市场真正渴望的是一击制胜的“杀手锏”。

作者｜田思奇

编辑｜栗子

历史证明，一项颠覆性的通用技术从其发明到真正改变社会，往往要经历长达数十年的滞后期。

经济史学家保罗·A·戴维（Paul A. David）在1990年的经典论文《The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox》中写道：发电机早在19世纪末进入工厂，但生产率并未立刻跃升。直到20世纪20年代，流水线重塑组织逻辑、家用电器深入千家万户，电的潜力才真正被释放出来。

今天的大模型，也正处在同样的“生产率悖论”之中。

算法、算力和数据看似一应俱全，但在例如金融这样高度复杂的专业领域，真正能落地的业务价值尚难以兑现。高昂的成本、严苛的合规要求与专业门槛，让中小机构望而却步；大机构虽然资金雄厚，却因回报不确定谨慎前行。

在近日举行的2025 Inclusion·外滩大会上，蚂蚁数科宣布推出“按效果付费”的模式，并正与其标杆客户共同推进先行先试，金融机构可根据实际的业务增长或成本节省来付费，而非单纯购买算力或功能。

但在模式创新之后，真正的挑战在于：在金融这样对专业性、严谨性和安全性要求极高的行业，AI如何真正兑现价值？

1. 行业的耐心正在消耗

如果把AI在金融业的落地比作一场网球赛，过去两年，不少业内人士告诉「甲子光年」，它正陷入一场令人疲惫的“拉锯”。

许多厂商交付了切实的大模型功能：能对话、能生成、能分析。但如果追问一句“ROI在哪里”，答案往往有些模糊。这种投入与产出的错配，正是旧有“按功能交付”范式的本质。

金融行业的复杂性格外棘手。

信贷审批要求透明、可解释的链条；风控体系必须经得起监管机构的反复问询；反洗钱系统还涉及跨境数据合规要求。每一个环节留给AI的试错空间，几乎为零。

“如果在金融行业落地大模型，你不可回避地要解决专业性、严谨性、合规性、安全性的问题，而同时又不能牺牲用户体验，这其实非常难。” 蚂蚁数科副总裁余滨在外滩大会上直言。

他将AI在金融行业的落地进程总结为四个阶段：从去年的价值探索，到年初的POC启动，再到3月的链路实践，而现在，已经到了必须对结果负责的应用期。

金融行业的特殊性还在于，它是经济的神经末梢。

中小银行的服务覆盖了全国超过一半的家庭和就业人口，但它们往往是AI应用最薄弱的一环。这些机构缺少相关技术和人才积累，却迫切需要借助AI提升效率、降低风险。如果AI无法在它们身上显现出可度量的价值，那么所谓的产业AI就只停留在口号层面。

在大模型个性化层面，质疑更为直接。

“如果大模型真成了银行的‘大脑’，那它必须有自己的特色。否则A银行和B银行给出的策略与回答一模一样，那银行的核心竞争力何在？” 余滨提出的这个反问，捅破了通用大模型在垂直行业难落地的窗户纸。

行业的痛点已经非常明确。国务院在《关于深入实施“人工智能+”行动的意见》中明确提出三大障碍：前期成本高、回报不确定、实施路径缺失。

换句话说，AI已经不再是企业的选择题，而是必答题。但正如余滨所说：“过去20多年积累的软件工程方法论在今天的AI时代很多已经不再适用。”

「甲子光年」观察发现，行业的担忧集中在两个层面：

一是AI对金融的深度理解还远远不够，很多场景依旧停留在“表层智能”；

二是价值兑现迟迟未现，客户看不到实打实的增长或节省。

目前AI to B的落地，就像网球场上的底线相持回合。每一次“挥拍”都意味着时间、资金与人力的消耗，但每一局比赛的结果难料。系统上线了，模型跑通了，报告也出炉了，可收益依旧模糊。

久而久之，机构的耐心正在被消磨，厂商的可信度也在被稀释。这也是为什么，蚂蚁数科在外滩大会上的主张能引发广泛讨论。

同一天，蚂蚁集团也与浙商银行签署金融科技战略合作协议，标志着这一理念将在又一家头部金融机构的核心场景中落地实践，关于数智金融“价值共生”的又一样板，将由此诞生。

根据公开数据，目前，蚂蚁数科已服务100%的国有股份制银行、超过60%的城商行、数百家金融机构，覆盖面足以让这一探索具备更广泛的现实基础。

但必须承认，商业模式本身不是灵丹妙药。余滨反复强调：“如果AI没有办法显现业务价值，仍然不叫好的产品。”

