Dialog mit Ant Digital: Aufbau einer Superfabrik für kommerzielle intelligente Agenten und gemeinsame ökologische Konstruktion des branchenspezifischen chinesischen Harness-Standards
Am 17. Juli wurde die Welt-Künstliche-Intelligenz-Konferenz 2026 (WAIC) in Shanghai eröffnet. Als wichtiges Inhaltsfenster, das 36Kr bereits das dritte Jahr in Folge tief vor Ort bei der WAIC verfolgt, startete auch das Livestream-Programm „Krypton spricht über die Zukunft“ am ersten Tag der Konferenz mit Live-Gesprächen. Sun Lei, Vizepräsident von Ant Digital Technology und Generalmanager der Geschäftsentwicklungsabteilung für China, erhielt vor Ort bei der WAIC ein exklusives Interview von 36Kr im Rahmen des Programms „Krypton spricht über die Zukunft“. Er teilte die neuesten Praktiken und Überlegungen von Ant Digital Technology für die intelligente Modernisierung von Unternehmen rund um Themen wie die Superfabrik für kommerzielle Agenten, branchenspezifische große Modelle, Fähigkeiten zur KI-Engineering und die Umsetzung von Unternehmensagenten.
Die diesjährige WAIC steht unter dem Motto „Intelligente Partner, gestalten Sie die Zukunft gemeinsam“. Da die KI-Industrie in eine Phase der vertieften Anwendung eintritt, verlagert sich der Branchenfokus allmählich vom Wettbewerb um Modellfähigkeiten hin zur Schaffung von Anwendungswert. Im Vergleich zu den Diskussionen der letzten Jahre über Parameterumfang, Modellleistung und technische Durchbrüche konzentriert sich die KI-Industrie 2026 zunehmend auf eine Kernfrage: Wie kann KI wirklich in die Geschäftsprozesse von Unternehmen einbezogen werden, wie kann die Anwendungsschwelle gesenkt werden und wie kann durch praktische Geschäftsergebnisse Wert geschaffen werden.
In diesem Trend werden kommerzielle Agenten zu einem wichtigen Träger, der die Modellfähigkeiten mit Unternehmensanwendungen verbindet. Für Unternehmen reicht es nicht mehr aus, nur über allgemeine große Modelle zu verfügen, um komplexe Geschäftsanforderungen zu erfüllen. Sie benötigen viel mehr Agentensysteme mit Branchenkenntnissen, Geschäftsverständnis und Engineering-Fähigkeiten, um KI wirklich in Geschäftsszenarien umzusetzen und die Steigerung der individuellen Effizienz bis hin zur Modernisierung der organisatorischen Zusammenarbeit zu erreichen.
Die von Ant Digital Technology diesmal veröffentlichte „Superfabrik für kommerzielle Agenten“ erforscht genau diese Richtung. Als Anwendungsplattform, die die „Superfabrik für kommerzielle Agenten“ trägt, ist Agentar 2.0 mit fast 200 digitalen Expertenvorlagen auf Stellenebene vorkonfiguriert und bietet Hunderte von abonnierbaren, sofort einsatzbereiten Agentenwerkzeugen auf Skills-Ebene. Unternehmen können je nach spezifischen Stellen- und Betriebsanforderungen schnell digitale Experten mit Fachkenntnissen, Geschäftsprozessen und Fähigkeiten zum Aufruf von Werkzeugen aktivieren, ohne von Grund auf neu beginnen zu müssen.
Für unternehmensweite KI hängt das tatsächliche Umsetzungsergebnis nicht nur von den Modellfähigkeiten selbst ab, sondern vor allem von der kontinuierlichen Weiterentwicklung von Branchenverständnis, Engineering-Fähigkeiten und Wertlieferungssystemen.
Im Folgenden das transkribierte Gespräch, redigiert von 36Kr:
36Kr: Herr Sun, könnten Sie bitte zuerst das Thema des diesjährigen Ausstellungsstandes vorstellen? Ich sehe das Schlüsselwort „Superfabrik für kommerzielle Agenten“ – wie ist diese Positionierung zu verstehen?
Sun Lei: Die Kernpositionierung der diesjährigen von uns veröffentlichten „Superfabrik für kommerzielle Agenten“ besteht darin, Branchenprobleme und Szenarienprobleme zu lösen. Von letztem Jahr bis heute hat sich die gesamte Entwicklung der KI sehr stark verändert. Die erste Veränderung ist, dass sich die KI vom allgemeinen Frage-Antwort-Modus allmählich zu einem Agentenstadium entwickelt hat, in dem sie Benutzern wirklich helfen kann, Aufgaben zu erledigen und Probleme zu lösen. Aus dieser Perspektive tritt die KI aus allgemeinen Szenarien in vertikale Branchen ein. Die zweite Veränderung ist, dass die Branche die Kernprobleme in Geschäftsszenarien wirklich lösen muss. Nur wenn Agenten wirklich auf die Anwendungsseite gelangen, können sie praktische Geschäftsanforderungen erfüllen. Die dritte Veränderung ist, dass sich das Entwicklungsziel der KI von der Steigerung der individuellen Effizienz hin zur Evolution auf Organisationsebene weiterentwickelt hat. In Zukunft geht es nicht nur um die Verbesserung der individuellen Fähigkeiten, sondern vor allem darum, wie Teams und Geschäftsbereiche durch Agenten zusammenarbeiten können, um die intelligente Modernisierung der gesamten Organisation zu erreichen.
