蚂蚁集团推出“灵光”AI助手，开启全代码生成多模态交互新时代

文｜邓咏仪

编辑｜苏建勋

阿里巴巴生态系统中的企业，正全力以赴拓展消费者市场。

11月19日，蚂蚁集团正式揭晓了全新应用“灵光”，首次推出了三大核心功能模块，包括“灵光对话”、“灵光闪应用”以及“灵光开眼”。

“灵光”被定位为“全代码生成多模态内容”的AI助手。简单来说，这款AI助手的回应不再局限于文本形式，每次对话都会交付一个可交互的网页，能够生成图文、3D模型、动画、地图、表格、音视频等丰富多样的全模态内容。

△来源：灵光

在“闪应用”模块中，用户仅需输入一句自然语言指令，灵光就能在30秒内生成一个可编辑、可交互的小型应用，支持多种信息输出方式。

“灵光开眼”则更侧重于视觉辅助功能，用户可以通过上传图片或实时拍照，让AI识别并理解图像内容，进而提供相关资讯或执行后续操作。

自11月18日上线以来，截至发稿时，“灵光”的下载量已突破100万，在App Store总榜中位列第6。这一增长速度已超越多款现象级AI应用。据移动应用分析机构Appfigures数据，近期广受热议的Sora2，达到百万下载量则用了5天时间。

另一个巧合在于，就在11月18日，阿里巴巴将其旗下的AI消费者应用进行了更新与整合，以“千问”App的形式重新推出；而蚂蚁集团的“灵光”则在次日迅速面世。

为何在短短一天内接连推出两款对话式AI助手？蚂蚁集团首席技术官何征宇表示，产品发布时间并未提前协商，纯属巧合。

一个大背景是，过去几年，阿里巴巴在消费者应用领域的投入相对有限。2025年，AI领域重回模型竞赛后，阿里巴巴在消费者应用上明显开始加速“补课”。“千问”上线时，阿里巴巴曾高调宣布全力打响AI消费者之战，展现出抢占新入口的强劲势头。

对阿里巴巴而言，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。

当前模型能力仍处于快速演变中，充满不确定性，因此押注多个方向才是更为稳妥的策略，“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存在明显差异。

从定位上看，“千问”基于阿里巴巴旗舰模型Qwen构建，更像是展示模型实力的窗口，适用于处理通用知识问答、长文本写作和复杂逻辑推理任务。

相较之下，“灵光”更侧重于移动端交互的创新。“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（如图表、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。

何征宇补充道，灵光的目标并非成为通用助手入口，也不像豆包等应用主打陪伴功能，而是定位为效率工具。

不做AI陪伴，打造信息密度更高的AI助手

与传统通用AI助手相比，灵光的最显著差异在于信息展现形式的革新。

这相当于在原有AI助手对话形态上迈进一步——AI的回答不再只有文字，而是能画图、做动画、生成3D模型、制作图表，就像一个边说边画的导师，让内容看得见、摸得着。

举例来说，当用户询问“怎么做糖醋排骨”时，传统AI助手可能给出一段冗长的文字食谱。但并非所有人都习惯这种长篇大论的交互方式，“灵光”则致力于以更多模态的形式来呈现信息。

《智能涌现》尝试以菜谱场景进行测试，例如搜索“怎么做糖醋排骨”。

第一体验极为流畅——灵光在数秒内就生成了一张色泽鲜亮的糖醋排骨长图，不仅提供详细步骤，还运用不同字体、小标题、图表甚至表情包进行图文并茂的排版，让用户更快理解。

△来源：智能涌现制图

灵光产品负责人蔡伟用一个类比解释：“这就像是从电子邮件时代进化到网页时代。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”的交互方式，天然更符合人类认知世界的方式，可适用于更多场景——例如，在写论文时随口问个问题，AI直接生成一张图表；讨论装修时它画出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中。

