文章核心观点 - 硅谷科技巨头正将 Personal Agent 视为新一轮 AI 产品竞争的焦点，Anthropic 推出 Claude Duet、Meta 发布 Muse、OpenAI 与 Google 加快布局，AI 开始从单次推理转向连续数小时自主执行任务 [1] - Agent 任务复杂度与调用次数增加，推动算力需求持续增长，字节跳动、阿里巴巴和腾讯订购超过 300 万张英伟达 RTX PRO 5500 显卡，总价值超过 350 亿美元，但英伟达无法保证全部交付 [1] - 高端芯片供应受限为国产 GPU 厂商打开市场窗口，但客户采购标准已从峰值算力、显存容量和单卡性能排名转向系统级效率、模型快速迭代下的长期适配能力以及部署运维真实成本 [2] - 国产 GPU 的考题从单纯性能竞赛变为效率、成本与长期适配的综合考核，芯片性能之外的部署效率、长期运行成本和软件生态都将影响下一轮采购选择 [21] 市场格局与客户需求变化 - 2026 年上半年英伟达在中国数据中心 AI 芯片市场份额降至 34%，华为达到 28% [2] - 客户采购 GPU 的重点考察范围已转向系统级效率、长期适配能力以及部署和运维的真实成本 [2] - 推理场景平均算力利用率不足 20%，训练场景仅 40% 出头，行业算力投入持续增加但实际利用率远未跟上 [7] - 客户需要的算力可归纳为三个标准：高效率、可预期和可持续，即相同时间完成更多任务、系统性能稳定部署结果可预估、未来更换模型算法时原有设备仍能发挥作用 [8] - Personal Agent 兴起使模型需连续处理任务、频繁调用工具并同时服务大量用户，客户既希望提高 GPU 利用率也需控制长期运行成本 [3] 国产 GPU 迁移与适配门槛 - 中国石化胜利油田物探研究院迁移至国产平台需对原有程序架构、开发语言和接口进行改造 [3] - 部分科研算法的深度适配与优化需要几十名工程师参与，复杂项目团队规模甚至接近一两百人 [3] - 企业已投入多年开发软件时，即使国产 GPU 采购价格更有吸引力，也难以忽略重新适配付出的时间和人力成本 [3] - GPU 服务器通常使用多年而模型可能几个月内多次更新，客户换用新模型时仍可能需要重新适配和调优 [4] - 模型厂商不断优化计算方式，如 DeepSeek V4.1-Flash 将运行时所需高带宽显存缓存压缩至上一代四分之一、SSD 存储需求降至八分之一，GPU 厂商需跟进新模型架构才能发挥效率优势 [3] 天数智芯产品性能表现 - 10 月 28 日天数智芯新一代高端通用 GPU 天垓 300 首次对媒体开放实机演示，第三方权威机构针对四款主流模型、三类应用场景测试，典型 PD 分离部署下折算单卡端到端推理吞吐达到英伟达 H200 的 1.05 倍 [6] - 天垓 300 运行主流模型的首字延迟较 H200 降低约 10% 至 30% [6] - 基于 Qwen3-32B 模型的 8 卡整机测试，天垓 300 每卡有效吞吐达到 H100 的 1.33 倍 [6] - 两款 GPU 同时运行 100 个训练周期，天垓 300 率先完成任务，模型收敛曲线与 H100 基本一致 [6] 异构计算与超节点方案 - 天数智芯 AFD 异构计算方案让天垓 300 负责输入处理及生成阶段注意力计算，合作厂商 XPU 承担专家网络计算，测试结果将解码阶段推理延迟降低 60% [8] - IXL144 超节点将 144 颗 GPU 和 18 颗 CPU 集成在一个机柜内，聚合显存约 10.1TB，整柜互联单跳时延达到 100 纳秒级 [9] - 相比国际主流方案，IXL144 每百万有效 Token 成本可降低 40% [11] - 单天逸提出未来 AI 算力系统不一定由一种芯片包打天下，关键在于如何高效组织多种芯片让整个系统发挥更大价值 [21] 软件生态与 Agent 部署优化 - 天数智芯通过 Agent 将复杂模型部署任务组织成可重复执行流程，从环境准备到模型正常提供服务耗时由 