Im Rahmen dieser Veränderungen haben wir die Fähigkeiten von Ant Group bei vertikalen großen Modellen, Branchenszenarienerfahrungen und technischen Akkumulationen über mehr als 20 Jahre kombiniert, um diese Fähigkeiten in standardisierte Produkte umzuwandeln und extern Dienstleistungen anzubieten. Sowohl große Unternehmen als auch kleine und mittlere Unternehmen können ähnliche technische und produktbezogene Fähigkeiten wie die von Ant Group erhalten, um die Industrie wirklich bei der intelligenten Transformation zu unterstützen.
36Kr: Wir wissen, dass Ant Digital Technology ursprünglich umfangreiche Erfahrungen im Bereich Finanztechnologie gesammelt hat. Die Finanzbranche stellt sehr hohe Anforderungen an Sicherheit, Compliance und Stabilität. Könnten Sie zusammenfassen, welche zentralen Bedenken Finanzinstitute bei der Umstellung auf Agenten und KI haben? Warum kann Ihre Lösung diese Probleme lösen?
Sun Lei: Wenn man zurückkehrt zur Frage, warum wir die „Superfabrik für kommerzielle Agenten“ auf den Markt gebracht haben, geht es im Kern darum, mehrere Schlüsselprobleme zu lösen. Das erste Problem ist die Branchenorientierung. Wir glauben, dass die KI in Zukunft definitiv von allgemeinen Szenarien zu vertikalen Szenarien übergehen wird, und vertikale Szenarien müssen Branchendaten kombinieren, um branchenspezifische große Modelle zu bilden. Wenn man nur über allgemeine große Modelle verfügt, ohne Unterstützung durch Branchendaten und Fachkenntnisse, lassen sich die Probleme von Fachlichkeit und Geschäftsadaption nicht wirklich lösen. Daher ist einer der größten Unterschiede zwischen unserer Superfabrik für kommerzielle Agenten und anderen Lösungen, dass wir versuchen, Branchenprobleme durch vertikale große Modelle zu lösen.
Das zweite Problem ist die Szenarienorientierung. Es ist sehr entscheidend, wie man Geschäftssprache heute in technische Fähigkeiten umwandelt, damit die KI wirklich dem Geschäft dient.
Aufgrund langjähriger Praxiserfahrungen in Bereichen wie Finanzen, Gesundheitswesen und Energie hat Ant Digital Technology diese Fähigkeiten weiter technisiert, um reproduzierbare Lösungen zu bilden, damit die KI wirklich in Geschäftsszenarien umgesetzt werden kann.
Das dritte Problem ist die Ökosystemorientierung. Die Öffnung von KI-Fähigkeiten muss unbedingt mit dem Branchenökosystem kombiniert werden. Wir werden die relevanten Komponenten API-fähig und benutzerfreundlich machen, damit mehr Partner schnell anschließen und Innovationen rund um ihre eigenen Branchenvorteile durchführen können. Daher sind Branchenorientierung, Szenarienorientierung und Ökosystemorientierung die drei Kernrichtungen, durch die sich unsere Superfabrik für kommerzielle Agenten von anderen Lösungen unterscheidet.
Zurück zur Finanzbranche: Finanzszenarien haben mehrere sehr kritische Probleme. Das erste ist das Problem von Sicherheit und Compliance. Die Finanzbranche unterliegt regulatorischen Anforderungen, daher muss sichergestellt werden, dass KI-Anwendungen den relevanten Vorschriften entsprechen. Ant selbst kann in Finanzszenarien wie Zahlungsverkehr, Vermögensverwaltung und Versicherung die Compliance von KI sicherstellen. Ohne Sicherheitsfähigkeiten und Risikokontrollsysteme ist es sehr schwierig, KI wirklich in Finanzszenarien umzusetzen. Wir machen es lieber nicht, als Fehler zu begehen.
