金磊 發(fā)自 凹非寺量子位 | 公眾號 QbitAI

不鳴則已，一鳴驚人。

沒想到一個低調(diào)霸榜了全球最權(quán)威SQL榜單超過兩個月的國產(chǎn)AI，這一次選擇了高調(diào)開源

如此反差劇情的主角正是螞蟻數(shù)科，在第二屆CCF中國數(shù)據(jù)大會上，它正式宣布：

開源旗下數(shù)據(jù)智能體關(guān)鍵技術(shù)——Agentar-SQL系列。

此次開源不僅包含實時文本轉(zhuǎn)SQL（Text-to-SQL）框架的全套論文、代碼、模型和使用指南，后期還將陸續(xù)開源數(shù)據(jù)庫理解與挖掘、行業(yè)知識挖掘、實時多輪交互技術(shù)框架，覆蓋意圖理解、業(yè)務(wù)理解到數(shù)據(jù)理解的全鏈路數(shù)據(jù)能力。

如果你關(guān)注AI數(shù)據(jù)分析領(lǐng)域，大概率聽說過BIRD-Bench。這是目前全球公認最具權(quán)威性的NL2SQL評測基準。

就在今年9月，螞蟻數(shù)科的Agentar-Scale-SQL在BIRD榜單上以執(zhí)行準確率（81.67%）和執(zhí)行效率（77%），雙料第一的成績登頂一舉超越了谷歌、亞馬遜等國際科技巨頭。

自然語言轉(zhuǎn)SQL（NL2SQL）在實際落地中面臨四大嚴峻挑戰(zhàn)：理解模糊多義的人類口語、注入龐大的行業(yè)專業(yè)知識、解析復(fù)雜的數(shù)據(jù)庫結(jié)構(gòu)與關(guān)聯(lián)，以及生成準確無誤的復(fù)雜SQL語句。這些挑戰(zhàn)意味著，簡單的模型“套殼”遠不足以滿足企業(yè)級應(yīng)用的可靠性與準確性要求。

螞蟻數(shù)科的Agentar-SQL核心思想在于，不是追求單一“完美”的SQL生成，而是通過系統(tǒng)化工程方法，真正讓AI賦能生產(chǎn)，讓數(shù)據(jù)結(jié)果懂需求、懂業(yè)務(wù)。在某頭部城商行試運營期間，螞蟻數(shù)科Agentar SQL多個工具的平均查詢準確率超92%，較傳統(tǒng)查詢方案提升超3倍。

但這樣的成績，還不足以形容螞蟻數(shù)科。

一直以來，螞蟻數(shù)科的AI發(fā)展可謂非常“低調(diào)”。如果深挖今年的動作會發(fā)現(xiàn)，螞蟻數(shù)科的AI版圖已經(jīng)非常成熟與豐富，走出了一條中國AI“非常識”但又價值巨大的新路徑。

螞蟻數(shù)科CEO趙聞飆近日在生態(tài)伙伴大會上的一番話，道出了螞蟻數(shù)科AI布局上的真實“野心”：

AI的真正價值不僅在于技術(shù)的先進性，更在于能否深入產(chǎn)業(yè)一線、解決實際問題。

△螞蟻數(shù)科CEO趙聞飆

之所以會有這番言論，是因為這個AI誕生的地方，正是在金融行業(yè)這個最復(fù)雜、數(shù)據(jù)門檻最高的業(yè)務(wù)場景，它經(jīng)受住了比任何公開榜單都嚴酷的考驗——

從登榜到開源，從金融到各行各業(yè)，螞蟻數(shù)科正在用一套務(wù)實的方法論，回答產(chǎn)業(yè)AI如何真正用起來。

從一場非共識的死磕說起

讓我們先把時間撥回到2024年初。

那是百模大戰(zhàn)打得最兇的時候，市面上的AI公司大多在做兩件事：要么在刷各種通用榜單，證明自己的模型智商有多高；要么在做Chatbot，試圖讓AI變得更像一個陪聊伙伴。

