融推理大模型Agentar-Fin-R1就包含32B和8B兩個(gè)版本，對(duì)此，螞蟻數(shù)科CTO王維的看是，模型的尺寸取決于在什么樣的場(chǎng)景下，需要什么樣的算力：“模型的尺寸越大越好嗎？它一定存在邊際效應(yīng)的衰減。今天選擇8B或者32B，就是說在絕大多數(shù)場(chǎng)景下，這是一個(gè)比較主流、折中的選擇。我賣你一個(gè)手機(jī)十萬塊錢，你肯定不會(huì)買，賣五千塊錢你就會(huì)買，但是賣三五百，你會(huì)嫌性能不夠好，它就是消費(fèi)價(jià)值中合適的折中。”
唐興才也舉了個(gè)例子，他們會(huì)從實(shí)際的數(shù)據(jù)量出發(fā)，比如金融質(zhì)檢這個(gè)場(chǎng)景，一天要檢測(cè)多少通會(huì)話，假如有一萬通會(huì)話，再去判斷選用多大尺寸的模型。“我們對(duì)7B、14B、32B、72B的模型都進(jìn)行了測(cè)試，最終選擇的是32B的模型，在保證效果和算力消耗上達(dá)到一個(gè)均衡，大概一兩張卡就能很好的覆蓋這個(gè)場(chǎng)景，整體投入也不是特別高?！?/p>
另外，金融行業(yè)對(duì)合規(guī)類的要求極高，還需要做國產(chǎn)GPU的適配，保證在信創(chuàng)的環(huán)境下也能跑出比較好的效果。比如唐興才介紹，之前容聯(lián)云主要適配的是昇騰，最近也在做阿里平頭哥的適配。
02、“造錘子”之大模型
在WAIC上，螞蟻數(shù)科喊出了一句口號(hào)：AI智能體產(chǎn)業(yè)價(jià)值釋放的關(guān)鍵，在于“水平通用”向“垂直專用”的戰(zhàn)略轉(zhuǎn)變。
首先明確幾個(gè)點(diǎn)：通用大模型在垂直領(lǐng)域并不好用；人工智能應(yīng)用服務(wù)商也并不需要構(gòu)建通用大模型；重要的是如何將通用大模型打造成好用的行業(yè)大模型，其核心就是“數(shù)據(jù)”。
對(duì)第一個(gè)點(diǎn)，螞蟻數(shù)科金融AI產(chǎn)品總經(jīng)理曹剛的解釋是：“為什么通用大模型到了垂直領(lǐng)域不能開箱即用？因?yàn)榇蠹易畛Ｒ娪么竽Ｐ偷姆绞绞荘rompt，非常簡單和初級(jí)。在金融領(lǐng)域，你想用Promp把最簡單的投資策略或者市場(chǎng)分析給搞出來，都是不切實(shí)際的，它沒有足夠深入的行業(yè)知識(shí)?！?/p>
王維也表示：“一個(gè)不能理解行業(yè)的大模型，它就不懂行。什么是懂行的呢？你是A銀行，我是B銀行，你們銀行有你們銀行的‘行話’，在我們銀行就是另外的說法。而且，不同銀行的數(shù)據(jù)集合策略不一樣，即使同一個(gè)行業(yè)，不同的企業(yè)也有不同的稟賦，同一個(gè)業(yè)務(wù)，比如說理財(cái)推薦，A銀行更推薦理財(cái)基金類的產(chǎn)品，B銀行可能更傾向存款類的產(chǎn)品?！?/p>
不過，開源的通用大模型可以成為行業(yè)大模型可靠的基座。有趣的是，在基礎(chǔ)模型的選擇上，螞蟻數(shù)科和容聯(lián)云都選擇了Qwen3.0，可見對(duì)其成熟度的普遍認(rèn)可，在第二選擇上，螞蟻數(shù)科選擇螞蟻集團(tuán)自研的百靈大模型，而容聯(lián)云選擇了DeepSeek。不過王維也表示：“今天做產(chǎn)業(yè)AI，不應(yīng)該局限于某個(gè)特定的基礎(chǔ)模型，我們后面會(huì)出螞蟻百靈模型版本，甚至我們客戶需要用DeepSeek或者其他的開源模型，我們也會(huì)考慮。”