Das zweite Problem ist Fachlichkeit und Halluzinationen. Finanzgeschäfte sind hochspezialisiert, daher muss die KI in der Lage sein, Fachfragen genau zu verstehen und zu beantworten. Unsere Superfabrik für Agenten verfügt über zwei wichtige Werkzeuge: das branchenspezifische vertikale große Modell und die Engineering-Fähigkeiten rund um die Geschäftsszenarien. Nur durch die Kombination dieser beiden Fähigkeiten kann man den tatsächlichen Szenarien näherkommen. Daher verbessern wir das Fachniveau des Modells durch die Kombination von branchenspezifischen vertikalen großen Modellen und geschäftsbezogenen Engineering-Fähigkeiten.
Das dritte Problem ist die Ergebnisvalidierung. Finanzinstitute haben in der Vergangenheit enorme Investitionen in die Informatisierung und Digitalisierung getätigt, daher achten sie bei der KI-Transformation darauf, wie der Wert nach der Investition zum Ausdruck kommt und wie der ROI validiert werden kann.
Zu diesem Zweck hat Ant Digital Technology das Konzept „Wertlieferung, Bezahlung nach Ergebnis“ vorgeschlagen. Die sogenannte Wertlieferung bedeutet, zu validieren, ob der Agent wirklich über Fachkenntnisse verfügt. Wir messen dies hauptsächlich an zwei Dimensionen: Erstens die Genauigkeit der Antworten. Wenn ein Benutzer beispielsweise eine Frage zu Versicherungen stellt, kann der Agent die versicherungsbezogenen Inhalte genau beantworten, anstatt allgemeine Antworten zu anderen Finanzfragen zu geben. Bei den oben genannten vertikalen großen Modellen liegt die Antwortgenauigkeit in professionellen Szenarien derzeit im Grunde bei über 90 % bis 95 %. Zweitens die Übereinstimmungsrate: Wenn Fachleute und Agenten dieselbe Frage beantworten, vergleicht man den Grad der Übereinstimmung der beiden Ergebnisse. In relevanten Szenarien erreichen wir derzeit über 85 %. Das ist auch die Anforderung von Ant Group an sich selbst in Szenarien im Zusammenhang mit Vermögensverwaltung, Versicherungen und Fonds.
Darüber hinaus bedeutet „Bezahlung nach Ergebnis“, dass der von KI geschaffene Wert im tatsächlichen Geschäft validiert wird. Ob beispielsweise die Konversionseffizienz in Marketingszenarien verbessert oder das Risiko in Risikokontrollszenarien gesenkt wird. Daher sind Sicherheit, Fachlichkeit und Ergebnisvalidierung die drei wichtigsten Probleme im Finanzbereich: Die Anforderungen von Regulierung und Staat müssen erfüllt werden, es braucht unbedingt branchenspezifische vertikale große Modelle und sichtbare Ergebnislieferung. Ant hofft, diese Probleme durch die Kombination seiner eigenen besten Praktiken nacheinander zu lösen.
36Kr: Vor kurzem sehen wir, dass Ant Digital Technology Branchen außerhalb des Finanzwesens erschließt. Auf welche Branchen konzentrieren Sie sich derzeit neben dem Finanzwesen? Welche gemeinsamen Merkmale haben diese Branchen? Und welche Herausforderungen sind bei der Generalisierung der Technologie aufgetreten und wie wurden sie gelöst?
Sun Lei: Im Grunde geht es immer um die oben genannten Kernrichtungen: Branche, Geschäftsszenarien und Sicherheit. Viele traditionelle Branchen stehen bei dem Übergang von der Digitalisierung zur KI-gestützten intelligenten Transformation vor gemeinsamen Problemen. Wir hoffen, die im Finanzbereich gesammelten Fähigkeiten auf mehr Branchen zu übertragen.
Der erste Schlüsselpunkt ist die grundlegende Datenverwaltung. Die wichtigste Grundlage für branchenspezifische vertikale große Modelle sind die zugrundeliegenden Daten, einschließlich externer Daten und unternehmensinterner Daten. Unser Ansatz besteht darin, die vorhandenen Fähigkeiten für externe Daten mit den Geschäftsdatendaten von Unternehmen zu kombinieren, um vertikale Modelle zu bilden, die für bestimmte Branchen geeignet sind. Daher ist die Fähigkeit zur Datenverwaltung bei der Dienstleistung für andere Branchen sehr wichtig. Wenn die zugrundeliegenden Daten nicht sortiert und verwaltet wurden, können sie keine Modelle für vertikale Szenarien unterstützen. Die Finanzbranche hatte in der Vergangenheit einen hohen Digitalisierungsgrad, während die Datengrundlagen in Branchen wie Fertigung, Gesundheitswesen und Industrie relativ komplex sind. Daher enthält unsere Superfabrik für Agenten auch Werkzeuge zur Datenverwaltung und entsprechende Fähigkeiten, um Unternehmen beim Aufbau der Infrastruktur zu unterstützen.
