©️深响原创 · 作者｜刘亚澜

AI一天，人间一年。

不知不觉中，全球AI产业发展范式已然转向：从年初OpenAI推进广告业务加速商业化、Google 深度整合Gemini与NotebookLM改善工作流，到最近WAIC上超过300款智能体手机、机器人等AI硬件首发，全球AI产业的核心竞争正在跨越纯粹的“Chat”和“参数军备竞赛”阶段，进入了一个比拼应用落地、生态场景、技术基座协同的综合竞争期。

而在一众技术新贵和硬件厂商之中，蚂蚁集团的动向有些令人意外——WAIC上，蚂蚁展示了“阿福”、“阿宝”、AI支付、支付宝AI开放平台、“碰一下”商家Agent、大模型、具身智能、数据能力、安全可信和智能体生产平台等多项布局。原来人们印象中主攻支付、金融的蚂蚁，在AI的路上已经走了这么远。

但这其实又是情理之中：过去20年蚂蚁所积累的资产和能力，恰恰是当下智能体商业要落地、要应用、要深入商业所亟需的。AI进入下半场，开始比拼蚂蚁擅长的事情。从应用层、商业生态层到技术基座层，审视蚂蚁的AI布局，你不会觉得它在跨界，而是越发确信：在悄然间，蚂蚁在智能体时代走入了属于它的主场。

未来AI的决胜赛点到底是什么？

为什么说AI下半场是蚂蚁的主场？要回答这个问题，我们先要知道AI现在的发展到底朝何处去，而在通往未来的路上，行业又有哪些痛点亟待解决。

当前，AI产业的发展方向可以概括为一句话：从“虚拟对话”走向“真实世界”。早期的AI侧重于信息交互和内容生成，现在的方向是全面推进智能体的产业化，AI开始替用户在现实世界中“办成事”、参与经营并完成交易，真正进入生产力深水区。

而这一过程或许会分为两个大阶段：

第一阶段是在“屏幕内”。今年上半年“龙虾”、“skill”、“蒸馏同事”等热词频出，其实是AI走出“聊天框”的明确信号——AI开始在电脑内畅通无阻地干活，实现跨软件的复杂工作流自动化。现在一些大厂面试官一上来就问「你怎么用AI干活」，这点相信很多人都已经深有体感了。

第二阶段则要“走出屏幕”，渗透物理世界。

一方面是接入实际生活中的交易，比如OpenAI 与Stripe 共同维护的ACP 协议已接入沃尔玛、Target 和超百万Shopify 商家；AI版支付宝“阿宝”，一句口语指令打通打车、点外卖、查公积金等操作……这就与普通AI助手形成了本质上的区别，支付+服务的深度绑定，能让AI真的“办事”。

另一方面是具身智能，今年“物理AI”“世界模型”成为风口，黄仁勋反复强调物理AI将成为下一波浪潮，马斯克也在将AI的触角延伸至物理世界，完全自动驾驶实现端到端进化，高频迭代Optimus人形机器人……机器人们从练武术到叠衣服、开汽车，实用价值逐渐走到最前面。

淘宝AI购物助手可用支付宝“AI 付”抢低价

你会发现，随着AI参与真实世界的深度不断增加，产业发展与竞争的赛点又回到了场景、用户、商家经营这些商业世界最基本的元素上。

而这恰恰也是当前AI产业进步、智能体商业发展最大的痛点、卡点：

第一是缺少真实场景。

之前大语言模型的早期训练，主要依赖海量的公开网页文本、书籍、百科和学术论文。但当行业不再满足于让AI只停留在聊天框内，而是希望它全面走向真实世界去“办成事”时，场景就成了不可替代的训练燃料。

一些技术公司做出了通用的医疗或法律大模型，但在实际应用中，由于缺乏真实的医院导诊数据或法院办案流程反馈，模型就凭空捏造不存在的药方或法条。没有真实场景里海量、动态的用户交互数据做反馈，AI在垂直领域就无法遵循产业规则完成自我纠偏。