但螞蟻數(shù)科的CEO趙聞飆和他的團隊的做法，卻顯得有些“格格不入”——

一頭扎數(shù)據(jù)門檻最高、合規(guī)要求最嚴的金融領(lǐng)域，這個被普遍認為是AI落地的“深水區(qū)”。

這個戰(zhàn)略從表面上來看是一點也不性感的，它意味著團隊必須要與“兩高一長”相伴：高風(fēng)險、高投入、長回報周期。

因為這里沒有“差不多”，只有“百分百”。一個錯誤的回答不僅僅是用戶體驗下降這么簡單，更可能意味著巨額資金的損失，甚至是監(jiān)管的紅牌罰下。

金融場景的極端復(fù)雜性，體現(xiàn)在三個維度：

數(shù)據(jù)高度敏感且孤島化：客戶資產(chǎn)、交易流水、風(fēng)控規(guī)則等關(guān)鍵數(shù)據(jù)分散在多個系統(tǒng)，互不打通；業(yè)務(wù)邏輯極其嚴謹：如“重點客戶”不是模糊標簽，而是“本季度活躍度大于80分”的明確定義；合規(guī)要求近乎苛刻：所有AI推理必須可解釋、可審計、可回溯，不允許“黑箱決策”。

每一項對AI來說都是老大難的問題。

換言之，一個AI若是能精準地搞定最難領(lǐng)域的問題，那它再身處別的領(lǐng)域時就會變得從從容容游刃有余。

但螞蟻數(shù)科偏偏選擇了死磕，事實證明，這場豪賭，他們贏了。

因為最新的成績單顯示：螞蟻數(shù)科的服務(wù)已經(jīng)覆蓋了100%的國有股份制銀行，以及超過60%的地方性商業(yè)銀行。

可以說中國金融體系的毛細血管里，已經(jīng)流淌著螞蟻數(shù)科的代碼。

不僅如此，他們還悄然躋身了IDC《中國智能體開發(fā)平臺2025年廠商評估》的領(lǐng)導(dǎo)者象限，意味著在市場份額和技術(shù)實力上，他們已經(jīng)站到了第一梯隊。

但光有戰(zhàn)略定力是不夠的，AI發(fā)展到現(xiàn)在的階段，更看重的好不好用。

在寧波銀行，雙方合作打造的智能化決策系統(tǒng)，便徹底打破了傳統(tǒng)金融服務(wù)的知識孤島。

過去，客戶經(jīng)理面對一個復(fù)雜的投資咨詢，需要在多個系統(tǒng)間來回切換，答案常常是模糊的、滯后的。

新系統(tǒng)通過“規(guī)劃-檢索-推理”的智能機制，實現(xiàn)了從模糊匹配到精準推理的跨越。復(fù)雜問題回答準確率從68%躍升至91%，響應(yīng)速度進入百毫秒級。

更關(guān)鍵的是，系統(tǒng)能清晰呈現(xiàn)推理過程與數(shù)據(jù)來源，在強監(jiān)管的金融場景中實現(xiàn)AI黑箱白化。

上海銀行推出的AI手機銀行，則是另一種維度的革新。

它以對話即服務(wù)為核心，用戶通過自然語言交互即可辦理轉(zhuǎn)賬、理財咨詢、養(yǎng)老金查詢等業(yè)務(wù)。這不再是簡單的功能堆砌，而是體驗的重構(gòu)，從“人找服務(wù)”到“服務(wù)找人”。

