蚂蚁在Personal Agent时代拥有一个很高的下限，却还没有证明自己的上限。
作者 | 李威（北京）
Personal Agent正在成为AI大厂争夺的新入口。它不只是让AI记住用户的昵称和几项偏好，而是让它持续了解一个人的处境，在需要时调动外部能力，并在授权范围内替用户完成任务。
Meta正在把社交平台掌握的用户信息、长期记忆和任务执行能力连接起来；国内的豆包、千问和腾讯，国外的OpenAI，以及诸多创业团队，也都在切入又一场个人上下文竞争，从不同的原点出发，打造更了解用户的Personal Agent产品。
在这一轮竞争中，蚂蚁也有资格成为核心参与者。目前，蚂蚁灵光已经在最新的测试版本中增加了「我的生活」Tab，用户在其中能看到「需要关注的事」和「正在帮你管的任务」。这应该算是一种Personal Agent的尝试。
连接IoT设备之外，蚂蚁旗下的产品中，支付宝连接着消费、出行、缴费和生活服务，并在试图通过阿宝将这些能力和服务Agent化；同时，支付宝账户体系可以提供身份核验能力，芝麻信用提供信用评估与履约保障能力；阿福则在积累用户授权的健康信息，将其与蚂蚁在健康领域的积累进行整合。
如果这些能力被AI整合在一起，蚂蚁面对的就不再只是一个付款账户，而是一个拥有连续状态和现实需求的人。
过去由「账户—流量—小程序—支付」构成的服务网络，开始向「个人上下文—意图理解—服务调用—支付履约—结果反馈」转变。硬件和账户提供个人上下文，模型消耗Token解释用户意图，商家以Skills和MCP成为可以调用的服务供给，支付和信用完成现实履约，任务结果再进入下一轮服务。
这套体系让蚂蚁有机会进入一笔交易发生之前，更早地理解需求、组织服务，并与用户建立长期关系。它也是蚂蚁回应「通用AI会不会干掉所有入口」的更具体答案，让蚂蚁「用AI把生活服务、金融和健康重新做一遍」的思路变得更加清晰具体。
沿着这个思路看，蚂蚁围绕AI进行的探索和布局基本是在回答四方面问题：
- 能否获得足够丰富并且连续的个人上下文；
- 能否把松散的小程序生态，改造成Agent可以主动调用的能力网络；
- 能否通过模型、芯片和算力优化，让大规模服务所需的Token消耗变得可承受；
- 更重要的是，能否把支付时代积累的信任，扩展到个人数据、机器决策和任务执行。
把入口伸向交易之前
Personal Agent首先要解决的，是如何持续理解一个人。
支付宝过去积累了大量支付记录，但这些数据反映的往往是结果。平台知道交易发生了，却很难仅凭交易判断，这盒药是用户自己服用还是替家人购买，一次体重变化来自减重、疾病还是药物，也不知道用户下一步还需要什么。
Personal Agent则需要进入需求形成的过程。只有获得更加连续的个人上下文，它才可能从用户的身体状态和生活变化中主动发现需求，而不是等到搜索、下单和付款之后才出现。
健康是蚂蚁补充个人上下文的突破口。
体脂秤、智能手表、血压仪和动态血糖仪等硬件能不断记录身体变化；体检报告、用药和饮食数据、平时的咨询问题则构成了用户更长时间的健康轨迹。AI获得了这些数据，就有机会判断一个人最近睡得好不好、体重为什么变化、运动量是否下降，以及饮食在如何影响血糖。
阿福正在把个人的健康上下文汇集起来，通过AI解释指标、提供建议，并逐步形成个人及家庭健康管理档案。韩歆毅认为，如果一个人的体检报告、健康监测和日常记录都留在阿福，阿福就可能成为一个「特别懂你的家庭医生」。这种个人上下文，是阿福与用户建立长期关系的基础。
为了加快这一过程，蚂蚁正在同时做两件事：用硬件补贴铺设触点，再用健康挑战提高触点的使用频率。
2026年6月，阿福以接近免费的价格向用户提供联名体脂秤，用户绑定设备、完成AI解读后即算满足要求。目前，这些补贴还在向其他健康设备延伸。在阿福界面中，可以看到购买阿福联名动态血糖仪可享50元返现的活动，而动态血糖仪的数据也会与阿福进行连接。
该图片疑似使用了AI生成技术，请谨慎甄别
