2025年4月，蚂蚁数科正式对外发布智能体开发平台Agentar，面向金融机构提供一站式、全栈开发工具。
然而，仅仅在一年之后，围绕这一开发平台，蚂蚁数科打造出了商业智能体超级工厂。
2026年7月，在WAIC 2026上，蚂蚁数科对外发布了商业智能体超级工厂，核心平台Agentar 2.0首批预置约200个岗位级数字专家模板，并提供数百个可订阅的Skills。
在这套产品背后，是蚂蚁数科搭建的包括行业大模型LingDT、智能体操作系统Agentix、大模型服务平台DTMaaS在内的一整套技术体系。
如果说2025年的Agentar，蚂蚁数科是在回答企业如何开发一个专业智能体，那么，今年蚂蚁数科则试图解决另一个问题：
当一家企业拥有几十个甚至几百个智能体之后，如何批量生产、统一管理，并让它们进入业务系统协同工作？
就在今年的外滩大会上，蚂蚁数科CEO赵闻飙携高管团队时隔两年再次接受媒体采访，解释了这套产品他们的技术思考和商业判断。
01 商业智能体超级工厂要做什么？
在媒体沟通会上，赵闻飙把过去几年大模型进入企业的过程分为了三个阶段：
第一阶段，大模型是一件提高个人效率的工具，企业把它接入少量场景，员工用它查资料、写内容、完成问答，产品形态大多是Chatbot或Copilot；
第二阶段，模型的理解和推理能力增强，智能体开始进入客服、营销、风控、研发、运营等具体岗位，AI不再只给出答案，而是开始接受任务、调用工具并执行流程；
第三阶段，则发生在组织内部，当一家企业部署了50个乃至上百个智能体后，企业需要考虑如何把这些智能体组织起来——谁来理解目标，谁来拆解任务，谁负责执行，不同智能体如何协作，一次任务形成的经验又如何成为组织可以反复调用的能力。
“这三个阶段目前仍在同时发生，大模型产业落地的终局还远远没有到来，”赵闻飙解释称。
而蚂蚁数科的商业智能体超级工厂瞄准的正是其中的第三阶段，按照蚂蚁数科的定义，商业智能体超级工厂是一套智能体产业化平台，解决的不只是如何开发一个智能体，还有企业如何规模化生产、应用和管理智能体。
这其中，今年热度颇高的智能体超级工厂中的“工厂”二字，指的是智能体生产方式的变化。
如果回看历史，工业革命并非简单地用更多机器取代人，而是把不同机器组成了生产线，赵闻飙认为，“智能体时代同样正在发生这样的变化：只有当模型、知识、Skills和业务流程能够被标准化组合，智能体才可能从定制项目变成可以反复生产的‘数字员工’。”
在蚂蚁数科打造的商业智能体超级工厂中，Agentar 2.0承担的是智能体生产和应用平台的角色，Agentix负责不同智能体的编排与调度，LingDT和DTMaaS提供模型及推理服务，企业知识、专业工具、业务系统和安全体系，则决定着智能体能否真正进入生产环境。
这也是蚂蚁数科现在以办公为主要应用场景的智能体平台的不同之处。
赵闻飙认为，“企业真正的生产并不只发生在聊天窗口和文档中，信贷风控、能源交易调度、门店选址和运营等工作，都运行在复杂的业务系统里，智能体进入这些系统，必须理解业务规则、获得相应授权，并能够对执行结果负责。”
因此，蚂蚁数科打造的这座“超级工厂”需要解决两个问题：一是规模化生产能够进入核心业务的智能体，二是让来自不同企业和平台的智能体实现可信互联与协作。
02 为什么要自研行业大模型？
在蚂蚁数科打造的商业智能体超级工厂体系中，我们也看到了蚂蚁数科团队自研的行业大模型LingDT。
如果纵观全球大模型市场，并不缺少通用大模型，OpenAI的ChatGPT、Anthropic的Claude、阿里的Qwen等一系列主流通用大模型仍在快速迭代。
不过，对于企业而言，真正稀缺的并不是通用大模型，而是能够理解行业规则、处理内部数据，并通过专业评测的行业大模型。
蚂蚁数字科技算法技术部负责人章鹏在采访中就指出，“公开数据足够丰富的行业，其知识可能逐渐被通用模型吸收，但在金融、医疗、能源等领域，大量知识、数据和经验并不公开，通用模型可以具备广泛能力，却很难了解一家企业内部如何运转，这就需要我们打造的行业大模型来提供服务。”
另一个问题是能力取舍，通用大模型需要同时兼顾Coding、Agent、推理和多模态等任务，不可能在每次发版时都深入检查每个行业的业务表现，而在企业项目中，真正决定模型是否可用的，并不是公开榜单上的分数，而是内部评测结果。
章鹏特别指出，“我们行业大模型的核心竞争力不是权重，而是积累下来的企业需要模型完成哪些任务，如何评价任务执行得好不好，以及一套能够反映行业要求的Reward Function（奖励函数）、Rubrics（评分量表）和评测集。”
这意味着，行业模型的壁垒更体现在评价体系，只要任务、反馈和评价标准能够沉淀下来，当新的基础模型出现时，相关训练和评测就可以重新执行。
此外，据章鹏透露，蚂蚁数据在研发行业大模型时，最初是从后训练入手，通过SFT和强化学习增强模型的行业能力，但随着研发不断深入，蚂蚁数科大模型团队发现，模型一些能力的上限已经被预训练阶段决定，因此他们开始向Mid-training（中期训练）、Pre-trianing（预训练）和模型架构等更底层环节延伸，去解决大模型从“娘胎”带出来的问题。
