大模型牌桌上，螞蟻如何出牌？

本文作者： 胡敏 2026-09-13 16:22 導語：螞蟻到底想在 AI 產業裡佔據什麼位置？它準備依靠什麼與其他大模型公司競爭，又想把自己的護城河修在哪裡？談起國內 AI 公司，人們首先想到的往往是智譜、MiniMax、月之暗面等大模型創業公司，或者阿里、騰訊、字節這些擁有云和流量入口的大廠。在這張競爭地圖裡，螞蟻的位置一直沒有那麼容易被描述。它也做大模型，也做面向消費者的 AI 應用，現在甚至開始進入具身智能。螞蟻到底想在 AI 產業裡佔據什麼位置？它準備依靠什麼與其他大模型公司競爭，又想把自己的護城河修在哪裡？

(公眾號：)注意到，2026 Inclusion·外灘大會，提供了一個觀察螞蟻 AI 佈局的窗口。外灘大會上，螞蟻展示了什麼？從進入外灘大會開始，螞蟻的 AI 產品就已經在接管具體任務。入場時，觀眾拿出手機"碰一下"，完成身份核驗的同時，也喚醒了展會 AI 助手。AI 不再只待在一個對話框裡，而是被嵌進入場、身份和服務流程。走進展館，最顯眼的是一臺在藥房貨架間移動的機器人。貨架間的通道只有80釐米寬，藥品仍按真實藥房的方式擺放。搭載螞蟻靈波通用大腦的機器人，需要自己接收訂單、識別藥品、完成分揀，再把藥交出來。為了容納它，藥房不需要重新裝修，也不需要把貨架改造成機器熟悉的樣子。

另一種"行動"發生在生活服務區。用戶對阿寶說："每天上午10點幫我買杯咖啡。"智能體需要記住這項安排，在固定時間找到相應服務、創建訂單並完成支付。坐進汽車，可以讓它代繳停車費；戴上 AI 眼鏡，也可以直接詢問附近的餐飲優惠。用戶不再需要記住服務藏在哪個 App 裡，只需要說出自己想做什麼。到了醫療區，阿福承擔的是更復雜的任務。它不僅回答健康問題，也開始進入掛號、導診、報告解讀和診後隨訪。村醫接診時，醫患對話可以自動整理成病歷，輔診建議同步出現；碰到處理不了的問題，系統再給出轉診建議。再往前，是螞蟻服務小店和小微企業的產品。

店主不需要打開一張張經營報表，只要問"哪家店賣得不好""哪些商品該補貨"，經營智能體"曉雨"就會調取數據、尋找問題。網商銀行的百靈2.0，則試圖把信貸、票據、財稅等能力重新組織起來，讓老闆用日常語言就能調用。入場、取藥、買咖啡、看病、管店，這是五件看起來毫不相干的事。但把這些產品擺在一起，會發現螞蟻的 AI 版圖比想象中更寬：阿福和阿寶面向普通用戶，曉雨和百靈進入企業經營，靈波則把 AI 從屏幕帶進物理世界。螞蟻在AI 上的佈局從外灘大會釋放的信息看，螞蟻給出的答案已經有了一個大致輪廓：底層做模型，上層做應用，同時把AI從數字世界延伸到物理世界。先看模型。

螞蟻的百靈模型已經迭代到 Ling 3.0。目前的產品線包括通用模型 Ling-3.0-flash、輕量模型 Ling-3.0-tiny，以及面向多模態和金融場景的 Ling-3.0-flash-VL、Ling-3.0-flash-Fin。其中，Ling-3.0-flash總參數為1240億，但每個Token只激活51億參數；輕量版Ling-3.0-tiny總參數79億，每個Token激活13億參數。據瞭解，Ling-3.0-flash還使用了超過1萬個交互式環境進行訓練，重點強化工具調用和複雜任務執行能力。

這組數據能看出螞蟻做模型的思路：重點不只是把參數做大，還要控制推理成本，讓模型能夠進入真實業務。面向普通用戶，螞蟻目前最重要的兩個產品是阿福和阿寶。阿福向醫療健康深處走。目前，阿福用戶數已經達到1.5億，日均健康諮詢約2000萬次。它不只回答健康問題，也在連接掛號、導診、報告解讀和診後管理。阿寶走的是另一條路。它覆蓋餐飲、出行、文旅和政務等場景，已經完成萬餘項服務的AI化適配。阿寶想爭奪的是App之上的任務入口。過去，用戶先判斷該打開哪個App，再自己完成搜索、比較、下單和支付。阿寶試圖改變這條路徑：用戶只表達意圖，智能體在後臺尋找和調用服務，把剩下的流程跑完。

