2026年下半年的AI入口争夺战与灵光2.0
2026下半年，全球科技巨头们正在开启一场新的AI入口争夺战。硅谷的Grokbot、Muse、OpenAI Dots、Anthropic Duet，再到创业公司Instinct，个人助理（Personal Assistant）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，那这也是为什么这是所有巨头的下一个战场。
而在中国，PA类的产品之战也开始了。但是中国市场和硅谷的生态会非常不一样。中国有着巨头们的super app（超级应用）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；但是在AI产品竞争更大的大陆市场，这类产品如何商业化也是重要的挑战。
这期视频播客，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产品进化背后的思考。
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够创造自己的工具，这是一个很有想象力的方向。但是上线之后，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地完成目标——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。
“提个挑战的问题：灵光1.0不如Chatbot的留存率的，这个留存率有没有给你们带来什么样的一些思考？”
“但这中间我觉得有一个比较大的反思，就是应该去关注到底这个东西最终对用户产生了多少价值。对于Agent到底能够做什么，以及它的高价值的场景在什么样的地方。如果纯粹就办公这个场景，它肯定没有生活大。”
“那你觉得什么样会是一个频率比较高的？”
“那就是每天心里可能牵挂的一些东西，比如说有孩子可能会想着娃的事情，跟钱有关的那些事，可能要出去玩。”
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，确保它不会做错事呢？
“你觉得用户会为这种私人秘书去付费吗？”
“背后当然是看它的核心是创造了什么增量价值。比如说它如果真的是能够给我孩子提高10分，我为什么不付费呢？我为教育花了多少钱。”
“比如说我们看到亚马逊就把Muse给挡在门外了。”
“对。”
“亚马逊作为平台方，还有比如说用户，还有Agent第三方，也就是Meta，他们是冲突的吗？”
“商业利益肯定是有关系的。”
“是不是有可能我们会看到国内的Agent会最先落地？因为super app（超级应用）里面已经有这些生态在。”
“大家都在一个大的生态里面你要去协作，它当然是比外部的，尤其是像蚂蚁内部的，这方面就会方便很多。”
哈喽大家好，欢迎来到《硅谷101》，我是陈茜。那这期节目，我们来聊聊个人AI助手之战背后的产品升级、技术进展还有商业利益平衡，来看看能够让普通人都能用到的高频高价值AI产品如何能够来到我们身边。
从灵光1.0到2.0：从工具创造到目标交付
林怿，欢迎做客《硅谷101》。
你好，陈老师。
因为我知道你们刚发布了灵光2.0。
对。
距离灵光1.0的发布已经过去一年了，能不能跟我们说一下，为什么在这个节点要发布2.0？
2.0我们其实已经酝酿蛮久了。1.0给大家印象最深的可能是做闪应用，但其实背后我们一直都是想怎么能够帮助用户更好地把事情给办好。不管是问答也好，还是应用也好，其实它都解决的是片面的一个问题。用户其实像旅行这种任务，它其实是会跨时间周期的。我们大概是从今年六七月份就在酝酿相关的一些工作了，这个时间点对我们来说其实是一个自然的结果，业界也有很多类似的一些产品出来。
所以灵光2.0它的受众用户还是比较to C一点的，大众一点的，然后可以帮大家去做事情、解决问题的。
对。
那是不是有点对标Muse？
我们当然不是说看到Muse以后才开始做。坦白说，那也来不及，我们很早就开始做那个事情了。第一，确实它就是一个面向to C的，而且我们非常希望它是一个普通人能用的。
我可以讲一下自己的。我其实很早之前就拿类似Codex来管理我的生活了，很多都是拿Codex去做办公的事情。比如说给我的孩子去做错题的纠正，把那个错题拍进去：你帮我看一下这里错了哪些地方，针对性地出一个新题，错了以后再继续，就像人工的RL那样去做。但是这个过程坦白说，普通人是用不起来的，其实有点复杂。我妻子也用不起来，更难想象说是我妈或者说是老年人能够把这个事情用起来。
没有办法用自然语言，就一句话。
一句话搞不定。
搞不定。
对，你得理解它，因为它本来就是给开发者用的。
对。
但是类似的能力，我觉得其实它是有泛化性的。比如拿我妈妈来举例子，她就是血压高，她也要管理自己血压。她现在怎么做？就拿一个小本子在那个上面去记着，每天的血压多少，每天记着。对，但是血压记下来只是第一步，它最关键的其实是你要去分析趋势，可能是要建议的，血压高了她应该做什么事情。这些事情其实用Codex，或者说用类似Agent来管理其实是非常合适的，但是她根本不可能把这个东西用起来。我们看到了这么强大的一个能力，但是我妈妈用不起来。那她需不需要这个能力呢？她肯定需要。我们就希望把它做成一个普通人能用的，但是又有强大的能力。
这个也是不是看到了今年年初，比如说小龙虾OpenClaw，还有之后Hermes起来的那一阵？但是那一阵也是普通人用不起来，然后那个时候其实好多人有焦虑，就算装上了小龙虾，也不知道该去怎么用。
对，我觉得它更多是一个启发，好像这个交互方式对我们其实是很有参考意义的。但其实背后真正推动我们的，我理解，其实我们的主线是没有变过的，都是希望怎么帮助用户把一件事情更好地完成。我们是希望从一个手段查信息、然后做一个应用，走向直接让用户跟我们去做一个目标的交互。他把目标说清楚，把那个约束说清楚，我们过程当中能够帮他主动地去做。这个是我们很自然地往上升级的一个结果。但是这过程当中是吸收了很多类似这些产品的启发的。
Agent的技术进展与局限性
要做到一个让所有人都能用起来的Agent产品，你觉得过去一年有哪些技术上的进展让我们可以做到目前Agent的能力了？
技术上其实首先肯定是模型能力这块。我们在去年这个时候，可能大家还是会集中在编程、数学推理，现在这种长程的任务执行得到极大的进步，这些它肯定是条件之一。
第二，其实我觉得你很难说这里面有很多高深的技术，就是harness这一层，但它对于这么一个Agent的落地，我认为是非常关键的。
对。
模型其实它有自己的局限性。它的能力越强，但它有些东西是跨越不过去的。比如说我们现在还是个概率模型，它不能保证自己是百分之百正确的，很多事情必须是工程去兜底的。包括像一些新鲜的事物，因为模型的训练它可能是至少以月为周期，这些新鲜的东西其实也是要靠外围的记忆或者等等类似这些去补充的。
