1976年，乔布斯在车库里组装出第一台电脑时，很少有人能意识到，这样一台机器，终有一天会走出实验室，进入普通人的生活，并催生一个数万亿美元的产业。
科技史一再证明，一项技术真正改变世界，从来不只是因为它更强，而在于它拆掉了技术的高墙，填平了使用的鸿沟，让更多普通人拥有参与和创造的能力。
从个人电脑到消费级数码相机，几乎所有关键拐点，都遵循同一条路径。今天，这样的变化，正在AI Coding领域再次出现。
4月20日，蚂蚁推出灵光APP的闪应用升级，并上线“灵光圈”。
这次升级的核心，可以简单理解为两件事：
一是“闪应用”的升级，让用户用一句话生成一个可运行的应用；
二是“灵光圈”，让这些应用可以被分享、传播，并在他人基础上继续修改和再创作。
在“30秒生成应用”的基础上，灵光进一步打通了生成、迭代、使用与分发的完整流程。应用不再停留在一次性的生成结果，而是具备了持续使用和传播的能力。
同时，闪应用深度集成手机端原生能力，支持多用户接力修改，并实现端到端闭环。这意味着，用户在移动端几乎零门槛，就可以完成从“生成一个应用”到“让多人使用”的完整过程。
如果说过去的AI Coding，更像是提升开发效率的工具，那么这次灵光的升级，开始呈现出另一种形态——面向普通用户的消费级 Coding Agent。
从“怎么实现”到“我想要什么”，看似只是表达方式的变化。但本质上，是把软件生产从一项专业能力，转变为一种更普遍的表达能力。
今天，我们就来聊聊这件事。
从加速1%，到解放99%
过去一年，AI的叙事在明显收敛，最终落在了一个最确定的方向上，Coding。
从收入表现看，这条路径已经被验证。无论是Cursor，还是 Claude Code，这类产品的共通点在于：用AI显著提升开发效率，让“写代码”这件事变得更快、更轻。
但它们解决的，本质上还是同一个问题：如何让程序员更高效地写代码。这也意味着一个隐含前提没有改变，用户仍然需要理解IDE、依赖管理、部署等传统开发体系。
换句话说，在这一轮AI Coding里，智能资源并没有真正分配到更广泛的人群中。
这正是灵光试图改变的地方。
与Vibe Coding 提升的是“程序员写代码”的效率不同，灵光提出的Wish Coding 则面向更广泛的人群，让用户表达的，不再是“怎么实现”，而是“我想要什么”。
简单来说，就是通过一句自然语言输入，系统会在中间引入一层结构化的意图解析，把需求拆解为功能模块、交互流程，再完成代码生成与组装，最终直接交付一个可运行、可交互、可分享的完整应用。
这背后，本质上是把“代码接口”，替换成了“自然语言接口”。
当然，要实现这一点并不容易，这事只有在“完成度”足够高时才成立。
过去大多数AI代码工具，都卡在“最后一公里”——代码生成之后，还需要配置环境、部署服务、处理运维，这些工作的复杂度并不低，导致大量项目停留在Demo阶段。
现在，灵光试图把这一环也一并消掉。
它实现的是“生成即部署”，即应用在生成后即可运行，无需额外的开发和运维步骤。同时，应用运行在端侧原生环境，可以直接调用摄像头、定位、语音识别等硬件能力。
这意味着，用户得到的不是一段代码，而是一个真正可用的产品。
比如，你只需要对灵光说一句：“做一个拍照识花的应用”。几秒之后，一个完整的应用就已经在你手机上生成了。
打开就是一个很简单的界面：中间是拍照按钮，点一下，直接调用相机。
拍完之后，系统会自动识别你面前的花，并给出结果——比如“连翘”，同时附上花期、科属和简单介绍。
你可以继续查看详情，也可以一键收藏。整个过程，没有代码，没有部署，也不需要任何开发知识。
更重要的是，这不是一个演示用的Demo，而是一个可以真正用起来的小工具。你可以拿着它在路边随手拍花，也可以把它分享给朋友一起用。
当“生成”和“可用”之间的鸿沟被抹平之后，AI应用才真正跨过了从“能力展示”到“产品形态”的门槛。
而这件事的意义，也远不止于技术层面。如果说过去的软件行业，默认是“开发者生产，用户使用”，那么当自然语言成为新的开发接口之后，这个边界开始被打破。
