在大模型热潮持续两年多之后，产业界对AI的关注点正在发生明显变化。
过去一段时间，企业谈得更多的是接入了哪个模型、上线了多少智能体、但随着第一轮部署基本完成，一个更现实的问题开始浮现：AI该如何走进产业深处，创造出更大的价值？
这也是2026世界人工智能（885728）大会期间“向深处去：Enterprise（EFSC） AGI价值落地与产业实证论坛”试图回答的核心问题。来自科技、金融、制造、医疗、消费（883434）等多个领域的嘉宾，不再讨论模型能力本身，而是把焦点集中在同一个方向：企业已经接入AI，下一步怎么办？AI如何从工具层、助手层，走向更深的业务场景，形成持续的生产力？
蚂蚁集团首席执行官、蚂蚁数科董事长韩歆毅
论坛开场，蚂蚁集团首席执行官、蚂蚁数科董事长韩歆毅给出的判断是：今天大量企业已经完成第一轮AI部署，接入大模型、搭建知识库、研发智能体、配置AI助手，甚至开始开发数字员工，但这还远远不够。“真正的企业级AI智能，需要扎根企业真实的业务流程，持续沉淀企业专属的数据和经验，在真实运转中自主迭代学习、识别低效卡点，形成适配这家企业自身经营逻辑的判断力。”
当天，蚂蚁数科正式发布“智能体超级工厂”方案。韩歆毅表示，蚂蚁数科希望做的，不只是帮助企业更快开发一个智能体，而是帮助企业逐步建设一套面向AI时代的新型生产系统：让智能体进入真实流程，让企业经验得到沉淀，让数据安全（885942）可信地流动，最终推动个人成长和企业能力共同进化。
一、
从“接入AI”到“用好AI”
韩歆毅首先提出一个判断：企业AI的智能不止于知识积累，更在于经验沉淀。他认为，公开知识训练出来的大模型，未必真正理解一家企业的经营逻辑，更未必能在企业真实生产流程中持续发挥作用。真正的企业级AI智能需要扎根企业真实业务流程，产生真实的价值落地。
原国家外经贸部副部长、中国入世首席谈判代表龙永图
原国家外经贸部副部长、中国入世首席谈判代表龙永图则从更宏观的层面，给这一轮AI浪潮提供了一个参照坐标。他将“入智”与“入世”作类比，认为人工智能（885728）对中国意味着一轮新的制度改革、产业升级和开放机会。
就像当年放开外贸经营权催生了大批市场主体一样，AI时代也将催生大量超级个体与“小而美”的小微企业，成为新型市场主体。但他特别强调，技术的最终价值仍然要回到发展与民生：无论是“人工智能（885728）+制造”、还是“人工智能（885728）+消费（883434）”，都必须落实到更好的产业发展和更公平的民生改善上。
深度学习奠基人之一、美国四院院士、《大语言模型》及《深度学习》等影响力专著(中信出版（300788）社)作者特伦斯.谢诺夫斯基(Terrence J.Sejnowski)
深度学习奠基人之一、美国四院院士、《大语言模型》及《深度学习》等影响力专著(中信出版（300788）社)作者特伦斯.谢诺夫斯基(Terrence J.Sejnowski)则从技术边界上提醒产业界，不必高估当前大模型的能力。他指出，CHAtGPT这一类系统并不是“像人一样思考”的智能，它更像一个能够承接海量知识和角色的镜像网络。它的输出高度依赖用户给出的意图和提示，而它自身仍然缺乏持续学习、自主活动和长期规划能力。未来AGI演进的关键突破，不在于再堆更多静态知识，而在于让系统通过与环境互动不断调整和学习。
马来西亚杨忠礼集团人工智能实验室CEO Foong Chee Mun