AI没法凭空颠覆一切。

“中国医疗健康行业的数字化程度较低，数据孤岛问题一直存在，医院只能一家家去谈、去接，”蚂蚁集团CEO韩歆毅在此前的采访中坦言：“虽然我们有十多年做医保码、挂号业务的基础，但到了AI 应用，无论是服务打通还是医生分身、科研合作，这些都得重新去谈去做产品改造。做这件事情很辛苦很难，非常需要耐心，好处是对手想快速复制也很难。”

所以你看蚂蚁阿福现在连接5000多家医院和30万名真人医生，构建了覆盖健康问答、报告解读在线问诊、预约挂号、医保支付等环节的完整链路，这背后其实是蚂蚁多年在医保码、挂号、就医支付等领域打下的基础，以及长期积累下来的医疗生态链接能力。

先有真实场景、资源和能力，再有AI的加持，两者结合从而实现螺旋式上升。

蚂蚁阿福试点“医生把关”功能

第二大痛点是缺乏商业服务接口，跨平台交易难实现。

让AI走进生活，一定是为了让人更轻松便利，但如果你点一杯咖啡，AI要让你反复确认身份、确认付款，你肯定会失去耐心，还不如不用AI。

信息交互只需要网页文本，但商业履约需要的是被结构化、接口化的真实商业能力。如何把复杂的线下服务打包成智能体可以直接调用的“机器指令网络”，把跨平台协作的交易成本降到最低，是目前生态规模化最大的卡点。

第三大痛点则是跨主体协同中的隐私合规与安全焦虑。

当AI进入商业生活、日常交易，就必然涉及“钱”，这就变得极其敏感。

比如商家想用AI来优化库存，但不敢把核心的供应链账目和客户隐私数据托管给第三方大模型；用户想让AI帮自己管理资产，也担心个人财务信息泄露。AI行业安全和信任的缺失，导致企业不敢给数据、用户不敢给授权，成为了智能体商业化落地的巨大障碍。

为什么AI下半场，

来到了蚂蚁的主场？

AI产业下半场的赛点，已经从单纯的算力内卷，转向了对真实场景渗透力、商业履约连接力、以及风险治理能力的综合比拼。而其中的痛点和机遇，恰恰对应了蚂蚁深耕多年的能力积累。

从用户规模来看，支付宝手握10亿级超级入口，放眼国内市场，也只有腾讯、字节、阿里处于这一体量。

但规模只是入场，场景的“纵深度与连贯性”才是蚂蚁的独特之处。蚂蚁所在的是医疗健康、政务办事、资金管理等中国数字生活中最“难”、容错率极低、最需要专业信任的“重度深场景”。之所以“难”，是因为在刷视频、闲聊天等看完即走的“浅场景”中，如果AI说错了，用户基本是一笑而过；但医疗、金融这些领域，都是与用户生命、财产紧密相关的，AI如果犯错，可能就是“大事情”。

另外，AI想替用户办事除了具体业务的操作之外，还有身份认证和资金授权两大卡点。蚂蚁覆盖的场景天然贯穿具体服务、实名认证、信用体系、资金收支，这种顺畅度是很难在短时间内建立的。

所以一旦竞争来到真实场景，蚂蚁过去二十多年积累的用户、服务、交易、安全和治理能力，便不再只是传统互联网时代的存量，而成为AI进入真实世界所需要的基本能力。

除了独特的场景，蚂蚁的商业生态契合了AI发展所需的“未来图景”：相比于社交或内容生态离交易远、履约黏性弱，蚂蚁的生态天然“离钱近、离商户近、离履约近”。

在交易层面，蚂蚁的“AI支付”形成了覆盖AI付、AI收、AI钱包、Token Pay等在内的产品体系，相关能力已完成3亿笔AI智能体支付，并支持95%通用智能体框架。对比普通支付，AI支付必须要解决可信、安全、可控的问题。

蚂蚁的主场并不是支付本身，而是对真实需求、服务供给、交易闭环和风险治理的长期组织能力。

这种能力也是蚂蚁的基因——回溯其成立的原点，2003年“支付宝担保交易”就是为了解决买家和卖家之间的交易信任问题而诞生的。担保交易成就了电商时代；移动支付点燃了移动互联网的需求大爆发以及数字化经营。