还有一些其他的，生态上或者说是MCP协议，其实都帮助这些事情在往前去走。比如说成本或者这些也很关键。
对。
不然也支撑不起去做这么多事情。
您提到的这几点都非常重要，待会儿我们可以稍微地展开来聊聊。首先我还是想要回顾一下你们灵光1.0的诞生。从灵光1.0开始研发到2.0期间，你们对市场给你们的反馈有一些什么经验可以习得的？
我们产品不是说从一个已有的业务去做加法，我们大概的想法还是希望切着那个技术前沿去做事情。比如说去判断半年或者说一年以后技术可能会往哪里去发展，围绕这个能力去构建相应的产品。我们去年开始做的时候，很大的一个趋势肯定是coding这块，类似这些能力它是不是能够帮助到我们的目标，去帮助人完成事情？很自然的一个点就是写程序，帮人去写闪应用。你从一句话能够写应用，它的门槛就被打得足够低了，普通人也能够用得起来。
反思留存率与闪应用激励计划
提个挑战的问题：我们也看到数据说灵光1.0推出来了之后，它的三日留存率当时是在20%出头，不如chatbot的留存率。有没有给你们带来什么样的一些思考？在设计2.0的时候，这些思考怎么在产品形态上给你们带来一些新的想法？
一方面是要看这些数字，另一方面我觉得还是应该看内核的那块，就是说真正有用的、会反复使用的那个应用，它是不是在增长，它有没有被反复使用。但坦白说，闪应用的制作其实它并不是那么高频的东西，很多人还是偏向于用的。所以我们后来为什么做灵光圈或者等等，不是每个人都有那么多的主意他是想要去制作的。
但是这中间我觉得有一个比较大的反思，就是应该去关注到底这个东西最终对用户产生了多少价值。
对。
它不是应该看这个数字，它做出来的应用不代表它的价值，应该是用户真正把它用起来、真正解决用户问题的那些才是那个价值。所以回到2.0的话，我觉得一方面是我们去看什么东西，或者说是怎么去判断它的价值，我觉得这方面我们会延续的，我们不会只是去看它的那个数字了，有多少人创建。这中间有太多太多其他的一些因素去干扰，核心还是希望看它有没有帮助用户真正地去完成事情，帮他去提供那个增量的价值。
我看Muse它现在的留存率可能是20%出头的留存率，这个数字在你看来觉得比你预期中的要高、要低？
如果是我的话，我可能会想看它那批会创建那个目标类似这样的一些人，就深度使用它产品的这个人数到底有没有持续地增长和留存。它的大盘是有其他因素在的，跟我们闪应用当时可能有点像，因为它是爆火，爆火必然会带入大量的那种用户。它的产品如果真的说是过来人就被吸住了，当然是最理想的，但也会有很多其他的干扰因素在的。所以我觉得也应该这样去看待它，比如说它有三到五个目标的真正他很关心的这批人，这批人他到底是不是持续地在增长，有没有持续在留存。站在我的视角来说，我可能也会这样去看待我们上线以后的那个情况。
但我看它其实最近应该是超过了1000万的用户，应该是增长非常非常快了，但是它新增的那个速率其实是在下降的。这个是必然的是吗？
我觉得可能是会遇到的，跟能力的进化可能也是有相关的。但对我们来说，我觉得还是有一点应该是共同的，还是应该回到那个最核心的用户价值这一块。
我看灵光1.0的时候，你们当时是给了一亿元的闪应用激励计划。你觉得一亿元当时这个花得值吗？如果值的话，2.0会推出相应的激励计划吗？如果不值的话，你觉得其中的经验教训是什么？
培养习惯上它肯定是有价值的，就是让更多人去了解它，去做出第一个自己的应用。
相当于市场教育。
有点这种市场教育的价值，我觉得这方面其实是比较明确的。第二个其实我们激励的那个对象也不只是创建本身，它也激励做好的产品这一块。当时是和灵光圈强绑定的，希望大家把自己的东西给做出来。不仅是做是第一步，做出来以后你能够做出好的东西来，好的东西以后你能分享，得到大家的认可，更多的人能够基于结果去做一些修改。
这里面其实能看到，真正能做出非常非常精品的，其实门槛还是比较高的。我觉得综合的能力或者之类的可能是还有进步的空间。大家做出那种简单的来和解决自己身边随手的解决问题这种，其实还是OK的。
市场教育与GUI加对话的交互范式
你觉得现在通用Agent还需要市场教育吗？比如说我们看到Meta它其实也用了一些激励的方式，就是说我——但是它是送token，比如说我用我的邀请码邀请了你，这样的话我们俩都可以有多少多少token的免费额度。其实也是在——
应该是一种分裂。
对，社交裂变的这种方式，但也是在底层用token的补贴。但是ChatGPT它当时就没有用任何的go to market方式。为什么你觉得chatbot当时不需要，但是Agent现在还需要？Agent需要的原因是因为市场教育做得还不够，还是说Agent现在能力还不到说让大家自发地想去用？
我觉得它有可能多方面的因素。Meta这么做，他肯定有抢市场的那个在里面。它和ChatGPT当年可能时间点也不一样，当年ChatGPT其实是独树一帜。
对，没有竞争那时候。
没有竞争，对，这情况是不一样的。Meta的话，它肯定是面临那个激烈的市场竞争的，所以它用裂变这种方式去做市场营销，我觉得是无可厚非的，跟那个市场也有关系。
另一方面，因为人已经被培养成用chatbot这种习惯了。他用Personal Agent，他要把自己的目标告诉它，而不是说我给它一个问题。他不应该是问说“南疆的天气怎么样”，而是说“我要去南疆玩，你帮我那个什么”。就这个习惯其实还是需要去培养的，就是要让用户能够知道他是可以这样用的。我觉得这里还是会有一些习惯的转移。但后者我觉得是更符合人性的，他只要说出自己的目的就可以了。
完全改变用户习惯这件事情没有那么容易，对不对？因为在互联网以及移动互联网期间，我们已经——用户的习惯被培养成我要打开一个APP，然后我用点点点的操作，然后去完成一件事情。但是我现在的用户习惯要变成我就用自然语言，我告诉我的PA（个人智能体）我要做什么，然后它自动去帮我完成。但是这两个交互范式的改变，它其实会是一个10X效率的提升，或者是变得更加便捷。你觉得有10X吗？
我是这么认为，我认为不会是一个取代，我认为这两者就应该融合，就应该是更好地融合才对。
你觉得之前的范式也不会消失？
我觉得不会消失，而且这两者会更好。举个例子就是GUI（图形界面）这种操作方式，它有非常非常大的一个天然优势。一方面像你前面说的，很多人被教育了；第二个，它是封装了步骤在里面的。你比如说一件复杂的事情，你在上面点，第一步我勾选那个目的地，第二步选什么或者之类，这种方式其实一看就懂，而且它是封装了最佳流程在里面的。
如果说是纯对话或者之类的话，它要是知道它一句话把所有的东西都说完整当然是好的了，但是这个太自由，人可能也不一定知道下一步自己应该把什么东西给表达出来。所以我觉得GUI这个方式它是一个很好的封装，就是一种最佳流程。或者说一个重复性的行程，其实你点可能比你说话更方便。我点一下这件事情给做完了，我点一下总比我说这句话会更方便。
对。
