蚂蚁集团AI战略解析：从模型到产业落地的全链路布局

事件概述

在2026 Inclusion·外滩大会上，蚂蚁集团详细披露了其在大模型时代的战略布局。不同于传统大模型公司仅关注算法上限，蚂蚁采取了一条更重、更深的路径：构建从底层通用模型到上层行业应用，再到物理世界具身智能的全链路体系，重点解决AI在真实商业场景中的落地、信任与责任问题。

核心信息

1. 底层模型：百灵 Ling 3.0 系列

蚂蚁迭代了百灵大模型至 Ling 3.0，强调控制推理成本并强化工具调用能力，而非单纯堆砌参数。

• Ling-3.0-flash：总参数1240亿，但采用稀疏激活技术，每个Token仅激活51亿参数。训练使用了超过1万个交互式环境，重点提升复杂任务执行能力。
• Ling-3.0-tiny：轻量版，总参数79亿，每Token激活13亿参数，适用于资源受限场景。
• 多模态与垂直版：包括面向视觉的 Ling-3.0-flash-VL 和面向金融场景的 Ling-3.0-flash-Fin。

2. To C 应用：争夺用户意图入口

蚂蚁推出了两款面向普通用户的智能体，分别侧重垂直专业服务和横向生活服务连接。

• 阿福（医疗健康）：用户数达1.5亿，日均健康咨询约2000万次。功能延伸至挂号、导诊、报告解读及诊后随访，甚至辅助村医整理病历和提供转诊建议。
• 阿宝（生活服务）：覆盖餐饮、出行、文旅等场景，已完成万余项服务适配。目标是成为App之上的统一任务入口，用户只需表达意图，智能体自动完成搜索、下单和支付流程。

3. To B 业务：Agentar “商业智能体超级工厂”

蚂蚁数科推出 Agentar 平台，旨在解决企业级智能体的开发、部署与管理难题。

• 功能定位：提供预置的岗位级数字专家模板和行业技能，支持企业组装智能体并嵌入客服、营销、风控等业务流。
• 增长数据：过去两年蚂蚁数科整体业务年均增长近50%，其中AI To B业务增速达到三位数，已成为核心增长点。

4. 具身智能：灵波通用大脑

蚂蚁选择“大脑+身体”分离的模式，由灵波提供通用智能系统，适配不同形态的机器人。

• 应用场景：搭载灵波的机器人已在药房分拣药品、物流仓库作业及工业生产线中展示能力。
• 核心价值：将AI能力从屏幕延伸至物理设备，解决现实世界中的操作任务。

值得关注：差异化竞争策略

1. 护城河：从参数到产业流程

其他科技公司主要争夺模型榜单上的智能上限，而蚂蚁试图将护城河修进产业流程中。

• 深度嵌入：在金融和医疗等高门槛行业，AI不仅要懂知识，还要理解业务规则、处理权限合规并进入现有工作流。
• 长期积累：这种模式依赖行业知识、客户关系和业务数据的长期积累，难以通过短期技术升级复制。

2. 信任与安全：APASS 机制

当AI开始执行付款、下单等涉及资金和责任的真实任务时，可信度至关重要。

• 身份与授权：通过 AI Pay、APASS 和 KYA 等技术，明确Agent的身份、代表方及授权范围。
• 可追溯性：确保出错时可撤销和追溯，解决企业和用户“敢不敢把真实任务交给AI”的问题。

3. 挑战与现状

尽管战略清晰，但产业落地仍面临巨大挑战。

• 供需错配：用户希望智能体解决更多问题，但商家尚未完成服务改造，缺乏提前投入的动力。
• 商业化进程：蚂蚁高管坦言，目前后台数据尚未显示出智能体商业化的爆发式迹象（即所谓的“ChatGPT时刻”），这注定是一场漫长且沉重的消耗战。