金磊 发自 凹非寺 量子位 | 公众号 QbitAI 不鸣则已，一鸣惊人。 没想到一个低调霸榜了 全球最权威SQL榜单 超过两个月的 国产AI ，这一次选择了高调 开源 。 开源旗下数据智能体关键技术—— Agentar-SQL系列 。 此次开源不仅包含实时文本转SQL（Text-to-SQL）框架的全套论文、代码、模型和使用指南，后期还将陆续开源数据库理解与挖掘、行业 知识挖掘、实时多轮交互技术框架，覆盖意图理解、业务理解到数据理解的全链路数据能力。 如果你关注AI数据分析领域，大概率听说过 BIRD-Bench 。这是目前全球公认最具权威性的NL2SQL评测基准。 就在今年9月，蚂蚁数科的Agentar-Scale-SQL在BIRD榜单上以 执行准确率（81.67%）和执行效率（77%） ，双料第一的成绩登顶一举 超越了谷歌、亚马逊等国际科技巨头。 | | Model | Code | Size | Oracle | Dev | Test | | --- | --- | --- | --- | --- | --- | --- | | | | | | Knowledge | (%) | (%) | | | ...

蚂蚁数科是蚂蚁集团科技商业化的独立板块，推动AI从实验室走进真实业务场景，聚焦金融、能 源、交通、制造等关键领域，携手近20家头部伙伴上架100余个智能体联合解决方案。今年，蚂蚁数科 已与300家合作伙伴建立深度合作，共同服务超1.3万家终端客户；牵手金融机构，服务覆盖100%国有 股份制银行、超60%地方性商业银行及数百家金融机构；还与南京公交联合打造公交智能体；发布 EnergyTS能源电力时序大模型，支撑能源服务智能体的规模化应用。 当天，苏州数字消费产业创新中心成立，一批生态服务企业签约入驻。 昨天（12月11日），首届蚂蚁数科生态伙伴大会在苏州高新区举办。当天，蚂蚁数科推出升级版生 态合作体系"星澜计划"，从技术赋能、运营支持、商机共享、资金扶持四个维度发力，推动生态全域升 级。 ...

"AI的真正价值不仅在于技术的先进性，更在于能否深入产业一线、解决实际问题。"12月11日，蚂蚁数科CEO赵闻飙在生态伙伴大会上的表态，为当下火热 的AI产业锚定了务实方向。据悉，这家AI to B服务商在成绩上足够惊喜，尽管低调了一年，但其已经不动声色地进入了中国智能体开发平台的领导者象 限。 图注：蚂蚁数科CEO赵闻飙 数据显示，过去一年，蚂蚁数科以"技术落地"为核心目标，推动AI从实验室走进真实业务场景，聚焦金融、能源、交通、制造等关键领域，携手近20家头部 伙伴上架100余个智能体联合解决方案，真正实现了"客户愿意用、持续用"的产业价值。 从最难场景切入：成为金融行业AI转型首选 客户的选择是最好的评价。产业AI落地的最大难点，往往藏在规则最复杂、要求最严苛的场景中。面对行业不确定性，蚂蚁数科做出"反共识"选择——将突 破口锁定在数据门槛最高、合规要求最严的金融领域。这种战略定力迅速转化为市场成果：目前其服务已覆盖100%的国有股份制银行、超60%的地方性商 业银行及数百家金融机构，成为金融行业AI转型的首选伙伴。 宁波银行、上海银行、新华人寿、富邦银行、昆山农商行等一批金融机构，正基于蚂蚁数科自研的 ...