所以我觉得是不会消失的，这两者一定会更好地融合的。然后我们在这方面其实是有蛮多探索的。我们做那个1.0的时候，其实当时的对话就是GUI加对话结合的方式，就是那种用最好的方式去和用户交互，然后用最好的——希望用最好的方式能够把一个信息呈现给用户。就信息效率最高的方式，有时候就是一图胜千言，有时候你做一个交互的动画比你说一万句话都好用，就是类似这种。我觉得2.0里面也是一样的，因为自然语言它不一定是最有效率的沟通方式。
对。
而且很多的东西它没法用语言表达出来。
对，是这样的。
比如说我描述这个空间是什么样子，我用一句话咋说呀？
写张800字的论文。
对，我拍张照片是最好的对不对？
对。
所以我觉得这个不会是这样的，它一定是多种输入——
多模态。
多模态的输入，或者非结构化的输入，然后它的输出应该是结构化的。
高频高价值场景：生活账单、旅行规划与私人秘书
通用的Agent带来最多价值的是什么？比如说，我们说一下灵光2.0，你们看到大家觉得最有价值的一些场景是在什么样的地方？
因为我们接入了像支付宝生态的一些能力，我一个朋友他让它分析一下他账单里面花的冤枉钱有哪一些，能不能省钱。分析的结果是他的退款金额比消费的金额高5倍，就是买的东西退款的金额比消费的高5倍，买了6件衣服退了5件留下一件，然后给他分析的结果说他是个冲动型消费者，他就说戳中他了。
我自己分析了我自己的，它给我的建议是啥呢？它说我的电信账单太奢侈了，然后我看了一下确实，我用不着那么高的配额，然后我就把那个给降了一档，也算省钱了。可能很小的一个例子，但我觉得它是有价值的。
还有一个例子是我暑假的时候带家里人去新疆那边玩，做那个旅程的规划，我体感也是非常好的。把我的目标、行程，或者说一些约束的条件，比如说我们对住宿上有什么要求告诉它，它这个过程当中会全程帮我们去盯着。
最关键的是什么呢？它不仅是说给我一份旅行规划，就在前期规划的时候不仅在行程前做的这些事情，过程当中的那个体感其实是最好的。它会根据那个变化的情况来告诉我下一步应该怎么调整行程。比如说我去的是南疆，南疆是非常看天气的，天气一不好的话景色就没法看了，所以它是会根据这个天气去帮你调整那个行程。
按每天实时的一些变化，给你一些新的建议。
对，是的。比如说有一段是在那边吃坏肚子了，就是身体不舒服，它会建议你重新去调整这个行程。就类似的这些，它不仅是说在行程前，在行程过程当中会根据我关心的这些条件和外部条件的那些变化，它会触发这个行程整体的更新。不是简单说你昨天没完成我把你塞到明天，它会根据你整个行程的目标重新去做相应的一些规划。这个过程其实很省心。
这个挺有意思的。因为我发现硅谷Muse他们的一些最火爆的场景也是帮大家去省钱、卖东西。
看到的都是购物对吧？
对。我也可以分享两个例子：一个例子就是大家去Facebook它的那个二手的交易市场marketplace上面去帮大家卖东西；还有一个就是说让Muse去到大家邮箱里面帮大家去找，比如说有一些小额的要退款的东西，有一些小额的支票可能你要手动去认领一下，但是你邮件太多的话很容易就忽略。就是这种东西让大家发现，真的给我省回不少的钱回来。
对，这些事情其实人如果花时间他都能干。
对。
我一笔一笔账单都能干对吧？但是人很多时候你要不就忘了，要么其实就觉得麻烦。Personal Agent它是可以替你去干这些事情的。
对于Agent到底能够做什么，以及它的高价值场景在什么样的地方，你觉得场景更有价值的是Agent去帮你省钱、省时间，还是去帮你花钱、花时间呢？
我觉得都不矛盾，这两件事情它现在都能做，而且都做得还不错。比如说做生产力这个我们就不说了，那么多的办公软件，白领最喜欢的Office三件套，做PPT、做Excel、写Word对吧？这些其实相对是第一批先起来的那个场景。Claude Code、WorkBuddy这些其实都是偏办公，然后才是到个人的场景。
这两个场景其实都不矛盾，都能做好。但是会牵扯到一个事情，就是跟成本、性价比有关系。我们的推理层还是很贵的，就是整个——不管做哪个办公场景，我觉得它相对来说是更容易回收成本也行，to B的商业价值可能会更高一些。但它的点是，如果纯粹就办公这个场景，它肯定没有生活大。但是整个技术或者说进展成本也在下降，这也是能够成立的前提条件之一。
对。
省时间我觉得也是一个非常有明确价值的，我们把省出来的时间更好地去生活，这不是很好吗？
但你觉得什么样会是一个频率比较高的？因为如果它真正的高频了、可复现了，它的价值才高，用户粘性才高嘛。
对。
什么样的场景会是一个非常高频的让Agent去帮你办事的场景呢？
我觉得我们生活当中应该有不少类似的场景。如果办公我不说，办公肯定是会非常高频。对，生活当中其实我们回想一下，每天心里可能牵挂的一些东西，比如说有孩子可能会想着娃的事情：管娃，娃小的时候可能是打疫苗，稍微大一点管他的学习、检查错题。
对，就是类似的这些。
然后可能是跟理财有关的管钱的，怎么省钱、怎么赚钱，然后可能要出去玩，这些场景其实都蛮多的。而且很多事情它都不是说一个对话、一个来回就能解决的问题，其实背后是隐含一些目标的。我让它帮我孩子管作业，我是为了让他学习更好，这就是一个目标。那怎么让他达成这个目标？这中间有一些事情是可以去做的。
它会成为以后每个人的私人秘书。
我觉得有点这种感觉。
有一点这种感觉。但是它这个私人秘书可以把你的工作变得更加简单。
对，我觉得它的价值应该是那种磨合之后，它越懂我之后的话，它应该是能够替我把那些我可能觉得繁琐的事情给取代掉。但真正要我决策的那个事情，还是应该要告诉我。后面不需要打扰你的时候，它应该主动帮你做这事情，但这个边界感还是得有。
痛点、痒点与商业模式探讨
你觉得用户会为这种“私人秘书”去付费吗？
背后当然是看它的核心创造了什么增量价值。比如说，它如果真的能够给我孩子提高10分，我为什么不付费呢？我为教育花了多少钱，对吧？就类似这个道理。所以还是看它创造了——我觉得付费肯定是在的。
有一种商业逻辑就是说，产品是找到了用户的痛点还是痒点。痒点就是可有可无，it's good to have，但是我可能要看它的价格多少，以及看竞品，以及看是不是其他的竞品是给我免费用的；而痛点是大家真的愿意去付费的。你觉得现在Agent帮助大家去提效我们生活上的事情，这个东西是痛点还是痒点？
可能也要区分的，能力的进展和不同的场景可能是有关系的。你要是学习刚才那个事情，那绝对是痛点，教育绝对是个痛点。但是也看我们到底能提供多少增量的那个价值，不是说有它就所有问题都解决了，那肯定是做不到的。但它确实能够极大地提升这中间的一些效率，它比起那个无效的刷题会好很多。
有一些可能是你说它是痒点也行。我举个例子，我们现在经常也拿它去总结钉钉上的消息，其实会很大地提升效率。本来我要一个群一个群去翻，它能够自动地每天给你一个总结或者之类的。你说这个是非它不可或者说是那个，我觉得也不能这么说，但是它确实是让我有时间去花在别的地方。