如果說阿福是在一個垂直行業裡向下扎，阿寶就是在不同生活服務之間橫向連接。一個爭奪專業服務，一個爭奪用戶交辦任務的入口。面向企業，螞蟻數科做的是另一套產品。Agentar最初是一套智能體開發平臺，現在被進一步升級成"商業智能體超級工廠"。"工廠"要解決的不只是如何開發一個智能體。當一家企業擁有幾十個甚至幾百個智能體，還需要統一處理部署、權限、評測、管理和協作。Agentar首批預置了約200個崗位級數字專家模板，以及數百項可以調用的行業技能。企業可以用這些能力組裝自己的智能體，再把它們放進客服、營銷、風控和研發等業務流程。這條業務已經開始反映在收入上。

螞蟻數科CEO趙聞飆在外灘大會上披露，過去兩年，螞蟻數科整體業務年均增長接近50%，AI To B業務增速達到三位數。AI To B正在成為螞蟻數科的核心佈局。在To C和To B之外，螞蟻又把手伸向了具身智能。螞蟻沒有先造一臺自己的機器人，而是推出靈波通用大腦，希望同一套模型和技能系統能夠驅動不同形態的機器人。外灘大會上，搭載靈波的機器人可以在藥房裡分揀藥品，也可以進入物流倉庫和工業生產線。螞蟻提供"大腦"，機器人廠商提供不同的"身體"。如果說阿寶調用的是App和商業服務，靈波調用的就是機械臂和物理設備。前者替用戶在數字世界裡辦事，後者嘗試把任務真正做到現實世界裡。

到這裡，螞蟻的AI版圖逐漸清楚了。底層是百靈模型；上層，一邊是阿福、阿寶等面向普通用戶的智能體，一邊是面向企業的智能體超級工廠；再向外，靈波把模型能力延伸到機器人。螞蟻幾乎覆蓋了從模型到應用、從個人到企業、從數字世界到物理世界的整條鏈路。但版圖鋪得足夠寬，並不意味著護城河自然形成。大模型、智能體和具身智能，其他科技公司也在做。螞蟻真正不同的地方，究竟在哪裡？螞蟻靠什麼做出差異化？4天外灘大會下來，感覺螞蟻真正的差異，不在於業務鋪得更寬，而在於它試圖把AI做得更深。大模型公司首先爭奪的是智能上限：模型能不能完成更復雜的推理，能不能在榜單上超過對手，能不能吸引更多開發者。

螞蟻選擇的是另一種打法：把模型塞進一個個具體行業，進入真實業務流程，最後對結果負責。這條路沒有模型榜單那麼醒目，也很難依靠一次發佈會證明。產業裡的數據分散在不同系統中，工作流程各不相同，還夾雜著權限、合規和責任問題。一個智能體在實驗室裡完成任務，不代表它能直接進入銀行、醫院或者工廠。真正的門檻，往往出現在落地以後。金融和醫療，是螞蟻最先選擇的兩個行業。它們不是螞蟻AI生態位的全部，卻最能檢驗這種打法。一個關係到錢，一個關係到人的健康；既需要專業知識，也容不得模型隨意發揮。在金融場景裡，模型不僅要回答問題，還要理解不同機構的業務規則，處理信貸、保險、投研和風控流程。

在醫療場景裡，模型不僅要懂醫學知識，還要連接掛號、問診、檢查、用藥和隨訪。AI能不能真正進入這些行業，取決於模型之外的很多東西。螞蟻過去積累的支付、賬戶、風控和金融服務能力，以及與醫療機構、商家和小微企業建立的連接，到了智能體時代，都可以重新變成落地能力。這也是Agentar要解決的問題。企業需要的通常不是一個更會聊天的機器人，而是一個能夠讀懂內部數據、遵守業務規則、獲得相應權限，並進入現有工作流的"數字員工"。因此，Agentar提供的不只是模型接口，還包括行業技能、智能體開發、評測、部署、權限和管理工具。螞蟻數科要做的，是陪著企業把AI嵌進業務，而不是把模型賣出去以後就結束。

