2026 年世界人工智能大会（WAIC）开幕首日，一场关于 AI 如何真正赋能企业的深度对话已然展开。在这场聚焦“智能伙伴，共创未来”的盛会上，蚂蚁数科副总裁孙磊通过专访，阐述了其“商业智能体超级工厂”的战略布局。这一举措旨在解决通用大模型在垂直行业落地难、专业度不足及效果验证缺失等痛点，推动 AI 从单一的工具升级为企业智能的引擎，构建起可复制、可合规落地的行业级解决方案。
行业认知转变：从模型竞赛到价值创造
本届 WAIC 的核心议题清晰地指向了 AI 产业当下的新方位。孙磊指出，过去几年围绕模型参数、性能及技术突破的讨论已渐入佳境，但行业真正的关注点已转向应用价值的创造。随着人工智能进入深化应用阶段，企业不再单纯追求技术的先进性，而是迫切解决 AI 如何深入企业业务流程、降低使用门槛以及通过实际业务结果来衡量价值的问题。
在这一趋势下，“商业智能体”被定义为连接模型能力与具体应用的关键载体。蚂蚁数科所提出的“超级工厂”，正是为了解决这一核心矛盾。不同于以往仅依靠通用大模型提供泛化能力的模式，该方案致力于将 AI 引入垂直行业，通过标准化的岗位级数字专家模板，帮助企业快速构建具备专业知识、业务流程理解及工具调用能力的智能体系统。这使得 AI 能够真正从个人效率提升的工具，演进为组织协同升级的基石。
三大核心壁垒：金融经验的行业化迁移
孙磊强调，商业智能体超级工厂的成功，依赖于三大核心维度的建设：行业化、场景化与生态化。这三者构成了区别于其他方案的显著壁垒，特别是针对中国市场的产业特点进行了精准适配。
首先是行业化，这是解决专业度与幻觉问题的关键。金融界对 AI 的高标准要求在于其必须结合行业特定数据形成垂直大模型，仅靠通用模型无法解决专业适配难题。超级工厂通过积累多年在金融、医疗、能源等领域的经验，将复杂的业务语言转化为工程化能力，确保 AI 输出符合行业规范且准确的回答。
其次是场景化，即工程化能力的落地。如何将业务需求转化为技术能力，是 AI 落地的根本。超级工厂不仅包含垂直大模型，更提供数百个开箱即用的技能级智能体工具，无需企业从零搭建。这种“开箱即用”的模式，大幅降低了企业实施成本，让 AI 能够无缝嵌入到具体的业务场景中。
最后是生态化，强调开放与协作。蚂蚁数科正努力将相关组件进行 API 化和简化，连接更多合作伙伴。特别是在 Harness 概念的中国化版本上，方案正在探索符合中国实际的业务逻辑，确保 AI 能力在不同行业生态中都能发挥最大效能。
安全合规与效果验证：构建可信的 AI 交付体系
对于金融机构而言，AI 转型面临的最大挑战并非技术本身，而是安全、合规及效果的验证。孙磊详细剖析了行业面临的三大核心顾虑：数据安全与合规性、专业度与幻觉控制、以及投入产出的价值验证。
针对安全与合规，蚂蚁依托自身的金融背景，确立了严格的 AI 应用规范，确保在支付、财富管理等核心领域无懈可击。在专业度方面，超级工厂通过“垂直大模型 + 业务工程化”的双重机制，解决了 AI 答非所问的问题，目前专业场景下的回答准确率已接近 95%。而在效果验证上，公司提出了“价值交付、效果付费”的理念，通过胜合率（专业人与 AI 回答一致的程度）和回答准确率两个维度，确保 AI 真正具备解决问题的能力，而非产生幻觉。
此外，针对跨行业的挑战，方案特别强调了数据治理的重要性。不同于互联网行业，传统行业如制造、医疗的数据基础更为复杂。超级工厂内置了强大的数据治理工具，帮助企业在整合外部数据与企业内部数据后，形成适用于具体行业的垂直模型。这种能力迁移的潜力，标志着中国版 Harness 标准正在逐步建立，为 AI 在更多行业领域的深度落地提供了坚实的技术底座。