商业化上面我还有一个问题。我们看到硅谷最近的讨论也非常热烈。Instinct已经说它不会向用户收费，它现在是烧VC的钱，可能之后我不知道会是用广告的方式，还是说我帮你省了多少钱、按一定比例抽佣的形式。但是比如说一些大公司的话，比如说Muse，它整个的生态可能它最终不用让Muse去帮它给Meta挣钱，它可能说Muse最后把它的广告系统变得多好，然后我还是通过这个广告上面给Meta带来了一定广告上面的提效。那Grokbot可能就是to B的方面，不知道用token还是什么样的方式去收费。你觉得在国内整个的商业还有产品上的竞争，还有大家的收费习惯，会跟国际市场有一些不同吗？
坦白说我觉得不好判断，但很多底层的逻辑应该是类似的。它无非就是向C收钱还是向B收钱，或者说类似这些环节。现在不好判断，大家现在都还没有走到你说谁在这块的商业化已经做得非常成功了，我觉得可能都还不是。to B那块是很多成功的案例。
但是中间有一个点，它的收费模式，我个人会倾向于会员费当然是一种，还有就是前面说的抽佣那个。我对于广告这种模式和Personal Agent是不是一定兼容，我是觉得它可能会有一些难度。因为PA它和chatbot或者和工具是不太一样的，工具那些其实还是偏平台、偏流量这个逻辑的。PA的话，它是一个你很亲密的伙伴一样的那种感觉，它如果说是夹杂着商业利益来跟你，我觉得这很难。
对，早上起来给你播报两个广告，体验就完全毁掉了。
我觉得这个PA它很底层的一个东西，它必须要取得人的信任。你要是夹杂着这些商业利益，我觉得会比较难。也许会有一些创新，但我觉得挺难的。
那怎么商业化呢？它就不能商业化？
那也不是这个意思。我只是说广告这个模式，其实前面说的商业化我个人是这么想的，我觉得现在有一些能尝试的东西，就前面说的，不管是会员还是抽佣，这些其实都是可以去尝试的，我们在合适的时候可能也会去尝试这些。但我觉得现在可能不用特别的——在现在这个时间点，就是其实我觉得核心还是说它是不是带来了增量价值。你把蛋糕做大了以后大家怎么分，我觉得是下一步的事情。现在就是说它真的像回到你前面那个问题，它真能解决一些痛点的问题，让用户能够更好地生活，我觉得它创造了额外的利益，它一定会得到自己该有的那个部分。
超级应用生态与平台博弈
我问这个问题是因为我最近看到有些投资人他们会有些观点说：Personal Assistant这个事情在中国它不是小玩家的游戏，它一定是大玩家的游戏。国内的话因为大家做产品都会非常非常地卷，特别是大公司对吧，就像你们做产品，一它有资源，它可能各方面的交互也会做得更好，所以这可能不是一个小玩家的游戏。它可能也不是从一开始就能够很容易去商业化的一个事情。
是，我觉得是。而且现在可能并不是最合适的阶段，就是马上去考虑商业化或者马上实施商业化。我们应该要考虑，但可能不一定是那么激进地要去做的时候。
创业者还有一个难的其实是跟Personal Agent的能力边界有关系。就模型现在的行动力或者说它长程规划能力都很强，看你给到它一个什么样的环境。你在一个虚拟世界里或者说一个受控的环境，它只能做那些事情。比如说只是给它一台虚拟机，它能做的事情就都在这个虚拟世界里面；但是它要是能够连接上真实的服务和真实的世界的话，它做的事情就更多。
对。
不是模型能力不行，是环境限制了它。在这方面其实确实可能一些大的平台或者这些，它会有自己原来积累的一些生态的能力，对，这是会有很大帮助的。
对，这个问题其实就是我接下来想要问的一个重点，就是Agent的能力边界以及它的access，这一点非常非常重要。比如说灵光2.0它在设计的时候，它有参考蚂蚁整个的生态或者阿里整个的生态，为此去决定它的产品形态或者它的比较明星的案例是什么样子的吗？
肯定是要考虑的。我前面举的第一个例子，就是账单那个例子可能就是一个。
对。
类似这些其实确实是要依托于蚂蚁的那个支付宝这些生态或者之类的，才能去做这些事情。也许很多从概念上，或者说各家的产品大的概念可能都有很多相似的一些地方，但它依托自己的生态能够发展出来的给用户提供的核心价值，可能还是不一样的。你比如说围绕着账单，或者围绕支付宝的支付，能够衍生出来很多跟省钱有关的。
蚂蚁的生态以及阿里的生态还给灵光什么样的优势呢？交付是一个非常高频发生的事情。
对。
出行也是。
对。第二个就是服务的提供方他到底在这整个变化里面处于一个什么样的心态和位置。你有自己的平台的话，也许你就能调用自己的那些能力，它就不存在这个问题。
比如说我们看到亚马逊就把Muse给挡在门外了对吧？
对。
你觉得它这个的动机是什么？冲突是什么？亚马逊作为平台方，还有比如说用户，还有Agent第三方也就是Meta，他们是冲突的吗？
我觉得最大的可能还是跟商业利益肯定是有关系的。亚马逊它的商业模式其实很依赖流量、很依赖广告这些。按照Personal Agent这个逻辑的话，假如说他不需要看到这个流量，他都不需要访问这个平台直接就能完成交易，这部分价值肯定是会受到很大冲击的，这肯定会有一些博弈在里面。
灵光跟阿里比如淘宝上，这种冲突就没有了吗？
也不是这样子，它不会说A就直接取代掉B。我觉得在很长的一个时间内肯定还是一个并存。用户习惯你说他以后完全就是以Agent为入口、不访问平台，我觉得不太会是这样子。
回到你前面的那个问题，大家都在一个大的生态或者那里面你要去协作或者这些，它当然是比外部的，尤其是像蚂蚁内部的这方面就会方便很多。
有没有一个什么样的方式能够让这三者的利益都是align的？
我觉得博弈会持续很长时间，但我还是前面说过的那个观点，我觉得真的核心就是要看这个方式它有没有创造增量。
这是最关键的。
你要是没有增量，大家都是一个零和的游戏，你肯定会打架；但是要是能够创造出增量来，其实就不一样。
比如说买咖啡。咖啡对有些人可能是必需的，对我来说其实不是必需的。开车的时候，我是不可能买咖啡的，但我想到买咖啡，我可能一句话就让它买咖啡。类似是这种场景，我觉得是有的。它不是一个能力的问题，有一系列可能跟支付、信任等等好多事情其实都是关联的。这个业界大家应该要一起去挖掘这些东西。
灵光2.0它的接口是怎么设计的？现在能接入哪些？
花借的账单，外部也有很多开放的，邮箱、钉钉、飞书。接口的话，各种各样的都有。如果商家开放的是MCP协议，那就可能是MCP的方式建；有些可能是类似A2A（智能体间协议）这种方式。
你觉得现在MCP跟A2A的方式，都进展到什么样的阶段了？
我觉得协议本身可能不是瓶颈，它已经是一些事实的标准了。像一些那种无状态的查询，或者说是那种比较简单的，其实就那个接口就可以了。但有些时候，它背后其实是带一些业务逻辑的。比如说我们和我们内部信贷那块的一些对接，我只是简单地问说，我这个花呗账单是多少，这个其实就一句话，一个接口就可以了。
