1976年，喬布斯在車庫里組裝出第一臺電腦時，很少有人能意識到，這樣一臺機器，終有一天會走出實驗室，進入普通人的生活，并催生一個數萬億美元的產業。

科技史一再證明，一項技術真正改變世界，從來不只是因為它更強，而在于它拆掉了技術的高墻，填平了使用的鴻溝，讓更多普通人擁有參與和創造的能力。

從個人電腦到消費級數碼相機，幾乎所有關鍵拐點，都遵循同一條路徑。今天，這樣的變化，正在AI Coding領域再次出現。

4月20日，螞蟻推出靈光APP的閃應用升級，并上線“靈光圈”。

這次升級的核心，可以簡單理解為兩件事：

一是“閃應用”的升級，讓用戶用一句話生成一個可運行的應用；

二是“靈光圈”，讓這些應用可以被分享、傳播，并在他人基礎上繼續修改和再創作。

在“30秒生成應用”的基礎上，靈光進一步打通了生成、迭代、使用與分發的完整流程。應用不再停留在一次性的生成結果，而是具備了持續使用和傳播的能力。

同時，閃應用深度集成手機端原生能力，支持多用戶接力修改，并實現端到端閉環。這意味著，用戶在移動端幾乎零門檻，就可以完成從“生成一個應用”到“讓多人使用”的完整過程。

如果說過去的AI Coding，更像是提升開發效率的工具，那么這次靈光的升級，開始呈現出另一種形態——面向普通用戶的消費級 Coding Agent。

從“怎么實現”到“我想要什么”，看似只是表達方式的變化。但本質上，是把軟件生產從一項專業能力，轉變為一種更普遍的表達能力。

今天，我們就來聊聊這件事。

從加速1%，到解放99%

過去一年，AI的敘事在明顯收斂，最終落在了一個最確定的方向上，Coding。

從收入表現看，這條路徑已經被驗證。無論是Cursor，還是 Claude Code，這類產品的共通點在于：用AI顯著提升開發效率，讓“寫代碼”這件事變得更快、更輕。

但它們解決的，本質上還是同一個問題：如何讓程序員更高效地寫代碼。這也意味著一個隱含前提沒有改變，用戶仍然需要理解IDE、依賴管理、部署等傳統開發體系。

換句話說，在這一輪AI Coding里，智能資源并沒有真正分配到更廣泛的人群中。

這正是靈光試圖改變的地方。

與Vibe Coding 提升的是“程序員寫代碼”的效率不同，靈光提出的Wish Coding 則面向更廣泛的人群，讓用戶表達的，不再是“怎么實現”，而是“我想要什么”。

簡單來說，就是通過一句自然語言輸入，系統會在中間引入一層結構化的意圖解析，把需求拆解為功能模塊、交互流程，再完成代碼生成與組裝，最終直接交付一個可運行、可交互、可分享的完整應用。

這背后，本質上是把“代碼接口”，替換成了“自然語言接口”。

當然，要實現這一點并不容易，這事只有在“完成度”足夠高時才成立。

過去大多數AI代碼工具，都卡在“最后一公里”——代碼生成之后，還需要配置環境、部署服務、處理運維，這些工作的復雜度并不低，導致大量項目停留在Demo階段。

現在，靈光試圖把這一環也一并消掉。

它實現的是“生成即部署”，即應用在生成后即可運行，無需額外的開發和運維步驟。同時，應用運行在端側原生環境，可以直接調用攝像頭、定位、語音識別等硬件能力。

這意味著，用戶得到的不是一段代碼，而是一個真正可用的產品。

比如，你只需要對靈光說一句：“做一個拍照識花的應用”。幾秒之后，一個完整的應用就已經在你手機上生成了。

打開就是一個很簡單的界面：中間是拍照按鈕，點一下，直接調用相機。

拍完之后，系統會自動識別你面前的花，并給出結果——比如“連翹”，同時附上花期、科屬和簡單介紹。

你可以繼續查看詳情，也可以一鍵收藏。整個過程，沒有代碼，沒有部署，也不需要任何開發知識。

更重要的是，這不是一個演示用的Demo，而是一個可以真正用起來的小工具。你可以拿著它在路邊隨手拍花，也可以把它分享給朋友一起用。

當“生成”和“可用”之間的鴻溝被抹平之后，AI應用才真正跨過了從“能力展示”到“產品形態”的門檻。

而這件事的意義，也遠不止于技術層面。如果說過去的軟件行業，默認是“開發者生產，用戶使用”，那么當自然語言成為新的開發接口之后，這個邊界開始被打破。

普通用戶不再只是需求的提出者，而開始具備“即時創造軟件”的能力。

這個變化，在內容行業已經發生過一次。

當創作工具門檻被壓低之后，內容生產從機構走向個體，供給被徹底放大。靈光試圖復制的，正是這一路徑——只是這一次，被“普及”的不是內容生產，而是軟件生產。

從這個角度看，Wish Coding的意義，不只是效率提升，而是把軟件從“專業生產”，帶向“全民參與”。

打通應用落地的“最后一公里”

