AI在金融领域的商业模式创新 - 蚂蚁数科推出按效果付费商业模式，企业客户可根据大模型应用带来的业务增长或成本节省等实际效果付费，而非传统项目制或订阅制[8] - 按效果付费模式并非颠覆传统商业逻辑，而是基于机构实际需求与AI应用效果变化做出的合理延展[7][9] - 针对营销类产品，与机构共同探讨以结果为基础定价的商业合作方式，例如在用户增长、沉睡用户激活等场景，为金融机构带来新增收益后，双方在收益范围内探讨新的合作分成模式[8] AI业务落地实践与客户聚焦 - 蚂蚁数科将部分AI能力由工具交付向业务结果导向转型，目前已在部分银行落地相关实践[8] - 服务模式升级为智能托管，银行提供业务目标、预算和客群，蚂蚁数科智能体全链路自动完成营销，按交易规模增长净值的0.01%至0.1%收费[9] - 在合作的金融机构中，区域性银行占比最高，达到三分之二，该模式尤其受中小金融机构欢迎[9] 金融机构的AI应用差异与需求 - 不同规模金融机构的AI落地节奏不同，头部银行资源丰富，处于全面探索期，而部分城商行和股份行虽资源不足但AI探索实践步伐很快[9] - 金融机构对AI的需求首要为解决实际业务增长问题，其次为业务安全问题，第三为解决用户体验问题[10] - 金融领域共有130多个场景需要AI结合，关键在于为场景提供真实价值，并在业务增长、安全合规与用户体验间找到平衡[10] 可信数据空间与AI的协同发展 - 可信数据空间的应用边界与价值持续扩大，其意义超越数据共享、流通和可信机制建设[10] - AI模型训练依赖大量高质量、标准化数据，可信数据空间是提供数据治理基础的关键载体[10] - 可信数据空间与人工智能应用在基础设施层面呈现融合趋势，包括算力中心、数据平台等建设加速，双方职能边界交叠，相互支撑性显著[11]