AI To B进入深水区，蚂蚁数科要怎么打？

AI淘金热里，蚂蚁数科选择“卖水”。

文｜白 鸽

编｜王一粟

企业级AI正在进入一个微妙的时刻。

一边是AI大模型能力在不断持续迭代，AI Coding在一年内从新鲜事物变成行业标配，Gartner预测到2028年平均每家《财富》500强企业将拥有超过15万个AI Agent。

另一边则是冷静下来的账本，AI到底能不能商业化，也正逐渐从叙事问题转变为账务问题。

同时，行业里正逐渐形成清晰的共识，AI大模型能力本身已经不再是瓶颈，真正的瓶颈在于落地，即AI能否真正进入企业的核心生产系统，而不只是停留在聊天框和文档里。

事实上，这个判断，蚂蚁数科CEO赵闻飙在两年前就下过注。

2023年百模大战最热闹的时候，整个行业都在追基座模型，他却公开表示：“即便是大模型这样的前沿技术，也很难适合产业数字化和智能化。”

蚂蚁数科CEO赵闻飙

两年后，AI的发展速度远超所有人想象，但他说这个判断没有变：“整个企业的数字化和智能化不单需要大模型，更多的需要安全合规，需要工程化的能力。”

而这，也成为了蚂蚁数科All in ToB AI战略的核心判断。

过去两年，蚂蚁数科完成了一次并不轻松的身份切换。

2024年独立运营时，它更多被视作蚂蚁集团技术能力的商业化出口，带着云原生、区块链、安全风控等“老家底”服务企业数字化。

两年后的外滩大会上，蚂蚁数科的叙事已经彻底转向：AI To B成为核心战略，核心AI业务浓缩为三大板块，即AI大模型、超级智能体工厂及区块链+AI业务，三者相辅相成，而智能体超级工厂则成为了新阶段的关键。

据赵闻飙披露，蚂蚁数科目前整体业务年均增长近50%，AI业务增速达到三位数，平台产品ARR增速60%，客户净收入留存率超过110%，大客户中AI产品采购占比接近20%。

不过，他也坦诚承认，AI To B业务目前规模仍然较小，大客户中AI采购占比刚接近20%。

那么，蚂蚁数科在这场AI转型中，能否真正转向平台化？自研行业大模型，与通用大模型的边界在哪里、能守多久？智能体超级工厂这个微软、甲骨文、亚马逊同时看中的方向，蚂蚁数科的差异化成色几何？

从交技术到交结果，AI To B的生意要怎么做？

中国市场，To B生意向来难做。过去十年，中国企业软件公司普遍困在项目制交付里，定制化、重人力、难复用、毛利低。

而蚂蚁数科过去的模式也是这样，作为蚂蚁集团技术能力的商业化出口，它对外输出分布式架构、移动开发、区块链和安全风控，服务全球超过3万家企业，收入跟着项目走。

赵闻飙对这门生意的难处有清醒认知：“To B企业的增长速度大家可以去看，基本上有15%-25%的增长，就已经是很体面的公司了。”

而AI之所以被寄予厚望的原因之一，就是希望其能够打破这个循环，如果智能体能够标准化地生产、部署和复用，ToB商业模式就有可能从“卖人头”变成“卖产品”。

但从当前整个行业来看，现阶段AI产业链的价值分配，仍是一个正三角形，即最赚钱的是芯片，其次是大模型公司，而应用层的价值则还没有得到充分的释放。

就像早期移动互联网的时候，2G时代赚钱最多的是运营商，到了5G时代时，整个产业链非常成熟，价值才会倒转到应用层。“我们觉得现在AI的整个产业链发展还处于早期阶段，是正三角形，但是即将翻转过来。”蚂蚁数科国际业务总裁李世炜如此说道。

而这个“正三角何时翻转”的问题，也成为所有AI To B公司们共同的赌注。在李世炜看来，价值翻转的前提，则在于应用层的真正放量，而从应用形态看，AI应用可分为两层：

一层是后台应用，主要服务的是企业的生产交付中台，Agent的繁荣也主要发生在这一层，无论是AI Coding、AI Worker还是多模态，都是跨行业的“最大公约数”。

二层是前台应用，即直接嵌入企业核心生产系统的部分，才是AI To B真正的主战场与深水区。

蚂蚁数科AI业务总裁余滨则引用了Anthropic一份分析自身收益来源的报告：“整个价值链最深的地方是越来越进入生产的核心、经营的核心，比如它进入到飞机制造的一些地方、药品生产的一些地方的时候，这样它才能真正对这个行业带来实实在在的价值。”

而这与蚂蚁数科反复强调的“从后台的水平应用，走向前台的垂直深水区”是同一个判断。蚂蚁数科的选择，正是切入这一层，聚焦前台、聚焦垂直行业，做通用Agent到不了的地方。

