新眸原创·作者 | 李小东

最近更新支付宝的用户，多半会察觉到一些微妙却关键的变化。

右滑进入AI模式，过去铺满首页的功能入口、分类标签与小程序矩阵，被一个干净的对话框取而代之。输入一句“帮我看看这个月的餐饮支出”，不用再逐层翻找账单分类、手动筛选时间范围，几秒就能得到整理好的明细；说一句“找附近的奶茶优惠券”，系统会自动匹配周边门店的可用活动，直接在对话里完成核销下单。

这就是前段时间正式开放公测的“阿宝”，支付宝推出的办事型AI助手。和市面上多数主打聊天、创作、知识问答的通用AI不同，阿宝从立项之初就没有朝着“能说会道”的方向发力，它的目标非常清晰：通过自然对话，帮用户把具体的事落地。

首批开放的72项智能办事技能，覆盖居家打理、交通出行、优惠采购、政务证件、钱包账单、陪伴互动六大类日常场景，从查社保、缴水电费，到领消费券、买日用品，甚至规划短途出行路线，都能靠一句话触发服务。

过去两年，大模型从行业概念快速走向大众视野，我们见过太多能写诗、能写代码、能陪人通宵闲聊的AI产品。热度最高的时候，几乎每家互联网公司都在做自己的通用大模型，比拼参数规模、上下文长度和多模态能力。

但热闹退去之后，很多人手机里常驻的AI应用寥寥无几。核心原因并不复杂：多数AI能回答问题，却不能闭环解决问题；能给出参考建议，却不能帮用户走完执行的最后一步。

而“阿宝”的出现把问题拉回到了一个更原始的维度——当AI被塞进一个承载了10亿人水电煤、医保、存款、信用记录的超级App时，它该以什么姿态出现？它该替用户做多少事？它该在哪个环节停下、把决定权交还给人？

举个例子，公测版的办事技能，覆盖居家、出行、政务、账单等场景，但所有涉及资金确认、支付密码、签约授权的环节，AI一律止步。这个设计原则看起来保守，却恰恰暴露了“办事型AI”和“问答型AI”最本质的差别。问答AI追求“无所不知”，边界越模糊越好；办事AI追求“恰到好处”，边界越清晰越安全。

而这条边界划在哪里，不取决于技术能力，取决于对“信任”这件事的理解深度。

藏在对话框里的服务

支付宝的前二十年，是一部功能不断叠加的历史。从最初的转账支付工具，到后来接入生活缴费、政务服务、本地生活、理财保险，它的边界越拓越宽，页面上的入口也越来越多。

发展到后来，很多用户都有过类似的体验：想办一件小事，要先回忆功能在哪个分类下，点进小程序，再找二级、三级入口，几步操作下来，原本简单的需求变得繁琐。功能越全，找服务的成本反而越高，这几乎是所有超级App都会遇到的增长瓶颈。

阿宝的出现，本质上，是对这套交互逻辑的一次重新梳理。它把原本层级化、分散化的服务入口，全部收拢到自然对话的框架下。用户不用再去记忆“社保查询在市民中心里”“自动续费在设置里找”，只要说出自己想办的事，系统就会自动匹配对应的服务链路。

这次公测推出的技能，是平台从数千项生活办事服务里筛选出来的高频刚需场景，相当于给用户准备了一份上手清单，降低了接触AI交互的心理门槛。

具体到体验层面，这种变化是直观的。

在优惠采购场景，阿宝会按价格、规格、使用场景做筛选推荐，整个浏览、选品、下单的流程都能在对话里完成，不用跳转到单独的电商页面。

在政务证件场景，咨询港澳通行证办理、育儿补贴申领这类事务，系统会直接返回办理条件、材料清单和预约入口，省去了在政务网站里翻找指南的时间。

钱包账单相关的需求更是阿宝的强项，查收支、分析大额支出、查看自动续费项目，都能靠一句口语化的提问得到结果，这也是支付宝区别于其他AI助手的核心优势场景。

支撑这套体验的，是蚂蚁自研的AntGLM大语言模型，以及一套多智能体协作系统。用户的指令发出去之后，规划智能体先拆解需求，上下文模块调用用户的历史偏好和服务数据，最后由执行智能体对接具体的服务接口完成操作。

针对生活服务场景，团队还做了专门的垂域优化，重点提升对模糊口语、零散提问和多条件复合需求的识别精度。比如用户说“周末想带孩子去周边玩，要凉快一点，附近能吃饭”，这种口语化、多条件的复合诉求，系统可以拆解成目的地筛选、餐饮匹配、交通方案等多个子任务，再整合出完整的方案。

当然，现阶段的阿宝远称不上完美。

内测阶段就有用户反馈，过于复杂的多步指令依然会出现偏差，账单分析的颗粒度还有提升空间，不少小众服务场景还没有覆盖到。

目前支付宝保留了经典版与AI版自由切换的选项，这是一种比较务实的选择，二十年养成的用户习惯，不可能靠一次版本更新就彻底扭转，对话交互要真正成为主流，还需要很长的适应周期。

聊到AI产品，很多人第一反应是对比底层大模型的能力。但落到生活服务办事这个赛道，模型只是基础门槛，决定体验上限的，是背后的服务生态。换句话说，能不能把事办好，不只取决于AI有多聪明，更取决于它能调动多少真实可用的服务。

