想要在手機(jī)放一個 AI 助手，選項不少，但要么像個「高級復(fù)讀機(jī)」，要么是信息的搬運(yùn)工——天知道，我想要的是一個能真干活的助手，一個除了能說還能動手的「創(chuàng)意合伙人」。

今年你應(yīng)該也感覺到了，AI 正在從「能聊」變成「能干」。OpenAI 搞了個 Atlas， Google 即將發(fā)布的 Gemini 3.0 讓 AI 直接操作電腦……大家都在玩同一個方向：讓說話變成操作，讓對話變成動作。

剛剛，螞蟻也推出了一個新的全模態(tài)通用 AI 助手靈光。它不跟你繞彎子，你開口，它動手——把你腦子里的想法，變成眼前能看、能用、能玩的東西。

從回答到表達(dá)，AI 也需要信息美學(xué)

靈光的落地頁是熟悉的對話窗口，只需要用自然語言發(fā)起請求，比如「告訴我這罐飲料的熱量」或「記錄一下今天的飲食攝入」，極大地降低了上手時的學(xué)習(xí)成本，也讓整個 App 顯得比傳統(tǒng)應(yīng)用更流動。

看起來還是像聊天對話?。科鋵?shí)，跟靈光的每一句對話，對它而言都是一次行動。下面是三個你很可能也會用到的真實(shí)例子。

最近因?yàn)槿\(yùn)會，廣州也享受了一把網(wǎng)紅城市的待遇，尤其是廣州塔，每天都被游客包圍。我問了靈光，「廣州塔在建筑設(shè)計上有何特別之處？」它返送的不只是文字說明，還帶上了一個可交互的 3D 建筑模型。

可以旋轉(zhuǎn)、可以拉近看結(jié)構(gòu)細(xì)節(jié)，可交互的形式讓我清晰直觀地感受到了廣州塔雙面扭轉(zhuǎn)結(jié)構(gòu)、斜交網(wǎng)狀外筒的設(shè)計語言。

在和靈光的對話中，它不僅能告訴你答案「是什么」，還能讓你看到答案「長什么樣」。文本、圖像、結(jié)構(gòu)動畫都整合在一起，整個問答體驗(yàn)，就像在對話里放進(jìn)了一個實(shí)時生成的「解說圖文」。不管是建筑專業(yè)學(xué)生、城市愛好者，甚至只是出于興趣想多了解這座地標(biāo)，都能真的省下了你一點(diǎn)點(diǎn)搜索、翻頁、拼湊資料的時間。

緊接著，我補(bǔ)充了一個追問「那幫我規(guī)劃一個附近的美食打卡行程吧」，它馬上理解這個「附近」是廣州，并直接生成了一張可縮放的交互地圖，標(biāo)注了六七家風(fēng)格不同的小店，甚至還有「隱藏路線」。每個點(diǎn)位都能點(diǎn)開看推薦理由、評分、營業(yè)時間，甚至還順帶估算了步行路線。

驚人，直接在手機(jī)上就能生成可以交互的內(nèi)容展示，放眼整個行業(yè)也并不多見。

如果說這兩個案例是讓人感受到「好看、酷炫」，那接下來要展示的，是靈光的「理性美」。

對于一個優(yōu)秀的通用 AI 助手來說，一問一答顯然是不夠的，而是要能實(shí)現(xiàn)結(jié)構(gòu)化的輸出，也就意味著需要對信息語義的深度理解和再組織——不僅是檢索信息，更能提煉信息點(diǎn)，智能理解語義并進(jìn)行分層。

比如，碰到「為什么消費(fèi)品牌正在出售中國區(qū)業(yè)務(wù)/為什么擬物風(fēng)格的 UI 設(shè)計會退潮？」這些既需要宏觀視野，也需要微觀分析的問題，靈光的回應(yīng)方式并不依賴大段大段的文字，而是先拆解出關(guān)鍵因素——如消費(fèi)市場變化、品牌生命周期、股東壓力等——再依此組織內(nèi)容輸出，形成一組因果清晰、邏輯遞進(jìn)的解釋結(jié)構(gòu)。

