摘要：十年前，扫码支付改变了中国人的生活。最近，一款名为“灵光”的App，或许正在改变人与信息的交互方式。它由支付宝（杭州）数字服务技术有限公司开发，最近在腾讯应用宝和vivo商店悄然上线。

十年前，扫码支付改变了中国人的生活。最近，一款名为“灵光”的App，或许正在改变人与信息的交互方式。它由支付宝（杭州）数字服务技术有限公司开发，最近在腾讯应用宝和vivo商店悄然上线。

最特别的地方，不在聊天，不在内容，而在相机。举起手机，AI就能识别并理解现实世界——从账单到商品，从街头场景到一张发票，拍照即可提问、拍照即可理解。

这不是一次普通的功能升级，而是蚂蚁集团在AI时代的新尝试。第一次，它用二维码让机器认识人，这一次，它想让机器理解世界。

从“识别”到“理解”：AI的边界在扩张

AI能识别世界，这件事我们早已习惯。但让AI去理解世界，仍是一道难题。

灵光背后的核心模型 Ming-Lite-omni，正试图跨过这道坎——不只告诉你“这是什么”，而是告诉你“这意味着什么”。

比如拍一张停车缴费单，它会问：“是否需要支付？”；拍一份发票，它能判断“你可能在报销”；甚至拍一张菜谱，它能延伸出健康建议。这种“场景级理解”，让AI第一次具备了语境意识，不再等待输入，而是主动捕捉用户的意图。

赛迪研究院数据显示，2023年我国大模型市场规模已达132.3亿元，同比翻番。业内预测，到2030年这一数字将突破2200亿元，年复合增速超过40%。多模态智能被认为是增长的关键引擎，也标志着AI产业从“语言理解”迈向“视觉认知”的新阶段。

技术上，蚂蚁采用了端云协同架构——在本地进行初步识别，在云端完成语义推理，延时控制在500毫秒内。对用户来说，这种“抬手即懂”的响应，第一次让AI显得不再抽象。

但“理解世界”的另一面，是对数据边界的再定义。每一帧图像、每一段语义分析，都意味着一次潜在的隐私接触。AI看懂世界的同时，也在重新定义“看”的权力。

而当技术具备了理解力，真正的问题变成——谁能把它变成新的入口？

入口的重写：从扫码支付到认知入口

支付宝曾经是中国互联网“连接”的象征。二维码的普及，不只是支付的效率革命，更让无数线下商户第一次接入了数字世界。

但当扫码支付成为日常，入口也成了惯性。流量见顶、增速放缓，蚂蚁必须重新寻找一个能重新打开想象力的起点。灵光，也许就是那个新的入口。

这一次，支付宝不再做“被扫的工具”，而是想成为“主动理解的助手”。

当AI能看懂场景，交易的触发方式就从点击变成了语境：

拍商品，AI能直接识别SKU、引导购买；
拍账单，能自动识别金额并生成报销凭证；
拍车牌，能直达停车缴费；
甚至拍体检单，也能识别异常数据，顺势推荐保险。

据QuestMobile数据，2024年移动支付用户渗透率已超过96%，增速降至个位数。支付宝仍是巨无霸，但增长的空间越来越窄。灵光的价值，在于重构入口逻辑——让支付不再只是终点，而是理解现实的起点。

扫码改变了支付，而理解，可能改变商业。支付宝想要的，是让AI成为现实世界的操作系统——理解人、理解物，也理解交易背后的动机。

AI的聪明，不代表它轻盈

从体验上看，灵光几乎是移动端AI的一次极限实验。
但它的“轻盈”背后，是算力和能耗的双重重量。多模态模型极度吃资源，端侧推理功耗高、延迟大，不同机型之间差距明显。

根据vivo开发者大会上相关技术介绍，移动端大模型推理的能耗通常是传统图像识别任务的3–5倍。如果启用多模态推理，峰值功耗可达普通App的十倍。一位测试者形容：“几分钟之内，手机已经发烫。”业内估算，一次完整的多模态推理能耗在2.5至3瓦之间，这让“随时看懂世界”的理想，暂时还不够轻盈。

更现实的挑战在于隐私。相机识别意味着接触敏感数据，从身份证到账单、从医疗影像到人脸。灵光必须在“本地处理”与“云端协同”之间找到平衡，否则越聪明，越危险。一个能理解世界的AI，也必须先理解什么叫“克制”。

商业上，灵光还没有清晰的变现模式。它既不是广告平台，也不是会员体系。最合理的想象，是在支付体系内形成“AI+交易”的闭环：让AI理解、推荐、支付、留存。但这条路也并不轻松，当几乎所有App都在嵌入AI时，用户是否还需要另一个“懂他”的应用？
真正的竞争，也许不是谁更聪明，而是谁更节制。

AI入口的中国路径：从内容智能到场景智能

在全球 AI 版图里，路线正在分化。

国外 AI 更强调内容生成，追求模型能力与创作表达；中国 AI 则更注重场景落地，从算法突破转向产业融合。字节用豆包打通内容链，阿里依托通义重塑购物与服务入口，百度以文心稳住搜索与问答阵地，而蚂蚁，则把 AI 嵌进生活。

更具体来看，这几家头部产品的重心正在分化：
豆包以内容生成为主，偏向 C 端娱乐与知识延展；
文心强化搜索与问答，聚焦信息检索与知识增强；
灵光则选择“场景理解 + 交易闭环”的路径，更接近业内所称的“视觉即服务”（Vision-as-a-Service）思路——让相机成为入口，让理解成为服务。

灵光的价值，不在它能做多少，而在于它能靠多近。它把 AI 从屏幕里拉到了街头、餐桌、账单与生活的缝隙里——那是中国式 AI 最熟悉的战场。

从产业视角看，这是一条更稳的路径。在缺乏 OpenAI 那样庞大算力的前提下，中国企业正以“场景密度”对冲算力差距，让 AI 从理解世界开始，而不是试图改造世界。

行业数据也在印证这种转向。《2025年产业AI应用热力报告》显示，超过一半的 AI 应用集中在消费类场景，其中商品检索、智能推荐、虚拟客服等位列前三。国务院在《关于深入实施“人工智能+”行动的意见》中，也将“人工智能+消费”列为重点方向，政策驱动下，消费与生活服务场景正成为 AI 落地最密集的阵地。

在市场端，消费行业几乎成了 AI 增长的主引擎。艾媒咨询数据显示，2025 年电子商务领域中，AI 数字人企业占比已达 16.49%，居各行业之首；IDC 报告则指出，2025 年上半年中国 AI 云市场规模达到 223 亿元，同比增长 148%，增长主力正来自消费与生活服务领域。

综合多方预测，到 2025 年，中国 AI 应用部署中将有六成以上集中在消费与生活服务场景。金融、医疗、零售等现实行业，也正在成为多模态智能落地的主阵地。
对蚂蚁来说，“灵光”并非一次孤立的实验，而是让 AI 深植商业肌理、回到真实生活的战略延伸。