当Agent开始在企业批量上岗，如何实现组织协同，创造增量价值？

9月10日，2026 Inclusion·外滩大会在上海正式启幕。由蚂蚁数科联合上海交通大学高级金融学院主办的「当智能体跨越临界点，产业AI如何演进」见解论坛上，来自学界以及金融、医疗、零售、能源等产业一线的嘉宾共聚一堂，讨论的核心问题已不再是“模型参数”，而是当模型能力逐渐趋同后，AI如何真正进入生产系统，真正创造产业增量价值。

本场论坛上，两项核心发布也进一步勾勒出产业AI的演进方向：上海交大高金智库联合蚂蚁集团研究院发布《2026年企业级智能体商业演进十大趋势洞察》报告，提出企业级Agent竞争正从模型能力转向交付入口、编排治理和商业化体系。

《区块链和分布式记账技术 智能体身份管理要求》国家标准化指导性技术文件正式启动立项，为行业设计、开发、部署智能体身份系统提供了国家级指导，更将加速整个智能体经济从概念走向规模化商业落地的进程。

这些动作共同释放出一个清晰信号：产业AI正在从单点试验，迈向工程化、平台化和可信化的大规模落地阶段。

产业AI落地：智能体工厂成为新入口

上海交通大学上海高级金融学院实践教授、高金智库首席经济学家彭文生从宏观经济视角给出了鲜明判断：AI正在把“认知”变成一种可以规模化生产的能力，而智能体正是这项能力进入产业体系的主要载体。

他强调，模型层固然重要，但未必会独占AI时代的全部价值。与过去边际成本接近于零、网络效应极强的互联网平台不同，大模型每次推理都消耗资源，用户也可以在不同模型之间快速切换，因此其商业护城河并不稳固。

真正决定AI能否释放价值的，是它能否在足够大的产业体系中被规模化使用。彭文生指出，智能体的价值本质上也是规模经济。接入的企业越多、覆盖的岗位越广、打通的上下游链路越长，AI创造的价值就越大。

随着AI价值逐步清晰，产业界的讨论重点也转变成如何把AI真正接进生产系统。

蚂蚁数科AI业务总裁、蚂蚁集团副总裁余滨给出的答案是“智能体超级工厂”：从模型层、Skills组件、Harness工程，到智能体模板、数字员工、安全运营和工作台，目标不是做一个更聪明的助手，而是搭建一套能批量生产、部署和治理企业智能体的基础设施。

这背后的判断很明确。企业AI，和个人AI助手，根本不是同一件事。

个人场景追求对话体验，企业场景解决的却是知识接入、流程编排、系统对接、权限管理和结果交付。模型只是起点，真正决定AI能否进入业务的，是一整套工程化能力。

但当智能体真正进入产业，新的门槛也随之出现：智能体不仅要“能干活”，还必须“可信”。

蚂蚁数科区块链业务总裁、蚂蚁集团副总裁边卓群认为，未来新经济的两项关键基础设施，AI和区块链。随着智能体与人、智能体与智能体之间的协作日益频繁，产业系统中会出现海量、小额、7×24小时的交互和交易，这要求底层系统既能支撑执行效率，也能支撑身份确认、权限划分、数据留痕和责任追溯。

也正是在这一背景下，蚂蚁数科联合中国电子技术标准化研究院等机构共同推动的《区块链和分布式记账技术 智能体身份管理要求》国家标准化指导性技术文件正式启动立项。

如果说过去企业强调的是KYC（Know Your Customer）、KYP（Know Your Product），那么在智能体大量进入业务流程之后，KYA正在成为新的底层要求。只有当智能体具备了可识别、可验证、可追责的身份体系，AI才可能真正从工具走向生产角色。

从这个角度看，KYA立项的意义，不只是多了一份技术文件，而是在为智能体经济补上最基础的一块地基。它既决定AI能否进入更多高要求行业，也决定未来不同企业、不同平台、不同智能体之间，能否建立可信协作关系。

企业级智能体十大趋势：AI入口重塑、智能体编排成为新增长极

在大会期间，上海交大高金智库联合蚂蚁集团研究院发布《2026年企业级智能体商业演进十大趋势洞察报告》。课题组负责人，上海交通大学上海高级金融学院兼聘教授、高金智库研究员邬瑜骏给出了明确判断：企业级Agent的竞争，正在从“模型能力”转向“交付入口、编排治理和商业化体系”的竞争。

首先，企业级Agent的入口正在被重写。过去，很多Agent以聊天窗口的形式存在，但在企业环境里，真正能跑进生产系统的Agent，会嵌入ERP、CRM、客服、运营等既有系统中，直接在原有流程里完成任务。

其次，企业级Agent的交付方式也不再是“标准化产品”或“完全定制化”二选一，而是演变为一套分层的产品矩阵。从标准化部署，到托管式服务、开发工具包，再到面向复杂场景的深度定制，不同行业、不同安全等级、不同业务复杂度，对应不同交付方式。

随着入口和交付模式变化，产业价值也在重新分配。邬瑜骏认为，未来的商业化增长极，不在模型层，而会更多集中在中间的Harness编排与治理层。谁掌握这一层，谁就更接近企业AI落地的核心壁垒。