以標(biāo)題+概括的卡片式風(fēng)格，鑲嵌在一個完整的圖文里，可以避免枯燥，又不像 PPT/網(wǎng)頁報告那樣冗長無重點(diǎn)。這樣的結(jié)構(gòu)化輸出不僅邏輯清晰，也在視覺上展現(xiàn)出一種「信息美學(xué)」：干凈、聚焦、節(jié)奏舒適，不僅讓信息吸收更高效，也模擬了專家型寫作者的內(nèi)容組織方式，讓 AI 輸出更像一份「講得通」的深度內(nèi)容，遠(yuǎn)不僅是「查得到」的淺層答案。

你可能已經(jīng)想了一路了：這到底是怎么做到的？為什么能既結(jié)構(gòu)清晰，又視覺友好，還能實(shí)時互動？

其實(shí)在接收到問題時，靈光會調(diào)動一套以代碼生成為核心的內(nèi)容創(chuàng)建流程。無論是圖文、地圖還是 3D 動畫，底層都是由模型即時寫出對應(yīng)代碼、樣式和組件，再動態(tài)拼裝呈現(xiàn)出來。要完成這些工作，并不是由一個大模型孤軍奮戰(zhàn)，而是由多個智能體協(xié)作實(shí)現(xiàn)：有的負(fù)責(zé)圖像，有的負(fù)責(zé)布局，有的調(diào)取數(shù)據(jù)結(jié)構(gòu)……像搭積木一樣。

既整合不同內(nèi)容體裁，又能適配常見的內(nèi)容呈現(xiàn)方式，從而給出極其自然的內(nèi)容。最終實(shí)現(xiàn)的效果，也更適合轉(zhuǎn)發(fā)、截圖、總結(jié)成「朋友圈可用」的內(nèi)容——既有理性判斷，又能傳遞個人觀點(diǎn)和情緒。

一句話、30 秒，給自己做個 App

如果說對話中能做圖、做路線規(guī)劃已經(jīng)夠神奇，那么接下來的能力接近「魔法」：用鍵盤敲一句需求，它就能直接幫你把一個小 App 搭好。

用 agent 生成應(yīng)用，現(xiàn)在處于一個比較尷尬的位置：很多應(yīng)用總是卡在「能理解、不能執(zhí)行」的斷點(diǎn)上。而靈光的「閃應(yīng)用」瞄準(zhǔn)的就是這個痛點(diǎn)，對話已經(jīng)超越調(diào)用和請求工具的步驟，能夠做到直接生成工具。

是的，不是生成一段代碼、一個原型、一個建議，而是原地生成一個「即刻能用的工具」。實(shí)現(xiàn)想法終于不再是程序員專屬的快樂，閃應(yīng)用可以給每個普通人親手「造東西」一個起點(diǎn)。

來看看它是怎么讓「想法落地」變得這么輕巧的：我給它的第一個任務(wù)是，「我想要一個能把長文本拆分成更小段落的工具」。

僅僅 30 秒，一個可以設(shè)置段落數(shù)、自動分段文件的小工具就出現(xiàn)了，甚至不需要打開新頁面，它會將生成結(jié)果直接嵌在對話流中，點(diǎn)開即用。

再來一個輕巧又實(shí)用的例子：做一個菜單翻譯器，這里的要義在于：既能把外語菜名翻譯成中文讓我知道是什么，又能原樣朗讀出外語，方便我點(diǎn)菜。

理解文字，生成語言，組織界面，并且用聲音反饋——這些能力以前得靠多個組件組合才能實(shí)現(xiàn)，可能還需要我詳細(xì)解釋代碼邏輯，現(xiàn)在只用一句話，它就全都打包完成。

無論是出國旅行用來點(diǎn)菜，還是練習(xí)口語用來熟悉菜名表達(dá)，這樣的小工具一經(jīng)生成就能上手，真正做到了「即做即用」。這背后是一套完整的應(yīng)用構(gòu)建：不僅能輸出前端頁面，還能一并調(diào)用大模型的后端能力。不僅給你實(shí)現(xiàn)了代碼，還免費(fèi)給你上 UI 設(shè)計。像翻譯、語音合成這些動態(tài)模塊，全都集成在這個小工具里。

