（本文作者为 光子星球，钛媒体经授权发布）

文 | 光子星球

“坦率讲我们在高考这件事情上没有竞品，不是说我们不看别人，这么多年整个团队，从第一年到现在，我们只看用户需求是什么，以及把技术变成产品。”

阿里巴巴千问事业部产品负责人郑嗣寿日前表示，团队做了八年高考工具，AI正在让事情变得不一样。

在今年以前，高考志愿填报的用户心智是夸克，但经过一年的整合与调整后，走到前台的产品变成了千问。6月10日，千问发布了全周期高考志愿填报Agent，这句官方表述的题眼是Agent。目前腾讯、百度、阿里三家同类产品中，腾讯的元宝高考通与阿里千问高考的产品特点都落在了Agent上，千问真正不同之处是把产品应用周期拉长了。

支撑千问的是AI Agent那套思考、规划、执行、反思，同时具备主动规划、长期记忆、个性化服务。内部认为，工具化的产品无法解决高考志愿填报的长周期与个性化需求，Agent能覆盖志愿填报，甚至职业规划的全周期之中。

千问高考接替夸克高考，以及其他厂商高考产品的迭代，折射出搜索+工具向大模型+Agent的汰换。

一道复杂的数学题

高考志愿填报产品切入的是一道与匹配相关的数学题：从全国近3000所高校、超2000个专业，潜在上亿种组合的海量信息中，找到最优解。

标准答案或许可以找出来，只是让人来解这套题太慢、太难。即便有对应的专家，但资源极为稀缺，最终还是需要有工具填充。

决策前，考生首先要掌握历史数据，根据往年录取位次、线差估算概率。填报时，还受到学校层次、专业实力、个人兴趣、所在区域、就业前景等多重因素影响。

传统工具完成了信息的预处理与标准化，用户只要检索，就能得到对应的答案。可是现实场景中，高考志愿填报是一个持续20多天的复杂任务链。出分前需要预估分数，并结合个人兴趣初步确定方向。

最费精力的是出分后，照着分数去匹配院校、专业、地域，做完决策后还得仔细检查，核验是否出错。平行志愿是什么、哪些专业理化生可以报、父母又有怎样的期待等等，真实世界的博弈远远超出了工具用完即走的第一性原理。

在志愿填报这件事上，人力不怠，工具有限，却是AI最擅长的事情。志愿填报的组合空间，AI可以预估价值，剪掉明显劣质的组合；录取概率预测，是模式识别与回归分析天然的落地场景；再到最后为个体推荐方案，实际上有AI推荐系统与多目标优化可以覆盖。

腾讯与阿里为了弥补工具所留下的巨大空间，都引入了Agent，并提供了两套截然不同的方案。

6月5日，腾讯宣布元宝与QQ浏览器发布高考资讯Agent“元宝高考通”，主打功能是高考咨询师Agent。元宝是移动端入口，而QQ浏览器提供PC端入口。产品使用流程上，考生输入分数、志愿推荐、院校与专业筛选、往届数据查询。除了多轮对话、长记忆外与过去产品出入并不大。

腾讯偏克制的产品策略是有一定考虑的，志愿填报不是人生模拟游戏，一次选择的影响非常长远，企业只能提供辅助工具，而不能参与决策。

5天之后，阿里千问发布了自己的高考志愿填报Agent，则比腾讯要激进得多。产品由三个核心能力构成：志愿日历、志愿报告、志愿问答。千问Agent将高考志愿填报场景分拆成了三个核心场景，按时、按报告参考、按对话微调，从而把志愿填报从用户主动检索，变成AI辅助人决策的流程。

考生填写省份等信息后，就进入到了一个自动化流程中。AI生成一份从考后第一天到提交志愿的日程表，并推送认知建立、成绩定位、方向探索、方案预选、正式填报，用结构化手段，为考生建立理性认知。

2025年，生成式AI第一次进入到志愿填报，各家都提供报告生成的能力。不过因为志愿填报本身的个性化特点，无法简单评估什么是好，什么是坏。因此，产品比拼的不单是报告的准确性，而是提供的信息广度。

千问高考与元宝高考通都提供冲稳保的推荐与动态调整，只是千问设置了更多约束推荐，如专业偏好、专项资格等。

过去几年，志愿问答是各家高考产品差异化最明显的功能，千问Agent在大会上提到的五个支撑，用人话说其实可以概括为对话记忆、数据积累、线差与位次法转化分数、可视化展示结构数据，以及将过去的推荐变为主动追问。

工具式微没错，但志愿填报只能是辅助驾驶

在大模型+Agent之前，高考志愿填报产品一直处于同质化竞争之中。

不论哪家巨头推出的产品，本质上都是输出互联网的信息连接能力，完成数据积累，优化算法测试，最终以搜索形态落地。比如腾讯最早在2017年试点KNN+LM算法，随后采集录取、院校、政策数据，到2021年上线新高考通。