金融行業(yè)是一個(gè)要求極高、審慎的行業(yè)，對(duì)幻覺的容忍度極低。和文章開頭提到的模型推理能力的提升，直接推動(dòng)了智能體發(fā)展的觀點(diǎn)類似，王維通過過去幾個(gè)月螞蟻數(shù)科的實(shí)踐，認(rèn)為模型推的推理能力正變得越來越重要：“金融行業(yè)復(fù)雜場(chǎng)景的業(yè)務(wù)，需要模型整個(gè)推理的鏈條和推理的邏輯都很清晰，才能真正解決問題?！?/p>
想要用智能體解決金融行業(yè)的問題，金融推理模型是必選項(xiàng)，而想要提升模型的推理能力，螞蟻數(shù)科將重點(diǎn)總結(jié)為“3個(gè)E”——高質(zhì)量數(shù)據(jù)、過程中要兼顧數(shù)據(jù)和訓(xùn)練的消耗，還有持續(xù)迭代。
拍攝：DoNews
“金融專業(yè)能力必須用好的金融數(shù)據(jù)去投喂，”王維說：“說到底，大模型是解決問題的，你必須要對(duì)任務(wù)有足夠多的識(shí)別，就像考試要有明確的大綱一樣?？荚嚧缶V決定了會(huì)考你什么知識(shí)點(diǎn)，以及對(duì)知識(shí)點(diǎn)你掌握的怎么樣。掌握好了就不要浪費(fèi)過多的算力，掌握得不好要如何進(jìn)行加訓(xùn)？所以，要減少幻覺和對(duì)算力的消耗，就必須持續(xù)對(duì)這件事情進(jìn)行修正和追蹤。我們的邏輯就是，特定的金融任務(wù)體系和高質(zhì)量的數(shù)據(jù)，成為我們金融推理大模型專業(yè)度的表現(xiàn)?！?/p>
在數(shù)據(jù)層面，螞蟻數(shù)科背靠螞蟻集團(tuán)這棵大樹，能獲取千億級(jí)金融專業(yè)數(shù)據(jù)語料，構(gòu)建的金融任務(wù)分類體系包括6大類、66小類場(chǎng)景，覆蓋了銀行、證券、保險(xiǎn)、基金、信托等金融全場(chǎng)景。相較之下，容聯(lián)云訓(xùn)練金融大模型早期是通過以往積累的存量數(shù)據(jù)，之后則是在金融客戶中尋找創(chuàng)新意愿較強(qiáng)的企業(yè)共創(chuàng)，后者提供數(shù)據(jù)，容聯(lián)云提供技術(shù)和資源，來推動(dòng)應(yīng)用落地，再基于標(biāo)桿案例去開拓新的客戶。“開源的Qwen3.0和場(chǎng)景落地之間隔的是數(shù)據(jù)，選擇數(shù)據(jù)的能力是我們產(chǎn)品的核心競爭力。具體來說，就是按照規(guī)范，在客戶龐雜的歷史數(shù)據(jù)里面快速選擇出符合場(chǎng)景的優(yōu)質(zhì)數(shù)據(jù)跑到模型里面去?！碧婆d才說。
服務(wù)商基于同樣的開源模型，獲取不同的數(shù)據(jù)，再通過各自的訓(xùn)練算法來提高大模型對(duì)復(fù)雜金融任務(wù)的學(xué)習(xí)效率與性能，在實(shí)際應(yīng)用中，都表現(xiàn)出了相對(duì)通用大模型的明顯優(yōu)勢(shì)。螞蟻數(shù)科曾宣布，Agentar-Fin-R1金融推理大模型在多個(gè)主流金融基準(zhǔn)測(cè)試中，力壓一眾通用模型取得最高分。
圖源：螞蟻數(shù)科
“舉個(gè)例子，有些場(chǎng)景中不使用一些核心的智能體技術(shù)和支持工程的技術(shù)，它（通用大模型）可能只打50分、60分，但是你使用了這些技術(shù)，能夠?qū)?shù)據(jù)進(jìn)行微調(diào)，對(duì)知識(shí)進(jìn)行有效的提取，它的分?jǐn)?shù)可能到90分?！蓖蹙S解釋道。