这也正是理解蚂蚁数科一系列动作的钥匙，它的变化同时发生在两条线路上：

第一条线是产品体系的AI化。

过去两年，蚂蚁数科一方面把老产品升级，即云原生平台SOFAStack升级为AI PaaS，移动开发平台mPaaS升级为智能终端开发平台。

另一方面则推出了一批AI原生产品，包括行业大模型LingDT、智能体平台Agentar、模型服务平台DTMaaS、AI办公平台AIWork、智能体安全产品蚁天鉴等等。

在AI模型不断迭代，产品架构一日三变的情况下，蚂蚁数科的产品迭代也相当快，新产品层出不穷、老产品1个月调整一个大版本都是常态。

由此，蚂蚁数科具备了一套从模型、平台、智能体到安全治理的企业AI产品体系。

第二条线，也是更深的变化，即经营指标的切换。

赵闻飙说得很直白：“蚂蚁数科的衡量增长的指标变了。”

过去公司围绕分布式架构、云原生做“技术交付”，现在要做的是“AI价值交付”，即看有多少真实的业务流程和岗位由AI完成，最终创造了什么业务结果。

同时，平台型ARR增速超过60%，也意味着蚂蚁数科正试图摆脱对一个个定制项目的依赖，转向可复用、可持续付费的平台化业务。

更为重要的一点在于，蚂蚁数科还独立组建了自己的FDE团队，赵闻飙称之为“深度陪伴”：“你一定要打深度陪伴的这张牌，只有把整个价值交付出来了，客户才会买单。”

可以看到，产品已经基本成型，商业化也在逐步跑通，蚂蚁数科正在一步步交出自己的AI成绩单。

押注智能体经济，三块业务背后的同一盘棋

企业AI落地，它的终局到底是什么样的？

赵闻飙认为，是从个体智能到整个企业的组织智能，最终成为一个智能体经济。

所谓的智能体经济，就是Agent走出企业，消费者的Agent调用商家的Agent，供应商的Agent与采购方的Agent协作，智能体与智能体之间发生交易。

而这需要一个过程，赵闻飙则把大模型产业落地分为三个阶段：

首先是企业接入大模型，模型是提升效率的工具；

其次是智能体进入业务，开始承担客服、营销、风控等具体岗位；

最终是智能体进入组织，几十上百个智能体被组织起来，理解共同目标、分工协作。

如果从这个终局往前看，那么蚂蚁数科看上去分散的三块业务——自研大模型、智能体超级工厂以及区块链+AI，就不再是独立的三条产品线，而是同一盘棋上的三个子。

大模型是“脑”，组织智能的前提是，企业要有一个真正懂自己业务的智能中枢。

蚂蚁数科一直在做自己的大模型产品，如之前发布的行业大模型LingDT。据悉，后续蚂蚁数科还将单独发布开源的大模型产品。

那么，现在市面上已经有很多优秀的通用大模型，为什么蚂蚁数科还要坚持自研大模型？

对此，赵闻飙明确定位：不是做通用对话模型，而是服务企业、深耕生产系统的模型，直接对标Claude的金融类垂直模型，“蚂蚁数科在做的大模型主要是针对企业界的模型，适配企业的智能的中枢，要解决的是安全性、严谨性的大模型。”

安全、严谨、行业知识、性价比，是这个中枢的硬约束，毕竟，像银行、医疗这类场景，不能胡说八道是底线而不是加分项。

市场上并不缺通用对话模型，但企业级场景（尤其金融、政务）的要求完全不同，比如需要引用、参考文献和对思考过程做复核的训练数据，大幅提升严肃问题的可靠性，而数据计算和引用是幻觉的最大来源，蚂蚁数科则专门花精力处理数据加工与引用。

更重要的一点是，这些能力在通用模型的后训练里补不全，必须在模型研发的更深层就注入。

因此，蚂蚁数科不局限于只做后训练模型，未来将要往中期训练，甚至往预训练模型的深水区走。

毕竟“大模型能力是被预训练部分决定的。”蚂蚁数字科技算法技术部负责人章鹏如此说道，如果不自研，这个“深水区”根本进不去，只能永远在别人模型的能力边界内做修补。

章鹏也说得很直白：“我们的核心竞争力不是权重，权重在不停地更新。我们积累的是reward function（报酬函数）、行业任务、评价标准和评测方法。”

总之，蚂蚁数科自研大模型，是因为产业AI的终局，要求模型在严谨性上达标、核心能力要沉淀在自己手里、交付的成本和节奏、以及安全可控。

有了自研模型的“大脑”，还得有一个稳定运行的“生产线”——智能体超级工厂。

一两个智能体可以手搓，几百上千个智能体就需要工厂流水线生产。

赵闻飙认为，智能体超级工厂=智能体的产业化平台，解决的不是“开发一个智能体”，而是企业如何规模化地生产、应用、管理智能体，最终从个体智能走向组织智能。

他用了一个工业革命的类比：“我们看工业革命，不是用一台机器代替所有的机器，而是把不同的机器组成一条生产线。智能体的时代也一样……智能体超级工厂就是这条生产线。”

