十年前，掃碼支付改變了中國人的生活。最近，一款名為“靈光”的App，或許正在改變?nèi)伺c信息的交互方式。它由支付寶（杭州）數(shù)字服務(wù)技術(shù)有限公司開發(fā)，最近在騰訊應(yīng)用寶和vivo商店悄然上線。

最特別的地方，不在聊天，不在內(nèi)容，而在相機(jī)。舉起手機(jī)，AI就能識別并理解現(xiàn)實世界——從賬單到商品，從街頭場景到一張發(fā)票，拍照即可提問、拍照即可理解。

這不是一次普通的功能升級，而是螞蟻集團(tuán)在AI時代的新嘗試。第一次，它用二維碼讓機(jī)器認(rèn)識人，這一次，它想讓機(jī)器理解世界。

從“識別”到“理解”：AI的邊界在擴(kuò)張

AI能識別世界，這件事我們早已習(xí)慣。但讓AI去理解世界，仍是一道難題。

靈光背后的核心模型 Ming-Lite-omni，正試圖跨過這道坎——不只告訴你“這是什么”，而是告訴你“這意味著什么”。

比如拍一張停車?yán)U費(fèi)單，它會問：“是否需要支付？”；拍一份發(fā)票，它能判斷“你可能在報銷”；甚至拍一張菜譜，它能延伸出健康建議。這種“場景級理解”，讓AI第一次具備了語境意識，不再等待輸入，而是主動捕捉用戶的意圖。

賽迪研究院數(shù)據(jù)顯示，2023年我國大模型市場規(guī)模已達(dá)132.3億元，同比翻番。業(yè)內(nèi)預(yù)測，到2030年這一數(shù)字將突破2200億元，年復(fù)合增速超過40%。多模態(tài)智能被認(rèn)為是增長的關(guān)鍵引擎，也標(biāo)志著AI產(chǎn)業(yè)從“語言理解”邁向“視覺認(rèn)知”的新階段。

技術(shù)上，螞蟻采用了端云協(xié)同架構(gòu)——在本地進(jìn)行初步識別，在云端完成語義推理，延時控制在500毫秒內(nèi)。對用戶來說，這種“抬手即懂”的響應(yīng)，第一次讓AI顯得不再抽象。

但“理解世界”的另一面，是對數(shù)據(jù)邊界的再定義。每一幀圖像、每一段語義分析，都意味著一次潛在的隱私接觸。AI看懂世界的同時，也在重新定義“看”的權(quán)力。

而當(dāng)技術(shù)具備了理解力，真正的問題變成——誰能把它變成新的入口？

入口的重寫：從掃碼支付到認(rèn)知入口

支付寶曾經(jīng)是中國互聯(lián)網(wǎng)“連接”的象征。二維碼的普及，不只是支付的效率革命，更讓無數(shù)線下商戶第一次接入了數(shù)字世界。

但當(dāng)掃碼支付成為日常，入口也成了慣性。流量見頂、增速放緩，螞蟻必須重新尋找一個能重新打開想象力的起點(diǎn)。靈光，也許就是那個新的入口。

這一次，支付寶不再做“被掃的工具”，而是想成為“主動理解的助手”。

當(dāng)AI能看懂場景，交易的觸發(fā)方式就從點(diǎn)擊變成了語境：

拍商品，AI能直接識別SKU、引導(dǎo)購買；
拍賬單，能自動識別金額并生成報銷憑證；
拍車牌，能直達(dá)停車?yán)U費(fèi)；
甚至拍體檢單，也能識別異常數(shù)據(jù)，順勢推薦保險。

據(jù)QuestMobile數(shù)據(jù)，2024年移動支付用戶滲透率已超過96%，增速降至個位數(shù)。支付寶仍是巨無霸，但增長的空間越來越窄。靈光的價值，在于重構(gòu)入口邏輯——讓支付不再只是終點(diǎn)，而是理解現(xiàn)實的起點(diǎn)。

掃碼改變了支付，而理解，可能改變商業(yè)。支付寶想要的，是讓AI成為現(xiàn)實世界的操作系統(tǒng)——理解人、理解物，也理解交易背后的動機(jī)。

AI的聰明，不代表它輕盈

從體驗上看，靈光幾乎是移動端AI的一次極限實驗。
但它的“輕盈”背后，是算力和能耗的雙重重量。多模態(tài)模型極度吃資源，端側(cè)推理功耗高、延遲大，不同機(jī)型之間差距明顯。

根據(jù)vivo開發(fā)者大會上相關(guān)技術(shù)介紹，移動端大模型推理的能耗通常是傳統(tǒng)圖像識別任務(wù)的3–5倍。如果啟用多模態(tài)推理，峰值功耗可達(dá)普通App的十倍。一位測試者形容：“幾分鐘之內(nèi)，手機(jī)已經(jīng)發(fā)燙?！睒I(yè)內(nèi)估算，一次完整的多模態(tài)推理能耗在2.5至3瓦之間，這讓“隨時看懂世界”的理想，暫時還不夠輕盈。