但有时候用户其实很多查询不是这样的，他可能会问说，为什么我的额度这么低？我额度怎么提升？它背后是带业务逻辑的。这个时候，最好就是由信贷的Agent来回答，可能是一个最好的事情。因为这个业务逻辑，可能你外部不一定准确。这个时候可能是A2A这种会更好一点。
所以就是MCP跟A2A也不是绝对的哪一种更好，而是说……
我觉得不是，看情况，各种情况。
有一些不给权限的，现在是不是Browser Use是现在唯一的一种解法？
我觉得Browser Use也不一定解决问题，可能和不给权限的原因有关系。比如说亚马逊，你说我用Browser Use，其实它就变成一个对抗问题了。我是不允许你进来的，你如果硬要进来的话，那它就是一个对抗。对抗是不会有一个很好的结果的。
所以我觉得有一种其实它是有心开放，但是它可能就是不管因为某种原因，比如说很多的小商家，它可能没有这个技术能力，或者说没有额外的费用去做这样的一个接口，这个时候也许Browser Use是OK的，它本来就是开放的。但有些其实是不管哪种方面条件，我就是不让你用。它不是个技术问题，我觉得。Browser Use当然有很多技术难度，但我觉得它更大的问题，可能不仅是个技术问题。
所以听下来就是如果这个冲突大家没有办法达到一致的话，这其实会成为Agent发展的一个瓶颈。
对，会。
瓶颈不是技术本身。
我觉得不只是技术本身，而是大家首先各方要把大家的利益先给统一好。
对，我觉得很多复杂的问题都不纯粹是技术问题。你在业界看到这个趋势是什么样子的？大家越来越趋于统一呢，还是大家在坐下来开始谈合作了呢，还是处于一个对抗的阶段？
我觉得很复杂，普遍可能是在尝试，但是不好说未来一定会怎么样。
我们还是拿亚马逊那个举例子，大家的心态和那个其实是不一样的，各自有自己的一些利益。但有一些东西，我觉得它一定是会发生的。比如说用户的习惯，它不会说是一步就走到以后我只跟Agent交互，但是Agent一定会成为一个默认的选项，慢慢地会的。一旦大家尝试了，觉得它好用，其实这个就改不回来了。
对。
比如说我们有一个同事，前两个月他在卖家具。本来他在Facebook的marketplace上面拍照、上传、写caption，但是现在Muse就直接可以在marketplace上面帮他卖家具了。他介入的时间还有整个精力就会很少。当他能够习惯了这样的一个方式之后，再也不会他自己上去卖家具了，对不对？
是的。
我觉得习惯，这个趋势我觉得是比较明确的。但是在这个趋势之下，也许就不同的商家和平台，可能对待它的态度或者之类的，可能是各有各的一些想法。
高毛利的商家他有可能愿意去拥抱，比如说一些品牌方，我们可以说，就随便聊。有一些品牌方其实它的问题，因为它的利润其实是比较厚的，我觉得它应该会更积极地去拥抱它。因为它怕的不是说被人比价或者说是等等类似这些因素，它是担心别人替它乱说话。因为Agent怎么回答，其实它可能是不可控的。它的品牌形象可能对它是非常重要的，你替我乱说还不如我来说，我来主动接入这些事情。
因为Agent还有一个特点是什么呢？它是天生带比价的。价格可能就比较复杂了，有些它价值、不同的渠道，它定价可能都不一样。有些是很怕这些的，尤其是利润薄的话，可能会非常怕这个。但Agent天生会比价，它就把任何中间套利的部分可能都给剥了，都给抹掉了。所以小商家我觉得会更难一点，又不能不拥抱。你要不拥抱，有可能这流量一迁移他就看不到。但这些问题就比较难解。
对。然后刚才你说大平台它的利益冲突也是，因为刚才你说比如亚马逊，它为什么要拒绝Muse去访问，也是因为跟它的商业模式有关。商业模式还有它的整个广告，对吧？广告商需要给它付费来进行排名，如果Agent去了之后，这一块就完全会被颠覆掉。
是的，唯一的方法就是它可能要改变这样的商业模式。我觉得它自己一定会去尝试去做类似的事情。美国的生态，我觉得它还是很多标准化的，大家还是比较开放的。像国内的话，基本都是一些超级的平台、超级生态、超级APP。超级的生态它是自闭环，就自己闭环，从支付、购物等等的类似一系列东西闭环。但是国内有好几个类似的闭环，国外可能就是亚马逊可能是这么一个典型的代表，但其他我觉得还是比较分散。
是不是有可能我们会看到国内的Agent会最先落地？因为超级APP里面已经有这些生态在，有自己足够的那个，对吧？
我觉得也许。
安全防线与成本优化
我再来聊聊安全性。因为AI它总会有幻觉，Agent有可能会做出一些意想不到的事情。在安全方面，还有Agent也会犯错误这个层面，你们是怎么去设计的？
我觉得它是个生死攸关的事情，甚至它会影响整件事情的进展。前面我们说个人智能体，它会成为一个用户默认的习惯之一，但是可能会有一些条件可能会让它什么变化，我觉得刚才你说的这个事情可能是其中一个变化。比如说真的发生一些大规模的恶性事件，人们对它的信任没了的话，这事情肯定是往回退的。
我觉得它是至关重要的一件事情。我们在那上面其实是做了一系列的一些工作，但我觉得这块其实是要持续去做的。一方面，我们蚂蚁内部其实安全这块是有很深厚的一些积累的，比如我们和安全那边的APASS平台去合作做了一些安全保护方面的工作。举个例子来说，对用户账号密码的保障，我们是把它和Agent隔离的。
第二个，前面说的做错的那个事情或者之类，这里面其实可能是要对指令和执行的动作要做分级，不同等级的它要触发不同的权限的。比如说你支付，至少现在最简单的，当然是都让用户去确认。我们也在做另一个，蚂蚁集团整体也在做AI付那个事情。满足这个额度、这个场景，我可以帮你自动付钱。它可能是一个体系化要去配合的一些。
我们现在其实还是更偏向于是信息查询，还没有大规模地去做支付或者等等这些危险的动作。在我们这些基础设施完善之前，我觉得这块其实确实要特别小心的。
最后的决定权现在还是在人身上。
我觉得是的。
我要不要付款这件事情，现在还是得人。
是的。
到什么样的条件了之后，你觉得才可以让机器开始，可能有些小额的东西可以让机器自动付？
我觉得就刚才说的AI付，可能就是其中一个非常关键的基础设施。你满足什么条件我可以帮你付，什么场景可以付，这就是一个基础设施。
感觉支付宝是有非常多经验。
有不少的积累。规模化地去做这些事情，我觉得依然要特别小心。但同时我们也有一定的信心，因为我们在这方面，其实整个蚂蚁集团是有积累的。
我们之前还提到说，整个Agent背后技术的优化，让整个token消耗成本变低了。这也是在过去一年发生技术上面一个非常重要的里程碑。什么样的技术可以使得我们现在token的用量能够达到token效率最大化？
最大的肯定是模型技术的进展。同样尺寸的模型，我们在一些关键的榜单上去看，可能现在100B的模型比当时的也许1T的模型可能都高。这个其实进展可能是最大，而且它还持续地在往前去。成本达到能干活或者能做事，但是模型的消耗大幅下降，我觉得这是最大的一个动力。
其他还有一些就是产品形态上的一些，像个人智能体那些，其实我们看到Muse上面也有，像灵光里面也有。很多的一些任务其实是后台执行的，后台执行的任务它就是可调度。可调度就意味着你不用去挤峰值那块，类似削峰填谷那种，闲的时候去更合适的时间去调度它，它是能够更大效率地去把你这个硬件推理的资源给用好的。这些变化可能都会带来成本的优化和下降。