唐興才也表示：“你拿Qwen3.0的裸模型去直接跑質(zhì)檢業(yè)務(wù)，也就百分之五六十的準(zhǔn)確率。我們靠選數(shù)據(jù)的能力，把這個(gè)場(chǎng)景的數(shù)據(jù)標(biāo)準(zhǔn)定下來，訓(xùn)練好的模型準(zhǔn)確率能達(dá)到96%以上?！?/p>
03、“造錘子”之智能體
人工智能的發(fā)展，一直是從技術(shù)驅(qū)動(dòng)不斷向市場(chǎng)驅(qū)動(dòng)轉(zhuǎn)移。從通用大模型到行業(yè)推理大模型，再到智能體，AI能夠解決的問題越來越多，落地的價(jià)值也越來越高。
《智能體技術(shù)和應(yīng)用研究報(bào)告（2025年）》中指出：“智能體通過多模態(tài)交互、大小模型協(xié)同、任務(wù)分解與規(guī)劃、工具調(diào)用等技術(shù)，構(gòu)建起從感知到執(zhí)行的完整閉環(huán)系統(tǒng)，有效解決了大模型‘有腦無手’的難題，進(jìn)而實(shí)現(xiàn)更廣泛的互動(dòng)和功能擴(kuò)展。隨著多智能體系統(tǒng)正逐步成為構(gòu)建智能生態(tài)的重要支撐形態(tài)，以MCP、 A2A等為代表的大模型和智能體通信協(xié)議，為信息孤島和通信兼容性問題提供了有效的技術(shù)解決方案，降低了智能體系統(tǒng)集成復(fù)雜性，進(jìn)一步拓寬了智能體能力邊界。”
智能體的核心價(jià)值，不在于多，而在于突破了以往的AI產(chǎn)品達(dá)不到的業(yè)務(wù)深度。就像螞蟻數(shù)科CEO趙聞飆在WAIC的演講中所說，與其做一兩千個(gè)智能體業(yè)務(wù)，不如在一到兩個(gè)業(yè)務(wù)里解決難題。
智能體的爆火始于去年年底，當(dāng)時(shí)螞蟻數(shù)科就投入到這一賽道，之后推出了Agentar智能體開發(fā)平臺(tái)，在今年7月16日，中國信通院發(fā)布的2025年首批可信AI智能體評(píng)估結(jié)果中，螞蟻數(shù)科占據(jù)了不同方向的兩個(gè)席位。
圖源：中國信通院
中國信通院對(duì)通用智能體和場(chǎng)景智能體的定義在于，前者關(guān)注智能體平臺(tái)和工具、智能體技術(shù)能力、智能體應(yīng)用服務(wù)、多模態(tài)智能體、多智能體協(xié)同等維度，后者聚焦數(shù)據(jù)分析智能體、客服智能體、搜索智能體、知識(shí)管理智能體等場(chǎng)景智能體。
不過這里筆者是有一些疑惑的，按照這個(gè)標(biāo)準(zhǔn)，Agentar其實(shí)也符合中國信通院對(duì)行業(yè)智能體的定義：面向金融、政務(wù)、汽車、手機(jī)、工業(yè)、教育、醫(yī)療等垂直行業(yè)。
而容聯(lián)云的容犀Agent & Copilot平臺(tái)，主要包括質(zhì)檢代理、坐席助理、坐席代理、洞察代理四個(gè)智能引擎，覆蓋營銷、客服、質(zhì)檢、數(shù)據(jù)洞察等，倒是比較標(biāo)準(zhǔn)的金融行業(yè)智能體。
雖然在王維看來，智能體元年的高峰期已經(jīng)快過去了，但智能體還處于發(fā)展的早期，無論是對(duì)其的定義，還是產(chǎn)品層級(jí)的明確，都還未塵埃落定。在智能體賽道，王維認(rèn)為，螞蟻數(shù)科處于第一梯隊(duì)，尤其是在金融和能源領(lǐng)域做的很深入，不過，他也承認(rèn)，當(dāng)下是智能體“百花齊放”的時(shí)期，賽道的競爭將會(huì)是一場(chǎng)長跑。
“用三年之后智能體的水平評(píng)判，今天的大家都不合格，螞蟻數(shù)科想走的路就是在垂直領(lǐng)域持續(xù)奔跑，特別是在金融領(lǐng)域把螞蟻的稟賦更大程度的發(fā)揮出來?！?/p>