行业趋势与市场信号 - 智能体正成为企业AI转型与流程重构的核心，未来竞争将集中于复杂智能体与应用的一体化开发[1] - 智能体竞争的焦点已从早期的技术发布与概念演示，演进为实实在在的“生产力创造”之争，胜负关键在于能否将智能体深度融入企业核心价值链[9] 金融行业的特殊性与挑战 - 金融行业对AI极度渴望，其各个环节都建立在对信息密度、处理效率和人力规模的极致依赖之上，天然适合智能体承担[1] - 金融行业对AI“不够友好”，数据高度敏感与封闭，存在隐私属性和机构壁垒，导致通用大模型难以进入金融核心系统[2] - 金融智能体需被接入核心业务系统、承担真实责任，因此必须从底层设计上围绕安全、稳定、可控而构建[2] 蚂蚁数科Agentar平台的核心优势 - 蚂蚁数科旗下的Agentar全栈企业级智能体平台在IDC评估中被评为“领导者”[1] - 其优势在于技术能力、产品成熟度、生态构建等多个维度形成了较为全面的体系化优势，而非单纯的模型参数规模[4] - 能力源于长期在金融产业一线打磨，在风控、合规、支付等高复杂度场景中形成了规模化落地的实践积累，使其智能体不仅“能用”而且有高可用性[4] - 平台目标锚定金融等高风险、高复杂度系统，倒逼技术从第一天起就围绕真实生产环境设计[4] 蚂蚁数科的技术与产品体系 - 底层支撑是自研的金融推理大模型Agentar-Fin-R1，该模型在多项金融基准测试中超过主流开源模型，能进行稳定、低幻觉、可解释的推理与决策[4] - 依托蚂蚁集团的AI工程能力，搭建起一套完整、可金融级验证的智能体技术服务体系，涵盖算力调度、数据治理、模型训练与推理到应用部署[5] - 结合大规模高质量的金融行业知识库与低代码、可视化的智能体编排能力，帮助金融机构快速构建专业化智能体应用[5] 规模化落地与应用成果 - 在金融行业，蚂蚁数科已联合伙伴推出超百个金融智能体解决方案，覆盖银行、证券、保险、通用金融等四大领域[7] - 解决方案可“即插即用”，提升一线员工工作效率超80%[7] - 仅2025年上半年，公司大模型产品解决方案就与近30家金融机构达成合作，包括宁波银行、天津银行、新华人寿等[6] - 合作案例：上海银行推出AI手机银行，以“对话即服务”为核心，用户通过自然语言交互即可办理转账、理财咨询等高频业务[7] - 合作案例：宁波银行基于Agentar知识工程平台构建决策中枢，将复杂问答准确率从68%显著提升至91%，且答案推理路径可追溯[7] 能力向其他高复杂度行业拓展 - 在能源行业，蚂蚁数科发布EnergyTS能源电力时序大模型，并推出“能源服务智能体”[5] - 该智能体可自动生成覆盖投资、运营、交易、融资等多个环节的分析报告与决策策略，其投资决策效率较人工提升超60倍，运营与交易效果提升10%以上，资产评估效率提升超10倍[5] 商业模式与行业影响 - 公司选择搭建“金融机构的AI中枢”的路径，目标是贯通多业务线、承载多角色协同、嵌入核心系统的“金融级AI大脑”，而非单点工具[6] - 应用已进入智能客服调度、风控审批、营销策略生成、合规文档审查等核心业务链路，成为“可被系统级调用的生产力单元”[7] - 通过“技术输出 + 平台生态”的方式，降低智能体在普惠金融中的使用门槛，为大量技术储备不足的中小银行提供可行性[9] - 国家“人工智能+”行动与金融数字化转型政策，为智能体技术在金融行业的深度应用创造有利环境[9]