马来西亚杨忠礼集团人工智能（885728）实验室CEO Foong Chee Mun，则分享了另一个方向：如果企业要在高监管、高复杂环境中真正用好AI，仅有模型远远不够，还需要构建从底层能源（850101）基建到顶层模型应用的完整链条。他介绍了YTL如何构建马来西亚主权大模型ILMU，并以AI原生银行Ryt Bank为例，阐述AI只有与底层基础设施、系统控制和业务能力结合，才能真正成为企业级引擎。
蚂蚁数科CTO闫莺
在这一背景下，蚂蚁数科CTO闫莺发布的“智能体超级工厂”，就不再只是一个技术产品，而更像是对“第二阶段企业AI落地”提出的一种系统性回答。
她提到，企业当前普遍面对四大挑战：通用模型聪明但不懂企业；工具很多却难以真正打通最后一公里；企业需要的是完整方案而不是零散零件；以及智能体爆发会带来的协作、安全和治理难题。
蚂蚁数科希望通过Agentar2.0及其背后全栈智能体超级工厂解决方案，助力企业更低门槛、更标准化和规模化地打造扎根自身业务的智能体。“我们要造的不是一个简简单单的一支智能体团队，而是一座能够服务百万企业、千万商家的智能体工厂，而且这个工厂在飞轮下会自生长。”
在这一意义上，智能体超级工厂要解决的，不只是开发效率问题，而是企业如何在AI时代真正建立自己的生产系统。
二、
更大的价值来自更深的场景
如果说主题演讲更多是在讨论“下一步方向”，第一场圆桌则把问题拉回到企业当下：AI已经进入企业，但它究竟在哪些地方真正开始产生业务价值？
解构Token经济--AI投资的ROI、护城河与组织重构圆桌会议
岚图汽车（HK7489）董事长、党委书记卢放给出的答案，代表了高端制造业的典型思路。对于岚图而言，AI首先已经广泛进入产品端，包括智能座舱（886059）、智能驾驶和整车体验优化；同时，企业内部也已经有上千个Agent，覆盖研发、供应链、营销、财务、人事等多个环节。但在他看来，真正拉开差距的，不是“有没有AI”，而是企业能否在使用过程中沉淀自己的场景、数据和业务闭环，让AI帮助产品持续迭代、帮助经营系统持续进化。
上海银行（601229）副行长、首席信息官胡德斌提到，银行今天已经不仅把AI当作资料收集和报告生成助手，而是开始尝试让AI进入更复杂的业务决策环节，比如对公信贷的智能尽调。关键在于，AI不只是帮忙生成文本，而是要整合工商、税务等多源数据，并且把老信贷员脑子里的隐性经验剥离出来，变成模型能跑的显性规则，从而把风险实质性地前置。同时，我们也在尝试用AI分析海量非结构化的产业链数据，主动挖掘对公营销线索。对银行来说，AI不仅要能省钱，更要去赚钱。
浦发银行（600000）总行首席人工智能（885728）科学家郑波则强调，银行当前在推动AI时，已经不只是做单点应用，而是希望把AI更深度地嵌入一线作业流程，比如辅助理财经理和客户经理的日常工作，助力打造“超级员工”。在他看来，企业级AI应用的难点，不是做一个场景，而是让AI真正成为业务链条中的能力一部分。
蚂蚁数科AI业务总裁、蚂蚁集团副总裁余滨从AI科技公司的角度，进一步概括了企业的共同诉求：过去企业接入AI更多像是加了一个外挂，但真正长久的价值，在于AI能否帮助企业形成自我学习、自我迭代的能力。模型可能会变，工具可能会换，但如果企业能够借助AI不断增强自身经营记忆和学习速度，就能在更长周期（883436）中保持活力。
上海科技大学创业与管理学院院长毛基业教授则提醒，AI要想大规模落地，真正关键的仍然是人和组织的适应能力。但他也指出，与传统信息化不同，AI在不少场景里的投入产出，其实更容易被感知和衡量，这使得它比过去的IT工具更有机会形成真正的全面渗透。