普通用户不再只是需求的提出者，而开始具备“即时创造软件”的能力。
这个变化，在内容行业已经发生过一次。
当创作工具门槛被压低之后，内容生产从机构走向个体，供给被彻底放大。灵光试图复制的，正是这一路径——只是这一次，被“普及”的不是内容生产，而是软件生产。
从这个角度看，Wish Coding的意义，不只是效率提升，而是把软件从“专业生产”，带向“全民参与”。
打通应用落地的“最后一公里”
在升级闪应用的同时，灵光这次同步推出了全新社区产品「灵光圈」。
如果说闪应用解决的是“如何生成应用”，那么灵光圈补上的，是另一块更关键的拼图——应用生成之后，如何被分发、被使用、被持续迭代。
而这，恰恰是过去一轮AI Coding产品中被忽略最深的一环。
从行业来看，问题从来不只是“能不能做出东西”，而是“做出来之后能不能被用起来”。
大量AI生成的应用停留在Demo阶段，一方面是因为单次生成的质量离“开箱即用”仍有距离，但更容易被忽视的另一面是：即使有人做出了一个够用的原型，如果没有其他人来接手打磨、使用、传播，它也只会安静地死在创作者的手机里。
灵光这次推出的“灵光圈”，本质上补的正是这一环。
它看起来是一个应用社区，但更底层的定位，是一个围绕AI应用的分发与协作网络。用户可以发布、浏览、使用、点赞、评论，并在此基础上继续修改和再创作，把原本一次性的生成，变成持续演化的过程。
关键的变化在于，它重写了AI应用被接力改造的方式。
在过去，以GitHub 为代表的开源体系，是以“代码”为核心单元的协作模式。它极其强大，但门槛也很明确，参与者必须理解代码。
但灵光把这个前提改掉了。
在灵光圈里，被“Fork”的不再是代码，而是“意图”。用户看到一个应用，只需要用自然语言描述想要的修改，比如增加某个功能或调整某个场景，系统就会基于新的意图，重新生成一个完整应用。这不是简单复制或改写，而是一次基于结构化语义的重新编排。
这带来的结果，是把参与门槛从“会写代码”，降低到“会表达需求”。
比如，你做了一个卡路里计算器，我觉得可以加上运动消耗，用一句话改完再发出去；下一个人觉得还应该接入摄像头拍照识别食物，于是再改一版。
这意味着，AI生成的产品形态，开始从“个人工具”，扩展到“轻量级协作产品”和“社交表达工具”。
当这两件事叠加在一起，生态的形态也随之发生变化。
应用不再是终点，而是起点。一个人做出的应用，可以被他人继承、改造、再发布，在不断接力中演化。创作从“单点完成”，变成“网络协同”。
从更高一层看，这其实是在重写一套开源范式——从“代码开源”，走向“意图开源”。
前者释放的是程序员的生产力，后者释放的，是更大规模用户的表达能力。
数据也在验证这一点。自去年11月上线以来，灵光已经生成超过3000万个闪应用，从互动游戏到语言打卡，再到日常工具，逐步渗透到用户的具体生活场景中。
当应用可以被持续生成、分发和改造，一个自生长的生态开始出现。而这，才是平台形成的前提。
总结
当软件开发成本被AI大幅压低，一个更底层的变化开始出现——供给爆发。
就像媒体行业一样，当生产门槛下降，内容会迅速增长。AI正在把软件开发从“少数人生产”，变成“多数人参与”，软件本身不再稀缺。
但供给增加只是起点。
当“可用的软件”足够多，瓶颈就不再在生成，而在分发与匹配。这在互联网中已经被反复验证：内容不稀缺之后，决定胜负的，是推荐系统和分发效率。
放到AI软件，这一逻辑同样成立。
如果参照YouTube的发展路径，这样的平台通常具备三个条件：生产足够简单，让应用创建接近“一键完成”；分发足够高效，能够把应用精准匹配给用户；参与足够广泛，让非专业用户也能低成本参与创作与迭代。
从这个框架看，灵光正在逐步具备这些要素。
通过结构化意图解析，把自然语言转成应用；通过社区机制，让应用被分发和复用；再通过“意图开源”，让每一次修改都变成一次新的生成。
当应用像内容一样被低门槛生产、被持续分发、被不断改造时，真正开始发生变化的，或许已经不只是AI编程的门槛，而是信息、创作与软件之间原有的边界。
文/林白
PS：如果你也在寻找投资AI资产的机会，欢迎扫码加入我们的交流群。
热门跟贴