背后调用的都是最大的模型吗？还是小模型其实也可以完成一些任务？
有不少的事情小模型是能做的，并不是说都要用那个最大的模型。
所以下面有大模型、有小模型，然后不同的任务调度不同的模型来完成。
理论上应该是可以做到。但这块其实我们应该是有不少的优化空间，并不是说现在已经做得就非常好了。
你说的调度或者更新，所以你觉得接下来的优化空间是在调度这件事情上面吗？
我觉得还是在模型上。模型本身还是在那个上，调度可能是一个一起做的事情。模型还是会在持续地在进步的，我们能看得到。在百灵上我们看到很大的进步，现在的一些比较关键的，像AA或者等等公开的一些榜单，同样尺寸的模型对比当时的分数或者说那个来看，几个月的时间就进展非常快。
现在模型的进展真的是非常快，而且接下来我觉得RSI有了之后可能会更快。
个人智能体的进化与主动性
比如说在你自己的期待当中，肯定现在还是有一些事情Agent做不到。比如说有什么样的场景是现在AI做不到的，但是你觉得因为模型能力的进展，比如说在6个月之后或者是在1年之后就可以做到了的？
有一个点是我非常期待，但是现在其实是比较难的事情，就是说怎么让PA能够越用越好。
越用越好？
也不是说现在……
越来越懂你。
不仅是懂你，是越来越好。
你怎么定义“好”？
懂你很多是在记忆上的，更多了解你的，你解决上下文就可以了。但“好”它不仅是体现在记忆上，它可能还会体现在一些执行路径上。比如说我要帮你买一张飞机票，它知道你的喜好，这是更懂你；但它搜索的路径也好，或者说是它执行的路径或者说是等等，其实这些也是有优化的。比如说他查了10个平台或者10个航司或者说等等类似那些，但这条它可能是能够存下一些就是说最好的一些经验的。那这些经验它怎么能够下次能够效率更高地把这些事情给做成？
一方面是跟执行的成本效率有关，另一方面和效果也会有关系。因为你不能保证复杂的长程任务每次都成功，有时候也许是搜不成功的，可能超时了或者是那种。但是有这些经验之后，它成功率可能也会有。
概念其实很早就有一些，像Hermes上面也有类似自动去总结skill。但它不能随便实施，它可能会有副作用。
什么副作用？
副作用可能总结过度了。
什么叫总结过度？
比如说我说我今天不吃辣，你就说这个人永远不吃辣，类似是……
懂了。
你这个边界是很难那个的，错误地把你归类了，没有正确地识别你的意图。这个路径执行成功了，它以后就一定是个最好的吗？其实这是不一定的。而且我可能变，对吧？我今天不想吃辣，我明天想吃辣了。喜好是一方面，想想看前面说的类似执行的能力可能也是一方面。这个挺难做的，我觉得。
不是说现在完全做不到，就是在懂你这块，记忆上是会发挥很多作用的。但真的说是完整地、全自动地把前面说的用户执行的轨迹我们让它自动去优化，然后优化成一个系统的能力或者这种全自动地发生这样的一个就越用越好的，还是有很多的条件是需要去处理的。这里面的闭环不仅是记忆，像前面说的skill，其实模型也是一样的，模型应该吸收哪些、不应该吸收哪些。其实这里面概念上很多都是能跑，但真实运行过程当中，你要想保持持续真的是越来越好，还是很难的，噪声非常大。
但是你觉得在未来的几个月就会慢慢地……
我们希望。不一定说是未来几个月一定能够马上把这问题去解决了，我觉得它会是个持续进步的。站在用户的视角，就是说让他觉得是越用越好的。
刚才你提到长期记忆、长上下文的这个层面，觉得现在我们已经解决了这个问题吗？
肯定不能叫解决，我刚才举的那个例子就也不容易。
我觉得记忆其实我们可以把它分为三类，大的来说可以分为三类。第一类是那种长期偏好，它是相对稳定的。比如说我喜欢住某个品牌的酒店或者是等等类似，这些是长期习惯，它是比较稳定的。第二层是事实层，我觉得，它是真实发生的。就比如说我们拿前面说的旅行这个事情，今天我去了A、B、C这三个地方，D没有去，这是个事实。第三个就是说我今天就是一些临时性的事情，比如说我今天不吃辣，这就是个临时性的事情。
这之间是要区分开的，然后你什么时候应该是把它归结到哪一块？比如说我的临时性的事情，我怎么会上升到长期的偏好或者类似是这些，其实都是要分别去做处理的。我个人觉得PA在这块，它是相比原来的chatbot它是有一定的优势，会让它的记忆处理在某些方面它会有一些更好利用的东西。
因为PA里面，我们拿灵光来举例子，灵光里面有很多帮你管好某一件事情，这个事情通常是持续性的。因为有很多的用户交互和持续在里面，它是能够比较好地沉淀下事实那一层的，就真的发生过什么事情，因为它是个持续性的东西。
Chatbot里面，比如说我查了一个品牌的汽车，它不能说明什么问题。那代表我一定要买它吗？我只是查了一下，对吧？但是如果说我设定了一个目标，我要攒钱买什么什么车，那它这个就是用户设定的，就是你会知道它是一个事实，它在查询跟这个相关的事情。它会让一件临时性的一次性对话抽到刚才说的thread，它对这件事情会比较有帮助。你就可以说这是用户发生的事实，我从事实里面去抽长期的偏好或者是影响用户的答案，这种其实都是会更有利的。对比那种临时性的一次性对话，它会更有依据。
挺有意思的。其实这可能就涉及到另外的一个层面，就是AI的主动性跟被动性。如果是chatbot，它是完全被动的，对不对？但是PA它可以是主动的。它有的时候可能有点会太push你，这个度是要把握的。你今天要去完成什么目标，你明天要完成什么，然后才能完成一个长期你设定的目标。它可以是非常有一点激进的，有一点去push你的。我觉得我们这个度应该怎么去设计？
你这个是很好的问题，我们也是在探索。但我觉得这个信息我们可以把它分为三层。
第一类的事情，比如说还是旅行这个事情，跟你的行动直接相关的那些事情，我去push你。比如说你再不起床你看不到日出了，这个它push你是应该的，对吧？不然就是错过，它就失职了。这种跟你的行动目标直接相关的、在你的主路径上的事情，它是必须要做好的。
第二个事情是什么呢？就是那种它有一定的几率或者较大的几率会改变你的行动的那些事情。这个信息我认为其实也应该适当地发给用户，或者说其实应该以某种形式交付给用户的。它知道你很爱喝咖啡，然后在你的目的地旁边其实有一家评价很好的咖啡店，你有可能之前表现过那种“我会为了去品尝一杯咖啡，我可能会改变自己的行程”。一件事情发生，它不是在你主线上，但它很有可能会改变你的行动的这种事情，我觉得这种其实也应该要告诉他。
还有一种关于这个目的地的介绍或者说之类的，这种信息其实坦白说，它有可能有点像你的秘书放了一份材料在你的旁边，你爱看就看，你不爱看就不看。
