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1亿元的闪应用激励计划。你觉得花得值吗？如果值，2.0会推出相应的计划吗？如果不值，有什么经验教训？
林怿：对1.0来说，激励在培养习惯上肯定有价值，让更多人了解它、做出自己的第一个应用，有市场教育的意义，这一点比较明确。
第二，我们激励的不只是创建本身，也包括把产品做好。所以当时计划和灵光圈强绑定，结合得很紧。做出来是第一步，之后希望大家做出好东西，分享出去，得到认可，让更多人基于成果继续修改。
但真正做出精品，门槛仍然比较高，综合能力还有进步空间。大家能做出简单的、随手解决身边问题的应用，已经是好的。
陈茜：你觉得通用agent现在还需要市场教育吗？比如Meta也在用激励方式，通过邀请码给邀请双方免费的token额度，用补贴实现社交裂变。但ChatGPT当时没有采用这种推广方式。为什么chatbot当时不需要，agent现在却需要？是市场教育不够，还是能力还不足以让很多人自发使用？
林怿：我觉得可能有多方面因素。Meta肯定有争夺市场的考虑，和ChatGPT当年的时点不一样，那时ChatGPT独树一帜。
陈茜：当时没有竞争。
林怿：对，情况不一样。Meta面临激烈竞争，用裂变方式营销无可厚非，这和市场环境有关。
另一方面，用户已经养成使用chatbot的习惯。使用personal agent（个人智能体），要告诉它自己的目标，而不只是提出一个问题。不是问“南疆天气怎么样”，而是说“我要去南疆玩，你帮我安排”。这个习惯需要培养，让用户知道可以这样使用。虽然需要转变，但我觉得后者更符合人性，用户只要说出目的就可以了。
陈茜：改变用户习惯并不容易。互联网和移动互联网时代，大家习惯打开应用，通过点击操作完成一件事。现在要变成用自然语言告诉PA（个人智能体）想做什么，再由它自动完成。这样的交互范式变化，会带来十倍的效率提升或便利吗？
林怿：我认为不会是取代，两者应该更好地融合才对。
陈茜：你觉得原来的范式不会消失？
林怿：不会，而且这两者都会更好。比如GUI（图形用户界面）这种操作方式，有很大的天然优势。一方面，很多人已经被教育了。另一方面，它封装了操作步骤。比如一件复杂的事情，第一步勾选目的地，第二步再选其他条件，用户一看就懂，界面把最佳流程封装在里面了。
如果是纯对话，用户能一句话把所有信息说完整，当然很好。但太自由的话，用户未必知道下一步该表达什么。所以我觉得GUI这个方式是很好的封装，因为对于重复性流程，点击可能比说话更方便，点一下就完成了。
所以我觉得不会消失，这两者一定会更好地融合。我们在这方面也有很多探索，在做1.0时，就采用了GUI与对话结合的方式，希望用最合适的方式和用户交互，以信息效率最高的方式呈现结果。有时一图胜千言，有时一个交互动画比很多文字更有用。2.0也是一样的。
陈茜：自然语言不一定是最高效的沟通方式，而且很多东西没法用语言表达。
林怿：对，比如让我描述这个空间是什么样的，一句话怎么说？
陈茜：可能得写一篇800字的文章。
林怿：拍张照片反而最好。所以一定会有多种输入方式，包括多模态、非结构化的输入，而输出应该是结构化的。
陈茜：通用agent带来最多价值的是什么？以灵光2.0为例，你们看到用户觉得最有价值的场景有哪些？
林怿：我们接入了支付宝生态的一些能力。有位朋友让它分析账单，看看哪些是冤枉钱、哪里能省钱。结果发现，他退款的金额比消费金额高五倍。比如买了六件衣服，退掉五件，留下一件。它分析说他是冲动型消费者，他说戳中他了。
我也分析过自己的账单，它的建议是，我的电信套餐太奢侈。我看了一下，确实用不着那么高的额度，就把套餐降了一档，也算省钱了。虽然例子很小，但我觉得有价值。
还有暑假带家人去新疆旅行，做旅程的规划，我体感也非常好。我把目标、行程和约束条件，比如住宿要求告诉它，它就会全程帮我们盯着。最关键的是，它不只在出发前给一份旅行规划，行程中的体验更好。它会根据情况变化，告诉我下一步如何调整。比如南疆的景色很受天气影响，天气不好，景色就看不到，它会据此帮你调整行程。
陈茜：