2021年以来，高考志愿填报与新年红包一样，逐渐成为互联网公司展示实力、转化流量、转动数据飞轮的节点。高考工具在此期间经历了从搜索到志愿填报，再到去年生成志愿报告，产品形态千篇一律。

比如夸克高考，经历了搜索查询，上线“冲稳保”工具，推出志愿填报功能，到去年增加生成功能后，不断叠加功能并没有改变搜索+工具的底色。而且，对大厂而言，这些工具并没有护城河，今年上线是独家，明年就成了基础设施。

千问高考Agent的产品策略隐含着两个商业意图。

同质化竞争下的工具没有护城河，考生根本不在意“冲稳保”到底谁是首创，分数线查询已经不是厂商产品好坏的评估标准，而是及格要求，互联网早就抹平了院校专业比对的信息差。换句话说，搜索+工具已经走到了边际效用递减的尽头。

只要停留在工具层面，高考志愿填报就没有护城河。去年上线的AI生成志愿分析报告，在今年已成了标配。同质化最终在功能层面沦为军备竞赛，而且产品也无法形成差异化定价，免费也随之成为常态。

Agent带来最大的变量是重构交互本身。工具阶段，用户的行为是主动搜索，而Agent依靠大模型的推理、记忆、工具调用，以及源源不断获取的用户信息，能够转动数据飞轮。

千问事业部产品负责人郑嗣寿表示，“做千问的过程中，我们想要更直接地在问答过程中让考生、家长发现自己的需求、爱好、兴趣，这是与过去不一样的逻辑，它从单向使用走向了拟人交互。”

由于考生、家长的目的不清晰，工具很难介入到后续动作之中。千问给出的解法是通过人与AI的多轮对话，完成数据对齐，这套方案并没有什么新颖之处：模仿人类行为。

高考咨询师掌握着历年各地高考的数据、院校专业的招生情况，以及丰富的经验外，他们更重要的能力其实是能很快获取考生、家长的情况。到底是考生说了算还是家长说了算，想去沿海还是内地，求职的愿望如何等等。

大模型+Agent掌握着结构化与标准化的数据，也能快速使用工具、进行判断，但如果不能让考生与家长主动开口，提供信息，整个路径都无法跑通。

不过，交互拟人化严格意义上讲仍然没有护城河，千问Agent还潜藏着另一个更有雄心的打算。

高考志愿填报是周期性场景，缺乏长期性，Agent化后将以对话与约束推荐，沿着志愿填报的考学范围，不断扩散到更多范围，完成用户习惯的绑定。

光子星球了解到，今年高考是一次测试，千问会根据测试情况，规划和开发后续产品。比如更新日历和Agent机制，从而提供范围更广的服务，从这个角度来说，千问高考Agent只是AI渗透到学习与成长过程中的诸多切口之一。

花Token，买信任？

千问高考Agent没有跳出阿里“生产Token、运输Token、消费Token”的AI战略。

高考志愿填报，为千问Agent提供了一个高消耗、高并发，同时也是超高信任的场景，这为拉动千问C端粘性与调用量，驱动阿里云MaaS平台提供动能。

2025年，夸克首次推出AI志愿报告，生成的1300万份报告的背后，是巨大的算力投入。郑嗣寿日前在谈到算力消耗问题时，并没有给到任何直接回应，只说“从集团角度上看，对整个事情不做任何限制，且给到了全面的算力支持”。

Token的开销可观，而且是有质量的Token消耗。考生与家长的每一次交互，都是深度参与、真实决策，以及信任投入。千问高考Agent消耗的是Token，但换来的是信任资产。

此外，高考也是国民级高频刚需场景之一，阿里试图进入到每个场景中，制造一个类似年度Token消费的“双11”，借助一个个峰值的累积，覆盖到生活、学习、工作的方方面面。千问高考Agent发布次日，又蹚进了世界杯的河床中。

高考背后的场景很深，信任资产累积很容易将一次性消费转化为长期依赖。而世界杯的预测到底能“行动”到哪里，除了买球彩，暂时还看不到后手。

或许，千问就是想“赌”也说不定。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 光子星球，钛媒体经授权发布）

文 | 光子星球

所谓的“共识”在AI赛道形成得过快。

Vibe Coding已经翻篇，取而代之的是各种的Vibe Work。

OpenAI将Codex整合进ChatGPT里，字节的TRAE SOLO 升级为TRAE WorkSOLO，月之暗面新推出了Kimi Work功能。

Work模式本质是Coding方向的再一次瞄准，这些动作都在传递一个清晰信号：AI生成代码的价值，正从创造过程本身，转向创造结果对实际工作的可交付价值。工作流、生产力、重复调用，正在成为的新关键词。