配合千人千面的個性化推薦與適老化設(shè)計，它已經(jīng)成為了行業(yè)數(shù)智化轉(zhuǎn)型的典型樣本。

已經(jīng)從金融級外溢到了產(chǎn)業(yè)級

金融領(lǐng)域的成功實踐，為螞蟻數(shù)科積累了可遷移的產(chǎn)業(yè)AI方法論，也推動其能力向更多民生領(lǐng)域延伸。

在南京，螞蟻數(shù)科與南京公交聯(lián)合打造的公交智能體小藍鯨，便是這一能力外溢的典型案例。

它將金融領(lǐng)域驗證過的“規(guī)劃-檢索-推理”邏輯，應(yīng)用到了城市交通的復(fù)雜系統(tǒng)中。

從分析客流到生成線路，再到輸出經(jīng)濟可行性報告，小藍鯨展現(xiàn)的是一種通用的、可遷移的產(chǎn)業(yè)AI能力。

210路公交車的開通，可謂是一下子把之前這片區(qū)域的公交線網(wǎng)空白給填上了，單日最高客流達2168人次，老年卡使用占比近50%。

不僅如此，類似210路這樣在AI建議下開通的公交，在南京已經(jīng)有30多個，還新增了84個招呼站！

據(jù)悉，這是國內(nèi)首次將AI智能體技術(shù)深度應(yīng)用于公共交通調(diào)度系統(tǒng)，根據(jù)站點、客流、線路等多維數(shù)據(jù)分析，實現(xiàn)從經(jīng)驗決策到智能規(guī)劃的全面升級。

能源領(lǐng)域，這種能力同樣鋒利。

螞蟻數(shù)科的 EnergyTS 能源電力時序大模型，能夠精準預(yù)測發(fā)電量和市場供需變化。

在投前決策環(huán)節(jié)，它能將原本需要2–3天的人工投資測算，縮短為十余分鐘，決策效率提升超60倍，已助力協(xié)鑫能科、霍普等企業(yè)實現(xiàn)數(shù)智化升級。

由此可見，從最難的場景切入，延伸到更廣的場景，用最硬的指標說話，這就是螞蟻數(shù)科在過去一年里上演的非共識劇本。

還敢按效果付費

技術(shù)再牛，如果賣不出去，也是白搭。

在To B的軟件市場，傳統(tǒng)的收費模式無非兩種：要么按項目制收費，要么是按訂閱制收費。

但這兩種模式都有痛點：甲方覺得我花了錢，萬一效果不好怎么辦？乙方覺得我投入了這么多人力，利潤薄如刀片。

螞蟻數(shù)科在付費模式上采取的做法也是一種非共識的打法——按效果付費。

這種模式，極大地降低了中小機構(gòu)應(yīng)用AI的門檻和風(fēng)險。客戶不再需要為不確定的技術(shù)前景買單，而是為確定的業(yè)務(wù)結(jié)果付費。

這就倒逼了技術(shù)提供商必須真正深入業(yè)務(wù)一線，理解客戶的痛點，將技術(shù)能力轉(zhuǎn)化為可量化的商業(yè)價值。這是一種對自身能力的極度自信，也是一種對產(chǎn)業(yè)伙伴的真誠負責(zé)。

要規(guī)模化地實現(xiàn)這種模式，單打獨斗是行不通的，螞蟻數(shù)科深諳這一道理，因此，生態(tài)共榮，成為它必然選擇。

據(jù)了解，截至今年，螞蟻數(shù)科已與300家合作伙伴建立深度合作，共同服務(wù)超13000家終端客戶。

在這次的大會上，螞蟻數(shù)科正式升級了“星瀾計劃”，從技術(shù)賦能、運營支持、商機共享、資金扶持四個維度，全面提升伙伴能力，推動整個生態(tài)的全域升級。

一位合作伙伴在現(xiàn)場分享，今年其30%的營收來自與螞蟻數(shù)科的合作業(yè)務(wù)。這不僅僅是數(shù)字，更是市場對這套“技術(shù)+生態(tài)+商業(yè)化”組合拳的有力投票。伙伴們通過合作，沉淀出了一套AI賦能垂直場景的方法論，共同推動產(chǎn)業(yè)AI的規(guī)模化落地。

這種生態(tài)的視野，甚至延伸到了全球。

螞蟻數(shù)科的技術(shù)方案，已服務(wù)南洋商業(yè)銀行、渣打銀行等超百家海外金融機構(gòu)。今年10月，其入選香港金融管理局生成式AI沙盒項目，為沙盒提供AI智能體服務(wù)與AI安全產(chǎn)品。

這標志著源自中國嚴苛金融場景打磨出的AI方案，正獲得國際市場的認可，展現(xiàn)出強大的全球競爭力。

在通用AI的喧囂之后，產(chǎn)業(yè)AI的務(wù)實革命才剛剛開始；而這場革命的主角，必將是那些敢于用效果說話的實干者。

— 完 —