Der zweite Schlüsselpunkt ist die Fähigkeit zur Integration von Geschäftsszenarien, also die Engineering-Fähigkeit. Derzeit wird im Ausland das Konzept Harness vorgeschlagen, das im Wesentlichen darum geht, wie Modellfähigkeiten technisch umgesetzt werden. Wir hoffen, eine branchenspezifische Version von Harness zu schaffen, die den Merkmalen der chinesischen Industrie entspricht – das ist auch eine wichtige Wettbewerbsstärke der Superfabrik für kommerzielle Agenten. Um zu zeigen, wie die Harness-Fähigkeit in allen Branchen eingesetzt werden kann, gebe ich ein Beispiel: In Finanzszenarien gab es ursprünglich die Logik der „drei Werkstätten“. In Harness haben wir die Logik der „vier Werkstätten“ gebildet, einschließlich Absichtserkennung, Planung, Ausführung und Darstellung. Die Absichtserkennung ist sehr wichtig: Wenn ein Benutzer eine Frage zu Versicherungen stellt, kann sein tatsächlicher Bedarf die Vermögensallokation, die Vermögensverwaltung oder die Empfehlung von Produktkombinationen sein. Daher muss man zuerst die wahre Absicht des Benutzers verstehen, bevor man die nachfolgenden Dienste erbringt. Verschiedene Bereiche haben unterschiedliche Anforderungen an die Engineering-Fähigkeit: Branchen wie Energie und Gesundheitswesen benötigen möglicherweise Prozessdesign mit unterschiedlicher Granularität. In Zukunft hoffen wir, eine branchenspezifische Harness zu entwickeln, die den Merkmalen des chinesischen Marktes entspricht – das ist das Ziel unserer Superfabrik für Agenten. Derzeit haben wir bereits einige Fähigkeiten in Bereichen wie Finanzen, Gesundheitswesen, Energie, Mobilität, Verkehr und Luftfahrt gesammelt.
Der dritte Schlüsselpunkt ist die Sicherheitsfähigkeit. Verschiedene Industrien legen unterschiedliche Schwerpunkte auf Sicherheit: Die Finanzbranche achtet mehr auf regulatorische Compliance, die Fertigungsindustrie möglicherweise auf die Produktionssicherheit und die Energiebranche auf die Genauigkeit von Vorhersagen. Im Photovoltaik-Bereich beispielsweise erreichen wir Vorhersagen der Stromerzeugung durch die Kombination von zeitbasierten großen Modellen mit Faktoren wie Wetter und Vor-Ort-Bedingungen. Daher müssen Sicherheitsfähigkeiten an die Merkmale verschiedener Industrien angepasst werden.
Der vierte Schlüsselpunkt ist die Ergebnisvalidierung. Wir verfügen bereits über ausgereifte Wertvalidierungssysteme im Finanz- und Gesundheitswesen, befinden uns aber in anderen Branchen noch in der Erkundungsphase. In Zukunft werden wir gemeinsam mit Partnern die Bewertungsstandards für Ergebnisse weiter verbessern, damit die Branche den Wert nach der KI-Investition wirklich erkennen kann.
36Kr: Die letzte Frage: Könnten Sie einen Ausblick auf die wichtigsten Entwicklungsrichtungen von Ant Digital Technology in den nächsten 6 bis 12 Monaten geben? Welche Maßnahmen können die Leute nach der WAIC erwarten?
Sun Lei: In den nächsten 6 bis 12 Monaten können Sie sich auf mehrere Richtungen konzentrieren. Erstens die kontinuierliche Erweiterung der branchenspezifischen vertikalen großen Modelle und der Agentenmatrix. Derzeit haben wir bereits in Bereichen wie Finanzen, Gesundheitswesen, Energie und Mobilität einige Fähigkeiten gebildet. In Zukunft werden wir für Bereiche, in denen wir stark sind und über Datensammlungen verfügen, die Produktausgabe weiter standardisieren; für andere Branchen werden wir gemeinsam mit Partnern branchenspezifische vertikale große Modelle und Agenten entwickeln.
Zweitens die Öffnung der Fähigkeit der branchenspezifischen chinesischen Version von Harness. In Zukunft werden wir die Engineering-Fähigkeiten aller Branchen weiter strukturieren und standardisierte Methoden bilden. Im Finanzbereich wurde beispielsweise bereits das „Vier-Werkstätten“-Modell gebildet, das Absichtserkennung, Planung, Ausführung und Darstellung umfasst. In Zukunft werden wir in Branchen wie Energie und Gesundheitswesen gemeinsam mit Ökosystempartnern die entsprechende branchenspezifische Version von Harness erforschen und die relevanten Fähigkeiten schrittweise öffnen.
Drittens die kontinuierliche Verbesserung des Bewertungssystems. Wir verfügen über ein sehr vollständiges Bewertungssystem, das derzeit in mehreren Projektphasen