而“按效果付费”的逻辑，就会要求技术的供需双方都必须拿出真金白银的投入与组织层面的变革勇气。它不是捷径，而是一种倒逼双方共同承担的机制。

也正是在这一点上，蚂蚁数科选择了更具挑战的路，并收敛为做AI的行动纲领：专于产业、易于落地，成于价值。

2.从“ACE”方法论到RaaS落地实践

在余滨看来，产业AI要想站稳脚跟，必须同时满足四个条件：与产业深度融合、更专业、降低落地门槛、显现业务价值，句句对应了金融行业的现实困境。

为了将这四个条件转化为可执行的动作，蚂蚁数科内部沉淀出了一套名为“ACE”的方法论：

A - Align （对齐价值）、C - Construct （构建能力）、E -Evaluate+Ensure （持续评测+确保成果）。这个命名并非巧合，其灵感正是源于网球赛场上能够一击制胜、直接得分的ACE球。

Align（对齐），对应网球中的精准策略。一个ACE球的落点绝不是随意的，而是基于对对手习惯、站位和场地的深刻洞察。同样，在产业AI项目中，蚂蚁数科与客户首先要做的，是找到那个最具价值的切入点——是降低信贷风险，还是提升高净值客户的收入贡献？只有对齐业务目标，才能确保后续的一切动作都有意义。

Construct（构建），对应的是最短的、高效的路径。ACE球之所以迅猛，是因为它避免了冗长的相持。同样，蚂蚁数科通过全栈企业级智能体平台Agentar，为客户提供了一条“最短路径”——不必陷入数据治理、模型训练、应用集成的泥潭，而是基于一套成熟的工程体系快速落地。

Evaluate + Ensure（确保），则对应一击制胜。蚂蚁数科的价值兑现逻辑，不在于系统是否上线，而在于业务指标是否真正达成。这一环节要求厂商和客户建立联合运营机制，共同持续评测和优化，让每一个项目都能跑出结果，而不是停留在演示。

所以蚂蚁数科提倡的“ACE”，更像是一种姿态——在漫长的产业AI赛场上，选择用结果说话。它不是漫长的底线相持，而是要与客户一起，打出那记干净利落的ACE球。

同时，行业的难题还在于AI对业务深度的理解不足。很多通用大模型厂商较难穿透金融的专业逻辑。结果就是，模型跑得通，却带不动业务。

余滨在采访中坦言：“希望蚂蚁数科在AI这块不一定追求要成为通才，更加希望在垂直领域、在擅长领域深耕。”金融的复杂性决定了，只有真正具备行业经验和知识储备的AI，才能从外围走进核心。

基于上述战略定位，蚂蚁数科的解法是行业大模型“出厂即专家”。在金融推理大模型Agentar-Fin-R1中，蚂蚁数科把多年积累的金融知识转化为AI的底层能力。66大类、6小类金融任务数据体系覆盖了银行、证券、保险、基金、信托等场景，从信贷审批到风险管理，从反洗钱到财富顾问，大模型一经交付，就已经具备金融专家的水准，厌恶风险、追求事实、遵循合规，最大程度地抑制了幻觉。在多个金融大模型权威榜单上，它的专业能力都做到了同尺寸最佳

余滨形象地说，这是“把一个博士生派到机构，再通过现场实习，迅速达到能上岗的水准”。

这种思路切中了行业痛点：机构不必从零起步，也不用担心合规和安全问题能否覆盖，只需结合自身数据做后续训练，就能快速落地。

蚂蚁数科的底气，还来自在蚂蚁集团自身金融业务中成长起来的实战经验。经过抽象和提炼，再反哺到B端的产业级服务中。成果已经开始显现——例如，通过引入蚂蚁数科的AI金融业务助理，某头部城商行客户经理从之前仅能服务200位客户，提升至2000位客户，活跃客户占比也同比提升。

在这种逻辑下，AI的任务驱动和结果导向属性，使得厂商不得不与客户站在同一条船上。所谓“价值共生”，就是要把收益和风险都绑定在一起。厂商不仅要交付功能，更要共同创造成果。

这与管理学中的“价值共创”（Value Co-Creation）理论不谋而合。该理论强调企业与客户之间的关系正在从单向的“生产—消费”转向双向互动的共创价值。在价值共创框架下，客户不仅是使用者，更是创新和改进的参与者，价值的产生往往依赖双方的互动与反馈。

产业AI的“价值共生”更为激进。它不仅强调“共创”，还要求“共担”。

对厂商而言，意味着不能再只收取软件许可费、维护费，而是要敢于把收入和客户的业务指标绑定起来，甚至在结果不达标时愿意承受收益受损的风险。

对客户而言，则意味着必须开放真实的业务场景和核心数据，让AI能够在真实条件下被验证和打磨。

蚂蚁数科金融AI产品总经理曹刚表示，金融+AI的未来趋势可以用“价值共生、成果交付”来概括：金融机构要输出场景、数据和业务目标，科技伙伴则输出模型、工程与运营能力。双方不再是单纯买卖关系，而是风险共担、价值共享的合伙人。