“我们每天都会接触海量信息，很多时候都淹没在信息的海洋里。”蔡伟表示，“但这些信息中哪些是关键的？以前我们去搜索引擎查找，它给出一堆链接，需要一个个点进去查看。我们更希望用更高效的方式，最大化信息传递效率。”

优化信息表达方式是第一步。灵光的另一个核心功能“闪应用”，能根据用户需求自动生成交互式“小应用”。

例如，用自然语言说“帮我做一个计时器”，30秒后，一个可直接使用的计时器应用就生成了。这些小应用能够直接使用、编辑、保存和分享，宛如真正的App。

△来源：智能涌现制图

这种技术路径的难点并非概念——目前所有顶尖模型厂商都会以此展示AI能力。但关键在于，AI生成的网页或App是否真正达到可用状态。

这种难度更多体现在模型架构和工程实现上。蚂蚁集团CTO何征宇在采访中透露了一个数据：相比纯文本输出，代码的膨胀率大约是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实际交互的组件，所需代码量很容易达到几十甚至上百个字符。

△来源：智能涌现制图

挑战在于，用简单指令让模型生成大量内容（高膨胀率）本身需要更多计算资源和时间——如何保证模型的高性能和稳定性？“灵光”团队进行了大量工程优化。

这不仅需要代码生成能力，还需推理能力足够精准（判断用何种形式呈现信息）、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。

正因如此，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”。

与其他AI生成Web应用的产品相比，灵光的特色是可直接在移动端上生成应用，且为可直接使用的成品，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解放了大厂开发应用的束缚

今年1月DeepSeek R1的发布，成为蚂蚁决定全力投入AGI的转折点。何征宇回忆起那个时刻的心情，用三个词概括：兴奋、紧迫感、羞愧。

“AGI原本是耗资数百亿、上千亿美元的传说，DeepSeek以很小的资源投入就将其实现，这给了我们极大的信心，”何征宇说，“我们也在反思，以往许多技术积累未能很好表达和整合，让用户直接感受到价值。”

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

战略上，蚂蚁也做出选择：不意在争夺AI通用助手入口——例如主打AI陪伴的豆包，希望用户消耗更多时间，而是先聚焦更细分的方向：编程能力 + 全模态，定位效率工具。

围绕这一细分目标，蚂蚁做了不少取舍。例如，今年模型厂商纷纷竞争推理能力，但灵光并未选择嵌入产品中。“DeepSeek已经做得足够出色，能解决许多问题，我们无需复刻。”蔡伟表示。

蚂蚁押注的是基础模型不断增长的代码能力。

在“灵光”立项的2025年3月，基础模型的编程能力仍处于非常早期阶段，一句话生成应用的效果极不理想。

“我们当时确定编程是重要能力，并将持续发展。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？其实充满不确定性。”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步推进——基模团队提升底层代码能力，应用团队负责后训练和产品打磨。

而蚂蚁选择的功能迭代都是可长期积累、可复用的模块。当基础模型升级时，所有后训练优化都能叠加，而非推倒重来。

在DeepSeek时刻之后，各家的AI应用在产品主张上已显着分化。当下，品味可能比短期竞争更为重要。

差异化是如今AI市场的关键问题——通用AI助手依托强大基座模型迭代，市场竞争已趋饱和。例如，字节的豆包走更亲民、偏重语音交互等多模态路线；而DeepSeek、Kimi则侧重专业化工作场景。

用一句话概括蚂蚁的AGI策略，或许是成为AGI时代的二维码。

这意味着以最小成本寻找新技术的PMF（产品市场契合度），切口要小，交付价值足够集中。“二维码不是我们发明的，但我们推广最广泛，将其应用于支付场景，今天的AI应用也面临类似挑战。”何征宇说。

未来，灵光规划打造闪应用生态，包括应用市场、托管平台和分享机制。“我们仍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

👇🏻 扫码加入「智涌AI交流群」👇🏻

欢迎交流