在AI时代，蚂蚁显然也可以以支付这一交易的关键动作为突破口，打开智能体商业的未来图景。

智能体经济时代，商业的本质并未改变

在开放生态层面，蚂蚁的AI开放平台连接了8000多种数字生活服务和10亿用户，将复杂的社会服务标准化为大模型可自由调用的接口。

“碰一下”的3000万线下触点则成为了线下AI经营网络，配合商家经营Agent“晓雨”，可帮商家完成门店分析、营销配置、会员经营、到店到家流量分发等动作，让商家以更低门槛进阶AI经营。

为了商业生态的顺畅运行，技术同样在扮演着安全防线的角色。蚂蚁密算在WAIC发布HOP高阶智能体架构3.0版本，在技术层面上保障了产业AI应用中的数据流通安全，消除了企业托管核心机密时的合规与隐私焦虑。

我们留意到，今年以来，蚂蚁AI安全实验室持续围绕智能体安全开展技术研究和开源实践，相继完成开源智能体框架OpenClaw专项安全审计，还联合清华大学开源智能体安全防御插件ClawAegis，并发布智能体安全可信互连协议ASL，为智能体之间建立可信身份、可信连接和安全协同提供基础能力。

毫无疑问，当AI从内容生成走向自主执行，AI的安全与伦理原必须“内置”而不是“后补”，这将成为智能体规模化应用的重要基本条件。

总结一下，蚂蚁AI应用的布局回答了“AI如何服务人”，商业生态上回答了“AI如何参与经济活动”，技术基座层则回答了“AI如何长期可靠运行”。智能体商业的核心，不是AI替代某个单点环节，而是AI开始参与需求、服务、交易和治理的完整链路。

蚂蚁站在了AI走向真实世界的必经之路上。

跳出旧框架，

重新认识一个“新蚂蚁”

站在企业发展的角度看，企业最大的优势，往往来自能力迁移，而非业务迁移。

回顾过去几十年科技史上的赢家，几乎没有一家是通过盲目跨界进入一个陌生赛道而获胜的，它们无一不是将原有的底层能力迁移到了新的技术周期。

比如早期的奈飞 （Netflix），表面上是一家通过邮寄提供 “DVD租赁”的公司，但其底层的核心竞争力，是隐藏在邮寄业务背后对用户观影偏好的海量数据分析与推荐算法。当互联网时代到来时，媒介改变了，但这种底层能力被成功迁移到了流媒体时代，进而成长为如今的原创内容帝国。

而微软始终坚守着操作系统和企业办公软件的护城河，它没有去转型做别的事情，而是将Office、Azure与Copilot重新组装，升级为AI时代的平台能力；亚马逊沿着过去支撑电商高并发的IT架构与全球物流供应链的能力惯性，自然而然地将这种分布式计算与运维能力延伸，变成了全球AWS云基建和如今的Agent商业；Google则依托原有的高频入口，将搜索、安卓、Workspace等全面升级为Gemini的AI生态。

经济学中的动态能力理论指出，在高度动态、不确定的市场环境中，企业最核心的资产并非某种静态的资源，而是“整合、构建和重组内部与外部能力，以应对急速改变的环境”的动态能力。面对AI时代的智能体商业，最厉害的企业绝非从零开始学习新技术，而是拥有将原有资产“模块化、接口化”并迅速接入新操作系统的敏捷度。

再看蚂蚁，早在十几年前的2010年，蚂蚁就做了自研数据库OceanBase，解决大规模数据处理和分布式计算的问题；2025年蚂蚁及子公司研发投入创历史新高，达到350.3亿元，集团技术人才占比60.4%……它在新的产业周期中，把过去二十多年积累的用户、服务、交易、信任和技术重新组织，形成了一套服务智能体商业的新能力体系。

当AI的发展轨迹从“虚拟对话”驶向“真实世界”时，刚好撞进了蚂蚁的区间——这家公司，正站在AI连接真实服务和真实交易的关键位置上。