對(duì)于未來的智能體，唐興才倒是覺得，基礎(chǔ)模型和智能體是上下層的關(guān)系，也許有一天，基礎(chǔ)模型足夠強(qiáng)大了，能夠完全理解所有的場(chǎng)景，智能體自然而然就消失了?！斑@一天可能會(huì)來到，或者未來它會(huì)發(fā)展成什么程度，我們也不知道。但到來之前，我們作為應(yīng)用廠商，只能擁抱現(xiàn)在的AI，盡快的讓它落地去做出價(jià)值，做一些力所能及的事情，不管我們是大浪潮里的一滴水，或者是什么別的，都必須先把自己投入到大浪潮里去做?！?/p>
04、“找釘子”
聊完“造錘子”的事情，再聊下具體的應(yīng)用落地。在上一輪的AI浪潮（大模型之前）中，金融行業(yè)的諸多場(chǎng)景就被反復(fù)挖掘過，理由有幾個(gè)：
其一，金融行業(yè)數(shù)字化水平高，有良好的數(shù)字化基礎(chǔ)設(shè)施。
其二，金融行業(yè)有較高的附加值，AI技術(shù)能帶來的價(jià)值創(chuàng)造空間更大。
其三，金融行業(yè)普遍具備較充裕的預(yù)算支持，更傾向于擁抱新技術(shù)，對(duì)創(chuàng)新的包容度也較高。
不過，由于以往的技術(shù)水平限制，金融行業(yè)中的智能體市場(chǎng)依舊是一個(gè)“富礦”。曹剛認(rèn)為，智能體在營銷、風(fēng)控、銷售等場(chǎng)景的滲透率較低，首先是因?yàn)榧夹g(shù)成熟度的原因，很多機(jī)構(gòu)還處于觀望狀態(tài)，對(duì)于是否在核心業(yè)務(wù)上應(yīng)用智能體還是比較謹(jǐn)慎；其次，是許多場(chǎng)景對(duì)專業(yè)度的要求極高，比如銀行的零售業(yè)務(wù)包括十四個(gè)大場(chǎng)景，上百個(gè)小的細(xì)分場(chǎng)景，智能體需要一個(gè)個(gè)去深入攻克；再就是成本的問題，即使大模型的推理成本已經(jīng)大幅降低，但技術(shù)投入的成本，還是不一定低于其帶來的商業(yè)價(jià)值。
螞蟻集團(tuán)本身就有龐大的金融業(yè)務(wù)，其自研的金融大模型，包括AI云平臺(tái)、智能體應(yīng)用開發(fā)平臺(tái)等，都是脫胎于螞蟻集團(tuán)自身的長期實(shí)踐，比如在支付寶App里，就有理財(cái)顧問和問答咨詢的智能體服務(wù)，再由螞蟻數(shù)科作為螞蟻集團(tuán)AItoB的排頭兵，對(duì)外做商業(yè)化的輸出。
螞蟻數(shù)科的打法偏向于“大而全”，先覆蓋通用的場(chǎng)景，再深入解決業(yè)務(wù)難題。王維總結(jié)螞蟻數(shù)科的優(yōu)勢(shì)，首先是人才多，“做大模型這個(gè)東西，沒有一定的人才密度很難做”；其次是有錢，“沒有足夠多的錢，買不到足夠多的算力，做不出足夠好的訓(xùn)練效果，甚至你買不起卡，人才也不會(huì)來你這里”；再然后是有場(chǎng)景，許多智能體應(yīng)用在螞蟻集團(tuán)的場(chǎng)景中已經(jīng)跑通了。
“我們是不是最好的，不好說，但我們都占一點(diǎn)，”王維說：“把螞蟻的經(jīng)驗(yàn)輸出出來，我們認(rèn)為是非常有價(jià)值的，也能夠給行業(yè)帶來更多的智能體應(yīng)用標(biāo)桿?！?/p>
在Agentar平臺(tái)上，也積累了不少來自銀行、證券、保險(xiǎn)等行業(yè)的案例，還有部分典型的智能體應(yīng)用，以及上百種MCP服務(wù)，螞蟻數(shù)科也在不斷提升Agentar平臺(tái)的兼容性和適配性。
