蚂蚁灵光 2.0 发布：AI 不只回答问题，开始替用户长期管事

蚂蚁集团今天（2026 年 10 月 27 日）正式发布灵光 2.0，把产品定位从对话式 AI 助手推进到能够主动发现需求、跨会话运行并持续管理事务的个人智能体。 这次升级的重点不是再加一个聊天入口，也不是把回答写得更长，而是让 AI 在用户退出对话后仍能继续工作，并在价格变化、行程调整、缴费续订、家庭待办等关键节点主动回来找用户。

灵光 2.0 是一款以跨会话记忆、长程任务调度和多工具连接为核心能力的个人 AI 助理。 按照蚂蚁方面的介绍，用户完成授权后，灵光可以读取已接入的信息和服务，识别潜在需求，持续监测外部状态，并在需要确认或处理时发出提醒。换句话说，它试图从“你问一句、我答一句”的 Chatbot，变成一个有待办列表、能盯进度、也知道何时回来汇报的数字助理。

核心变化不是更会回答，而是任务不会随着聊天窗口关闭而结束

跨会话记忆是指 AI 能够在多次独立交互之间保留经过授权的用户信息、任务状态和历史决策，而不是每次打开对话都从零开始。 传统聊天产品即使支持历史记录，也往往只是让模型重新读取旧消息；真正用于事务管理的记忆还需要区分长期偏好、临时状态、敏感数据和已经失效的信息，并允许用户查看、修正和删除。

长程事务管理是指 AI 在数小时、数天乃至数月内持续追踪一个目标，并根据环境变化调整下一步动作。 例如，“帮我找一张去杭州的机票”属于一次性任务，而“订票后持续观察价格，如果出现可退改且总成本更低的方案就提醒我”才是长程任务。后者需要保存当前订单、周期性获取新价格、比较退改成本，还要判断什么时候值得打扰用户。

灵光 2.0 依托独立云主机保持任务运行，从而突破单次会话和前台在线状态的限制。 用户退出 App 或关闭聊天窗口后，已经托管的任务仍可在云端继续执行；当接入的数据发生变化时，系统再启动后续分析、调用工具或通知用户。这种架构更接近一台持续在线的远程工作电脑，而不是一个只有收到消息才开始推理的聊天机器人。

灵光 2.0 将 AI 介入任务的起点从“接到明确指令”提前到了“发现可能需要处理的问题”。 过去的典型流程是用户发现异常、整理背景、描述需求，再让模型给出建议；现在的目标是由智能体先观察授权范围内的信号，再把值得关注的事项推给用户。AI 从响应器变成监测器，产品价值也从回答质量转向发现率、完成率和误报率。

这个差别可以用一张表说明：

| 产品形态 | 任务如何开始 | 用户离开后是否继续 | 是否保存任务状态 | 是否主动提醒 | 典型场景 | |---|---|---:|---:|---:|---| | 传统对话式 AI | 用户提出问题 | 通常不会 | 以聊天记录为主 | 较弱 | 问答、写作、总结 | | 单次任务型 Agent | 用户下达明确目标 | 部分支持 | 保存当前执行上下文 | 有限 | 做表格、查资料、操作网页 | | 灵光 2.0 | 用户指令或授权后的需求识别 | 支持云端持续运行 | 强调跨会话记忆与动态状态 | 支持关键节点提醒 | 账单、出行、家庭和跨平台事务 |

这次升级真正跨过的门槛，是把“上下文”变成了“状态”。 上下文只是模型回答时参考的一段信息，状态则意味着系统必须知道任务当前走到哪一步、哪些条件已经满足、下一次检查在什么时候，以及任务是否仍然有效。前者主要考验大模型，后者更依赖调度系统、身份体系、工具连接和异常恢复。

支付宝账单是灵光最现实的切入口

消费管理是灵光 2.0 最容易建立差异化的场景，因为蚂蚁拥有支付宝生态内较完整的交易与会员服务连接。 在用户授权后，灵光可以梳理账单记录、识别可能被遗忘的自动续费订阅、分析消费习惯，并根据长期支出结构给出节省建议。