這種模式很重，也很慢。但產業落地恰恰是一件需要做重的事。模型能力可以通過一次升級迅速追趕，行業知識、客戶關係和業務流程卻只能一個項目、一個場景地積累。模型公司的護城河寫在參數裡，螞蟻想把護城河修進產業流程裡。支付和安全，也是這套落地能力的一部分。當智能體只負責回答問題，答錯了可以重新問一次。當它開始替用戶下單、付款，錯誤就會變成真實損失。系統必須知道Agent是誰、代表誰、獲得過什麼授權，出了問題還能不能撤銷和追溯。AI Pay、APASS和KYA所解決的，並不是如何讓模型變得更聰明，而是如何讓企業和用戶敢把真實任務交給它。

螞蟻集團安全CTO陳亮在大會上說："能力決定AI能做什麼，可信決定社會敢把什麼交給AI。"這正是產業落地與產品演示之間的距離。具身智能也延續了同一條路徑。螞蟻沒有選擇從機器人硬件開始，而是用靈波為不同形態的機器人提供"大腦"，再尋找藥房、物流和工業等真實場景。一臺機器人能在展臺上取下一盒藥，只能證明模型有能力完成這個動作。它能不能每天工作，成功率能不能達到生產要求，成本能不能低於人工，出了問題能不能找到責任，才決定它能不能成為一門生意。從金融、醫療到具身智能，螞蟻選擇的場景不同，方法卻很一致：先進入產業，再用場景倒逼模型、產品和基礎設施一起進化。這條路當然還沒有跑通。

韓歆毅判斷智能體商業的"ChatGPT時刻"已經到來。但當主持人追問，這個判斷是不是來自螞蟻后臺的數據時，他坦率地回答："我們其實還沒有從後臺數據看到這樣的跡象。"用戶希望智能體解決更多問題，商家卻還沒有完成服務改造；商家看不到足夠大的需求，也不願意提前投入。模型可以快速迭代，產業不會按照同樣的速度改變。這也是螞蟻面臨的最大挑戰：產業落地能夠形成壁壘，也可能變成一場漫長而沉重的消耗戰。但如果一定要給螞蟻在AI產業裡找一個位置，它想佔據的，可能正是智能與產業之間的"落地層"。

向上，它承接不斷進化的模型；向下，它進入金融、醫療、商業和物理世界，把模型能力翻譯成一項真正可以使用、可以交易、也可以追責的服務。大模型公司爭奪誰能造出更強的智能。螞蟻爭奪的，是誰能把這種智能送進產業。原創文章，未經授權禁止轉載。詳情見轉載須知。0人收藏 分享： 相關文章 螞蟻集團 大模型 智能體 外灘大會螞蟻集團吳敏芝談AI時代組織價值：個體越強 ...AI新經濟走向真實商業，螞蟻APASS構建Agent信任基礎 ...Agent商業化駛入深水區，螞蟻推出APASS補上“信任基 ...文旅行業加速邁入智能服務時代，黃山、萬歲山等景區 ...胡敏 主筆 關注雲計算、企服，歡迎找我爆料。

微信：mindy1857，加好友請備註公司、姓名及來意 掃描關注作者微信 發私信 當月熱門文章 獨家對話百度智能雲尹英利：AI 蓬勃時代，雲生態發生了哪些鉅變？獨家丨可靈核心技術骨幹王鑫濤離職 看完阿里財報才發現，AI燒越猛，越「養肥」賣鏟人 雲大廠“虧錢賣”友商AI，重回21年惡性競爭老路 獨家丨程傳珂接任阿里雲公共雲分銷生態負責人，李鵬卸任 最新文章 OpenAI 攻克千禧難題？深度拆解 1 萬個 Agent 如何造出流體奇點 Astra 非機器人驗證 48 關全通，再見 reCAPTCHA！拆解 Claude 5.

1：38 小時不睡覺的背後，Anthropic 正在終結「模型論」 連尚集團入選上海市首批算力生態合作伙伴名單 DeepSeek V4 多模態開源，我們把它的視覺鏈路拆了一遍 AI 讀過一切，卻沒經歷過任何事：Ropedia 發佈 HOMIE Gen2，給具身智能補「經驗」這一課 熱門搜索 黑客 360 安卓 吳恩達 iPhone 6S 傳感器 iWatch iPhone 4S 電信 數據挖掘 軟硬結合