在这种趋势下，蚂蚁灵光显得尤为特殊，甚至是当前主流叙事中的一个“异类”。

尽管蚂蚁高层在产品初期将其定位为一款效率型产品，但随着“闪应用”“灵光圈”以及“灵光闪应用创作者激励计划”的相继落地，灵光的C端属性被不断强化。

如今，灵光圈中被高频消费的内容，大多是带有娱乐与社交属性的轻交互体验，而非真正嵌入工作流的效率工具。官方称其为，“人人可用的消费级Coding Agent”。

另一则消息进一步坐实了灵光Coding to C的战略定位。6月9日，蚂蚁上线了新款AI产品Qmuse，该产品聚焦网页应用创作和团队协作，并严格限制商业化授权。这表明，Qmuse意在将Coding融入工作流，服务B端企业。

简而言之，灵光更像一个AIGC内容消费平台。用户手“搓”出的游戏、工具、网页等都可视为内容供给，在灵光圈内，其他用户可自由试玩、点赞和分享。

当其他Coding玩家致力于Save Time时，灵光则在尝试Kill Time。这条路能否走通，将取决于灵光接下来在技术与内容之间能否找到恰当的平衡。

“4399+橙光游戏”

打开“灵光圈”有一种梦回千禧年的错觉，扑面而来的是熟悉的4399网页小游戏和橙光网文画风。

灵光这类应用确实降低了创作的门槛。一位拿到灵光万元大奖的文游作者表示，过去做传统文游，一个章节、几段对话就要耗费一下午，人物立绘、场景素材还需要额外找画师定制，成本高、周期长。而现在，1小时内就能完成了一款文游应用，再花几个小时迭代、优化界面和剧情体验，就能上线。

我们观察到，灵光这类AI应用也在重塑一些用户的内容创作方式。以上述文游作者为例，她关于游戏文本、对话设置、人物角色和关卡设置都通过与AI对话完成，而且后续的游戏生成和迭代都在一个对话框内。

但作为一个AI内容平台来说，灵光还没有完成闭环。

灵光圈内热度最高的仍是游戏、测试、互动故事等“一次性娱乐”内容。用户第一次接触会觉得有趣，但同质化现象严重，大量“点击计分”“选项分支”类应用玩法雷同。

用户玩过几个之后便失去重复打开的动力。缺少每日更新、进阶挑战等复玩钩子，消费行为呈现出滑动、试玩、离开的次抛特征，因此很难长期吸引用户的注意力，更何谈触发“上瘾”机制。

如果说抖音能留住人的底层逻辑是人与人的互动，那灵光目前的生态仍停留在人和应用的互动上。AI是支撑内容消费和交互的底层技术，而非终点。

它缺少社交关系链的沉淀，仅有基础的点赞、评论，用户间的连接依旧是薄弱的。以文游作者群体举例，他们更多把灵光作为创作工具，待作品完成后会优先发布在粉丝群、小红书等地来宣传。

这就使得灵光很难把用户留下来，灵光通过1亿元的“创作者激励计划”来刺激内容生产，但这种靠补贴催生的生态能否持续，仍是一个巨大的问号。

在分发闭环上，灵光并非毫无作为。用户确实可以一键将闪应用生成分享链接，对方点击后能在H5界面直接打开使用，这至少实现了“开箱即用”的传播效果，也避免了从社交App到应用商店的跳转损耗。

但这种分享带来的闭环仍然是“半个闭环”，其症结在于分享出去的H5版本，本质上是一个体验与功能受限的轻量演示版，与灵光App内的完整功能版存在显著落差。

比如，灵光圈支持二次创作功能，H5界面通常只支持使用，不支持创作。用户在微信里看到一个好玩的闪应用，想自己改一改、加个功能，只能再次跳转回灵光App，而跳转本身就构成额外的转化漏斗。

灵光想要突破

在首次媒体见面会上，灵光的相关负责人曾强调，“灵光本质上解决是效率类问题，我们的产品主张，是把灵光的主轴定位在效率侧”。

但在AI应用里做应用这件事，难免让人联想到了另一款产品——马卡龙。MuleRun负责人陈宇森代表了一部分人的看法，“蚂蚁灵光可以理解为高配版的‘马卡龙’，本质上是对生产关系选择不同。灵光的逻辑是自己做自己用，并将其视为社交网络的一部分，而MuleRun是做出来给别人用的交易市场逻辑”。

这里先要回答一个问题，在AI应用里手搓应用是不是伪需求？

现实的用户确实会遇到一些，现成App用不上、自己写代码不会的场景，比如，做一个聚餐AA分账的计算器，做一个倒计时提醒的番茄钟。AI生成可以在30秒内解决这些微小的、非标的需求，比去应用商店搜索、下载、注册要快得多。