自动续费识别比普通账单总结更接近一个有实际回报的 Agent 任务。 一份月度消费报告看完就结束，而订阅管理涉及周期判断、商户识别、金额变化和后续提醒。例如某项服务每月扣费 25 元，用户已经数月没有使用，智能体需要先从连续交易中识别订阅关系，再在下一次扣费前提醒，而不是等扣款发生后才做复盘。

支付宝生态是灵光相较通用 AI 助手最重要的先发优势，但生态数据并不会自动转化为可靠体验。 系统仍要处理家庭代付、退款冲正、名称模糊的商户、偶发消费与固定订阅之间的区别。如果识别错误过多，所谓主动服务就会迅速变成通知噪音；如果建议过于保守，用户又感受不到它与普通账单工具的差异。

出行任务从“帮你订完”延伸到“帮你盯到结束”

出行场景最能体现长程任务的价值，因为一次旅行会连续经历预订、价格变化、值机、延误、改签和目的地状态变化。 灵光 2.0 可以在机票或酒店预订完成后继续关注价格，发现降价机会时通知用户，而不是把支付成功视为任务终点。

真正有用的降价提醒必须计算总成本，而不能只比较页面上的票价数字。 如果新机票便宜 200 元，但原订单退票费为 300 元，这次降价就没有操作价值；如果酒店支持免费取消，重新预订则可能直接节省费用。长程智能体需要理解订单规则、时间窗口和用户偏好，这比抓取一个价格复杂得多。

突发变化更考验灵光的计划重排能力，而不是语言生成能力。 此前的小范围内测信息显示，灵光关注的用例包括航班延误、景区限流后重新规划路线等变量较多的任务。一个合格的结果不只是说“航班延误了”，而是结合后续接驳、酒店入住时间和退改条件，给出可以执行的新方案，并把需要用户拍板的动作单独列出。

家庭事务可能比办公场景更需要长期记忆

家庭事务的共同特点是频率不高、后果明确，而且人很容易忘。 儿童疫苗接种、宠物驱虫、家人纪念日、车辆年检和家电耗材更换，都不是复杂到人类无法处理，却需要在正确的时间重新出现。相比让 AI 写一篇文章，这些任务更能证明跨会话记忆是否真的可靠。

灵光 2.0 在获得授权后可以关注钉钉班级群中的老师通知，并从大量聊天消息里提取重要信息和待办事项。 例如老师在群里发送活动时间、服装要求和文档模板，系统可以将信息结构化，形成待办，并继续完成文档排版等后续工作。这里的难点不是总结群聊，而是准确识别哪条通知与当前家庭有关，以及哪些动作已经完成。

家庭场景也会把多用户权限问题推到产品前台。 一条班级通知可能涉及孩子、父母和老师，一台米家设备可能由多个家庭成员共同控制，账单则可能包含高度敏感的个人信息。灵光必须明确“谁授权、谁能看、谁能执行”，不能因为接入了家庭服务就默认所有成员共享全部数据。

MCP、CLI 和服务连接决定了它能不能真正做事

MCP（Model Context Protocol）是一套让 AI 应用以标准化方式连接外部数据源和工具的协议。 灵光 2.0 支持在开放环境中调用 MCP 工具，这意味着它的能力边界不必完全取决于蚂蚁内置了多少功能，开发者或服务方可以通过统一接口向智能体提供查询和操作能力。

CLI（Command-Line Interface，命令行界面）是通过文本命令操作软件和系统的交互方式。 对普通用户而言，CLI 不会直接出现在前台，但它能让智能体调用成熟的开发和运维工具，完成文件处理、自动化任务或跨系统工作流。MCP 更像统一插座，CLI 则像大量已经存在的电器；两者结合后，AI 才有机会从“会说”走向“能操作”。

