阿里AI猛补课，蚂蚁的“灵光”灵不灵？

文｜邓咏仪

编辑｜苏建勋

阿里系公司，正在To C市场全力出击。

11月19日，蚂蚁正式宣布推出全新应用“灵光”，首批上线了三大功能模块，分别是“灵光对话”、“灵光闪应用”和“灵光开眼”。

“灵光”的定位是“全代码生成多模态内容”AI助手。用一句话来解释，AI助手的回复不再是单纯的文本，每一次对话，交付物都是一个可以交互的网页，能生成图文、3D模型、动画、地图、表格、音视频等全模态内容。

△来源：灵光

在“闪应用”中，用户只需输入一句自然语言，灵光就能在30秒内生成可编辑、可交互的小应用，支持多种信息输出方式。

“灵光开眼”则更像一个视觉助手，用户可以通过上传图片或实时拍照，让AI识别并理解图片内容，进而提供相关信息或执行后续操作。

11月18日上线后截至发稿，“灵光”下载量已超100万，排在App Store总榜第6。这一增速也已超越多款现象级AI应用。据移动应用分析机构Appfigures数据，近期通用引起热议的Sora2，破百万则用了5天。

另一个巧合在于，就在11月18日，阿里将旗下的AI To C应用进行了翻新和整合，以“千问”App的形式重新推出；蚂蚁推出的“灵光”仅仅相隔一天就推出。

为何相隔一天推出两款对话式的AI助手？蚂蚁集团CTO何征宇表示，在产品发布双方并没有提前约好时间，只是巧合。

一个大背景是，前几年，阿里并没有投入太多到To C应用上。2025年，AI领域重回模型竞赛之后，阿里在To C应用上明显开始快速“补课”。“千问”上线时，阿里就曾高调宣布全力打响AI To C之战，大有抢占新入口的架势。

对阿里而言，鸡蛋也不能放在一个篮子里。“马老师也鼓励我们，让我们冲到App Store榜前列。”蚂蚁CTO何征宇表示。

当前模型能力依旧在快速变换中，充满不确定性，押注多个方向才是比较合适的策略，“我经常打一个比方，如果在沙漠中要找水，我一定不会把所有人都派到一个方向上，一定是好几路一起去找。”

两款产品在定位上也有明显区隔。

从定位上看，“千问”，基于阿里旗舰模型Qwen来构建，更像是阿里展现模型实力的出口，适合处理通用知识问答、长文本写作和复杂的逻辑推理任务。

相较之下，“灵光”更侧重移动端交互的交互创新。“灵光”不仅能回答问题，还能通过生成代码来渲染多模态内容（图表、界面等），直接交付一个信息容量丰富的网页；二是押注代码能力，让AI直接帮用户生成小程序。

不过何征宇也补充，灵光的目标并不是通用助手入口，也不像豆包等应用主打陪伴功能，还是定位效率工具。

不做AI陪伴，做信息密度更高的AI助手

和传统的通用AI助手相比，灵光的最明显差异，在于信息展现形式的创新。

这相当于在原来的AI助手对话形态上前进一步——AI的回答不再只有文字，而是会画图、做动画、生成3D模型、制作图表，就像一个边说边画的老师，让人看得见摸得着。

举个例子，当用户问“怎么做糖醋排骨”，传统AI助手给用户的回答大概率是一段长长文字食谱。但并不是所有人，都习惯这种长篇大论的交互，“灵光”则希望用更多种模态的形式来做展示。

《智能涌现》试着用菜谱场景来测试，比如搜索“怎么做糖醋排骨”。

第一体验是非常丝滑——灵光在数秒内，就生成一个色泽鲜亮的糖醋排骨长图，不仅会给出详细步骤，还用不同字体、小标题、图表，甚至表情包，进行图文并茂的排版，让用户能更快地看懂。

△来源：智能涌现制图

灵光产品负责人蔡伟用了一个类比来解释：“这就像是从email进化到web时代。以前写邮件只能用文字，现在打开网页，有图片、视频、交互按钮。我们希望AI的回答也能达到这种信息密度。”

这种“所见即所得”的交互，天然更适合人类认知世界的方式，也可以适用在更多场景中——比如，在写论文时随口问个问题，AI直接给你生成了一张图表；讨论装修时它给你画出3D户型图；聊到太阳系，一个行星运转的动画就出现在对话框里。

“我们每天都会接触各种各样的信息，很多时候都淹没在信息的海洋里。”蔡伟表示，“但这些信息里哪些是重要的？以前我们去搜索引擎搜，它给你一堆链接，需要一个个点进去看。我们更希望用更高效的方式，让信息传递效率最大化。”

