一款会“思考”的相机？蚂蚁推出全新多模态App“灵光”
科技圈最近又迎来一枚重磅炸弹——蚂蚁集团悄然发布了一款名为 “灵光” 的全新AI应用，正通过腾讯应用宝、vivo应用商店等平台低调开启内测。这款App不仅支持手机号登录，还能直接用支付宝账号一键接入，体验门槛极低，却暗藏“大智慧”。
最引人注目的，是它内置的 “AGI相机” 功能。这可不是普通的拍照工具，而是一个能“看懂”现实世界的AI之眼。你只需打开相机对准某个场景——比如一份合同、一道数学题，甚至街边的一块招牌——系统就能实时识别内容，并直接回答你的问题。拍即问，问即答，整个过程几乎无缝衔接。
不只是识别，更是“理解”
业内普遍认为，“灵光”的图像交互能力与字节跳动的豆包App、阿里的元宝App存在一定功能重叠。但据知情人士透露，“灵光”更强调‘认知层的理解’——这意味着它不仅能“看到”画面中的物体，更能结合上下文进行推理与判断，实现更高阶的多模态智能。
举个例子：当你拍摄一张餐厅菜单时，普通图像识别只能告诉你上面写了什么菜名；而“灵光”或许能进一步分析菜品成分、推荐搭配，甚至结合你的健康数据提出饮食建议。这种从“感知”到“认知”的跃迁，正是迈向通用人工智能（AGI）的关键一步。
蚂蚁的AGI布局，早已悄然铺开
别以为这是蚂蚁的突然发力。事实上，他们在多模态与AGI领域的技术积累已持续数月：
- 今年4月底，蚂蚁实现了图像理解与生成的统一架构突破，为后续多模态交互打下基础；
- 5月份，团队开源了 Ming-Lite-omni-Preview 模型，成为全球首个在语音、图像的生成与理解能力上可对标 GPT-4o 的开源模型。
这一系列动作表明，蚂蚁并非简单地推出一款AI拍照App，而是正在构建一个面向未来的多模态AI生态。“灵光”很可能是这个宏大图景的第一枚落地棋子。
目前，“灵光”仍处于邀约制内测阶段，尚未全面开放。但可以预见的是，随着AGI相机能力的不断进化，我们与数字世界的交互方式，或将被彻底改写。