公司战略与核心观点 - 蚂蚁数科CEO赵闻飙为AI产业锚定务实方向，强调AI的真正价值在于深入产业一线、解决实际问题 [2][6] - 公司过去一年的核心目标是推动“技术落地”，将AI从实验室引入真实业务场景 [2][6] 业务进展与市场覆盖 - 公司聚焦金融、能源、交通、制造等关键领域，携手近20家头部伙伴上架了100余个智能体联合解决方案 [2][6] - 在金融领域，公司基于自研的金融推理大模型，为宁波银行、上海银行、新华人寿、富邦银行、昆山农商行等金融机构打造专属“AI大脑” [2][6] - 公司服务已覆盖中国100%的国有股份制银行、超过60%的地方性商业银行以及数百家金融机构 [2][6] - 公司正将AI方案推向全球，于2024年10月入选香港金融管理局生成式AI沙盒项目，提供AI智能体服务与安全产品 [2][6] - 公司已服务南洋商业银行、渣打银行等超过100家海外金融机构 [2][6] 合作伙伴与生态建设 - 截至2025年，公司已与300家合作伙伴建立深度合作，共同服务超过13000家终端客户 [3][7] - 公司正式升级合作伙伴计划，推出“星澜计划”，从技术赋能、运营支持、商机共享、资金扶持四个维度提升伙伴能力，推动生态升级 [3][7]

核心观点 - 蚂蚁数科作为AI to B服务商，其核心价值在于深入产业一线解决实际问题，并已进入中国智能体开发平台的领导者象限 [1] - 公司以“技术落地”为核心，推动AI从实验室走进真实业务场景，聚焦金融、能源、交通、制造等领域，携手近20家头部伙伴上架100余个智能体联合解决方案 [4] 市场地位与行业认可 - 在IDC发布的《IDC MarketScape：中国智能体开发平台2025年厂商评估》中，蚂蚁数科凭借“全栈技术能力”与“金融领域深度积累”，成功入选最高级别“领导者”象限 [10] - 公司数据分析智能体Agentar-Scale-SQL在全球权威评测基准BIRD-Bench上，斩获准确率与执行效率双料第一，超越谷歌等国际团队，创下国内企业在该领域的历史最好成绩 [9] - 自2025年9月25日登榜BIRD-Bench以来，Agentar-Scale-SQL截至新闻发布日依旧位居榜首，领跑全球超两月 [9] 金融行业深耕与成果 - 公司选择从数据门槛最高、合规要求最严的金融领域切入，目前服务已覆盖100%的国有股份制银行、超60%的地方性商业银行及数百家金融机构，成为金融行业AI转型的首选伙伴 [5] - 与宁波银行共建的智能化决策系统，基于Agentar知识工程平台，使复杂问题回答准确率从68%跃升至91%，响应速度提升至数百毫秒级，推荐内容的准确率和召回率分别提高35%和40% [5] - 与上海银行合作推出AI手机银行，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、养老金查询等高频业务 [6] - 公司已服务南洋商业银行、渣打银行等超百家海外金融机构，并于2025年10月入选香港金融管理局生成式AI沙盒项目 [10] 技术能力与产品矩阵 - 公司构建了“大模型-平台-应用”全栈产品矩阵，聚焦业务增长、体验革新和风险防控三大核心问题 [9] - 技术底座包括金融专属评测基准Finova Bench、太仓标注中心提供数据支撑以及天玑实验室的前沿技术探索 [9] - 公司垂类模型已开源，支持在BIRD-Bench评测中夺冠的Agentar-Scale-SQL智能体 [9] - 在能源领域，公司发布的EnergyTS能源电力时序大模型，支撑“能源服务智能体”规模化应用，覆盖投资决策、电力交易、运行优化、设备运维等全场景 [8] 跨行业应用与民生服务 - 