灵光失速，阿福偏航：蚂蚁AI，为什么没有成为下一个支付宝？ 智见Time
（图源：被嫌弃的松子的一生）
编辑：经纬
6 月 29 日，媒体披露蚂蚁集团内部业务架构调整：灵光一号位寒洛将接管阿福部分职能，灵光团队成员亦将支援阿福功能建设。
去年 11 月，蚂蚁灵光高调进军通用 AI 与生产力赛道；同年 12 月，原健康管理应用 AQ 升级为阿福。半年过后，两者境遇迥异：阿福在垂类市场站稳脚跟，跻身健康类 AI 助手前五；灵光则未能进入头部梯队，用户规模与影响力逐渐落后。
究其根本，灵光受限于高度绑定的运行环境，而阿福更像为支付宝健康生态导流的“新广告”。在各大厂争相抢占 AI 超级入口的当下，蚂蚁似乎偏离了主线，尚未打造出 AI 时代的国民级应用。
Who is 灵光？
背靠阿里 系与雄厚资金，市场曾期待蚂蚁在 AI 领域复刻千问的成功。然而，灵光的发展路径显得迷茫。其产品初期主打三大功能：标配的“灵光对话”、多模态视觉交互“灵光开眼”，以及核心卖点"30 秒生成应用”的“灵光闪应用”。
前两者缺乏差异化竞争力，唯有“闪应用”引发关注。上线首月，官方宣称用户创造的闪应用总量达 1200 万个，功能一度因流量过大而拥堵。
（图源：灵光 App 官方微博）
事实上，Vibe Coding（自然语言编程）概念早已存在，且 Cursor 等工具 在专业端已实现自动阅读项目、修改代码及迭代的全流程。灵光的创新在于将 Vibe Coding 下沉至消费端，并推出“灵光圈”社区及亿元激励计划，鼓励用户分享与二次创作。
（图源：Cursor）
（图源：灵光）
消费端需要 Vibe Coding 吗？
蚂蚁 CTO 何征宇将灵光定位为效率工具，但实际场景中，用户创建的闪应用多为生活服务 、娱乐游戏等，被戏称为"AI 界的 4399"，这与效率初衷背道而驰。
更深层的问题在于定位偏差：随着通用大模型能力提升，用户更倾向于直接使用助手解决问题，而非生成独立 App；而传统移动互联网已覆盖绝大多数应用场景。加之闪应用对灵光体系依赖度高、C 端编程需求弱、用户黏性不足，导致其月活远不及千问。
此外，闪应用的高 Token 消耗带来巨大的服务器成本压力。在生产端，Vibe Coding 由企业买单；而在消费端，灵光难以验证其变现能力。
不像 AI 的阿福
与灵光相反，阿福成功构建了商业闭环。医疗类用户需求高频、意图明确且付费意愿强。阿福不仅提供咨询，更联动蚂蚁核心的医疗与保险 生态，打通从健康管理到保险支付的全链路。
严格意义上，阿福并非纯粹的 AI 产品。受限于法律法规，AI 无法独立完成坐诊、开方及报销等流程，其回答也仅作为参考。在减肥、饮食等通用建议上，阿福并无独特性，其核心竞争力在于“问完问题后能做什么”。
（阿福、千问、豆包相同问题回答对比，图源：阿福、千问、豆包）
今年 5 月，浙江省级医疗智能体“安诊儿”与阿福对接，提供挂号、云陪诊、报告 解读等服务。此前，阿福（原 AQ）已连接超 5000 家公立医院及百万医生资源，甚至引入专家"AI 分身”。6 月，阿福联合太平洋健康险推出新品，引入"AI 健康管家 + 真人顾问”模式。
（图源：网络）
显然，阿福作为 AI 的技术意义，远不及其作为生态服务引流入口的商业价值。然而，这也带来了数据隐私挑战。医疗健康数据高度敏感，用户是否愿意持续托付数据，以及平台如何建立透明机制，将是阿福未来的关键考题。
（图源：蚂蚁阿福隐私条款）
不是问题，也非答案
尽管定位垂直，阿福仍能回答非健康类问题。当前行业趋势已从比拼模型技术转向产品体验，这也是垂直类 AI 产品依然坚挺的原因。
（图源：蚂蚁阿福）
蚂蚁百灵大模型虽形成了 Ling、Ring、Ming 三大家族，为灵光和阿福提供技术底座，但其性能并未跻身第一梯队。据 Artificial Analysis 数据，百灵主模型 Ling-2.6-1T 得分 26 分，与百度文心 5.0 相近，远低于阿里千问 3.7 Max 的 46 分及智谱 5.2 的 51 分。综合来看，百灵与头部模型存在至少两至三个月的技术代差。
（图源：Artificial Analysis）
百灵既未成为蚂蚁的负担，也未成为解药。灵光未能跑赢通用入口之争，阿福则演变为生态服务的新入口。这揭示了一个现实：蚂蚁尚未建立起真正的 AI 护城河。
摆在蚂蚁面前的选择十分现实：是继续投入资源追逐渐行渐远的通用 AI 入口，还是放弃执念，将医疗、支付等优势能力与 AI 深度融合，在现有生态中挖掘更多价值？移动互联网时代，蚂蚁定义了支付；而在 AI 时代，它仍在寻找自己的位置。
关注
在线咨询
智见Time