优化信息的表达方式是第一步。灵光的另一个拳头功能“闪应用”，能根据用户需求，自动生成交互式“小应用”。

比如，用自然语言说“帮我做一个计时器”，30秒后，一个可以直接使用的计时器应用就生成了，这些小应用可以直接使用、编辑、保存和分享，就像真正的App一样。

△来源：智能涌现制图

这种技术路径，并不是难在概念——目前所有的顶尖模型厂商都会用这种方式展示自己的AI能力。但无论是AI生成的网页、App，是否真正达到可用状态，才是更关键的。

这种难度更多体现在模型架构、工程实现上。蚂蚁集团CTO何征宇在采访时，就透露了一个数据：相比纯文本输出，代码的膨胀率大概是5-6倍。

简单理解，对于一个15个字的指令“生成一个居中的蓝色‘提交’按钮”，模型需要生成一个可以实际交互的组件，需要的代码量，很容易就达到几十甚至上百个字符。

△来源：智能涌现制图

难度在于，用简单的指令，让模型生成大量内容（高膨胀率），本身就需要更多的计算资源和时间——如何保证模型的高性能和稳定，“灵光”就做了大量的工程实现优化。

这不仅需要代码生成能力，还需要推理能力足够精准（判断用什么形式呈现信息）、工具调用能力（动态生成地图、图表）、数学能力（处理数据可视化），以及对用户意图的深度理解。

也正因为如此，在蚂蚁内部，灵光被定义为“在技术前沿上，在最不稳定的边界上建立产品”。

和其他AI生成web应用的产品相比，灵光的特色是直接可以在移动端上做应用，而是可以直接开始用的成品，工程难度更高。

△一句话用灵光制作的“吃什么”应用 来源：蚂蚁

DeepSeek解放了大厂做应用的包袱

今年1月DeepSeek R1的发布，是蚂蚁决定all in AGI的转折点。何征宇回忆起那个时刻的心情，用了三个词来概括：兴奋、紧迫感、羞愧。

“AGI原来是几百亿、上千亿美金的传说，DeepSeek用很小的资源投入就把它做出来了，这给了我们极大的信心，”何征宇说，“我们也在反思，以往我们很多的技术积累，没有把它很好地表达出来，整合到一起，让用户直接能感受到价值。”

春节后，蚂蚁就集结资源，成立了独立的AGI组织“Inclusion AI”，一个集Research（研究）、Engineering（工程）、Producting（产品）三位一体的组织架构。

战略上，蚂蚁也做了选择：并不意在争夺AI通用助手的入口——比如主打AI陪伴的豆包，希望做让用户消耗时间越，而是先聚焦在更细分的方向：coding能力 + 全模态，定位效率工具。

围绕这个细分目标，蚂蚁做了不少取舍。比如，今年模型厂商纷纷在竞争推理能力，但灵光并没有选择嵌入到产品中。“DeepSeek已经做得足够好了，能帮大家解决很多问题，我们没有必要再去复刻。”蔡伟表示。

蚂蚁赌的是基础模型不断上涨的代码能力。

在“灵光”立项的2025年3月，基础模型的coding能力仍在非常早期的阶段，一句话生成应用的效果非常不理想。

“我们当时确定的是Coding是很重要的能力，并且会不断向前发展。但到底能发展到什么程度，是在3个月、6个月还是9个月达到用户预期？其实有非常多不确定性。”蔡伟表示。

模型能力决定了产品的上限。蚂蚁选择从模型和产品两个方向同时去做——基模团队在这一阶段提升底层代码能力，应用团队负责做后训练和产品打磨。

而蚂蚁选择做的功能迭代，都是可以长期积累的，可复用的模块。当基础模型升级时，所有的后训练优化都能叠加上去，而不是推倒重来。

在DeepSeek时刻之后，各家的AI应用在产品主张上已经有明显的分化。在当下，品味可能和比短期竞争更重要。

差异化是如今AI市场上的最关键问题——通用AI助手依托强大的基座模型迭代，场上的位置已然拥挤。比如，字节的豆包走更亲民、偏重语音交互等多模态路线；而DeepSeek、Kimi则侧重更专业化的工作场景。

如果用一句话概括蚂蚁的AGI策略，也许是要做AGI时代的二维码。

这意味着要用最小的成本，来找新技术的PMF（Product Market Fit），切口要小，交付的价值足够集中。“二维码不是我们发明的，但我们是推广最广泛的，把它应用于支付场景，今天的AI应用也面临这样的难题。”何征宇说。

未来，灵光还在在规划闪应用生态，包括应用市场、托管平台和分享机制。”我们还是希望降低所有人创作和消费闪应用的门槛。”蔡伟说。短期内，灵光平台计划上线创作收益页面，探索应用从创作到消费的闭环。

封面来源｜AI生成

欢迎交流