告别“问答内卷”，AI如何跨越金融落地的“确定性”门槛？

▼

本文核心观点源自蚂蚁数科移动科技及具身智能科技总经理祁晓龙在AI+产品创新峰会的《新载体，新交互：以“端”为核心，重塑AI时代的金融应用》主题演讲实录。

“原来没有AI的时候，我们一周加班6天；现在有了AI，我们每周加班7天。”

在AI+产品创新峰会的聚光灯下，蚂蚁数科移动科技及具身智能科技总经理祁晓龙的一句调侃，道出了当前全行业的真实心态。当大模型与智能体（Agent）技术掀起巨浪，企业的焦虑已从“技术尝鲜”转向“规模化落地”。AI不再是功能的线性叠加，而是一场从产品战略、用户体验到研发效能、商业增长的“智能重构”。

在这场通往“智能化”的生死跃迁中，企业该如何破局？祁晓龙结合蚂蚁数科在金融及泛终端场景的深耕实践，给出了清晰的演进路径。

一、行业背景：从“单点提效”到“流程重构”，破局“落地焦虑”

过去一年，基座模型参数与架构的迭代令人目不暇接，但祁晓龙指出，“模型能力的跃升不等于业务价值的兑现。”当前AI应用在落地过程中普遍面临“三重困境”：业务价值难以量化、用户体验存在断层、底层技术栈适配极其复杂。

“很多企业以为部署几张卡、接个开源模型就能跑起来，但实际上非常困难。”祁晓龙坦言，国内算力环境高度异构（华为、百度、阿里云等并存），企业缺乏底层推理优化能力；同时，单纯将大模型接入现有系统，往往陷入“局部提效明显，全局流程卡点依旧”的泥沼。行业的共识正在快速转变：企业关注点已从“有没有大模型”，彻底转向“能不能稳定、规模化落地”。

AI正从单点提效工具，走向业务流程的深度重构。谁能在“技术-场景-用户”之间打通全链路，将AI能力无缝嵌入核心生产流，谁才能拿到下一张船票。

二、核心判断：严肃场景拒绝“概率游戏”，呼唤专业智能体

在金融、风控、医疗等严肃行业中，通用问答式AI的局限性日益凸显。祁晓龙以“企业信贷风险评估”和“个性化理财推荐”为例指出：大模型的自由生成具有天然的不确定性，而严肃业务绝不允许“开盲盒”式的输出。

“客户要的不是一个模棱两可的建议，而是可追溯、强规则约束、符合行业Know-how的确定性结果。”通用大模型缺乏垂直领域的高质量标注数据，输出结果往往“看起来专业，但经不起业务推敲”，且缺乏可解释性。这在需要为结果负责的金融场景中，是致命的。

破局之道在于“专业级工程化管控”：将高/低代码的标准化Workflow与大模型的认知能力深度融合。通过领域知识工程注入行业规则，通过“专家团反馈机制”构建优化闭环（如让资深客户经理对智能体的推荐结果进行打分与纠偏），让AI从“自由发散”走向“可控执行”。行业真正需要的，是具备执行能力、规则约束和持续优化能力的专业智能体，而非停留在对话层的通用助手。

三、产品升级：DTClaw重磅升级，让智能体从“能对话”走向“能执行”

面对上述行业痛点，蚂蚁数科近期对专业智能体平台DTClaw进行了关键性升级。此次升级正是蚂蚁“从问答走向行动”的技术具象，聚焦三大核心能力，为企业级智能体落地提供坚实基座：

1.强执行力（Execution）：内置行业SOP与多模态工具链，支持复杂任务的拆解、调度与自动化执行。通过“对话即服务，指令即动作”的架构设计，将大模型的意图理解直接映射为可追踪的业务流。

2.自主协同（Collaboration）：打破单一模型孤岛，支持多智能体（Multi-Agent）按需组队、跨系统数据流转与人机协同。在复杂金融业务中，实现风控、营销、客服等智能体的高效联动。

3.持续进化（Evolution）：提供从构建、评测到调优的全流程SOP。依托“数据治理-知识沉淀-专家打分反馈-模型微调”的飞轮机制，让智能体在真实业务中越用越懂行、越用越精准，彻底解决“静态模型跟不上动态业务”的难题。

DTClaw的升级，标志着蚂蚁数科在“问答之外”完成了关键一跃，为金融机构及千行百业提供了可复制、可评测、可规模化的专业智能体落地路径。

四、终端演进：端智能×具身智能，重塑下一代交互载体

“AI的流量入口正在发生结构性迁移。”祁晓龙敏锐指出，随着通用智能体能力的爆发，“端”正成为智能化落地的核心载体。

过去，AI能力高度集中于云端；如今，基于DTClaw的底座支撑，蚂蚁数科正全力推动“端云协同”的全栈架构落地。以“下一代AI手机银行”为例，通过端侧轻量化模型与云侧大算力的协同，实现LUI（自然语言交互）、动态卡片与流式交互的无缝融合。手机银行正从“功能列表的堆砌”升级为“懂你的专属财富管家”，实现从“人找服务”到“服务找人”的体验跃迁。

更广阔的想象空间在于具身智能。祁晓龙现场分享了智能眼镜在旅游、巡检等场景的实时处理案例：过去需要回家导出素材、剪辑、再喂给大模型生成内容，如今借助端侧实时算力与智能体调度，在游览或驾驶过程中即可完成拍摄、分析与内容生成。终端不再只是被动的“交互入口”，而是搭载DTClaw能力后，成为“可执行、可协同、可进化”的智能体入口。未来，从屏幕内的端智能，到走进物理世界的具身智能（机器人、可穿戴设备、IoT终端），AI将真正渗透进生产与生活的每一个毛细血管。

结语：跨越“落地深水区”，共生AI原生时代

AI不是数字化的线性延伸，而是一次全链路的范式重构。从“功能叠加”到“智能原生”，从“云端概率”到“端侧确定”，从“屏幕交互”到“具身执行”——蚂蚁数科以祁晓龙在AI+产品创新峰会上的思考为切口，清晰勾勒出一条“专业智能体+端云协同”的演进主线。

产业智能化的下半场，拼的不再是基座模型的参数量，而是工程化落地的确定性、场景理解的深度与终端载体的广度。当交互被重新定义，当效率被十倍重构，当新的商业模式在智能中孕育，“专业智能体+端云协同”已不是可选项，而是必答题。与其在焦虑中内卷，不如与先行者共建生态。AI原生应用的新纪元，已来。