1 小时缩短至 10 分钟，人工操作从数十步减少到一次目标输入 [12] - Agent 读取 GPU 运行轨迹和关键指标寻找拖慢模型运行的环节并调用工具调整验证，一项原本需要 7 天的调优工作压缩至 2 小时以内，特定工作负载整体性能提升接近一倍 [12] - 天数智芯尝试将 GPU 厂商积累的软件优化经验整理成 Agent 可调用的工具和操作规则，减少新客户部署模型时反复排查、重复开发的工作量 [12] 客户复购与长期适配能力 - 天数智芯第二代 GPU 虽已推出多年，客户仍可通过软件升级使用新发布模型，四五年前设计的国产 GPU 到 2026 年仍能继续运行最新大模型 [17] - 天数智芯已拥有 380 多家客户覆盖 30 多个行业，客户应用通常可在一小时内完成迁移，进一步性能优化需要一周至 15 天 [17] - 公司每半年对数十家客户进行回访，目前客户满意率超过 98%，客户完成首次部署后能否及时跟进主流模型更新已成为影响后续复购的重要因素 [17] 端侧算力与多元应用场景 - 单张天垓 300 实时计算机械臂运动与方块碰撞摩擦，256 个虚拟机械臂同时运行时单卡每秒完成超过 20 万次仿真状态推进 [13] - 彤央 TY1200 端侧算力终端在不调用云端资源情况下完成物理仿真、策略训练和动作验证，机器鸭最终成功站立 [13] - 彤央系列提供算力模组和一体化终端两种形态，具备硬件研发能力的企业可集成模组到机器人或专用设备，希望尽快投入使用的客户可选择集成 CPU、GPU 和存储的一体化终端 [18] - 河海大学金坛校区电池材料分析实验平台部署基于彤央 TY1200 的科研智能体，系统自动采集仪器数据完成清洗分析和报告生成，部分报告生成工作只需约两分钟 [18] - 一家中小规模博物馆白天利用 TY1200 提供智能导览，夜间使用同一台设备训练小模型提高设备利用率 [18] - 上海市阳光康复中心搭载彤央算力终端的 AI 导诊机器人已投入使用，为视障人士提供问询和引导服务 [19]

文章核心观点 - 灵光2.0推动AI助理从被动响应指令、完成单次任务，向主动发现需求、持续管理事务演进，是AI从聊天工具升级为生活基础设施的重要标志 [1] - Personal Agent竞争正从单次任务转向长程任务管理力，灵光2.0依托蚂蚁支付与生活生态，给出基于“信任与连接”的中国式解法 [1][3] - 智能体商业的ChatGPT时刻已经到来，核心标志是智能体从能力展示走向真实交易，成为连接真实供给的新型商业入口 [11] 产品形态与能力升级 - 灵光App是蚂蚁集团推出的全模态通用AI助手，于2025年11月18日正式上线，上线6天下载量突破200万 [3] - 此前灵光凭借“一句话生成闪应用”“生成你的世界”等功能，将自然语言交互拓展至应用生成和多模态内容创作 [3] - 灵光2.0将AI介入任务的起点前移，AI不再只是等待指令的工具，而开始成为能够持续管理事务的助手 [3] - 灵光2.0对跨会话记忆、长程任务调度和工具连接能力进行全面升级，依托独立云主机突破单次对话限制，用户退出对话后继续运行任务，并根据新信息和状态变化动态跟进 [3] - 通过独立云主机与跨会话记忆，灵光突破传统大模型“对话即结束”的局限，实现从问答机器到办事管家的形态跃迁 [3] 应用场景与用户价值 - 机票盯价场景：用户预订全家出行机票后，灵光在后台持续盯住价格波动，去程机票从680元降到500元时主动弹窗提醒用户重新预订，次日还会复查往返机票和酒店房态 [4] - 消费场景：用户授权接入支付宝后，灵光可梳理消费账单记录，发现可能被遗忘的自动续费订阅，分析消费习惯并提供省钱建议 [6] - 家庭场景：灵光在授权后可关注钉钉班级群中的老师通知，整理重要信息、提取待办事项，并完成文档排版等后续工作 [6] - 长期跟进事务：从宠物照护、儿童疫苗接种到家人纪念日、车辆年检等需要长期记忆和持续跟进的事务，灵光能在授权范围内主动识别关键节点、安排后续跟进 [6] - 