新大陆、同花顺等企业推进AI应用，行业大模型落地为何各有路径？

当行业大模型从通用能力转向垂直场景，新大陆与同花顺选择了明显不同的落点。前者把AI压进支付终端、商户服务和营销流程，后者把智能体放到投顾、投研和证券App的交互前端。两条路径很难简单判断谁更先进，真正需要观察的是数据位置、任务属性和商业模式如何塑造了各自的落地方式。

从支付终端进入商户经营闭环

新大陆的路径是把AI嵌入数字商业的既有流程。公司表示正在加速推进“支付+AI”战略，并与阿里云联合研发智能体开发平台，探索基于大模型的垂类应用。在2025年云栖大会上，新大陆首发了支付行业专属大模型，通过自研LLMOps平台推出小驿秒哒、AI生意有数等智能体产品矩阵，并在阿里云点金平台上线部分MCP服务，面向SaaS软件开发商、聚合支付服务商、银行及商户开放。

这一路径的任务重心并非单纯的对话问答，而是围绕商户识别、收银、营销、对账和金融服务等动作展开。以AI营销智能体为例，它可以依据商户需求自动生成活动方案、创意内容和执行计划，并实现一键投放到主流平台。资料披露，截至2025年6月末，新大陆已为超480万活跃商户提供经营及金融科技服务，较2024年年末增长近百万户；截至2025年第三季度，已有超15万商户试用AI营销智能体。这些数据对应的是一种嵌入交易闭环和经营动作的落地方式，智能体更多承担执行与辅助角色。

从金融信息进入决策交互

同花顺的落地更接近金融信息服务与决策辅助。问财HithinkGPT发布后，金融智能体从问答、检索逐步进入投顾、投研、风控和运营等场景。其与国泰海通合作推出的“国泰海通灵犀”，以AI为核心驱动力，通过智能服务机器人等功能为投资者提供定制化金融服务。这种做法指向的是券商服务从标准化产品向个性化交互迁移。

与新大陆不同，同花顺面对的任务主要是信息检索、分析判断和交互表达。数据更多来自实时行情、公告、研报、用户提问和投资行为，智能体必须在解释市场变化、匹配用户需求的同时兼顾合规边界。因此，其产品形态更偏向金融信息平台和机构系统的能力升级，而不是直接控制线下商业动作。

差异来自数据、任务与商业模式

两者的根本差异首先来自数据位置。支付侧拥有商户经营、交易流水、商品识别等线下数据，更接近真实交易现场；金融信息侧则以市场数据、研究内容和用户行为为主，更接近分析和决策环节。数据位置决定了模型需要理解的对象不同，也决定了智能体能触发的下一步动作不同。

任务属性进一步放大差异。新大陆的智能体要帮助商户完成营销活动、收银识别和经营分析，需要对结果负责的动作更多；同花顺的智能体更看重信息理解、交互质量和决策辅助，最终判断仍由用户或机构完成。商业模式也因此分叉：新大陆以支付网络和商户生态为基础，把智能体能力开放给银行、聚合支付商和SaaS伙伴；同花顺则通过金融信息平台与机构合作，把AI能力产品化到App和业务系统中。

对数字化负责人和产业观察者来说，更值得关注的不是模型参数或AI含量，而是行业大模型是否落到了真实任务闭环中。可以从三点判断：任务是否嵌入原有业务流程、数据是否足以支撑决策或动作、商业上是否形成可分配和可复用的接口。新大陆与同花顺的路径差异，本质上正是行业大模型在不同业务土壤中生长出的不同形态。