金磊 发自 凹非寺
量子位 | 公众号 QbitAI
不鸣则已，一鸣惊人。
没想到一个低调霸榜了全球最权威SQL榜单超过两个月的国产AI，这一次选择了高调开源。
如此反差剧情的主角正是蚂蚁数科，在第二届CCF中国数据大会上，它正式宣布：
开源旗下数据智能体关键技术——Agentar-SQL系列。
此次开源不仅包含实时文本转SQL（Text-to-SQL）框架的全套论文、代码、模型和使用指南，后期还将陆续开源数据库理解与挖掘、行业知识挖掘、实时多轮交互技术框架，覆盖意图理解、业务理解到数据理解的全链路数据能力。
如果你关注AI数据分析领域，大概率听说过BIRD-Bench。这是目前全球公认最具权威性的NL2SQL评测基准。
就在今年9月，蚂蚁数科的Agentar-Scale-SQL在BIRD榜单上以执行准确率（81.67%）和执行效率（77%），双料第一的成绩登顶一举超越了谷歌、亚马逊等国际科技巨头。
自然语言转SQL（NL2SQL）在实际落地中面临四大严峻挑战：理解模糊多义的人类口语、注入庞大的行业专业知识、解析复杂的数据库结构与关联，以及生成准确无误的复杂SQL语句。这些挑战意味着，简单的模型“套壳”远不足以满足企业级应用的可靠性与准确性要求。
蚂蚁数科的Agentar-SQL核心思想在于，不是追求单一“完美”的SQL生成，而是通过系统化工程方法，真正让AI赋能生产，让数据结果懂需求、懂业务。在某头部城商行试运营期间，蚂蚁数科Agentar SQL多个工具的平均查询准确率超92%，较传统查询方案提升超3倍。
但这样的成绩，还不足以形容蚂蚁数科。
一直以来，蚂蚁数科的AI发展可谓非常“低调”。如果深挖今年的动作会发现，蚂蚁数科的AI版图已经非常成熟与丰富，走出了一条中国AI“非常识”但又价值巨大的新路径。
蚂蚁数科CEO赵闻飙近日在生态伙伴大会上的一番话，道出了蚂蚁数科AI布局上的真实“野心”：
AI的真正价值不仅在于技术的先进性，更在于能否深入产业一线、解决实际问题。
△蚂蚁数科CEO赵闻飙
之所以会有这番言论，是因为这个AI诞生的地方，正是在金融行业这个最复杂、数据门槛最高的业务场景，它经受住了比任何公开榜单都严酷的考验——
从登榜到开源，从金融到各行各业，蚂蚁数科正在用一套务实的方法论，回答产业AI如何真正用起来。
从一场非共识的死磕说起让我们先把时间拨回到2024年初。
那是百模大战打得最凶的时候，市面上的AI公司大多在做两件事：要么在刷各种通用榜单，证明自己的模型智商有多高；要么在做Chatbot，试图让AI变得更像一个陪聊伙伴。
但蚂蚁数科的CEO赵闻飙和他的团队的做法，却显得有些“格格不入”——
一头扎数据门槛最高、合规要求最严的金融领域，这个被普遍认为是AI落地的“深水区”。
这个战略从表面上来看是一点也不性感的，它意味着团队必须要与“两高一长”相伴：高风险、高投入、长回报周期。
因为这里没有“差不多”，只有“百分百”。一个错误的回答不仅仅是用户体验下降这么简单，更可能意味着巨额资金的损失，甚至是监管的红牌罚下。
金融场景的极端复杂性，体现在三个维度：
数据高度敏感且孤岛化：客户资产、交易流水、风控规则等关键数据分散在多个系统，互不打通；业务逻辑极其严谨：如“重点客户”不是模糊标签，而是“本季度活跃度大于80分”的明确定义；合规要求近乎苛刻：所有AI推理必须可解释、可审计、可回溯，不允许“黑箱决策”。每一项对AI来说都是老大难的问题。
换言之，一个AI若是能精准地搞定最难领域的问题，那它再身处别的领域时就会变得从从容容游刃有余。
但蚂蚁数科偏偏选择了死磕，事实证明，这场豪赌，他们赢了。
因为最新的成绩单显示：蚂蚁数科的服务已经覆盖了100%的国有股份制银行，以及超过60%的地方性商业银行。
可以说中国金融体系的毛细血管里，已经流淌着蚂蚁数科的代码。
不仅如此，他们还悄然跻身了IDC《中国智能体开发平台2025年厂商评估》的领导者象限，意味着在市场份额和技术实力上，他们已经站到了第一梯队。
但光有战略定力是不够的，AI发展到现在的阶段，更看重的好不好用。