放在这一趋势下看，蚂蚁数科提出智能体超级工厂，并不是单一产品动作，而是对企业级智能体演进方向的系统回应：模型、编排、治理、安全和交付形态被整合进同一套架构中，目标不再是造出更多Agent，而是让Agent能够稳定进入企业生产流程。

产业 AI 现场：医疗、零售、能源的落地样本

论坛上，来自金融、医疗、零售、能源等行业的一线代表，给出的判断高度一致：AI正在加速进入真实业务，但企业最关注的，已经不是“能不能用”，而是“能不能稳定、可信、可追溯地用起来”。

不同行业的落地路径各有差异，但核心问题逐渐收敛到几个共同焦点：一是AI是否真正懂行业、能嵌入流程；二是结果能否被验证、复盘和治理；三是在安全、权限和合规要求下，AI能否进入生产系统。

广东省人民医院信息管理处技术应用科负责人邓晓晖介绍，医院已经从算力、数据到统一智能体平台做了系统化梳理，并与蚂蚁数科合作落地模型能力。由于医疗高度敏感，医院还专门引入了“用AI管AI”的可信机制：每一次访问请求和回复内容都要经过额外校验，一旦发现异常或违规，系统会立即阻断。对医疗机构来说，AI首先不是提效工具，而是必须建立在可信和可控前提上的生产能力。

零售餐饮行业的焦点则指向成本和效率。绿茶集团首席财务官商巍介绍，自与蚂蚁数科合作以来，通过AI的多模态识别，实现了对食品安全的7×24小时持续巡检。过去依赖飞行检查、流程台账的管控方式，被明显改写。在低毛利行业，AI价值不是锦上添花，而是能不能把一部分高频、刚性的运营成本真正打下来。

阜博集团联席总裁史晶月表示，AI对内容行业的最大改变，不只是让内容生产更快，而是让过去周期长、投入高、回本慢的内容产业，开始出现从生成到确权、保护、维权再到变现更快衔接的可能，部分场景甚至接近实时完成。

能源行业则把问题进一步推向“高风险生产场景”。运达能源运创公司执行董事申新贺提到，和其他行业相比，能源行业对风控的要求更高，很多小失误都可能带来大代价。因此，除了效率和效能，企业更看重AI在整个流程中的可追溯性，要求每一个判断和执行环节都能被复盘。在这类行业，AI要想进入核心业务，前提不是更聪明，而是更稳、更透明。

支付宝AI生态开放事业部总经理周猛指出，AI时代最大的组织挑战在于，用户需要的是端到端的结果，而传统企业仍习惯按部门和职能分段交付。蚂蚁数科副总裁孙磊则表示，企业对AI的关注点已经从“新不新”转向“好不好用”，AI竞争也不再是参数竞争，而是要回到业务场景、价值交付和安全治理本身。

从支付到风控，金融业成AI落地最严格 "试金石"

与医疗、零售、能源相比，金融业对AI的态度更复杂：它往往是最早看到价值的行业，也是最审慎把AI真正放进核心生产环节的行业之一。

这种复杂性，首先体现在智能体经济的闭环问题上。汇丰银行董事总经理、全球数字货币主管孙雷介绍了汇丰在Agent to Agent 机器支付的概念验证。但他的表态也非常明确：如果没有授权、审计和透明这套信任层，智能体支付根本不会进入生产环境。

这几乎点出了金融行业应用AI的前提——不是先谈效率，而是先谈可信。

华泰柏瑞基金副总经理房伟力介绍，公司已经“All in AI”，搭建了 Skill Hub、MCP Hub 等知识和指标中枢，会议纪要可在1分钟内生成，研报撰写、合规条款抽取、管理层问数、基金经理画像等场景都已落地，研究岗成为AI使用最密集的区域。

浦发银行零售业务部副总经理兼架构师万化则给出了一组更工程化的数据：浦发银行已落地接近300个智能体工程化应用、400多个AI场景；其中在运营岗位，AI对表单和文本的识别率已达到90%以上，并有108个小型智能体部署在生产线上。

但到了更核心、更高责任密度的业务区域，湘财证券研究所所长曹旭特直言，卖方研究对AI的使用已经很高频，尤其集中在财报、公告梳理、高频数据跟踪等信息处理环节，但整体仍停留在外围流程和局部试点。

友邦人寿信息技术综合管理办公室负责人宋伟也表示，AI员工助手已成为日常工具，但在承保、理赔、智能客服等更深层场景中，企业依然保持审慎，更多将AI定位为辅助角色。

另一类更具代表性的尝试，出现在风控环节。

蚂蚁消金首席科学家康宇麟介绍，公司今年上半年已在重点客群中尝试用金融智能体自主研发和迭代风控策略，实际效果相较传统人工研发策略已有明显提升。在他看来，智能体最擅长处理的，正是海量、碎片化且带有不确定性的数据，并在此基础上形成相对确定的判断。

这些差异本身，恰恰说明了金融业在智能体落地中的真实位置。它既是AI最容易创造高价值的行业之一，也是对安全、合规、责任追溯要求最高的行业。正因如此，金融不是AI落地最激进的行业，却很可能是最能检验智能体是否真正具备产业级能力的试金石