AI 助手的用户数字已经不再稀奇，稀奇的是它到底替用户「办了几件事」。11月8日，蚂蚁集团披露旗下 AI 助手灵光的两个数字：用户突破 2000 万；自 10月27日灵光 2.0 上线以来，一周内帮助用户管理超 116 万项事务、执行超 360 万次任务。
灵光是蚂蚁面向个人用户的 AI 助手产品，2.0 版本的核心变化不在模型参数，而在任务起点的位置。
过去的交互范式是「人先发现问题、提出需求，AI 再执行」。灵光 2.0 把这一步前移：在获得用户授权后，它可以结合已接入的信息与服务，主动识别潜在需求，发起分析、监测与跟进，并在需要用户关注的节点及时提醒。换个说法，AI 从「等指令的工具」变成「持续管理事务的助手」。
这个转变的技术难点其实不在理解，而在持续性与边界。持续意味着要有长期记忆、要有定时或事件驱动的执行能力；边界意味着它必须清楚哪些事可以自己判断、哪些必须回来问人。116 万项事务、360 万次任务这组数字，反映的是执行频次，但并不能直接说明判断质量——事务管理得对不对，要看用户是否需要频繁纠正。
为此，灵光 2.0 接入了蚂蚁 APASS，作为 AI 时代跨智能体、跨设备、跨应用与服务场景的统一账号与安全管理基础设施。APASS 把身份认证、意图安全与隐私保护纳入 Agent 执行流程，通过授权密钥与 Agent 分离托管等机制，让智能体在不直接接触授权密钥的情况下执行任务；用户可随时查看、调整或撤销授权。
这套设计的价值在于把「Agent 权限」从产品功能提升为基础设施能力。当一个人同时使用多个智能体、跨多台设备办事，逐个应用授权的模式会迅速失效；统一账号加分离托管，理论上可以让权限随人走、而不随应用散落。
放到国内 AI 助手的竞争格局里，灵光走的是「任务代理」而不是「内容生成」的路线。这条路线的好处是用户价值可量化——管理了多少事务、执行了多少任务；坏处是容错率低：一次订错、一次误发，信任损失远大于一次生成质量不佳。
接下来的观察点有三个：一是活跃度结构，2000 万用户里有多少在持续使用任务管理，而不只是尝鲜；二是纠正率，用户对 Agent 自主判断的修改频次，是衡量「主动」是否过界的最直接指标；三是 APASS 的开放程度，若能被第三方智能体接入，它才真正具备基础设施的意义。