這樣一來，生成出來的成品就不只是個 demo，而是真的能與用戶實(shí)時互動、響應(yīng)輸入，具備完整的前后端邏輯閉環(huán)。

與其花時間翻遍整個應(yīng)用商店，拿閃應(yīng)用一分鐘做一個完全貼合我個人需求的小工具，顯然更快也更好。靈活、即時、零門檻。它不是通用解法，而是「為這一次定制」的臨時小解決方案，卻能激發(fā)普通人對「創(chuàng)造」的心理滿足感——哪怕不懂開發(fā)，也能憑一句自然語言體驗(yàn)「自己做了個小應(yīng)用」的快樂和分享沖動。

帶著「眼睛」展開互動

實(shí)時視頻已經(jīng)是目前 AI 助手的「標(biāo)準(zhǔn)配置」了，靈光給這個功能起了個相當(dāng)有創(chuàng)意的名字：開眼。還真挺貼切，不是靠打字輸入，而是打開攝像頭，如同給 AI 打開了眼睛，接受另一種自然語言：視覺語言。

比如舉起手機(jī)對準(zhǔn)一杯奶茶，屏幕上馬上浮現(xiàn)出飲食建議、保存注意事項，還帶著幾個延展提問，滿足你的好奇心：

這個功能在食品藥品上非常方便，無論是給自己選，還是給父母買了新產(chǎn)品他們卻不認(rèn)識時，靈光開眼正好能大展身手。

開眼的特點(diǎn)在于，通過流式識別，超越簡單的「認(rèn)得一個東西」，而是變成了能做出響應(yīng)、展開對話的智能視覺入口。它能理解你此刻潛在的意圖，主動發(fā)起跟進(jìn)動作，把一次鏡頭下的識別。變成一套連貫的行為鏈條。

比起那些只能識別 Logo 或商品的舊時代 AI 視覺，它明顯走得更遠(yuǎn)了一步：不僅識別是什么，還試圖理解你為什么看它、接下來可能需要什么。

也就是說，它把「攝像頭」變成了另一個對話渠道，一種通過視覺引導(dǎo)交互的對話，真正意義上的「開眼」：帶著「眼睛」展開互動。

把「創(chuàng)造」這件事交還給了每一個人

語言就是編碼，需求就是原型。對話從來不是最終目的，它真正的價值在于：變成生產(chǎn)力的觸發(fā)器。靈光打破了「提問—回答—再動手」的傳統(tǒng)路徑，把語言本身變成工具的起點(diǎn)。讓「我有個點(diǎn)子」變成「我已經(jīng)做出來了」之間的路徑更短、更直覺。

原本需要懂代碼、設(shè)計、產(chǎn)品邏輯的人才能做出的 App，現(xiàn)在用一句自然語言就能生成。普通人第一次可以用日常語言直接「生產(chǎn)」一個功能工具、一張內(nèi)容卡片，或者一段交互流程，「自己做自己的產(chǎn)品經(jīng)理」。這種從「會說話」到「能造物」的躍遷，標(biāo)志著生產(chǎn)力門檻的全面打開。

在 AI 行業(yè)的下一階段，拼的早已不只是「誰的模型更強(qiáng)」，而是「誰能把能力轉(zhuǎn)成體驗(yàn)」。年初 DeepSeek 引領(lǐng)了中國在開源模型的浪潮，2025 年快結(jié)束了，我們在靈光上看到 AI 交互范式新可能性。它用非常具體的方式，示范了一條關(guān)鍵路徑：從底層大模型，到中層工具能力，再到用戶側(cè)的應(yīng)用產(chǎn)品。

這一次，「AI 能做什么」終于從實(shí)驗(yàn)室語言，變成了用戶能用的日常動詞。把「動手做」變成了「開口說」，也把「創(chuàng)造」這件事交還給了每一個人。