灵光已内置支付宝账单、会员、出行，以及钉钉、飞书、邮箱、米家等服务能力，管理范围从个人信息与线上事务延伸至跨平台工作流和智能家居设备控制 [6] - 相较于海外Muse等产品侧重围绕邮箱获取上下文、通过浏览器组织任务，灵光2.0更强调生活场景渗透，通过跨会话记忆建立对用户个人习惯、消费偏好、家庭事务的长期理解，用“懂你”降低用户指令成本 [6] 信任机制与生态壁垒 - AI助理要“管事”前提是“有权管事”，在支付、隐私、家庭信息等敏感领域，基于长期商业行为积累的信任机制与生态连接才是Personal Agent真正的护城河 [7] - 灵光2.0接入蚂蚁APASS智能体可信基础设施，将身份认证、意图安全与隐私保护内嵌于执行流程，授权密钥与Agent分离托管，从源头消除直接接触密钥带来的风险 [7] - 支付宝过去22年在实名认证、交易风控和授权管理上的技术积累，正随AI参与交易向新场景延伸，参与搭建智能体交易的安全与信任底座 [7] - 蚂蚁集团披露，2025年9月11日推出的“AI付”在真实商业场景中的Agent支付已突破3亿笔，服务用户超过1亿，覆盖大模型、AI创作工具、智能硬件、电商和本地生活等12类场景 [7] - 该数字目前仅为支付宝一年约3000亿笔交易数量的千分之一，但2026年年中机器人（Bot）流量已超过人类对HTML网页的访问流量，Agent支付超过人类支付或许只是时间问题 [8] - 蚂蚁在生活服务、商家网络上的长期积累为灵光提供真实“抓手”，如用户交代“帮我省点钱”，需要能分析账单并调用支付宝会员权益、优惠券或自动关闭冗余订阅，这种闭环服务依赖庞大线下商户网络与线上服务接口 [8] - 灵光2.0不仅打通支付宝内部生态，还能连接外部服务，从单一App附属功能进化为跨平台的个人事务中枢，在万物互联但服务割裂的当下，谁能成为可信的连接器谁就掌握Personal Agent的流量分发权 [8] - APASS已接入超过100万个Agent，其中已激活11万个，覆盖442家智能体服务供给方；国际协议对接方面，Alipay+ AMP、Mastercard可验证意图协议及Visa智能体协议构建了互联互通框架，为跨境场景身份核验与信任协作提供支持 [9] - 记忆被视为智联网的重要资产和护城河，用户记忆包括对话历史、项目资料、偏好习惯和决策逻辑等，当Agent持续积累用户资料，切换成本可能不亚于更换一名熟悉业务的员工 [9] 商业逻辑与行业格局重构 - 当AI从“被动工具”变为“主动管家”，商业逻辑从人找服务转向服务找人，灵光2.0基于长期意图理解与精准服务分发，其价值远超单次交易的佣金 [9] - 传统电商与本地生活依赖搜索与推荐算法，Personal Agent基于对用户长期行为的理解，能发现用户尚未主动表达的需求，有望进一步提升服务转化率与用户生命周期价值 [10] - 未来面向个人用户的服务商大致出现三种走向：拥有强品牌和稳定用户关系的品牌型Agent仍能保有入口和交易控制权；将专业能力做深、做到稳定可验证的能力型服务商可成为Agent不可替代的外部能力；既缺乏品牌又无结构化服务能力的产品则可能被新的调度链路绕开 [10] - 未来服务可能不再是App里的一个按钮，而是Personal Agent中的一个“技能插件”，这将深刻重构B端服务供给形态 [10] - 智能体时代商业起点变为意图驱动，用户只需用自然语言表达目标，越来越多履约环节有望由智能体协作完成 [11] - 灵光2.0的目标是让复杂变简单，成为个人生活与万千服务的“连接器”，当用户习惯将续费、出行、家庭事务等托管给AI，该入口粘性或将远超传统App [11] - 对蚂蚁而言，过去在支付与生活服务上的积累有望转化为AI时代新的服务机会与想象空间，为智能体生态商业化探索出“以信任促进连接，以生态焕新服务”的可行路径 [11] - 行业竞争已脱离纯模型参数比拼，能否让用户放心托付、在授权范围内连接所需服务、把琐碎事务持续管好，正成为Personal Agent面临的新考题 [11]