相比一个月偶尔打开几次的健康应用，体脂秤和动态血糖仪能够进入家庭和日常生活，让阿福获得更稳定的现实触点。而阿福推出的减重挑战、饮食记录、每日提醒和阶段反馈，则让这些触点被更多用户持续激活。9月公布的阶段性数据显示，已有275万用户参加了阿福的减重打卡，累计减重超过500万斤。
硬件补贴降低接入门槛，打卡挑战培养使用习惯，AI解读建立健康管理心智，长期数据则提高后续服务的个性化程度。随着设备增加、数据丰富和使用周期拉长，阿福与用户的关系可能从一次健康问答，转向持续的健康管理。
这个过程中，我们可以看到，AI入口在变成一种硬件与软件的组合。互联网时代的入口是满足需求的起点，AI时代的入口则变成了理解用户的起点。不仅是体脂秤、动态血糖仪，AI眼镜、手机、机器人、支付设备都可能成为蚂蚁与合作伙伴共同铺设在物理世界中的个人上下文触点。
其中，「碰一下」连接的是用户所处的线下消费场景，让商家服务可以在一个具体地点被唤起；AI化的手机、车机、手表和眼镜提供了更随身的交互入口；具身机器人则代表进一步进入物理执行环节的尝试。它们共同扩大了蚂蚁感知用户处境和执行任务的范围。
在灵光正在内测的新版中，就包括了与家庭IoT设备的连接能力。用户可以在灵光中设定IoT每天执行的具体任务，让灵光代替用户监督执行。Personal Agent可能会带来新一波IoT热潮。比如，苹果就即将发布首款带屏幕的智能家居中枢，以及与LG合作推出的智能门锁、门铃、摄像头等产品。
把小程序变成可以调用的AI能力
触点的延伸能解决了解用户的问题，接下来，Personal Agent还需要调动现实服务，把事情办完。
支付宝过去建立了一个庞大的小程序生态。用户产生需求后，打开支付宝，找到相应页面，再按照商家设定的流程完成操作，就能满足需求。平台负责提供入口和账户体系，真正的服务则分散在不同小程序中，彼此之间很少协作。
Personal Agent则要求改变这种服务被组织和调用的方式。
当用户说「帮我找附近还能预约的新能源汽车充电站，充完以后直接付款」，Agent需要结合用户的位置、车型、时间和价格偏好，查询不同运营商的实时信息，完成比较和预约，并在服务结束后支付。用户可能只提出一次需求，但背后却需要有多个商家系统、服务接口和支付能力共同响应。
蚂蚁在2026年6月推出的支付宝AI版「阿宝」，据称可以让用户通过自然语言调用超过上万种生活服务，覆盖打车、点餐、票务、缴费和家电维修等场景。这背后，是蚂蚁在对小程序生态进行Agent化的改造。
商家需要把服务、价格、会员权益、预约规则、退款条件和履约状态，改造成机器能够理解和调用的服务和技能。然后在AI的统一调配下，原来松散分布在小程序里的供给，被串联成一张由Token驱动的、更紧密的能力网络。
但这个阶段的阿宝，还是交互模式的变化，没有完全实现根据用户意图主动选择和调用服务。Agent化改造的难点，不仅是让AI操控小程序的功能，完成查询、选择、确认、支付、履约，还包括如何赋予Agent更多能力调用的主动权。
支付宝开放了会员、商家券、信用、租赁等原子经营能力，让商家可以把自己的商品、权益和履约服务接入Agent。原本只能等待用户点击的小程序，开始变成可以被AI主动发现、组合和交易的供给。
这种情况下，支付会成为一种底层打通的权限。预约需要确认账户，打车和外卖需要付款，维修可能出现追加报价，旅行预订还会涉及退款和售后。没有支付，Agent只能提出建议，或者把用户送回商家页面；支付进入以后，它才能连接起用户授权、商家服务和现实履约，把一次需求真正转化为行动。
韩歆毅把支付宝称为「Agent时代的连接器和赋能器」。支付的AI化，不只是让机器替人点击确认，而是让支付成为服务继续执行的凭证：Agent完成付款，商家开始履约；发生失败或者退款，交易记录又成为售后和追责的依据。