例如，大模型的通病，幻觉问题。
即便是行业大模型，也无法单独解决企业AI的幻觉问题、可靠性问题。
为此，蚂蚁数科采用了一套系统化方案，通过Harness约束行业大模型的权限、规范和数据边界，关键任务通过反思机制进行双重验证，数据计算和报表生成交给专业工具，企业知识则通过知识库和记忆系统提供。
在蚂蚁数科制定的这套方案中，模型负责理解、推理和调度，确定性要求更高的工作则交由规则和工具完成。
而这套思路背后的依据是，企业需要的不是一个无所不知的大模型，而是一套能够在业务边界内稳定工作的系统。
03 KYA是智能体经济的入口
当智能体只负责整理文档时，身份问题似乎没有那么重要，但当它开始访问企业数据、调用外部服务，甚至参与交易和支付时，一个更现实的问题出现了：
这个智能体是谁？它代表谁？被允许做什么？一旦出现问题，责任如何追溯？
蚂蚁数科给出的答案是KYA，即Know Your Agent。
蚂蚁国际在2026外滩大会上宣布，与Visa、万事达展开合作，围绕KYA框架建立共同标准。
在传统商业体系中，金融机构通过KYC识别客户、通过KYB识别企业，进入智能体经济后，交易参与者可能不再是人或企业，而是代表其行动的智能体，赵闻飙因此把KYA视为智能体经济的入口。
一个可以参与经济活动的智能体，需要拥有唯一、可验证、可互认的身份，这个身份还要与其背后的责任主体、程序及应用建立关联，以便交易对手判断它的来源、权限、信誉和行为是否可信。
这正是蚂蚁数科将区块链技术放进智能体超级工厂的原因。
蚂蚁数科技术总监魏长征认为，AI和区块链分别解决了数字经济中的两类自动化问题：
AI负责智能自动化，让智能系统能够理解、规划、推理和执行；
区块链负责信任自动化，处理身份、确权、存证和价值流转。
两者结合后，智能体才可能形成完整的经济活动闭环。
KYA会复用区块链已有的身份认证和可信流转能力，但它并不是KYC的简单复制，智能体读取信息、接受授权和自主执行的方式与人不同，需要建立新的身份登记、权限管理、信誉评价和交互协议。
未来，消费者的智能体可能调用商家的智能体，采购方的智能体也可能直接与供应商的智能体协商。当协作跨越企业、系统和平台边界后，仅靠单个平台的账号体系已经不够，谁能提供被多方接受的身份和信任机制，谁就有机会占据智能体交易发生前的关键入口。
根据IDC近日发布的《中国BaaS市场份额，2025》报告，蚂蚁数科以32.4%的市场占有率位居中国区块链即服务（BaaS）市场第一名。
这样的技术实力和江湖地位，也成了蚂蚁数科在智能体时代继续以区块链技术做好KYA的底气。
实际上，蚂蚁数科在KYA上的位置选择十分明确，它并不直接决定每一个智能体应该做什么，而是希望成为智能体能够安全行动和交易的基础设施。
04 智能体经济，蚂蚁数科的思考
在今年的政府工作报告中，打造智能经济新形态被首次提出，智能经济也成了当下经济一个重要发展趋势，我们在2026外滩大会现场也看到了，今年大会主题也被定位到了“共创AI新经济”。
作为智能经济中的关键一环，蚂蚁数科这些年也经过了一系列战略调整，将AI to B和大模型产业化确立为了公司新的商业核心目标。
在赵闻飙看来，这当中的变化首先发生在交付目标上。
传统数字化项目通常以系统是否建成、功能是否上线作为交付标准，AI项目则需要进一步回答智能体进入了多少真实业务场景，覆盖了哪些岗位和流程，最终有没有带来收入增长、风险下降或效率提升。
企业不会因为购买了更多Token或算力就自然获得增长，很多时候，客户拿到工具后仍然不知道如何使用，更难把它嵌入原有组织。
为此，蚂蚁数科特别组建了FDE团队，陪伴企业寻找AI落地的价值点，从场景选择、系统建设一直参与到后续运营和效果验证。
但超级工厂如果始终依靠人力交付，也很难实现规模化，因此，蚂蚁数科的第二个变化，是把项目中形成的经验转化为平台能力。
这里的经验并不包括客户数据回流，蚂蚁数科AI业务总裁余滨就特别强调，“客户的用户数据和生产数据不会被带回蚂蚁数科，能够被沉淀的，是与具体客户数据无关的业务规则、任务特征、评价标准和工程方法，它们被做成模型能力、Skills和数字专家模板，再用于缩短下一个项目的交付周期。”
第三个变化是客户范围的扩大，蚂蚁数科最早选择金融，是希望先进入安全性和确定性要求最高的行业，测试AI解决复杂业务问题的能力，但金融不是终点，随着Agentar生态版与支付宝AI开放平台打通，中小企业和商家也成了蚂蚁数科商业智能体超级工厂希望覆盖的对象。
对于大企业，蚂蚁数科提供的是一套进入核心生产系统的能力，对于中小商家，他们正在试图通过模板、Skills和开放平台降低使用门槛。
这两条路径最终指向同一套商业逻辑，把过去高成本、重人力的项目经验，变成能够持续复用的平台产品。
这也正是蚂蚁数科商业智能体超级工厂正在不断发力的地方。