文章核心观点 - 智能体正从概念演示转向企业AI转型与流程重构的核心，竞争焦点在于能否深度融入企业核心价值链并创造实际生产力[1][13] - 金融行业因其对信息处理效率的极致依赖与对安全可控的严苛要求，成为智能体规模化应用的“终极考场”和最具价值的落地领域[1][3] - 蚂蚁数科旗下的Agentar全栈企业级智能体平台凭借在金融等高复杂度行业的长期实践积累和全栈技术能力，被IDC评为领导者，并验证了“中枢级”智能体平台规模化应用的可行路径[1][5][13] 从“能用”到“敢用”，金融为什么是智能体的终极考场？ - 金融行业对AI需求强烈，其业务环节如客服、风控、投研等高度依赖海量文本、实时数据和快速决策，天然适合智能体承担[3] - 金融行业对AI“不够友好”，数据高度敏感封闭且存在机构壁垒，导致通用大模型难以获取足够真实数据并迁移经验，难以进入核心系统[3] - 金融智能体需作为承担真实责任的生产系统组件，必须从底层设计上围绕安全、稳定、可控构建，这对其可用性提出极高要求[3] 蚂蚁数科在金融智能体领域的实践与能力 - 蚂蚁数科的系统化智能体能力源于长期在金融产业一线打磨，在风控、合规、支付等高复杂度场景中形成了规模化落地实践[5] - 公司自研的金融推理大模型Agentar-Fin-R1在多项金融基准测试中超过主流开源模型，能在复杂金融规则下进行稳定、低幻觉、可解释的推理[5] - 依托蚂蚁集团的AI工程能力，公司搭建了从算力调度、数据治理到应用部署的完整、可金融级验证的智能体技术服务体系，并具备大规模金融知识库与低代码编排能力[6] - 公司已验证从金融向其他高复杂度行业扩展的能力，如在能源行业推出的“能源服务智能体”使投资决策效率较人工提升超60倍，运营与交易效果提升10%以上，资产评估效率提升超10倍[6] 智能体如何真正成为金融行业的生产力系统？ - 蚂蚁数科的路径是构建“金融机构的AI中枢”，旨在搭建贯通多业务线、承载多角色协同、嵌入核心系统的“金融级AI大脑”，而非单点工具[8] - 2025年上半年，公司的大模型产品解决方案已与近30家金融机构达成合作，包括宁波银行、天津银行、新华人寿等，在核心业务场景中打造“AI大脑”[8] - 具体应用已深入核心业务链路，如上海银行的AI手机银行实现“对话即服务”，宁波银行基于Agentar知识工程平台将复杂问答准确率从68%显著提升至91%，并实现推理路径可追溯[10] - 公司已联合行业伙伴推出超百个金融智能体解决方案，覆盖银行、证券、保险、通用金融四大领域，可帮助金融机构一线员工工作效率提升超80%[12] - 公司通过“技术输出+平台生态”模式，降低智能体使用门槛，为面临技术、数据与人才困境的中小银行提供了可行的AI解决方案[12]

行业政策与市场动态 - 2025年6月1日起投产的新能源增量项目上网电量将参与市场交易 电价由市场供需决定 不再执行固定标杆或指导价 [1] - 新政策对新能源企业提出更高要求 包括发电量预测精度 供需预测准确性 投资决策科学性等方面 [1] 蚂蚁数科能源服务智能体技术 - 基于时序大模型EnergyTS发布"能源服务智能体" 可精准预测发电量和市场供需变化 [1] - 通过文本指令生成投资 运营 交易 融资等环节的分析报告与策略 [1] - 投资决策效率提升超60倍 运营交易效果提升10%以上 资产评估效率提升超10倍 [1] - 覆盖投前决策 智慧运营 资产金融三大场景 支持智能调度Agent的理解 执行 反馈能力 [1] - EnergyTS大模型融入新能源行业专业知识 结合知识工程与RAG技术 降低推理幻觉 [2] - 在光伏场景测评中发电量预测准确率超越谷歌TimesFM-V2 0和亚马逊Chronos-Large等通用时序模型 [2] 能源服务智能体应用场景 - 投前决策环节：自动完成项目方案生成 经济性测算 敏感性分析 方案量化寻优 将2-3天测算周期缩短至十余分钟 [2] - 智慧运营场景：自动生成运营策略 风险管理策略 交易策略 提高管理效率 对冲电价波动风险 [2] - 资产金融场景：提供资产画像分析 评估 为能源企业提供资产收益增信措施和融资建议 [2] - 已应用于工商业光伏 户用光伏 储能 综合能源等领域 与晶澳智慧能源达成合作 [2]