聊聊中国版MUSE：蚂蚁灵光2.0，支付宝，超级App的生态优势与挑战

文 | 硅谷101 2026下半年，全球科技巨头正在开启一场新的AI入口争夺战。 硅谷的Grok Bot、Muse、OpenAI Dots、Anthropic Duet，再到创业公司Instinct，Personal Assistant（个人助理）形态的AI产品纷纷出炉。 AI在企业端爆发之后，个人消费端是更大的市场，这也是所有巨头都纷纷加入的下一个战场。而在中国，PA类的产品之战也开始了，但中国市场和硅谷的生态会很不一样。 中国有着巨头们的Super app生态，这意味着，生态内的agent打通支付、办公、出行等环节会更加容易。但在AI产品竞争更强的大陆市场，这类产品如何商业化，也是重要的挑战。 我们与刚发布灵光2.0的蚂蚁灵光CTO莫林剑（花名：林怿）聊了聊，他对Agent产品进化的思考。 一年前，灵光1.0主打的是一句话生成闪应用，让没有编程能力的普通人，也能创造自己的工具，这是一个很有想象力的方向。但上线之后，团队也逐渐发现：用户能够创造一个应用，并不意味着这个应用真的解决了问题，创造本身也未必是一个高频需求。 所以到了2.0，灵光试图把产品的重心，从帮助用户创造工具，转向帮助用户真正完成目标。不只是回答一次问题，而是能够记住你的需求，持续跟踪任务，在合适的时候主动提醒，甚至在获得授权的情况下替你做事。 但与此同时，这场个人AI助手之战，也带来了很多值得讨论的问题。用户真的愿意为一个AI私人助理付费吗？如果AI可以替我们完成购物，原本依赖流量和广告的平台怎么办？当AI掌握了越来越多的个人信息，我们又该如何建立信任、确保它不会做错事？ 这篇文章，我们聊聊个人AI助手之战背后的产品升级、技术进展、商业利益平衡，看看让普通人能用到的高频高价值AI产品，如何能来到我们身边。 陈茜：林怿，欢迎做客《硅谷101》。我知道你们刚发布了灵光2.0，距离灵光1.0的发布已经过去一年了，为什么选择在这个节点发布2.0？ 林怿： 2.0我们已经酝酿很久了。1.0给大家印象最深的可能是做闪应用，但我们一直在想，怎样帮助用户更好地把事情办好。无论问答还是应用，解决的往往只是某一方面的问题，而像旅行这类任务是会跨时间周期的。 我们大概从今年六七月份开始酝酿相关工作，在这个时间点发布，对我们来说是自然的结果。刚好业界也有很多类似的产品出现。 陈茜： 所以灵光2.0的受众还是比较to C一点，希望帮助大众办事、解决问题，这是不是有点对标Muse？ 林怿： 我们并不是看到Muse之后才开始做，坦白说，那也来不及。我们是很早就开始做这件事了，它确实面向个人消费者，而且我们非常希望它是普通人能用的产品。 我可以讲一下自己的经历，我很早就用Codex这类工具管理生活、处理办公事务。比如给我的孩子去做错题的纠正，我会把孩子的错题拍进去，让它分析哪里错了，再针对性地出一道新题。如果又做错，就继续这个过程，有点像人工进行RL（强化学习）。但这个过程对普通人来说还是复杂，我妻子也用不起来，更难想象我妈妈或其他老年人能用起来。 陈茜： 没办法只用一句自然语言来完成？ 林怿： 一句话搞不定，你得理解它背后的逻辑。 陈茜： 因为它本来就是给开发者用的。 林怿： 对，但我觉得类似的能力是可以泛化的。比如拿我妈妈来举例，她血压高，需要管理自己的血压，她现在就是每天拿一个小本子记录血压。 但记录只是第一步，更关键的是分析趋势，可能还需要建议：血压高了，应该做什么。这些事情适合用Codex或类似的agent来管理，但她根本用不起来。 我们看到了这么强大的能力，我妈妈却用不了。