所以我们一方面可能是对这种事情分层，不同的事情也许从交互方式上也不一样。一种就是强push，第一种事情可能应该强push；第二种它也许应该在对话里面提醒，或者说在一个专门的地方去呈现；第三种也许它应该放到一个桌边或者是一个额外的地方，它也应该可能要给你，但它至少不应该去发push来主动推你。我觉得灵光我们现在还是比较，还是有点偏保守，我们没有那么主动地去干扰用户。
是不是以后也可以有不同的模式？我想要一个比较激进的PA，你push我，然后不要让我太懒了，让我每天都做好多的事情。
是的，我觉得这里面其实也包含了个性化的，可以变成一个非常不同性格的、不同个性化的PA。对的，而且人的性格会影响前面说的一个事情的分层的。好的咖啡店对你来，假设你很爱喝咖啡，它也许对你来说是一件我前面说的B档的事情，但对我来说可能就不是，看有可能对你产生多大的影响。
而且这个就是你最开始说的增量，价值的增量，对不对？如果我不知道它有一个咖啡，我就不会去消费，我就不会去买；但是我知道了它，我想去尝试的话，那其实就是一个增量。
我觉得是这样子。
还有包括平时我不知道的一些，我不知道我不知道什么，但是如果一个PA可以给我说这个东西存在，你要不要去考虑一下，它其实是对我的认知跟信息，还有我选择上的增量。
是这样子。
最后也会变成一个消费上的增量。
有可能，有可能会是这样。我们现在还是比较偏保守，我们现在有点像是在做A这件事情，我们在尝试往B探索，我觉得是非常有价值的。
因为我举另外一个例子。我在用我一个朋友他的一个创业的APP，它的Agent的一个很好的功能，它会帮你把你最新认识的人跟你的人脉所有的串起来。比如说我去见一个人，它会跟我说这个人所有的背景信息，你应该怎么pitch（接触）他。它会知道大概你们聊了说你最近几天在哪里，比如说有一次我到北京了之后，它就主动给我提一个信息，说这个人最近应该也在北京，你去见一见他；或者它知道我的行程，说你马上要去机场，中间你有两个小时的空档，你应该去见一见他。我觉得这些对我整个的人脉跟我的社交网络是一个很好的作用。
是的，我觉得它能提供很好的惊喜感。我觉得就前面说的，至少B这一档我们一定是应该要去做的。
所以你觉得未来的机会可能创造出来的真的有价值的部分，是在B这一栏的。
对的，我觉得C和B可能都有价值。但是有一个判断，它有多大的几率能够改变你的行动？你知道这个信息以后，你有多大的机会、几率可能会改变？如果你改变的几率不大，它可能就属于C，属于你可能应该就知道最好、但不知道也无所谓的那种。B其实还是有，而且就是你前面说的，我觉得这是增量或者说惊喜。
如果我们要把B做好，需要什么前提条件呢？
前提条件就首先肯定得了解。因为前面说它是根据人去判断的，对A来说有可能改变A的行动，不一定改变B的行动。它还是说是，你说记忆也行，或者懂这个人，这是前提。第二个事情肯定是得有足够的信息也好，首先我得知道那个地方有这个咖啡店，而且我得知道它的评价不错或者等等类似这些。知道这些信息之后，我觉得有很多的技术手段是可以去做的。
我们现在大部分的Agent还是在A的阶段？
我觉得不是。A肯定是大部分Agent是必做的，不做的话它都成不了一个Agent。但是不同的产品，它可能选择的策略不一样。有些会非常主动，主动到像你前面说的，有可能会觉得它有点“啰嗦”，它就有可能太push了，有可能会太多。
命令我去见人。
是的，它有可能是把一部分C的东西当作A或者当作B了，可能不同的选择是不太一样的。我们现在还整体有点，我觉得太偏保守了，我们应该更主动地往增量去。
现在灵光是A，但是可能以后会往B？
我们现在A加一部分少量的B，我们希望探索更多的。
真实案例与硬件落地
这一点特别有意思。还有没有什么比较你内测下来灵光2.0比较有意思的真实案例，可以跟我们分享一下的？
我现在对它其实是深度依赖的，我确实是把一些生活当中的那个其实是托付给它了。
深度依赖指的是你每天都会打开它N次，时长是比较高？
比如说在旅行期间那个时候，就前面说的，我还拿新疆那个举例子，我用它的时长可能会上一两个小时。因为原来那个我们可能，我如果不是刻意地测它，我可能每天的交互可能是几次或者是十几次或者类似是那种力度，它不会是到那么长的时长。在把它当作一个PA，不是当作一个信息查询工具的时候，我会有太多的话想要跟它说了。
比如说我发生了什么变化呢？比如说刚才说的肚子不舒服或者是之类的，它会帮我规划，因为行程过程中会有很多变化。还不只是这样子，因为我觉得它的价值还在于说是它更了解我，它能够给我提供更好的东西，所以我甚至每天结束之后我会让……我的孩子也很愿意，他会去告诉它说，我今天喜欢什么、不喜欢什么，就主动让它去做类似的旅程日记。这个事情是可以在下一次旅程当中帮助到我们的，它制定的时候它就会更了解。也是说是看到这个价值，才会愿意去花这个时间。这中间如果交互做得更有意思一点，其实孩子也会更愿意去做，所以它的时长不自觉地就会拉上来了。
还有其他的，比如说是我比较喜欢跑步，我想去跑半马。一方面它帮你制定训练计划，你今天应该跑多少公里，明天应该练力量或者……这是一方面。第二方面比较有意思就是连接器，我们现在可以连上类似佳明的手表，然后体脂秤，然后像力量训练有一个叫训记，它这些都是可以打通。它的数据每天会定时地回去，我都不用跟它说我今天跑了多少时间，它自己就会总结好，就很省心。我打开它，有时候会给它反馈今天太累了或者是跑不动，或者……还有一种就是看今天的安排。以前我可能是要我自己主动查一下，说今天我应该干什么，现在它会推给我，你今天按照这个课表去跑就可以了。
这些深度的，真的是把一个自己关心的目标交付给它，把它当作一个PA去用。比如它也会犯错，犯错你就说它做错了，它会改。你深度地去用它，我觉得其实这个粘性是蛮高的。越用它越懂你，价值就会越高。我们也要去解决的，一个用户怎么让他能够更好地去用它。它不像对话那么直接，我说一个问题就会有一个答案，它是需要有一个过程的。
PA的最终形态会有持续在线这种形态吗？因为感觉那样它其实才会更懂你，但是持续在线又有非常多的技术挑战。
持续在线，我觉得它不一定说是一定要是持续在线。比如说我们真的说有一个助理，他也不需要24小时跟着你或者说是盯着你这样。
但好的助理24小时会很好。
我觉得最需要的时候它在，这种其实就可以了。比如说健身这个事情，其实它最关键的，其实一天当中就那么几个时间点。告诉你训练计划，然后你要是有结果以后它帮你分析，给你第二天的建议；你有问题的时候它能够说得清清楚楚。做到这几个点，其实它在这件事情上可能就合格了。像前面说的，我们在做更多B的事情，我们现在训练计划它可能有更好的一些建议，或者等等类似这些。
我觉得不一定说是要真正的持续在线，但是给用户的体感是持续在线。但是后台的技术上或者说是从运行上，它不一定要是这样。它在合适的时候“醒来”，能够去做好这件事情。
但如果要达到持续在线，它背后需要什么样的技术里程碑吗？
我还是前面那个观点，给用户体感的持续在线和真正技术实现上的持续在线可能是两回事。你要说我现在让一个PA 24小时不停机或者说在那跑，其实不是说技术做不到，主要是成本方面的。而且要看这样它创造的增量价值到底是什么，可能还是一个成本跟增量的博弈。