灵光目前披露的服务连接已经覆盖支付宝账单、会员、出行，以及钉钉、飞书、邮箱和米家。 这组清单横跨支付、办公、通信与智能家居，说明蚂蚁并不打算把灵光限制为支付宝内部的消费助手，而是希望它成为跨平台的个人事务入口。

| 已披露连接方向 | 可管理的信息或设备 | 潜在任务 | 主要风险 | |---|---|---|---| | 支付宝账单与会员 | 交易、订阅、会员状态 | 识别续费、消费分析、到期提醒 | 财务隐私、误判交易 | | 出行服务 | 机票、酒店及价格状态 | 降价监测、行程变更跟进 | 退改规则理解错误 | | 钉钉、飞书、邮箱 | 消息、通知、文档与日程 | 提取待办、整理日程、发送信息 | 错发消息、读取范围过大 | | 米家 | 智能家居设备状态 | 设备控制、耗材巡检 | 误操作、家庭成员权限冲突 | | MCP 与 CLI 工具 | 第三方数据和系统能力 | 跨平台自动化工作流 | 工具可信度、命令执行安全 |

个人智能体的竞争最终不是“接了多少工具”，而是“在多少异常情况下仍能可靠收尾”。 一个工具调用成功并不等于任务完成：邮件可能发错收件人，设备可能离线，航班信息可能滞后，第三方服务也可能修改权限。成熟的事务管理系统需要确认机制、失败重试、操作日志和回滚能力，这些工程细节比演示视频更重要。

APASS 负责给主动型 AI 加上权限边界

APASS 是蚂蚁面向跨智能体、跨设备、跨应用和服务场景设计的统一账号与安全管理基础设施。 灵光 2.0 接入 APASS，将身份认证、意图安全和隐私保护纳入 Agent 的执行流程，用来解决“智能体代表谁、被允许做什么、凭什么访问服务”这些基础问题。

授权密钥与 Agent 分离托管，是 APASS 披露的一项关键安全机制。 智能体在执行任务时不直接接触用户的授权密钥，而是由独立安全层完成凭证保管和权限校验。其思路类似移动操作系统的权限沙箱：应用可以申请调用相机，却不应获得绕过系统长期控制相机的能力。

权限控制必须细化到具体动作，才能支撑长期托管。 “允许读取支付宝信息”范围太宽，更合理的授权应当区分读取账单、查看会员、创建提醒和发起交易；“允许访问钉钉”也应区分读群消息、整理文档和代用户发言。尤其是支付、发消息和控制家电等高风险动作，默认要求用户确认仍然是更稳妥的设计。

主动型 AI 的风险会随着运行时间和连接数量增加。 一次聊天答错，用户可以忽略；一个持续运行数月的智能体如果错误理解规则，可能重复提醒、误删任务，甚至在错误时间调用设备。因此，用户能否随时查看授权、调整范围、暂停任务和追溯执行记录，将直接决定灵光 2.0 能否获得长期信任。

灵光 2.0 与 Meta Muse 的方向相似，但本土生态是更大的变量

灵光 2.0 所属的个人智能体赛道，正在从模型能力竞争转向服务连接和持续执行竞争。 今年 10 月的小范围内测报道曾将其与 Meta 在 9 月推出的个人智能体 Muse 对比，两者都试图介入用户日常生活，并持续跟进已经交代的事项。

现阶段更适合比较产品路线，而不适合比较跑分。 蚂蚁尚未公布灵光 2.0 的长程任务成功率、提醒误报率、平均运行时长、工具调用成功率或用户留存数据，公开信息中也没有统一基准能够证明它比其他个人智能体更可靠。缺少这些数字时，“能做”与“稳定可用”必须分开看待。

| 对比维度 | 传统通用助手 | Meta Muse 路线 | 灵光 2.0 路线 | |---|---|---|---| | 核心定位 | 问答与内容生成 | 介入日常生活的个人智能体 | 管理生活与跨平台事务的个人智能体 | | 运行方式 | 以用户即时请求为主 | 强调持续跟进 | 独立云主机持续运行 | | 记忆形态 | 会话历史或用户偏好 | 长期个人上下文 | 跨会话记忆与任务状态 | | 主要入口 | 聊天框 | 个人生活任务 | 支付宝生态加开放工具 | | 已披露差异点 | 模型覆盖面广 | 全球社交与个人数据场景 | 账单、出行、钉钉及生活服务连接 | | 当前待验证指标 | 回答准确率之外的执行能力 | 长期任务可靠性 | 完成率、误报率、安全与授权体验 |