从这里出发，RaaS（Result as a Service，结果即服务）成为价值共生的自然延伸。据余滨透露，已有客户与蚂蚁数科签订了长达五年的合约，厂商和客户的成败被紧密绑定。

曹刚还指出，不同金融机构对AI转型有不同选择，有的激进高调，有的偏保守。但无论路径如何，金融机构做AI转型都是“一把手工程”。它不仅是新技术的引入，还涉及系统化的重构：模型要部署、流程要重塑，组织也会因业务调整而发生变化。因此必须在战略层面统一认知，明确大模型能做什么、不能做什么。

从更宏观的角度看，当前，云计算的主流模式依然是订阅制和算力计费，本质上是卖资源；而“价值共生”提出的逻辑是：AI要嵌入组织经营，用业务指标来验证自身存在的意义。

「甲子光年」认为，如果RaaS模式能够跑通，它将直接挑战SaaS时代的营收逻辑，推动整个AI to B行业从“卖工具”走向“卖成果”。这可能成为未来十年的产业分水岭，也将决定哪些厂商能在下一轮竞争中存活。

归根结底，AI产业要摆脱“泡沫”的质疑，靠的不是概念，也不是模式，而是一连串真实的场景落地。蚂蚁数科之所以敢提出“按效果付费”，也不是因为模式多么新奇，而是因为它在行业实践中已经找到了兑现价值的路径。

趋势正在显现：当价值得以证明，信心便会重建。

3. 看得见的回响：当“成果”可以被度量

一个10%的增长，胜过一万句关于智能的承诺。

在金融业这样复杂度极高的场景里，AI的承诺终于逐步转化为可度量的成果。“ACE时刻”正在显现。

最直观的突破出现在上海银行与蚂蚁数科合作推出的“AI手机银行”。

在这里，金融服务正在完成一次意义深远的跨越——从过去的“人找服务”，真正变成了“服务找人”。尤其是对于老年朋友们来说，他们再也无需在复杂的功能菜单里层层寻找，仅需通过文字或语音输入需求就可使用服务，如“帮我查查养老金”。

这种“一句话办事”的便捷体验，不仅覆盖了转账、理财等十余项高频场景，更重要的是，它让科技有了触手可及的温度，也助力AI手机银行业务办理的转化率提升10%。

类似的成果，也出现在金融之外的高复杂度行业。

南京公交集团与蚂蚁数科共建的“小蓝鲸”大模型，能够实时分析城市客流和线路数据，生成最优接驳方案。过去是否加车、是否新开线路主要依赖调度员的经验，如今可以通过模型直接推演。例如，新开通的210路公交线，就是AI分析客流之后提出的建议，如今日均客流超过两千，其中老年乘客接近一半。

更重要的是，价值共生的探索不只面向头部银行。对那些没有能力自建大模型、预算有限的中小银行而言，它们可以不用在巨额前期投入和不确定回报之间摇摆，而是可以用极低的成本先启动，看到实效，再逐步扩展。

这种扩容效应，将重塑行业的心理预期，一个全新的垂直市场正在被打开。随着更多中小机构能够低门槛地上手AI，并在短期内看到收益，整个行业的信心就会被逐步积累起来。市场讨论的重心，也会从“AI能不能用”转向“AI怎么用得更好”。

4、为产业AI，重新定义“得分”

在许多经典的网球比赛中，处于发球胜赛局的选手会用一记ACE球直接锁定胜利。产业AI亦是如此。谁能通过成果交付，帮助客户在组织能力上实现重构，谁就能在产业AI的竞赛中占据客户心智，定义全新的市场秩序。

蚂蚁数科的探索，远不止于一个创新的商业模式。它更像是在产业AI这场漫长的比赛中，率先打出了一记技惊四座的“ACE球”，为所有参与者示范了一种全新的“得分方式”——凭借金融行业的深厚Know-how、“出厂即专家、浅调即高能”的金融行业大模型，以及“ACE”方法论的成果导向逻辑，蚂蚁数科正在为中小机构打开低门槛的上手通道，也在为整个产业探索一套可持续的增长路径。

它所强调的“专于产业、易于落地、成于价值”纲领，更是一种标准的雏形。当这种标准逐渐被市场验证和接受，产业AI的拐点也就真正到来。

最终，所谓的“ACE时刻”，并不仅仅是一记漂亮的发球，而是一次产业共识的确立：AI必须以成果为王。蚂蚁数科的探索，正在把这记发球打向整个行业的未来，一个真正属于产业的AI时代，才刚刚开始。

（图片来源：蚂蚁数科）