当前的生活服务AI赛道，其实已经分化出了两种不同的路径。

一种是微信的开放生态路线，内测中的AI助手“小微”主打连接能力，向第三方开发者开放接口，让美团、京东这样的服务商接入进来，用户通过微信AI就能调用小程序完成外卖、购物等操作。

另一种就是支付宝的闭环路线，基于自身沉淀的服务生态做AI化改造，从服务匹配到支付确认，尽量在体系内完成完整链路。两种路径没有绝对的优劣，只是基于各自的产品基因做出的选择。

支付宝选择闭环路线，底气来自多年积累的服务深度。发展至今，支付宝平台上已经接入了上万项生活办事服务，覆盖政务办理、民生缴费、交通出行、消费理财等十余个大类，其中很多政务和公共服务都是原生深度接入，不用跨平台跳转，链路天然更短。

更关键的是支付闭环。多数生活服务的最后一步都是交易，而支付恰恰是支付宝的核心能力。从查询、选品到支付确认，整个流程可以在同一个应用里完成，用户不用在多个App之间来回切换，这是很多纯AI产品不具备的优势。

但与此同时，短板也同样明显。

本地生活的供给丰富度，和深耕赛道多年的美团相比还有差距；电商场景的品类广度，也不及淘宝、天猫的完整生态。目前阿宝的电商购物技能，主要覆盖日用百货、家居个护、应季商品等标品，更深层的消费需求，还需要和阿里体系内的电商平台进一步打通协同。

这也引出了一个行业共识：在垂直场景里，垂类模型的价值远大于通用大模型。

通用大模型什么都能聊，但落到具体办事场景，往往只能给出方法论，不能直接交付结果。你问通用大模型怎么查公积金，它能告诉你办理流程，却不能直接调出你的缴存明细；阿宝却可以直接对接政务服务接口，一步返回结果。

这种差异，就是场景深耕的价值。蚂蚁的AntGLM本就在金融风控、合规相关的场景有长期积累，现在向生活服务延伸，相当于在自己熟悉的领域做深度优化，比起从零开始做通用大模型，路径要务实得多。

底层技术层面，蚂蚁此前披露的万卡国产算力集群，也为阿宝的迭代提供了支撑。但对普通用户来说，这些技术参数都是后台的事，最终能感知到的标准只有一个：能不能准确、快速地把事办好。

这次公测版本里，有一个容易被忽略的细节：阿宝新增了亲密度陪伴体系。

用户在日常对话、办事的过程中可以累积亲密度，解锁勋章、对话装扮等个性化权益。这个设计传递出一个信号：支付宝想在产品里加入一些情感连接的属性，提升用户的长期粘性。

这就带来了一个很有意思的问题：面向生活的AI助手，到底应该做纯粹的工具，还是做有温度的伙伴？

不同的产品给出了不同的答案，有的主打强拟人化，像朋友一样陪用户聊天；有的则极度克制，只专注解决具体问题。阿宝的选择是在两者之间找平衡：办事的时候做可靠的工具，闲暇的时候可以做陪伴的角色，但边界划得很清楚。

最核心的边界，在资金安全这条线上。支付宝官方有一个很明确的原则：阿宝帮用户办事，但不会动用户的钱。所有涉及资金变动、支付确认的环节，最终都必须由用户本人手动操作确认，AI只能帮用户走完流程、填好信息，不能直接完成扣款。

在金融和支付场景里，可靠永远比智能更重要，这条底线守不住，再强的AI能力都没有意义。从目前的产品设计来看，支付宝在这一点上做得相当克制，没有为了追求“全自动”的体验而突破安全边界。

更深层的边界，在于用户习惯的迁移。过去二十年，我们已经习惯了“看到图标-点击入口-完成操作”的交互逻辑，这种肌肉记忆不是短时间内能改变的。很多人第一次使用对话式AI，都会陷入“不知道该说什么”的茫然，甚至会觉得“还不如我自己点几下来得快”。

这也是支付宝没有一下子放开全部服务，而是先精选72项技能的原因。先让用户建立“说话能办事”的心智，培养出对应的使用习惯，再逐步扩展场景，步子迈得更稳一些。

也有人会问：如果AI助手足够好用，未来会不会彻底取代现有的图标交互模式？超级App会不会最终只剩下一个对话框，所有服务都靠对话调用？至少从现阶段来看，这种情况还不会发生。

对话交互的优势，在于处理模糊的、复杂的、多步骤的需求，比如“帮我规划一趟三天的周边游”，这种需求用传统菜单操作会非常繁琐，用对话就很自然。但对于扫一扫、收付款这种高频、简单的操作，直接点击图标的效率依然更高。

所以在阿宝的界面底部，依然保留了扫一扫、收付款、出行这些核心功能入口，这既是对用户习惯的尊重，也是对不同交互方式价值的清醒认知。

AI发展到今天，已经过了靠新奇感吸引用户的阶段。通用聊天AI有它的价值，但对于大多数普通人来说，能帮着查账单、领优惠券、办政务、处理生活里各种琐碎小事的AI，才是真正能留在日常里的助手。

阿宝不是第一个办事型AI，也肯定不会是最后一个。它的公测，更像是一个信号：超级App的AI化，已经从小范围试水进入了规模化落地的阶段。至于对话交互能不能成为下一代生活服务的主流入口，答案还是要交给用户的真实选择和时间沉淀。