很多用户“搓”应用不是为了用，而是为了玩。比如做一个“点击小猫就会叫”的小游戏，然后分享给朋友。这种创造的快感和社交反馈是真实存在的——灵光数据中用户连续修改一百多次，就是最好的证明。

灵光目前试图把“手搓应用”当作独立平台的核心，同时承载娱乐和效率两个目标。从需求角度看，这并非伪需求：确实有一批用户喜欢“搓一下”。

但就现在而言，Vibe Coding To C 有着天然脆弱的一面。

用户不是每天都需要临时应用或新奇小游戏。绝大多数需求是一次性的：生成后使用一次，或者玩几分钟就再也不会打开。平台因此面临极低的留存率和用户生命周期价值。

很多手“搓”出来的东西，要么系统自带，要么有更专业的免费App。用户愿意用AI生成，仅仅因为懒得去下载。可一旦生成质量不够稳定、或者需要等待，这种便利就被抵消了。与此同时，用户生成的闪应用很少会成为自己的“常用工具箱”。它们不像笔记、文档、照片那样有长期价值。没有资产沉淀，用户就没有迁移成本，平台也就没有粘性。

所以，灵光目前的情况，不在于需求是否存在，而在于：它试图用同一个产品同时满足两种弱需求，却没有为任何一种需求提供完整的分发、留存和变现系统。

这种做法，本质上就像把本应是大平台里的一项功能，或者娱乐社区里的一种玩法，单独拿出来做了一个独立App。一家只卖“临时螺丝刀”的杂货铺，撑不起一个真正的连锁品牌。

开放式的未来

AI Coding的商业化整体还属于探索阶段，由于不确定性因素很多，因此很难一锤定音。

一位AI创业者告诉我们，他现在看不到C端AI应用的盈利空间，他认为很多Coding产品对很多用户而言，没有必须存在的理由。如果是一个很实用的应用，用户都在用，那考虑盈利完全没问题。可现在用户对AI的态度可有可无，甚至连ChatGP刚需性都没那么强。

另一位产品负责人表示，一些产品的策略是让用户相信能帮他赚钱，但前期投入就是在烧钱。“当你免费提供服务，高峰期可能涌进来几十万甚至上百万的用户，一旦开始收费，一天可能十个用户都没有了”。

上述人士认为，无论是面向C端AI助手还是Kill Time式的Coding产品，其商业化困境都可以归结为一句话：成本结构在生产侧，而收入模式却只能依赖消费侧。

这意味每一次生成都在消耗算力与Token，成本随用户活跃度线性上升；而收入却依赖用户有限的注意力时长、低转化率的广告点击或极少数重度创作者的付费。

当用户把AI当作偶尔玩一下的玩具时，消费侧的变现天花板远低于生产侧的烧钱速度。基于此，许多玩家才把重心转移到了Save Time的生产力工具上，将AI能力包装成“帮用户赚钱”的故事。高价值需求带来高收入，同时cover成本。

Sora App的关停是一个前车之鉴。它拥有顶尖的视频生成能力，却试图以“AI版抖音”的姿态切入C端市场。用户蜂拥而至是为了尝鲜生成，而不是为了消费他人生产的AI视频。当免费的新奇感褪去，平台既无法靠广告填平高昂的算力成本，也无法让用户为刷视频付费。据测算，Sora日均运行成本高达千万美元级别，而用户生命周期价值几乎可以忽略。

OpenAI最终选择关停，不是因为技术做不到，而是因为越成功越亏损，平台经济那套模式显然失灵了。

回到灵光，最危险的处境不是被某个单一对手击败，而是被市场从两个方向同时合围。

娱乐侧用户想要沉浸、上瘾式的体验，他们会流向更专业的AI互动叙事平台；效率侧用户需要稳定、可靠、能嵌入工作流的生产力工具，他们会选择更加专业化的Coding产品。

夹在中间的产品，因既要又要，也许会成为次抛玩具，用户来一次，玩一下，然后就抛之脑后。

但灵光的优势也很明显，背靠蚂蚁，有足够资源投入支持。同时，还拥有支付宝这一国内罕见的十亿级交易生态。这意味着灵光不必像其他独立AI产品那样，从零搭建支付、信用、商家服务等基础设施。闪应用一旦与支付宝的收付款、芝麻信用、小程序、生活号等能力打通，就能进化为工具，还可以共享客户。

用户可以用灵光生成一个活动报名页，直接完成收款；生成一个租赁协议，自动调用信用免押；生成一个门店优惠券，无缝接入商家核销系统。这种生成即交易的闭环，其他同类产品短期内难以复制。

这对灵光来说，是一个开放式的未来，更提供了以后国内Vibe Coding的一种进化方向。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App