是的。
而且很多时候你空跑在那，如果没有增量了，价值也没有那么大。确实就是增量和成本会要一个平衡的。
你看好Agent Phone吗？
Agent Phone就是电话，还是……
电话、硬件。因为如果你是个APP的话，我总要把手机点开，按开之后你才能够在线，对不对？如果是一个硬件，一个端侧的硬件，它可以更好地实现来伴随以及接收信息，达到持续在线的PA形态。这个会是最终的一个形态吗？
我认为会往这方面去发展的。我就拿一个例子，有没有你开车的时候也想掏出那个来聊两句那种？它需求是在那的。那个时候打开手机、打开APP不是个最好的选择，但是如果有硬件或者车机或者等等、眼镜或者等等类似这些方式，可能是一个无处不在的PA。各种各样的硬件入口，我觉得这个应该会是一个趋势，人有这个需求在。
反正我自己，我不知道你会不会那样，我有时候开车的时候我也会想掏出手机来，我来问两个问题。
会，因为我开特斯拉。
但又危险，对吧？
但是我开特斯拉，所以它FSD的时候，有的时候你就会想掏出手机来干一些事。但是眼睛要不盯着前面，它的镜头就会判我违规。
所以你看，这不就是需求在，然后还没有被很好满足吗？它一定会被满足的，我觉得。耳机或者说是车机或者等等，这些我觉得它一定是的。
如果畅想一下，灵光3.0会是什么样子的？
我不敢说3.0是什么样子的，但是至少有几个东西，我觉得我们是比较明确的后续会持续地去往前。
一个就是我们前面聊到的，就是无处不在的PA。它随手都能够最方便的方式能够调到PA，有最自然的方式和PA去交互。我们现在其实很多还是语音或者文字的方式，然后也支持图片，实时地、多模态地交互或者等等，这些其实都是可以去做的，但技术上挑战也很大。
第二个我觉得背后还有一层意思是什么呢？它应该是连接更广泛的物理世界。现在我们还是虚拟世界加上一些服务，这个范围我理解它一定是会去持续地扩大的。然后中间这一层的PA或者说之类的，它能够非常可靠地完成任务。如果说要比较一个PA，我觉得最核心的就是这个，它是真的能够把你交付的任务是能够完成的，就可靠性我觉得是最底层的东西。
连接物理世界指的是？
物理世界可能就是有接口，也有可能是比如说和智能家居的一些连接，我们也会把它连上扫地机或者等等，它是很自然的。家居很多都是提供了类似这种接口的，我觉得这个还是挺需要的，而且这个条件现在就有。
举个例子，特斯拉它其实有个功能，我要进车的时候我可以预先设定好车内的温度。比如说在美国有的时候特别热，外面30多度，车里面可能都40多度了，但是我很多时候我会忘掉。比如说我的Agent知道说，我接下来要回车了，还有大概3分钟到车里边，我就不用你说，我提前连接好特斯拉的APP，让它帮我自动地调低温度。我觉得这是一个我愿意去付费的这样的一个Agent方式，因为它相比那个好处，它能够接收到更广。因为你刚才说的，可能特斯拉的APP上一样能我提前去让它开空调，对吧？但它不是主动的，因为它不知道什么时候我回去，这就是关键了。
PA它有更广泛的信息接触面。我随便举个例子，比如说陪孩子上辅导班，我不知道你们上不上，反正国内就是这样。
我现在娃1岁半还没有开始上，但是以后可能发生。
马上要开始上了。比如说上辅导班就是一个半小时，它知道我这个习惯是一个半小时，然后它也可以知道我什么时候进停车场。因为现在反正至少国内是这样，你要是停进去了，它智能无感停车，它是有信息会推送到支付宝的。它知道这个信息之后，而且是一个半小时，而且外部的温度可能是大于30℃的，这些事情可能都不用你说，它自动在那个时间点就帮你把空调提前打开，可能都是可以做类似这种联动。但是如果温度今天是比较凉，它就不会做这个事儿，而且你到达的时间长短跟这个也有关系。这些事情其实理论上都是可以去畅想，我觉得这些肯定不远。
还有最后两个比较私人的问题。我跟很多做Agent的创业者聊的时候，他们都非常兴奋，觉得说他们在创造一个真的是把人类生活变得更加方便、快捷的产品。你现在有类似的感受吗？
有的，我有很强的。
有没有几个瞬间让你觉得说，我现在在做一个非常让我激动的产品？
前面我举的一些例子，我觉得都有。
产品落地的真实瞬间与适老化展望
比如说我前面说的错题的那个，我孩子确实在数学上提分了。
真的吗？
真的。
从多少分提高到多少分？
他从80多提到了90。
很不错。
挺好的，这真挺好的。
而且它关键是省时间。原来它可能要——你去刷题也能那样，它是针对性地帮你去做。我觉得这个当时让我、最开始让我有第一反应，觉得这个东西就很有价值的。
还有我们出去玩的时候，前面说旅途的过程当中，我孩子主动要求说：“今天晚上我还没跟它说我的旅程日记。”我觉得有价值。
还有一些小的时间点。当时我孩子要给我太太买一个礼物，他就在问到底我买什么东西比较好。因为我们在行程当中其实是知道我们是国庆期间会去日本，然后它给了一条建议。前面给了一些正常的建议，后来给一个，它说：“你国庆要去日本，你不如现场去给妈妈挑，可能会更好。”那一刻我也觉得这个产品好像和以前有点不一样，它是真的知道你的行程，它不是那种范式的直接回答你，而是知道你要去日本，会建议你去日本现场给妈妈挑手串，非常个性化。这些瞬间让我觉得它有用。
下面我甚至希望我妈妈能够把它也用起来。要有一天她告诉我说这个东西对她很有用，我会更有成就感。
特别好。我觉得现在老年人其实会非常需要。我之前在跟另外一个采访对象聊天的时候，他说也非常担心现在全球的老龄化。因为孩子们都在工作，生活压力也很大，很多老年人是需要陪伴的，包括他们就医、个人的孤独、平时的社交，可能都是需要更多帮助的，但是现在的帮助是不够的。如果有一个能够真的帮老年人去不管是叫外卖，还是去更好地跟踪他们的各项身体指标，还是给他们提一些生活上的小建议，我觉得会非常有意义。
我就希望能够帮助到我们的普通人，能够去更好地生活。琐事交给灵光，大家有更多的时间可以去生活。
好的，特别棒。也希望我们的Agent产品越做越好。
谢谢。
能够帮助到更多的人。
好的，非常感谢您的时间。
总结与展望：个人AI助手的未来与挑战
那聊完了今天这期，我觉得一个非常明显的趋势是，AI正在变得越来越主动和能做事。但是要让个人AI助手真正地来到我们生活，还有几个需要解决的门槛。
那第一道是技术和信任的问题，第二道是生态和利益分配的问题，第三道是商业化。那这几个关键问题的背后，其实是一个技术和商业化的逻辑打通。
个人AI助手的终极竞争，可能不在于谁拥有最强的模型，而在于谁能够获得用户的信任，接入足够多的真实服务，并且持续创造可以被衡量的价值。
但是，这三道坎还需要公司和产品们一个一个地去打通和解决。但是我相信一旦解决，AI助手会开始非常自然地融入到我们的生活当中，能够把真正的时间还给人。
好，那感谢收看今天的《硅谷101》。你们的点赞、留言还有转发，是支持我们做好深度科技和商业内容的最强动力。我是陈茜，那我们就下期视频再见了，bye-bye！