2026年，AI行业的竞争正在发生一次明显转向。
过去几年，大模型公司反复证明一件事：模型能力还可以继续变强，参数规模还可以继续变大，通用智能的边界还可以继续被推远。但当越来越多公司都拥有模型、算力和智能体产品之后，新的问题开始浮现：AI究竟应该落在哪里？
6月16日，支付宝完成了一次史上最大改版——AI助手"阿宝"正式上线，界面只剩两个页面，上万种服务一句话直达。支付宝也由此成为全球首个完成全端AI化的超级应用。
这个动作背后，似乎也是一次蚂蚁集团对AI下半场的表态：这家公司，似乎已经想好了要用AI来解决什么问题。
2026年，大多数公司还在卷参数、卷模型、卷融资数字的时候，少数几家公司已经悄悄把竞争的焦点从技术供给转向了需求验证。当AI能力已不再稀缺，稀缺的是知道它该如何发挥作用。而这道判断题，才是AI下半场真正的分水岭。
就在今天，蚂蚁集团发布2025年可持续发展报告，提供了一份值得参考的样本。过去的一年，蚂蚁AI并没有急着对标ChatGPT，而是把AI放回了支付宝这个平台最熟悉、最难改造、也最有普惠价值的两个场景：支付与健康。
这不是一个技术问题，而是一个产业问题。
全球科技公司，正在押注同一组场景
2026年，支付和健康，几乎以及成为了全球科技公司的集体共识。
1月，OpenAI正式上线ChatGPT Health，支持用户接入医疗档案、体检数据和可穿戴设备数据，并披露全球每周有超过2.3亿人向ChatGPT提出健康相关问题。此后，亚马逊推出Health AI、微软上线Copilot Health，谷歌和苹果也紧随其后推出健康类产品。
这些动作背后有一个共同判断：健康已经成为普通用户使用AI最自然、最高频的场景之一。用户并不总是在需要确诊时才需要帮助，更多时候，他们需要的是理解一份报告、判断是否要就医、知道如何描述症状、管理饮食运动、照顾家人健康。这些需求过去分散在搜索引擎、互联网问诊、医院App和线下诊疗之间，体验割裂、供给有限，也缺少连续性。
AI健康产品的机会，正是把这些碎片化需求重新组织起来。
支付侧的格局同样如此。支付服务商Stripe在2025年底推出Agentic Commerce Suite，与Visa、万事达深度绑定，让AI智能体直接完成支付，无需用户逐步确认。PayPal CEO Alex Chriss更是直接预测，Agentic Commerce将驱动电商领域自互联网诞生以来最大的一次变革，到2030年线上销售额的25%将来自AI智能体完成的交易。
过去的电商链路是“用户搜索—用户比较—用户下单—用户支付”。Agentic Commerce试图改写这条链路：用户只需要表达需求，AI Agent完成搜索、比价、筛选、下单甚至支付。这个过程一旦成立，支付就不再只是交易末端的工具，而会变成智能体经济的底层基础设施。
这场密集的全球押注，源于一个共同的判断：高频、高信任、专业服务长期供给不足。而当这三个条件同时成立，才能成为现阶段AI真正能形成闭环的场景。而支付和健康，几乎是全球范围内唯二同时符合三个条件的大众场景。
背后的逻辑在于，AI在大多数场景里能做的事都是提升效率，但在支付和健康这两个场景中，AI解决的是供给侧的结构性缺口。
中国有超14亿人口，却长期面临医疗资源分布不均的现实。优质医生集中在大城市三甲医院，基层和偏远地区的患者，面对的是漫长的等待和有限的选择。
支付领域同样如此，视障人士、老年群体和偏远地区用户，长期处于数字金融服务的边缘地带。AI进入这两个场景，作用不在于体验提升，而是从0到1的需求满足。
不过，支付和健康的另一面，是监管最严、信任门槛也最高。这道门槛的存在，决定了尽管赛道共识明确，真正有能力在这里做出有效产品的公司，至今仍是少数。
一个面向健康，一个面向交易；一个解决专业服务供给不足，一个解决智能体执行闭环。表面上看，这是两条不同赛道，实质上它们对应的是AI应用下半场的同一道命题：谁能把模型能力放进高频、强信任、强责任的真实场景里。
在这个意义上，蚂蚁押注健康和支付，并不是一次孤立的业务选择，而是踩中了全球AI应用竞争的同一条主线。
AI竞争的分水岭，是谁更懂场景
如果说全球科技公司都看到了健康和支付的机会，那么蚂蚁的特殊性在于，它并不是从AI浪潮之后才进入这两个场景。
当全球头部公司在近两年密集入场时，蚂蚁已经在这两个场景里走了十一年。
先看健康。一直以来，中国医疗资源的核心矛盾都是基层需求未满足、三级机构超负荷。而老年人，又是其中医疗需求最集中的群体。
支付宝从2014年上线中国第一笔手机挂号缴费，到2025年医保码累计激活超8亿用户，蚂蚁在看病的挂号、缴费、医保结算、诊后跟进的每个环节都有系统数据沉淀。并且对“看病难”的卡点形成了足够认知。
