新大陆“鲁班”超级AI智能体如何切入支付营销，垂直场景商业化样本

2026年5月，新大陆发布“鲁班”超级AI智能体，将其定位为支付行业首创。几个季度过去，当AI应用从概念演示走向商业化深水区，这个产品的样本价值反而更清晰：它没有自研基础大模型，却把大模型能力塞进了商户经营最日常的环节——管账、管货、管人、管店，并打通微信、企微、钉钉等高频入口。对产业数字化从业者来说，值得拆解的不是产品发布本身，而是它背后那条从大模型到垂直场景的商业化路径。

新大陆做这件事并非从零起步。公开资料显示，公司自2013年起布局人工智能，2024年已通过API方式接入DeepSeek、阿里云千问、豆包、科大讯飞等大模型平台，并逐步构建起“支付行业专属大模型+星驿智能体平台（LLMOps）”底座，孵化出审核、客服、营销、问数、风险识别等可复用Agent矩阵。换句话说，“鲁班”是这些底层能力在商户经营场景上的集中封装，而不是一次孤立的产品发布。

支付营销场景凭什么承接大模型

支付是商户经营中数据密度最高、发生频率最高的环节。每一笔交易背后都连着商品、价格、顾客行为和时间节点，这些数据天然适合作为营销决策的输入。相比通用办公场景，支付营销还有一个突出优势：效果可以直接量化。一场活动带来多少交易、多少复购、多少新增顾客，账目上清清楚楚。这种可量化性让AI的价值更容易被商户感知，也更容易转化为付费意愿。

新大陆的路径是先做单点工具，再做系统整合。其旗下星驿付与慧徕店已推出AI营销助手，聚焦智能语义识别、智能问答、多端适配等能力；在此基础上，“鲁班”把营销从单一功能扩展到管账、管货、管人、管店四个维度，形成覆盖商户日常经营的完整闭环。这一步的关键在于，AI不再只是回答问题的助手，而是参与经营决策的执行层。

超级智能体与普通智能体的差异在哪

从公开的产品描述看，“鲁班”与市面上常见的AI助手至少有两点本质区别，可以从任务形态和经营参与度两个维度来看。

从任务形态看，普通智能体通常解决单点问题：生成一段营销文案、回答一个客服问题、做一次数据查询。而“鲁班”打通微信、企微、钉钉三个入口，意味着它要同时处理身份识别、权限管理、多端状态同步和任务分发，背后是一整套执行引擎在调度，而不是简单的对话模型在响应。这种跨系统编排能力，才是“超级”二字的实际含义。

从经营参与度看，管账、管货、管人、管店不是四个独立功能，而是商户一天经营动作的完整映射。智能体需要理解账务数据、库存状态、人员排班和门店客流之间的关系，在某个环节出现异常时主动提醒，在营销节点到来时自动生成执行方案。这要求底层有行业专属大模型对支付语境的理解，也要求有LLMOps平台支撑Agent的持续迭代和复用。

简单说，普通智能体是“会说话的员工”，超级智能体是“能独立带店的店长”。这个差异决定了它适用的商户层级和收费空间完全不同。

与千问、豆包、DeepSeek合作背后的商业逻辑

新大陆没有选择自研基础大模型，而是同时接入千问、豆包、DeepSeek等多个模型，这一策略值得拆解。

一方面，支付营销场景对模型能力的要求是多元的。文案生成、语义理解、数据分析、风险识别各有侧重，不同模型在不同任务上表现不同，多模型接入可以让平台按需调度，而不是被单一模型的能力边界锁死。另一方面，基础大模型的竞争格局仍在快速变化，押注任何单一模型都有风险，保持接入层的灵活性，才能把资源集中在真正形成差异化的地方——场景理解、Agent编排和商户触达。

新大陆在支付行业积累的商户规模是这套逻辑的支撑。公开资料显示，截至2024年上半年，其活跃商户超过320万，单商户半年度ARPU约167元。这个商户池决定了AI增值服务有足够大的落地基数。对这样的商户池而言，AI能力每提升一点客单价或复购率，带来的增值收入都相当可观。这也解释了公司为什么把AI营销作为商业化落地的主攻方向：营销直接关联商户收入，是最容易让商户为AI付费的场景。

垂直场景商业化能否复制

“鲁班”的样本意义在于它回答了一个问题：没有自研大模型的公司，如何在大模型时代建立自己的商业壁垒。答案是场景。

从新大陆的路径可以提炼出垂直场景商业化的几个条件：高频且可量化的业务场景、足够的存量客户和触达渠道、可复用的技术底座，以及清晰的付费方。支付营销恰好同时满足这四点——交易数据高频产生且效果可核算，数百万级商户池提供了规模化基础，LLMOps平台和Agent矩阵让新场景的开发成本递减，银行、企业或商户至少有一方愿意为效率提升买单。

但可复制不等于容易复制。这个模式的门槛在于，场景数据、行业理解和客户信任都需要长期积累，不是接入几个大模型API就能获得的。对产业数字化的从业者而言，更值得借鉴的是它的判断顺序：先找到数据密集、效果可量化、付费意愿明确的场景，再搭建模型接入和Agent编排的底座，最后才谈品牌化的产品发布。顺序反了，AI应用就容易停留在演示层面。

支付营销只是众多垂直场景中的一个样本。它证明了大模型商业化不一定要从模型层竞争开始，也可以从场景层切入，用行业知识和对客户经营的理解，把通用模型能力转化为可交付、可收费的解决方案。这条路能不能走通，最终还是要看商户是否愿意持续为效果买单——而这恰恰是支付场景最擅长验证的事。