蚂蚁要做的，是把支付宝过去连接用户与商家的能力，转化为Personal Agent组织和交付服务的能力。当硬件和账户提供个人上下文，阿宝理解需求，商家以Skills提供服务，支付完成交易与履约，一个Personal Agent所需的服务网络才开始形成。
为燃烧Token建立经济系统
服务网络越丰富，Personal Agent消耗的Token就越多。
一次健康咨询，可能需要读取长期健康档案、分析多份报告并调用医疗知识；一次旅行规划，需要反复比较航班、酒店、景点和价格；一次跨商家的生活任务，还要在多个Skills之间完成规划、调用和验证。用户看到的只是一段对话，背后运行的却是一套持续消耗算力的服务系统。
因此，蚂蚁面对的经济问题，不是某一次任务消耗了多少Token，而是当越来越多用户把生活任务交给Personal Agent以后，如何让整个系统的Token消耗处在可以承受的范围内。韩歆毅因此提出，要「降低有效Token的单位能耗」。
模型、芯片和算力系统的针对性优化，是降低成本的一条路径。
蚂蚁在模型研发中会强调的「智效比」，计算单位成本能够完成多少有效任务。蚂蚁最新发布的Ling-3.1-flash，重点提升了模型在长流程任务、多轮工具调用和Agent执行中的能力。它采用MoE架构，在保留较大模型容量的同时，每次只激活部分参数，用更低的计算开销完成任务。
模型之外，蚂蚁还在建设AI后训练基础平台ASystem。它连接数据处理、模型训练、评估、状态管理和长期记忆等环节，为大规模强化学习和复杂模型训练提供基础支撑。蚂蚁与中国计算机学会发布的科研课题，也将大模型推理加速、Token优化和软硬协同列为重点方向。
2026年外滩大会期间，清微智能披露，其与蚂蚁联合调优后，大模型推理性能提升了10倍；此芯科技公布的测试结果则显示，其使用P1芯片，与蚂蚁打造的面向AIPC的端侧AgentOS Edge方案可使Token消耗降低70%。此前，蚂蚁还披露已部署万卡规模的国产算力集群，适配自研及主流开源模型，训练任务稳定性超过98%。
降低成本之外，蚂蚁还要为不断增长的Token消耗建立收入来源。
现阶段的Agent生态，仍需要平台承担较高的建设成本。支付宝正在用免费Token、支付费率减免和真实成交补贴，推动商家把服务改造成Skills。2026年推出的智能经营激励计划，包括了人均1亿免费Token算力。
但补贴能够帮助商家完成第一轮接入，却还不能保证商家会在补贴消失后继续使用下去。
长期来看，这套系统需要从Agent创造的增量价值中获得收入。例如，用户通过阿宝完成更多生活服务，蚂蚁可以增加支付和服务收入；阿福把健康建议连接到体检、问诊、保险和健康消费，也可以获得服务收入；商家也可能为更高的转化率、会员运营和可收费Skills付费。
类似尝试已经出现在海外。2025年，OpenAI推出ChatGPT内的Instant Checkout，对用户免费，向完成交易的商家收取费用。
此外，进入Agent时代，服务提供者也可能按照能力被调用和任务被完成的次数获得收入。支付宝推出的AI按量付费，已经开始尝试让API、数字内容、算力和Skills直接向调用它们的Agent收费。
在互联网平台体系里，商业模式建立在流量分发之上，商家为曝光、点击和转化付费；在Personal Agent体系里，平台需要为一次完整任务调度模型、算力、Skills、支付、风控和履约。
蚂蚁需要建立的，是一套与Token消耗规模相匹配的商业机制：一边通过模型、芯片和算力优化降低系统成本，一边通过支付、服务收费和Agent间交易创造新的收入。只有当新增收入能够支撑持续扩大的Token投入，Personal Agent才会从一项AI投入变成驱动业务运转的新生产体系。
从担保交易到担保Agent行动
围绕Personal Agent搭建商业机制，还有一个问题无法回避——用户是否愿意把自己的数据、选择权和行动权交给Agent。
2026年外滩大会的一场圆桌上，几位嘉宾讨论起一个问题：「一年以后，他们愿意让Agent替自己花多少钱？」