在宁波银行，双方合作打造的智能化决策系统，便彻底打破了传统金融服务的知识孤岛。
过去，客户经理面对一个复杂的投资咨询，需要在多个系统间来回切换，答案常常是模糊的、滞后的。
新系统通过“规划-检索-推理”的智能机制，实现了从模糊匹配到精准推理的跨越。复杂问题回答准确率从68%跃升至91%，响应速度进入百毫秒级。
更关键的是，系统能清晰呈现推理过程与数据来源，在强监管的金融场景中实现AI黑箱白化。
上海银行推出的AI手机银行，则是另一种维度的革新。
它以对话即服务为核心，用户通过自然语言交互即可办理转账、理财咨询、养老金查询等业务。这不再是简单的功能堆砌，而是体验的重构，从“人找服务”到“服务找人”。
配合千人千面的个性化推荐与适老化设计，它已经成为了行业数智化转型的典型样本。
已经从金融级外溢到了产业级金融领域的成功实践，为蚂蚁数科积累了可迁移的产业AI方法论，也推动其能力向更多民生领域延伸。
在南京，蚂蚁数科与南京公交联合打造的公交智能体小蓝鲸，便是这一能力外溢的典型案例。
它将金融领域验证过的“规划-检索-推理”逻辑，应用到了城市交通的复杂系统中。
从分析客流到生成线路，再到输出经济可行性报告，小蓝鲸展现的是一种通用的、可迁移的产业AI能力。
210路公交车的开通，可谓是一下子把之前这片区域的公交线网空白给填上了，单日最高客流达2168人次，老年卡使用占比近50%。
不仅如此，类似210路这样在AI建议下开通的公交，在南京已经有30多个，还新增了84个招呼站！
据悉，这是国内首次将AI智能体技术深度应用于公共交通调度系统，根据站点、客流、线路等多维数据分析，实现从经验决策到智能规划的全面升级。
在能源领域，这种能力同样锋利。
蚂蚁数科的 EnergyTS 能源电力时序大模型，能够精准预测发电量和市场供需变化。
在投前决策环节，它能将原本需要2–3天的人工投资测算，缩短为十余分钟，决策效率提升超60倍，已助力协鑫能科、霍普等企业实现数智化升级。
由此可见，从最难的场景切入，延伸到更广的场景，用最硬的指标说话，这就是蚂蚁数科在过去一年里上演的非共识剧本。
还敢按效果付费技术再牛，如果卖不出去，也是白搭。
在To B的软件市场，传统的收费模式无非两种：要么按项目制收费，要么是按订阅制收费。
但这两种模式都有痛点：甲方觉得我花了钱，万一效果不好怎么办？乙方觉得我投入了这么多人力，利润薄如刀片。
蚂蚁数科在付费模式上采取的做法也是一种非共识的打法——按效果付费。
这种模式，极大地降低了中小机构应用AI的门槛和风险。客户不再需要为不确定的技术前景买单，而是为确定的业务结果付费。
这就倒逼了技术提供商必须真正深入业务一线，理解客户的痛点，将技术能力转化为可量化的商业价值。这是一种对自身能力的极度自信，也是一种对产业伙伴的真诚负责。
要规模化地实现这种模式，单打独斗是行不通的，蚂蚁数科深谙这一道理，因此，生态共荣，成为它必然选择。
据了解，截至今年，蚂蚁数科已与300家合作伙伴建立深度合作，共同服务超13000家终端客户。
在这次的大会上，蚂蚁数科正式升级了“星澜计划”，从技术赋能、运营支持、商机共享、资金扶持四个维度，全面提升伙伴能力，推动整个生态的全域升级。
一位合作伙伴在现场分享，今年其30%的营收来自与蚂蚁数科的合作业务。这不仅仅是数字，更是市场对这套“技术+生态+商业化”组合拳的有力投票。伙伴们通过合作，沉淀出了一套AI赋能垂直场景的方法论，共同推动产业AI的规模化落地。
这种生态的视野，甚至延伸到了全球。
蚂蚁数科的技术方案，已服务南洋商业银行、渣打银行等超百家海外金融机构。今年10月，其入选香港金融管理局生成式AI沙盒项目，为沙盒提供AI智能体服务与AI安全产品。
这标志着源自中国严苛金融场景打磨出的AI方案，正获得国际市场的认可，展现出强大的全球竞争力。
在通用AI的喧嚣之后，产业AI的务实革命才刚刚开始；而这场革命的主角，必将是那些敢于用效果说话的实干者。
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
贵丰配资提示：文章来自网络，不代表本站观点。
