去年还在比拼大模型参数、关注模型排行榜，今年已经开始讨论AI智能体在哪些业务场景真正落地。从技术能力的较量，到实际应用的比拼，人工智能（AI）产业的竞争重点正在发生变化。
11月2日，在2026香港金融科技周上，蚂蚁数科副总裁、中国区业务发展部总经理孙磊分享了这一观察。他认为，AI产业正进入从技术竞技走向业务价值交付的“下半场”。但从模型能力到商业价值，中间仍有一段需要跨越的距离：如何打通企业内部业务系统，实现智能体协同，并通过工程化、标准化方式推动AI规模化应用，正在成为行业关注的新课题。
从比拼模型参数到关注业务成效
“去年大家更多讨论哪家模型参数规模大、哪款模型排名靠前。今年更多讨论的是，企业有哪些场景已经通过AI智能体进行了尝试和落地。”孙磊结合连续两年参加香港金融科技周的经历，分享了这一感受。
在他看来，这种变化反映出人工智能产业正在经历一场从技术导向向业务价值导向的转变。
过去，行业更多关注模型规模、参数数量及技术性能，企业内部有关AI的讨论也主要集中在首席技术官（CTO）和技术部门。而今年，越来越多业务部门开始参与AI应用的讨论，与技术团队共同探索如何利用智能体解决实际经营问题。
与此同时，企业对AI的期待也在发生变化。
过去，不少企业更关注能否在某个业务环节引入AI、完成单点试验；如今，随着越来越多智能体进入业务流程，企业开始思考如何将不同系统、不同智能体连接起来，推动AI从解决单个问题走向解决系统性问题。
孙磊认为，AI上半场的重点是技术竞技，模型性能、参数规模和技术能力的提升，为产业应用奠定了重要基础。而进入下半场，行业需要进一步关注技术能否真正解决业务问题、提升经营效率，并创造实际商业价值。
这一变化也意味着，人工智能的应用重点正逐步从通用模型转向垂直行业，从技术部门主导转向业务与技术共同参与，从单点应用转向更加系统化的部署。
“技术能力再强，如果没有进入业务场景，没有解决实际问题，就难以真正发挥价值。”孙磊表示，AI要在产业中实现更广泛的应用，最终仍需回到具体行业和业务需求。
打通“最后一公里”，AI落地需要系统化能力
从技术能力的提升，到业务价值的实现，AI落地仍面临不少现实挑战。
孙磊指出，当前企业应用AI主要面临几方面问题。
首先是模型能力与行业需求之间仍存在差距。通用大模型虽然具备较强的基础能力，但在金融、能源等专业领域，对准确性、安全性及行业知识的要求更高，需要进一步结合具体业务场景进行优化。
其次是企业内部系统之间的连接问题。过去的数字化建设为企业积累了大量业务系统和数据资源，但这些系统往往分散在不同部门。如何通过智能体将既有系统有效连接起来，使AI能够参与更加完整的业务流程，是企业智能化转型需要解决的重要问题。
随着智能体数量增加，多智能体协同及安全管理也变得更加重要。
孙磊表示，当越来越多智能体参与企业业务运行，如何明确不同智能体的功能与责任、确保系统安全稳定，将直接影响AI应用能否从局部试点走向规模化部署。
这些问题背后，反映出企业对AI应用的需求正从单一工具转向系统性解决方案。
在孙磊看来，要推动AI实现规模化应用，不能只依靠模型能力的提升，还需要加强工程化、标准化建设，形成覆盖开发、部署、检测、运行及反馈的完整体系。
他介绍，蚂蚁数科正在探索通过工程化开发、标准化生产流程和行业专家反馈等机制，推动智能体能力与企业业务系统相结合。
其中，既要通过开发工具和工程规范提高智能体的部署效率，也需要加强模型、算力、业务系统之间的连接，并将行业专业知识和安全要求融入应用流程。
其目标是形成能够复制、推广的智能化产品和解决方案，让企业不必每次都从零开始建设AI应用。在业内看来，这一技术路径也延续了蚂蚁集团长期以来推动技术能力产业化的探索——从早期支付业务，到数字化服务、普惠金融及医疗等领域，蚂蚁集团不断拓展技术应用场景。蚂蚁数科则在此基础上，进一步推动人工智能、区块链等技术能力产品化、标准化，为外部企业和产业客户提供数字化、智能化服务。
从金融到能源，AI加快进入核心业务场景
随着企业对AI应用的关注点从技术能力转向业务成效，一些行业已经开始出现新的变化。
孙磊指出，金融业是人工智能应用发展较快的领域之一。特别是2026年以来，金融行业的AI应用正在从相对独立的辅助性场景，逐步向更多核心业务环节延伸。
在此之前，金融机构的AI应用更多集中在智能客服、内容生成等场景。而现在AI正进一步进入财富管理、投研服务、信贷等专业业务领域。
例如，在银行零售业务中，AI智能体可以参与客户服务和业务处理；在保险领域，智能理赔等应用有助于缩短业务处理时间；在证券行业，人工智能也正在应用于投研资料整理、专业内容生成等工作。
值得关注的是，金融机构对AI的应用已经不再局限于单个智能体完成某项任务，而是更加重视不同智能体之间的协同，希望推动AI融入更加完整的业务流程。
孙磊介绍，蚂蚁数科正在探索面向金融行业的专业智能体应用，通过结合行业知识、业务规则及人工智能技术，提高AI在复杂金融业务场景中的适配能力。
“相比金融行业，能源领域的AI应用仍处于持续探索和加快发展阶段，但同样呈现出向核心业务深入的趋势。”孙磊进一步指出，例如，在电力行业，AI正在设备运行监测、故障隐患识别及业务审核等环节探索应用，帮助缩短部分业务的响应时间，减少重复性人工审核工作。
在新能源领域，AI还可以与光伏发电、电力交易等业务相结合，提升业务处理效率。随着人工智能算力需求不断增长，电力系统与算力设施之间的协同，也成为值得关注的新方向。
孙磊认为，虽然金融和能源等行业的AI应用成熟度有所不同，但共同趋势是从单点试验走向更加系统化的部署，从辅助性工作逐步进入专业性更强的业务环节。
这也对AI技术服务商提出了更高要求：既要具备底层技术能力，也要深入理解行业需求，并通过工程化、标准化方式降低应用门槛。
谈及未来，孙磊表示，蚂蚁数科将继续围绕企业智能化升级、中国企业出海及产业生态合作等方向展开探索，依托中国市场积累的技术和业务实践，与更多合作伙伴共同推动AI在不同地区和行业的应用落地。
在他看来，人工智能产业正在从技术能力快速提升的阶段，迈向更加重视应用成效的新阶段。能否让智能体真正进入业务流程，帮助企业解决问题、创造价值，将成为AI“下半场”的重要竞争力。
南方+记者 陈颖
红太阳配资提示：文章来自网络，不代表本站观点。
- 上一篇：太细了！iPhone Duo 专属屏幕移动功能
- 下一篇：没有了
热点资讯