OPPO高级副总裁刘作虎说，如果有支付宝托底，1000元以内应该没有问题。韩歆毅随即回答：「我们托了，你敢付，我敢赔。」
这句承诺点出了蚂蚁参与Personal Agent竞争的一项特殊资产：信任。
支付宝最初解决的就是陌生人之间不见面也敢交易的问题。平台通过担保支付、身份认证、风险控制和售后机制，让用户敢于把钱交给系统，再等待商家履约。进入Agent时代，用户不再亲自完成每一步操作，而是授权Agent选择商家、调用服务并花钱。
蚂蚁需要担保的，也从一笔交易扩展到一次由Agent代替人完成的生活决策和行动。
首先需要扩展的是支付安全。Agent付款必须建立在明确授权之上，用户需要知道哪个Agent可以花钱、能花多少钱、在什么条件下可以自动执行。发生误付或异常交易后，系统还需要能够追溯决策和资金流转过程。
支付宝推出的AI钱包，负责管理不同Agent的支付授权、执行过程和账单，ACT协议则为Agent之间的身份、授权、交易和责任追溯提供协作框架。蚂蚁国际还在与万事达卡、Visa推进KYA互操作框架，用于解决Agent跨网络入驻和身份识别问题。
2026年5月，支付宝称AI支付已经完成3亿笔智能体支付，并支持95%的通用智能体框架。在2026外滩大会上，蚂蚁国际宣布其移动智能体协议AMP在全球范围内首批已接入10家主流数字钱包、7家世界头部收单机构。
更复杂的是个人数据的安全。Personal Agent越了解用户，能够提供的服务越精准，但它需要读取的信息也越敏感。阿福可能掌握体检报告、用药记录和血糖变化，阿宝可能了解用户的位置、消费偏好和家庭需求。用户选择哪个Personal Agent授予权限，是一个信任问题。
同时，Personal Agent替用户做选择时，也会产生新的信任问题。用户需要知道Agent为什么推荐一家医院、一款保险或者某个商家，平台不能让商业利益不透明地进入Agent决策。过去，广告和搜索结果仍由用户点击选择；当Agent直接完成购买和预约，推荐顺序会更直接地影响交易结果。
任务执行的稳定性也同样重要。一次跨服务任务可能经过需求理解、商家选择、支付和履约等多个环节，任何一个接口出错，都可能导致重复下单、错误预约或者支付成功却没有获得服务。用户首先面对的是Agent和平台，责任不能被分散到一连串看不见的接口背后。
我们可以看到，蚂蚁在从组织上聚拢相关业务，实现打通管理。2026年9月，支付宝事业群、数字支付事业群和芝麻信用事业部合并为新的支付宝事业群，用户入口、商家服务、支付与信用被放进同一组织。这次调整有助于缩短阿宝、AI支付、芝麻信用和商家生态之间的协作链条。
但组织合并只是开始。面向Personal Agent，蚂蚁需要建立一套覆盖支付安全、个人隐私和任务稳定性的信任机制。用户既要能够清楚为什么授权，也要能够随时撤回授权；既要看得懂Agent为什么这样选择，也要在机器出错后找到负责和赔付的主体。
只有这些条件同时成立，用户才可能把一次次具体任务交给蚂蚁，并逐渐把它当作长期的个人服务入口。
从这方面来看，支付、安全、信用和风控不是蚂蚁进入Personal Agent竞争的附属能力，而是模型公司和手机厂商短期内难以复制的资产。模型可以提出「应该做什么」，但只有身份、授权、服务接口、支付和追责机制同时存在，AI才能真正替用户把事情办完。
现在，Personal Agent更明确地提出了蚂蚁的发力方向。蚂蚁应该知道不同场景中的用户是同一个人，能够在清晰授权下调用健康、消费、金融和生活服务中的不同记忆，再根据当下需求选择阿福、阿宝或者蚂小财的能力。
只不过，手机系统、通用模型和其他超级应用也在争夺同一个位置。谁先接住用户的需求，谁就拥有解释需求、选择服务和安排任务的权力。如果用户习惯直接把事情交给豆包、千问或者手机系统，支付宝仍然可以在后台提供支付、商家服务、信用和风控，却可能只是其他Personal Agent的基础设施。