更現(xiàn)實的挑戰(zhàn)在于隱私。相機(jī)識別意味著接觸敏感數(shù)據(jù)，從身份證到賬單、從醫(yī)療影像到人臉。靈光必須在“本地處理”與“云端協(xié)同”之間找到平衡，否則越聰明，越危險。一個能理解世界的AI，也必須先理解什么叫“克制”。

商業(yè)上，靈光還沒有清晰的變現(xiàn)模式。它既不是廣告平臺，也不是會員體系。最合理的想象，是在支付體系內(nèi)形成“AI+交易”的閉環(huán)：讓AI理解、推薦、支付、留存。但這條路也并不輕松，當(dāng)幾乎所有App都在嵌入AI時，用戶是否還需要另一個“懂他”的應(yīng)用？
真正的競爭，也許不是誰更聰明，而是誰更節(jié)制。

AI入口的中國路徑：從內(nèi)容智能到場景智能

在全球 AI 版圖里，路線正在分化。

國外 AI 更強(qiáng)調(diào)內(nèi)容生成，追求模型能力與創(chuàng)作表達(dá)；中國 AI 則更注重場景落地，從算法突破轉(zhuǎn)向產(chǎn)業(yè)融合。字節(jié)用豆包打通內(nèi)容鏈，阿里依托通義重塑購物與服務(wù)入口，百度以文心穩(wěn)住搜索與問答陣地，而螞蟻，則把 AI 嵌進(jìn)生活。

更具體來看，這幾家頭部產(chǎn)品的重心正在分化：
豆包以內(nèi)容生成為主，偏向 C 端娛樂與知識延展；
文心強(qiáng)化搜索與問答，聚焦信息檢索與知識增強(qiáng)；
靈光則選擇“場景理解 + 交易閉環(huán)”的路徑，更接近業(yè)內(nèi)所稱的“視覺即服務(wù)”（Vision-as-a-Service）思路——讓相機(jī)成為入口，讓理解成為服務(wù)。

靈光的價值，不在它能做多少，而在于它能靠多近。它把 AI 從屏幕里拉到了街頭、餐桌、賬單與生活的縫隙里——那是中國式 AI 最熟悉的戰(zhàn)場。

從產(chǎn)業(yè)視角看，這是一條更穩(wěn)的路徑。在缺乏 OpenAI 那樣龐大算力的前提下，中國企業(yè)正以“場景密度”對沖算力差距，讓 AI 從理解世界開始，而不是試圖改造世界。

行業(yè)數(shù)據(jù)也在印證這種轉(zhuǎn)向?！?025年產(chǎn)業(yè)AI應(yīng)用熱力報告》顯示，超過一半的 AI 應(yīng)用集中在消費(fèi)類場景，其中商品檢索、智能推薦、虛擬客服等位列前三。國務(wù)院在《關(guān)于深入實施“人工智能+”行動的意見》中，也將“人工智能+消費(fèi)”列為重點(diǎn)方向，政策驅(qū)動下，消費(fèi)與生活服務(wù)場景正成為 AI 落地最密集的陣地。

在市場端，消費(fèi)行業(yè)幾乎成了 AI 增長的主引擎。艾媒咨詢數(shù)據(jù)顯示，2025 年電子商務(wù)領(lǐng)域中，AI 數(shù)字人企業(yè)占比已達(dá) 16.49%，居各行業(yè)之首；IDC 報告則指出，2025 年上半年中國 AI 云市場規(guī)模達(dá)到 223 億元，同比增長 148%，增長主力正來自消費(fèi)與生活服務(wù)領(lǐng)域。

綜合多方預(yù)測，到 2025 年，中國 AI 應(yīng)用部署中將有六成以上集中在消費(fèi)與生活服務(wù)場景。金融、醫(yī)療、零售等現(xiàn)實行業(yè)，也正在成為多模態(tài)智能落地的主陣地。
對螞蟻來說，“靈光”并非一次孤立的實驗，而是讓 AI 深植商業(yè)肌理、回到真實生活的戰(zhàn)略延伸。

最后

短期內(nèi)，靈光或許難成爆款。但長期看，它可能是支付寶下一個十年的“二維碼”。

靈光的出現(xiàn)，是支付寶在AI時代的一次再造。它既展示了螞蟻的技術(shù)野心，也暴露了所有巨頭的焦慮：當(dāng)AI的入口越來越多，入口本身的意義，正在消失。

從掃碼到識界，再到支付理解。這場變革真正考驗的，不是算法的聰明，而是信任的重建。AI可以看懂世界，但卻未必懂人，算法可以精準(zhǔn)推薦，卻無法重建信任。

也許，“靈光”照見的不只是世界，還有我們自己。技術(shù)的光照亮了前路，也照亮了人心。真正的入口，從來不在鏡頭里，而在人與世界的理解之間——那才是靈光的真正考題。

注：本文基于公開上線版本及行業(yè)分析撰寫，部分功能細(xì)節(jié)可能隨產(chǎn)品迭代調(diào)整。