这条生产线的职能，是把智能体的开发、部署、协作、评测、治理集约到一个平台上，让“生产数字员工”从手工作坊变成工业流程，这正是从个体智能走向组织智能的那道门槛。

如果AI解决的是智能问题，那么区块链解决的就是信任问题。

当智能体的权限开始放大，开始代表企业调动资金、签署合同、与其他企业Agent交易，就必须回答“它是谁、代表谁、被授权做什么、出了事谁负责”。

赵闻飙给KYA（Know Your Agent）定的位置是智能体经济的入口：“就像商业活动第一件事是KYC（Know Your Customer）、KYB（Know Your Business），将来的智能体经济，包括Agent的交易、Agent的支付，第一件事就是KYA。”

大脑、生产线、信任机制，三者拼在一起，形成了蚂蚁数科。

正如赵闻飙所说，“很少有像蚂蚁数科这样的公司，AI原生的应用、AI工程化交付的能力、行业大模型，以及可信安全的区块链+AI，这些是一体的。”

也正因此，对于行业客户而言，买的不是其中任何一个产品，而是安全、灵活、能打造爆款应用的AI平台。

从银行到小店，一次市场边界的扩张

做ToB的生意逻辑变了，服务的产品变了，而市场边界也正在发生变化。

过往，对于很多软件ToB厂商来说，服务大客户，才是保证公司整体收益的关键，甚至很多企业在最初的市场战略中，都主动放弃了中小企业市场。

但现在，这一趋势发生了变化。

就拿蚂蚁数科来说，其服务过全国所有国有银行和股份制银行、拿下32.4%区块链市场份额，现在也正把触角伸向下一个看起来“不那么性感”的市场——中小商家。

就在一个月前，蚂蚁数科旗下的智能体平台Agentar刚刚推出了生态版，把过去服务金融机构的智能体能力，打包成中小商家“开箱即用”的产品。

产品形态也随之改变，商家可以一键式把过去的小程序智能体化，“指定类似的资料，几分钟之内就可以生成一个支持AI标准协议的智能体”，再延伸到零售预测、门店巡检等经营环节。

这个转向值得琢磨。毕竟，金融业是AI落地中确定性最高的行业，银行客单价高、付费能力强，蚂蚁数科花了十几年在这里筑起了护城河。

事实上，软件企业并不是不想做中小客户，而是通常死于两道坎：获客成本和服务成本。而蚂蚁数科的特别之处在于，它恰好同时跨过了这两道坎。

第一，获客几乎是免费的。支付宝AI开放平台背后就是千万级商家，Agentar接入其中，等于把产品直接摆在了目标客户的日常工作入口里。别人要花钱买流量、建渠道，数科的客户就长在自家生态里。

第二，服务的边际成本极低。中小商家用不起定制项目，但蚂蚁数科的能力是标准化的。给一家大银行做零售预测，和给一万家小商户做零售预测，底层是同一套模型、同一套智能体。

过去在大客户现场打磨出来的行业Know-how，沉淀为平台能力之后，服务小客户只需要“开通账号”。能力可以降维复用，这是从金融起家公司独有的路径：先在要求最严苛、容错率最低的行业把能力练到极致，再向要求更宽松的长尾市场输出。

第三，则是商业模式逼着它必须做。

超级智能工厂“不能只靠一个个项目交付”，需要形成可复用、持续付费的平台业务，而平台型ARR的增速已经超过了60%。

大客户模式的天花板显而易见，项目制、交付重、周期长，全国城商行加起来也就那么多家。中小客户则是标准的平台经济模型：单客收入虽小，但千万级客户乘以极低的服务成本，就是一条可持续的收入曲线。

在扩张到中小微市场后，蚂蚁数科AI业务总裁余滨感到“非常惊喜”。

据余滨观察，中小企业对于“如何在AI环境里降低门槛获益”有着极其强烈的需求，一个开奶茶店的小老板，同样想知道明天该备多少货、哪家门店需要巡店、会员该怎么运营。

但过去很长一段时间，中小商家的需求不是不存在，而是没人好好做。

整体来看，从银行到小店，表面上是客群的下沉，本质上是能力的外溢。蚂蚁数科正在把自己在金融这个“高确定性战场”里打磨了十几年的AI能力，顺着支付宝的渠道，灌进中国商业世界最长尾的毛细血管里。

这条路的成败，也将决定智能体超级工厂究竟是一家高端定制工坊，还是一场真正的产业革命。