而容聯(lián)云更傾向于“找場(chǎng)景，先算帳”。這個(gè)算帳，既要算場(chǎng)景的價(jià)值產(chǎn)出，還有算要投入多少的算力、數(shù)據(jù)和模型開發(fā)成本，看是否值得去做。再然后，是看能不能做，既要科研部門有做的意愿和能力，也要業(yè)務(wù)部門能主動(dòng)參與合作。第三，是上線之后，還能不斷的迭代。滿足這些條件的，才能做成標(biāo)桿案例。
比如金融行業(yè)中的質(zhì)檢場(chǎng)景，如果營銷業(yè)務(wù)因?yàn)橛|犯合規(guī)被投訴，就要停止展業(yè)，對(duì)部門影響極大?！爸翱焖侔l(fā)展期，可能也不是那么嚴(yán)地查你，大家都用人去抽檢，或者睜一只眼閉一只眼不怎么查，現(xiàn)在消保金融監(jiān)管總局都在嚴(yán)查這個(gè)事情，之前的一些常規(guī)手段像是用敏感詞、人工抽檢就不夠用了——一天幾萬通電話人工沒法檢查的?！?/p>
唐興才介紹，之前長江證券計(jì)劃招募二三十人來做這件事，但與容聯(lián)云合作，最后完全用AI完成，這樣單個(gè)項(xiàng)目的價(jià)格是45萬到60萬之間，后續(xù)每年只需要六七萬的服務(wù)費(fèi)?！拔覀儸F(xiàn)場(chǎng)有兩個(gè)人在那兒待了一個(gè)多月，和質(zhì)檢員天天坐在一起，理解這個(gè)場(chǎng)景，看質(zhì)檢到底是怎么要求的，要響應(yīng)到什么程度，把這些東西都融合到我們的AI產(chǎn)品里面?！?/p>
容聯(lián)云未來的規(guī)劃是將業(yè)務(wù)鏈條上的場(chǎng)景節(jié)點(diǎn)串起來，在智能體深入場(chǎng)景的基礎(chǔ)上，做的更寬，成為業(yè)務(wù)線或者網(wǎng)絡(luò)的結(jié)構(gòu)。“現(xiàn)在有一種說法是，一個(gè)企業(yè)可能會(huì)有50到100個(gè)智能體，每個(gè)智能體就像以前的AI應(yīng)用一樣，就負(fù)責(zé)一個(gè)小場(chǎng)景，但未來大模型變得特別聰明，我感覺這些場(chǎng)景是不是也能打通，這樣一個(gè)智能體就可以干很多活。就像鋼鐵俠里的賈維斯，它可以做很多事情，至于它是不是還有AI管家，那無所謂?！碧婆d才說。
在今年5月19日舉辦的微軟 2025 Build 大會(huì)上，微軟CEO薩提亞·納德拉宣布：“我們已經(jīng)進(jìn)入了AI Agent時(shí)代，正在見證AI系統(tǒng)如何以全新方式幫助我們解決問題。”類似的觀點(diǎn)，黃仁勛、扎克伯格、馬斯克等也做過表達(dá)。
對(duì)金融行業(yè)來說，當(dāng)企業(yè)更關(guān)注成本、部署效率和實(shí)用性等現(xiàn)實(shí)問題時(shí)，可能就意味著智能體已經(jīng)經(jīng)過了技術(shù)驅(qū)動(dòng)到市場(chǎng)驅(qū)動(dòng)的關(guān)鍵拐點(diǎn)。對(duì)于未來，王維認(rèn)為，在一個(gè)開放競爭的市場(chǎng)中，一些公司有各自擅長的某些領(lǐng)域，相互間形成生態(tài)和產(chǎn)業(yè)，才是最健康的狀態(tài)。
“我相信產(chǎn)業(yè)當(dāng)中不僅有螞蟻數(shù)科，還會(huì)有很多很好的參與者，讓金融行業(yè)變得更加務(wù)實(shí)，解決真實(shí)的問題。只有這樣，才會(huì)有更多的預(yù)算被投入進(jìn)來，行業(yè)的效率也會(huì)更高，增長的本質(zhì)是生產(chǎn)力的提升，如果說AI在金融行業(yè)得到了比較好的落地，一定會(huì)產(chǎn)生更大的經(jīng)濟(jì)效益和社會(huì)效益?！蓖蹙S說。