公司将金融领域积累的AI经验向更多民生与公共服务领域延伸 [7] - 与南京公交联合打造的“小蓝鲸”公交智能体，实现从“经验决策”到“智能规划”的升级，已开通30余条微循环线路，新增84个招呼站 [8] - 对接地铁7号线的接驳公交210路，单日最高客流达2168人次，老年卡使用占比近50% [8] - 在新能源领域，EnergyTS大模型助力企业实现数智化升级，其投资决策效率较人工提升超60倍，运营与交易效果提升10%以上，资产评估效率提升超10倍 [8] 生态合作与商业化 - 2025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 [11] - 公司升级合作伙伴计划，推出“星澜计划”，从技术赋能、运营支持、商机共享、资金扶持四个维度提升伙伴能力 [11] - 有生态伙伴表示，其30%的营收来自与蚂蚁数科合作的业务，并表达了深化合作的强烈意愿 [14] - 公司定位为生态的“基础设施提供商”，旨在与伙伴共同将技术转化为产业成果 [14]

金融科技发展现状 - 金融科技从概念走向实用 深度融入日常生活 如同水电气般成为城市基础设施 [1][3] - 金融科技利用AI 区块链等新技术改进金融服务 使其更高效 便捷 普惠 [3] - 上海在金融中心和科创中心联动发展中 金融科技深度融入城市血脉 服务小微和百姓 [1] 具体应用案例 - 上海马陆葡萄通过上海数据交易所完成1000万元股权融资 以RWA数字资产形式覆盖全产业链权益 [2] - 蚂蚁数科发布国内首个金融推理大模型 能理解复杂语义 捕捉用户需求 在银行信贷场景中自动识别合同关键信息并修复模糊条款 [2] - 某上海银行应用AI模型实现"对话即服务" 月活用户同比增长25% 老年客户满意度显著提升 [2] - 网商银行"大山雀"系统通过卫星遥感技术为农户精准授信 累计服务181万农户 其中80%为征信白户 累计授信达1990亿元 [7] 技术发展进展 - 上海已有9款金融领域垂直大模型完成备案 涵盖量化 投研 投顾等场景 [4] - 区块链技术在金融领域广泛应用 上海各大金融机构均上线基于区块链的业务场景 [5] - 国家区块链网络上海枢纽推动金融领域区块链应用场景扩围放量 参与机构数量稳步增长 [5] 行业地位与排名 - 全球金融科技中心前20名中中国占5个城市 超过美国的4个 [4] - 上海在全球金融中心指数中位列第二 在全球金融科技中心发展指数中位列第三 [4] - 上海在金融科技应用层面位居全球前列 研发投入和创新成果产出优于伦敦 [5] 政策支持与发展规划 - 上海发布《上海高质量推进全球金融科技中心建设行动方案》 包含七大项31条政策措施 [4] - 2020年上海明确提出建设具有全球竞争力的金融科技中心 [6] - 外滩大会已成为亚洲三大顶级金融科技盛会之一 2025年实现与新加坡 香港金融科技活动的历史性"三会聚首" [6] 创新方向与趋势 - 资产通证化(RWA)和AI+金融成为全球金融科技领域最具前沿性的创新方向 [4] - 以上海为代表的亚洲金融科技中心开始真正崛起 [4] - 金融科技正从"概念"走向"实用" 覆盖从农产品到AI算法的广泛领域 [2][3]