蚂蚁的优势不是拥有一个别人没有的大模型，而是拥有支付和生活服务中的高频状态。 账单是否扣款、会员是否续期、机票是否降价、订单是否变化，这些结构化信号天然适合触发任务。相比只读取公开网页的通用 Agent，灵光更接近真实交易链路，也更容易产生可以量化的用户收益。

蚂蚁的劣势同样来自这些高价值数据，因为用户对财务和家庭信息的容错率极低。 一次内容总结错误可能只是不够好用，但一次错误续费判断、一次群消息误发或一次设备误操作，都会让用户收回授权。灵光 2.0 面对的产品标准不是“偶尔表现惊艳”，而是“长期不添乱”。

从聊天框到事务面板，是一次产品逻辑重构

灵光 2.0 新增的事务化界面比模型升级更值得关注。 此前内测信息显示，新版加入“我的生活”入口，并以“需要你关注”和“正在帮你管”组织内容：前者汇总需要用户决策的节点，后者展示仍在后台运行的长期事项。

这种界面把聊天从产品主体降级为任务创建方式。 用户仍然可以用自然语言交代事情，但后续查看的重点不再是消息流，而是任务状态、下一次检查时间、最近变化和待确认动作。对于个人智能体而言，任务面板可能会像今天的聊天列表一样，成为新的核心信息架构。

主动提醒的关键指标不是推送数量，而是每次打扰带来的价值。 灵光若每天报告大量无关紧要的价格波动，用户很快会关闭通知；如果只在可节省明确金额、即将错过期限或计划必须调整时提醒，主动性才会转化为信任。未来值得关注的不是它一天能跑多少任务，而是提醒采纳率和无效提醒比例。

这次发布有方向价值，但距离“放心托管”仍有三道关

第一道关是记忆可控性。 用户需要知道灵光记住了什么、信息来自哪里、保留多久，以及如何纠正错误记忆。长期记忆一旦混入过时信息，智能体后续每一次判断都可能建立在错误前提上。

第二道关是执行可靠性。 长程任务会遇到网络失败、服务接口变化、权限过期和数据冲突，产品必须展示失败状态，而不是让任务悄悄停止。对于高风险操作，灵光还需要区分建议、待确认和已执行，避免让用户误以为系统已经完成动作。

第三道关是商业与资源成本。 独立云主机、周期性监测和多次模型推理都会持续消耗计算资源，但蚂蚁此次没有披露灵光 2.0 的具体收费方案、免费额度或后台任务限制。一个长期在线的智能体比单次聊天更贵，未来是否限制任务数量、检查频率和工具连接范围，会直接影响实际可用性。

灵光 2.0 的方向是对的，因为用户并不缺少另一个会聊天的 AI，而是缺少一个能记住事情并在正确时间回来处理的系统。 不过，它能否从“演示里很聪明”走到“日常中值得托付”，取决于任务完成率、误报率、权限透明度和异常处理，而不是生成文字的流畅程度。

这次发布可以视为国内个人智能体从问答阶段进入事务管理阶段的明确信号。 当 AI 开始长期观察账单、行程、群聊和家庭设备后，竞争核心也随之改变：模型仍然重要，但真正的壁垒将是数据连接、身份安全、任务调度，以及在数千次不起眼的执行中保持稳定。

参考来源

• IT之家：蚂蚁灵光 2.0 发布，升级为“能管事的 AI 助理”——介绍跨会话记忆、独立云主机、生活场景连接及 APASS 安全机制。
• IT之家：蚂蚁“灵光”开启新版本小范围内测——披露灵光 2.0 内测方向、长期记忆、MCP 工具调用及长程任务用例。