她需要这种能力吗？肯定需要。 我们希望把强大的能力做成普通人也能使用的产品。 陈茜： 这是不是也受到了今年年初“小龙虾”OpenClaw，以及后来Hermes兴起的启发？当时普通人同样用不起来，很多人很焦虑，即使装上了“小龙虾”，也不知道怎么用。 林怿： 对，更多是一种启发。这种交互方式对我们很有参考意义，但我们的主线没有变过，都是希望帮助用户更好地完成一件事。 我们希望从查信息、做应用这些手段，走向直接围绕用户的目标展开交互。 用户把目标和约束说清楚，我们在过程中主动帮他完成。 这是产品自然升级的结果，过程中也吸收了这些产品的启发。 陈茜： 要做一个所有人都能用起来的agent产品，过去一年有哪些技术进展，让今天的agent能力成为可能？ 林怿： 技术上首先肯定是模型能力。 去年大家可能还集中在编程、数学推理上，现在长程任务执行能力有了很大进步，这是条件之一。 第二是harness（智能体运行框架）这一层。 它未必包含多么高深的技术，但对agent落地非常关键。 模型有自己的局限性，即使能力越来越强，有些问题仍然无法跨越。比如，它现在仍是概率模型，不能保证百分之百正确，包括新鲜事物在内的很多事情必须由工程手段兜底。因为模型训练至少以月为周期，新鲜事物也需要通过外围的记忆等机制补充。 此外，生态的发展、MCP（模型上下文协议）等，也都在推动这件事向前发展。成本同样关键，否则支撑不起它完成这么多事情。 陈茜： 这些都很重要，我们稍后展开。先回顾一下灵光1.0的诞生：从1.0研发到2.0，你们从市场反馈中获得了哪些经验？ 林怿： 我们的产品不是在已有业务上做加法，而是希望贴近技术前沿做事。比如判断半年或一年后技术可能向哪里发展，再围绕这些能力构建产品。 去年开始做的时候，一个很大的趋势是编程能力的进步。它能不能帮助我们实现“帮人完成事情”的目标？一个很自然的方向就是帮人写程序、做应用。用一句话就能生成应用，门槛足够低，普通人也能用起来。 陈茜： 我提一个有挑战性的问题。我们看到数据说，灵光1.0推出后，三日留存率当时在20%出头，不如chatbot（聊天机器人）。这给你们带来了什么思考，又如何影响2.0的产品设计？ 林怿： 一方面要看这些数字，另一方面还是要看内核：真正有用、被反复使用的应用，是不是在增长？ 坦白说，制作闪应用并不是高频需求，很多人更倾向于直接使用。这也是我们后来做灵光圈的原因，不是每个人都有那么多主意，想自己制作应用。一个比较大的反思是，应该关注产品最终给用户带来了多少价值。 做出应用不代表产生了价值，真正用起来、解决了用户的问题，才有价值。 到了2.0，我们会延续这种价值判断的方式，不会只看数字、只看有多少人创建，因为中间有太多其他因素干扰。核心还是看它有没有帮助用户真正完成事情，提供增量价值。 陈茜： 我看到Muse现在的留存率可能也在20%出头。这个数字比你的预期高还是低？ 林怿： 如果是我，会想看那些已经创建目标、深度使用产品的人，有没有持续增长和留存。 整体数据会受其他因素影响，这和我们当时的闪应用有点像。产品爆火，必然会带来大量用户。如果每个人来了都能留下，当然最理想，但现实中会有很多干扰。 所以我更想看，有三到五个真正关心的目标的这批用户，是否持续增长、持续留存。我们上线后，也可能从这个角度看自己的情况。 陈茜： 我看它最近用户应该超过1000万了，增长很快，但新增用户的速度在下降。这是必然的吗？ 林怿： 可能会遇到这种情况，也可能和能力的进化有关。对我们来说，有一点是共同的：还是应该回到最核心的用户价值。 陈茜： 灵光1.0当时推出了1亿元