在升級閃應用的同時，靈光這次同步推出了全新社區產品「靈光圈」。

如果說閃應用解決的是“如何生成應用”，那么靈光圈補上的，是另一塊更關鍵的拼圖——應用生成之后，如何被分發、被使用、被持續迭代。

而這，恰恰是過去一輪AI Coding產品中被忽略最深的一環。

從行業來看，問題從來不只是“能不能做出東西”，而是“做出來之后能不能被用起來”。

大量AI生成的應用停留在Demo階段，一方面是因為單次生成的質量離“開箱即用”仍有距離，但更容易被忽視的另一面是：即使有人做出了一個夠用的原型，如果沒有其他人來接手打磨、使用、傳播，它也只會安靜地死在創作者的手機里。

靈光這次推出的“靈光圈”，本質上補的正是這一環。

它看起來是一個應用社區，但更底層的定位，是一個圍繞AI應用的分發與協作網絡。用戶可以發布、瀏覽、使用、點贊、評論，并在此基礎上繼續修改和再創作，把原本一次性的生成，變成持續演化的過程。

關鍵的變化在于，它重寫了AI應用被接力改造的方式。

在過去，以GitHub 為代表的開源體系，是以“代碼”為核心單元的協作模式。它極其強大，但門檻也很明確，參與者必須理解代碼。

但靈光把這個前提改掉了。

在靈光圈里，被“Fork”的不再是代碼，而是“意圖”。用戶看到一個應用，只需要用自然語言描述想要的修改，比如增加某個功能或調整某個場景，系統就會基于新的意圖，重新生成一個完整應用。這不是簡單復制或改寫，而是一次基于結構化語義的重新編排。

這帶來的結果，是把參與門檻從“會寫代碼”，降低到“會表達需求”。

比如，你做了一個卡路里計算器，我覺得可以加上運動消耗，用一句話改完再發出去；下一個人覺得還應該接入攝像頭拍照識別食物，于是再改一版。

這意味著，AI生成的產品形態，開始從“個人工具”，擴展到“輕量級協作產品”和“社交表達工具”。

當這兩件事疊加在一起，生態的形態也隨之發生變化。

應用不再是終點，而是起點。一個人做出的應用，可以被他人繼承、改造、再發布，在不斷接力中演化。創作從“單點完成”，變成“網絡協同”。

從更高一層看，這其實是在重寫一套開源范式——從“代碼開源”，走向“意圖開源”。

前者釋放的是程序員的生產力，后者釋放的，是更大規模用戶的表達能力。

數據也在驗證這一點。自去年11月上線以來，靈光已經生成超過3000萬個閃應用，從互動游戲到語言打卡，再到日常工具，逐步滲透到用戶的具體生活場景中。

當應用可以被持續生成、分發和改造，一個自生長的生態開始出現。而這，才是平臺形成的前提。

總結

當軟件開發成本被AI大幅壓低，一個更底層的變化開始出現——供給爆發。

就像媒體行業一樣，當生產門檻下降，內容會迅速增長。AI正在把軟件開發從“少數人生產”，變成“多數人參與”，軟件本身不再稀缺。

但供給增加只是起點。

當“可用的軟件”足夠多，瓶頸就不再在生成，而在分發與匹配。這在互聯網中已經被反復驗證：內容不稀缺之后，決定勝負的，是推薦系統和分發效率。

放到AI軟件，這一邏輯同樣成立。

如果參照YouTube的發展路徑，這樣的平臺通常具備三個條件：生產足夠簡單，讓應用創建接近“一鍵完成”；分發足夠高效，能夠把應用精準匹配給用戶；參與足夠廣泛，讓非專業用戶也能低成本參與創作與迭代。

從這個框架看，靈光正在逐步具備這些要素。

通過結構化意圖解析，把自然語言轉成應用；通過社區機制，讓應用被分發和復用；再通過“意圖開源”，讓每一次修改都變成一次新的生成。

當應用像內容一樣被低門檻生產、被持續分發、被不斷改造時，真正開始發生變化的，或許已經不只是AI編程的門檻，而是信息、創作與軟件之間原有的邊界。

文/林白

PS：如果你也在尋找投資AI資產的機會，歡迎掃碼加入我們的交流群。