科创创业50ETF基金表现 - 截至2025年8月18日11:00 科创创业50ETF基金(588660)上涨3.17% 冲击6连涨 盘中价格创上市以来新高 [1] - 截至2025年8月15日 该基金近1周累计上涨8.52% [1] - 基金紧密跟踪中证科创创业50指数 该指数从科创板和创业板选取50只市值较大的新兴产业上市公司证券 [2] 科技企业AI技术进展 - OpenAI推出GPT-5 在信息处理效率 准确性 安全性 垂直领域表现均有显著提升 但稳定性存在不足 [1] - 腾讯发布并开源混元3D世界模型1.0 简化3D场景构建流程 [1] - 阿里推出自研"夸克AI眼镜" 具备轻薄舒适 长续航及强AI理解能力优势 融合多生态能力 [1] - 蚂蚁数科联合推出金融大模型评测基准 发布基于Qwen3研发的金融推理大模型 [1] 半导体与AI硬件行业展望 - AI大规模部署正重塑半导体路线图 创新集中于先进逻辑 新一代高性能DRAM 高带宽存储与堆叠 先进封装及功率半导体五大领域 [2] - 应用材料公司预计未来几年封装业务营收将翻倍至年超30亿美元 [2] - 全球在建/扩建晶圆厂超100座 AI基础设施投资持续加码 [2] - 中金公司认为2H25大模型能力增强将推升AI推理算力需求爆发 带动AI硬件需求成长 [1] 中证科创创业50指数成分 - 截至2025年7月31日 指数前十大权重股包括宁德时代 中际旭创 新易盛 中芯国际 寒武纪 迈瑞医疗 海光信息 汇川技术 阳光电源 澜起科技 [2] - 前十大权重股合计占比57.49% [2] AI应用与通信市场 - 终端创新加速推动端侧AI发展 IoT设备连接数增长 [1] - 通信模组市场空间有望随端侧智能化升级持续增长 [1]

文章核心观点 - 蚂蚁数科推出国内首个专注金融推理的商业化大模型及开源数据集 被视为中国产业AI向高价值场景攻坚的关键突破 [1] - 公司通过聚焦垂直赛道 以推理能力+安全合规为核心 构建“金融脑” 旨在解决金融AI在核心业务场景渗透率低的行业痛点 [6] - 金融AI正从技术探索期进入业务重构期 未来将围绕推理模型普及、多智能体协作、成本民主化三大主线发展 [9] 行业痛点与挑战 - 金融AI存在“渗透率悖论” 全球金融机构对AI投入持续加码 但核心业务场景渗透率仍处低位 [2] - 花旗银行调研显示 93%的金融机构预计AI将在未来五年内提高利润 预计到2028年AI可将银行业利润提高9% 即1700亿美元 [2] - 在营销、风控及销售等业务深水区 智能体应用渗透率较低 根本矛盾在于金融场景的专业严苛性要求与技术尚不成熟 [4] - 金融业务极其复杂 如银行零售业务包含十多个大场景、上百个细分场景 需要极高的领域专业知识和高质量数据支持 [4] - 大模型的训练、部署和推理成本高昂 硬件投入大 推理效率相对较低 对经济可行性存在疑问 [4] 蚂蚁数科的解决方案 - 公司发展路线是专注金融与能源两大高价值赛道 不做通用大模型 而是“用垂直深度构建护城河” [6] - 发布的金融大模型专注金融场景的复杂推理需求 通过两阶段训练（通用基座+金融场景微调）提升专业表现 [6] - 自建DeepFinance金融思维链数据集 由金融专家标注 覆盖存款、信贷、投资等14大场景、上百细分任务 [6] - 大模型集成“蚁天鉴”安全评测层 确保输出符合金融级审慎要求 抑制幻觉并满足合规 [6] - 同步开源包含1350道金融难题的Finova评测基准及百万级DeepFinance训练数据集 推动行业共建 降低金融AI落地门槛 [1][6] 未来发展趋势 - AI应用正从“通用场景试验”逐步向“核心业务重构”推进 金融推理模型是“智能体的中枢齿轮” [6] - 金融智能体的终局是AI组织驱动业务 推理大模型正推动AI从“工具”升级为“决策者” [8] - 短期智能体渗透营销、风控等深水区替代基础决策 长期多智能体协作成常态 [8] - 未来三年将围绕推理模型普及、多智能体协作、成本民主化三大主线爆发 [9] - 未来竞争核心是合规与责任 公司平台内置“监管围栏”自动过滤不合规输出 行业需明确AI错误的责任归属问题 [9]