9月10日，2026 Inclusion·外滩大会现场，蚂蚁数科正式发布智能体超级工厂 Agentar 金融版。
作为蚂蚁数科“智能体超级工厂”面向金融业打造的专业智能体平台，它带来了一个核心变化：金融 AI 正在从“单点工具”，走向“岗位协同”。
过去几年，金融 AI 大多停留在简单问答、文本生成或数据检索阶段，只能辅助细碎的单点工作。但真实的金融业务——客户经营、财富投顾、风险核查、产品运营，往往是跨系统、跨岗位、多流程联动的复杂工程，靠零散的 AI 工具根本跑不通。而机构若选择自建，又面临成本高、周期（883436）长、缺乏统一标准的难题，难以规模化落地。
Agentar 金融版要解决的正是这个痛点：帮金融机构打通智能体从开发、部署、协同到评测、治理的全链路，让金融 AI 真正从“试用”走向规模化生产。
从工具到岗位：
AI开始承接一整套工作
不同于单一功能的 AI 助手，Agentar 金融版最大的突破在于岗位级数字专家的协同作业。
平台首批预置了十大金融数字专家团，覆盖财富管理、智能投顾、零售客户经营等核心场景。每一个数字专家都对应一个真实的金融岗位，具备四项核心能力：
懂目标：能读懂完整的业务意图；
拆任务：自动拆解复杂的业务工作流；
调资源：调度多个专业智能体协同作业；
交结果：自主推进全流程，直至交付最终结果。
换句话说：过去 AI 只帮你做“一步操作”，现在它能承接一整套岗位工作。
以银行零售经营场景为例。传统模式下，客户经理需要登录多个系统，手动查资产、拉流水、看持仓，再人工筛选客群、匹配产品、制定策略，流程繁琐且周期（883436）漫长。依托“数字客户经理智能体”，系统可自动联动客群洞察、产品匹配、策略生成等模块协同作业，一键产出个性化经营方案，将原本漫长的流程压缩至当日完成。
在某试点项目中，这套模式带来了直观的业务增量：
客群总资产规模提升 10%
客户活跃度提升 15%
单人服务客户量提升 5 倍以上
工厂化复用：
开箱即用，经验能沉淀
金融机构自建智能体，最头疼的问题是场景零散、经验无法沉淀、能力无法复用。
Agentar 金融版将蚂蚁数科在金融 AI 落地中的实战经验进行了“工厂化”封装。成熟的行业方法论、金融 Know-how 和标准化能力，被转化为可直接复用的行业 Skill、工具库和标准流程。
这意味着，机构无需从零开发。只需接入自身的业务系统、专属知识库和数据资产，即可快速搭建适配自身业务的智能体，大幅缩短落地周期（883436）并降低研发成本。
更重要的是，平台实现了对模型、智能体、技能工具、任务流程的统一管理，彻底解决了以往 AI 场景碎片化、缺乏统一治理、难以持续迭代的顽疾。
可评测、可审计：
适配金融的强监管要求
在金融行业，精准、合规、安全是不可逾越的底线。
为此，Agentar 金融版搭载了蚂蚁金融级大模型、可信工程体系与专业评测工具集，确保每一环都在风控之内：
定标准：内置 2000+ 项金融专属评测指标，全面覆盖专业性、准确性、合规性与执行质量；
可量化：量化评估智能体作业效果，支持自动问题归因与持续迭代优化；
全兜底：全链路双向安全校验，从数据输入、任务执行到结果输出逐层风控。
让 AI 提效的同时，无缝适配金融行业严苛的监管要求。
跨过从工具到岗位的分水岭
截至目前，上述智能体已在银行、证券、保险等机构的真业务场景中完成验证。蚂蚁数科已在金融领域落地超 300 个专业智能体，服务覆盖全量国有大行及股份制银行（884250）、超 60% 地方商业银行，以及数百家证券、保险等持牌金融机构。根据 IDC 最新报告，2025 年国内金融大模型与智能体应用服务市场规模突破 24 亿元，蚂蚁数科以 13.3% 的市场份额位居第一（数据来源：IDC 2025 中国金融大模型及智能体应用服务市场份额报告）。
从工具到岗位，金融 AI 正在跨过一道分水岭。这道坎不在于模型能力——大模型已经足够强大；而在于能不能把行业的 Know-how，变成可复用、可评测、可管理的智能体能力。
随着各机构使用深度的增加，这些岗位级数字专家的专业能力将持续进化，推动金融行业从个人效率提升，迈向组织整体生产力的升级。