换句话说，企业已经不再停留在“要不要AI”的阶段，而是开始讨论：哪些场景AI已经证明有价值，哪些场景值得进一步向深处推进。
三、
AI下一步，如何走？
第二场圆桌把问题进一步落到了脑科学、财富管理、茶饮消费（883434）、医疗健康等更丰富的产业场景里。这些行业看起来差异很大，但它们都在用自己的方式回答同一个问题：AI已经在创造何种价值？
跨越脑科学、医疗、财富与新消费的AI商业实证圆桌会议
强脑科技集团副总裁张胜男介绍，过去十一年，强脑科技持续深耕非侵入式脑机接口（886047），在脑电信号、神经信号采集、解析等核心技术上不断积累，并将相关技术应用于残疾人康复、睡眠管理等多个方向，推出了智能仿生义肢、脑机智能安睡仪等系列产品。她特别强调，这些产品并非概念验证，而是已经实现量产销售，并持续快速迭代，惠及更多普通人的真实生活。
中金财富战略与数字化能力发展中心执行负责人、董事总经理朱虹谈到的，则是AI如何在财富管理中创造“可感知的价值”。对她而言，最现实的变化是，过去投顾要依赖一套庞大的专家支持体系，而现在，AI已经让大量专业知识能够实时聚合，成为投顾身边的“金融专家搭子”。她特别提到，下一步的关键，不是简单提高效率，而是如何把顶级投顾的认知和服务能力，通过AI更广泛地传递给更多客户。
霸王茶姬（CHA）CTO汤海涛则把AI拉回到消费（883434）行业最日常的经营现场。他认为，对餐饮和快消企业而言，AI的价值并不首先体现在与消费（883434）者“聊天”，而是在于帮助门店员工更快掌握标准化作业流程，让一个新手更快成长为成熟店员。对于霸王茶姬（CHA）来说，制茶、泡茶、封装等流程已经高度自动化，AI的下一步价值更多在于运营管理和门店能力复制。
联影未来生命负责人、联影高级战略顾问马文翰则将焦点放在医疗健康的长期价值上。他提出，AI真正改变的，不只是生成一份报告，而是能够整合基因、影像、检验、病史和可穿戴设备等多维数据，帮助健康管理从被动治疗走向主动干预。像胰腺癌这类过去很难早期发现的疾病，如果能通过多源数据和AI分析提前识别风险，就意味着整个医疗价值链都可能被重塑。
从整场论坛的讨论可以看到，企业对AI的判断，已经发生了一个关键变化。
过去更多企业关注的是“有没有接入AI”，现在开始关心的是“AI能不能真正成为生产力”。前者解决的是技术跟进问题，后者面对的则是业务价值、组织承接和长期竞争力问题。
这也是为什么“智能体超级工厂”具有更强的象征意义。它不只是一次产品升级，而是在回答：当大模型从通用能力走向产业现场时，企业需要怎样一套新的生产体系，才能让AI不只停留在工具层，而是真正进入业务、形成能力、创造结果。
正如蚂蚁数科CEO赵闻飙所说，“工业时代，当机器越来越多，诞生了现代工厂。软件时代，当代码越来越复杂，建立了软件工程体系。那么AI时代同样需要一种新的基础设施，让百万智能体高效、可信协作。”
从这个意义上说，“向深处去”，并不是把AI讲得更宏大，而是让它真正走进那些最具体、最复杂、最需要的产业现场。未来企业之间的差距，也未必首先体现在“谁最早用上AI”，而更可能体现在“谁最早把AI真正变成生产体系的一部分”。
技术浪潮总会一轮轮涌来，但真正能够改变产业的，往往不是最热闹的那部分，而是那些最终被嵌入流程、沉淀能力、重塑生产方式的部分。
而今天关于智能体超级工厂的讨论，或许正是在为这一轮变化寻找一个更清晰的起点。