并且，多数AI健康产品面对的第一道关是信任。Amazon Health AI负责人曾明确表示，在健康业务中，信任是他们首先要赢得的东西，这句话放在中国市场同样成立。而蚂蚁阿福的用户，许多在五年前就已经习惯在支付宝里查医保、缴费、挂号，这段信任关系早已沉淀在既有的用户习惯里，AI则让这种连接变得更加成熟。
截至2024年末，全国60周岁及以上老年人口已超过3.1亿，占总人口的22%，但其中非网民占非网民总体的46.8%。这意味着中国有数以亿计的老年人，在医疗需求最旺盛的年龄段，同时面临着获取专业医疗信息最困难的处境。
在时间维度上，医疗供给同样存在大量缺口。OpenAI在ChatGPT Health的发布材料里指出，其平台上大多数健康类对话发生在诊所关门之后，用户在纠结是否需要连夜就医。同样的现象也出现在中国——蚂蚁阿福后半夜0点到6点的累计交互用户量达923万。
这个数字背后，是医院急诊资源有限、线上问诊平台医生响应集中在白天之后，大量患者对健康信息的焦虑。
蚂蚁ESG报告显示，“蚂蚁阿福”服务三线及以下地区超过8400万人（包含阿福App和支付宝双端数据，超过30%的用户为中老年人，恰好是数字能力最有限的人群。此外，近2000名医生在阿福开设“AI分身”，其中包括700位名医和6位国家院士，把原本只有大城市患者才能触及的头部专家资源，转化成可以7×24小时响应的知识服务。
蚂蚁正在尝试让AI支付变得更简单。报告披露，蚂蚁AI支付服务三线及以下地区用户占比41.5%，老年用户392万，“长辈模式”用户达980万，“碰一下”则将视障用户的平均支付操作时间缩短了5秒。
在安全机制上，蚂蚁AI付采用“自主开通+本人确认+被盗即赔”三重保障，并对每一步操作进行实时存证，争议发生时系统可自动核验用户原始意图与实际商品是否一致，让每一笔AI发起的交易都有据可查，也把使用门槛降到最低。
支付与健康两条业务线，蚂蚁贯穿的都是同一套产品逻辑：找到专业服务覆盖最薄弱的人群，用AI填补人工服务够不到的时间段和地理空白，把信任机制和安全边界提前做扎实。而能够找到“真需求”，并且用自己擅长的方式来解决，本身就是一种难得的判断力。
这决定了蚂蚁做AI健康和AI支付的出发点，和很多纯AI公司不同。
纯AI公司的路径通常是从模型能力出发，寻找可落地的应用。蚂蚁的路径则更像是从复杂场景出发，反向寻找AI能够补位的环节。前者容易做出功能惊艳的产品，后者更容易接近真实需求。
AI下半场，后者的价值正在变高。
蚂蚁接住硬茬
支付与健康赛道足够吸引人，但它也几乎是AI领域最难的两个赛道。它首先面临风险，并且商业化路径也很难在短时间内得到验证。
因为，普通人最难以承受的两种代价：生命安全与财产。这也决定了，能在这两个场景里跑通的公司，必须具备极强的风险控制能力。
这种能力，恰恰是蚂蚁二十年高压场景历练的结果。支付风控、信用评估、医保结算，这些业务长期运转在监管严、容错率低的环境里，用户信任一旦损失，修复周期往往按年来计。长期在这类场景里运转，也让蚂蚁拥有了对技术更深的理解——什么环节可以交给系统自动处理，什么节点必须保留人工判断，以及哪类设计失误会率先引发系统性风险。
但也正因为门槛高，先进入、持续投入、拥有真实场景的平台，才更可能建立长期壁垒。AI应用最终比拼的不是发布会上的功能，而是用户每天是否真的会用，复杂场景里是否真的能跑通，出了问题是否真的有人兜底。
从这个维度看，蚂蚁选择健康和支付，是一次更接近产业本质的押注。
从蚂蚁集团2025年可持续发展报告看，蚂蚁研发投入达350.3亿元，占营收超过15%，连续四年超过营收10%。蚂蚁的逻辑是，场景判断力必须以真实的模型能力为前提，否则判断永远无法落地。而蚂蚁自研的“百灵”大模型家族，以及开源的全球首个万亿参数推理模型Ring-1T，则让蚂蚁在基础模型层面拥有了独立的技术话语权。
技术层面，蚂蚁还将通用人工智能研究中心、医疗智能实验室和金融智能实验室并入了同一个技术研究院体系，旨在让健康和金融两个垂直场景的需求更直接地进入模型研究的视野，缩短场景问题反馈到技术迭代的周期。
生态层面，蚂蚁与北医三院共建的AI医疗联合创新实验室、与浙大共建的联合研究中心，让前沿模型研究直接对接临床和金融场景的真实需求，也让研究有了更清晰的落地坐标。
行业对AI的判断力之所以稀缺，在于它要求厂商同时具备两种能力：对场景的深度认知，以及对技术边界的清醒判断。前者决定该去哪里，后者则决定能走多远。在支付和健康这两个赛道上，蚂蚁或许是中国最能同时答好这道题的公司。谁能在这些细小但高频的场景中持续改善体验，谁才可能把AI从技术能力变成社会价值和商业闭环。
从这个意义上说，蚂蚁在健康和支付两个赛道上的押注，至少已经回答了一个重要问题：AI不是缺少能力，而是缺少真正值得落地的地方。
健康和支付，正是这样的地方。
