# 模型到底吃不吃应用？--从 Canva、Figma 到美图， 看 AI 应用公司的两种命运 屠龙之术 · 2026-08-31 在《屠龙之术》中，主持人庄明浩以Canva、Figma和美图为例，论证模型公司不会“吃掉”应用公司——模型吃掉的是单一功能，复杂场景下的结果交付才是护城河；他由此引入“Neolab”概念：应用公司也要有自己的模型、评估体系和数据循环。他先指出市场的负面信号：Figma即使连续三季度收入增长超40%，市值仍从峰值跌超88%；Canva把2026年营收增速预期从30%下调至20%，估值从500亿美元降至约320亿美元。随后他以美图财报为正面样本：2026年上半年收入22.1亿元，净利润6.35亿元；生产力应用月活3300万、付费订阅用户235万，传统影像业务收入17.7亿元，自研模型生成内容占比高达96%，第三方API成本仅占收入个位数百分比。庄明浩认为AI应用正从“功能集合”转向“工作流与结果交付”，产品如Pitch（学它修图）和MVLand体现这一趋势，而美图的战略决定之一是“成熟老产品不给新产品导流”。他也提醒，生产力业务目前只占收入18%，能否成为主曲线仍是未知数，且所有AI应用公司都要面对海外高付费市场的留存与续费问题。他的最终判断是：模型会吃掉功能，但吃不掉复杂场景的结果交付；能留下的是把模型、场景、流程与支付组织成用户反复购买结果的公司。 ## Questions this episode answers ### 庄明浩对“模型到底吃不吃应用”的最终判断是什么？ 庄明浩认为很难有极端观点；模型吃掉的是功能，吃不掉复杂场景下的结果交付。能活下来的公司要把模型、场景、流程和用户支付组织成用户愿意反复购买的结果；成熟公司要在稳住成熟业务底盘的同时，把积累转化为AI工作流优势，形成第二曲线。 [30:01](https://tulongzhishu.podhood.com/9485f1f4-3a2a-42b8-9372-74fc7878e376?t=1801000) ### 美图2026年上半年财报有哪些关键的AI数据？ 庄明浩提到，美图2026年上半年收入22.1 亿，净利润6.35 亿，净利润同比增长将近40%；生产力应用月活达到3300 万，订阅用户235 万，AR到了6.2 亿 人民 币；自研模型生成内容占比96%，第三方API调用token额度占收入比例是个位数百分比。 [23:12](https://tulongzhishu.podhood.com/9485f1f4-3a2a-42b8-9372-74fc7878e376?t=1392000) ### 市场在担心AI应用公司的什么问题？ 庄明浩认为市场担心四点：应用的单点功能会被模型默认能力吃掉；AI应用缺少网络效应，成本先于收入；AI带来的尝鲜不等于留存，爆款不等于订阅；增长不等于兑现，必须证明AI投入能带来收入、利润和现金流。 [11:50](https://tulongzhishu.podhood.com/9485f1f4-3a2a-42b8-9372-74fc7878e376?t=710000) ### AI应用公司的真正价值或该做什么？ 庄明浩认为应用真正的价值不是拥有模型，而是把复杂度内化，做选择模型、拆解任务、控制结果、交付这四件事；用户不需要关心调用哪个模型，只需要按时拿到一份能用的结果。 [21:03](https://tulongzhishu.podhood.com/9485f1f4-3a2a-42b8-9372-74fc7878e376?t=1263000) ## Key moments - **[0:00] 开场** - [2:03] AI时代的应用公司像铁轨上会被大语言模型列车撞飞的小车——庄明浩反复使用的梗图 - **[2:44] Neolab** - [3:13] Elsewhere《2026年AI应用全国统一期中考试卷》有道题：一家AI公司同时自研模型、帮别人训模型、做2C产品，近60%的人选了‘Neolab’ - [4:21] 红杉大会主题‘Own your intelligence’：当开源模型能力够强、最贵模型价格超阈值，个人和企业都要拥有自己的智能 - **[5:24] 多模态** - **[6:53] 市场看衰** - [7:50] Figma从接近700亿美元市值峰值跌至约150亿美元，距最高点跌超88%，尽管连续三季收入增速超40% - [8:37] Canva一级半市场估值从约500亿美元峰值回落至约320亿美元，并将2026年营收增速指引从30%下调至20%，IPO或推迟到2027年 - **[9:26] 市场利好** - **[10:57] 二元暴论** - [10:57] 模型公司 vs 应用公司：市场认为模型公司价值更高、新AI-native优于老公司，庄明浩认为并非绝对二元 - **[11:50] 担忧** - [13:11] AI应用用户尝鲜不等于留存：一次爆款生成带来传播，但很难让用户重复使用、批量使用甚至订阅 - **[14:53] 关注点** - [15:04] AI应用观察应关注用户数据沉淀与记忆、场景落地、Harness流程控制、结果可控可交付、团队协作和AI品牌调性 - **[16:14] 美图样本** - **[18:06] 功能到交付** - [18:07] AI应用的核心指标是从功能走向交付：美图已从修图功能变为给电商商家和内容从业者交付整套素材与成片的Agent流程 - [19:26] 美图App Pitch的‘学它修图’：Coser和摄影师上传自己的修图Skill，普通用户无需理解Skill就能得到端到端成图 - [21:20] AI应用让用户自己选模型是一条弯路——用户只关心结果，复杂度应由应用内化 - **[23:12] 财报** - [23:12] 美图2026上半年收入22.1亿元、净利6.35亿元同比增近40%；生产力应用月活3300万增43.5%，付费订阅235万增29.8%，相关AR达6.2亿元 - [25:39] 美图自研模型生成内容占比96%，仅约4%用外部模型，庄明浩称这数字大到让他意外 - **[26:30] 问题与终局** - [26:41] 美图及同类AI应用公司仍需回答四个问题：生产力第二曲线是否足够大、单位经济与毛利、产品架构能否持续孵化、海外高ARPU用户留存与付费 - [29:47] “成熟的老产品不能给新产品导流”——庄明浩称这是美图定的规则，反常识但越来越重要 - [30:13] 模型吃掉的是功能，吃不掉繁复场景下的结果交付——庄明浩最终判断：能把模型、场景、流程和支付组织成用户反复购买结果的公司才能留下 ## Speakers - **庄明浩** (host) ## Topics 产品与应用, 内容创作 ## Mentioned Canva (company), Figma (company), Neolab (company), 美图 (company), MVLand (product), Pitch (product), 站库 (product), 美图Hub (product), 美图奇想大模型 (product) ## Transcript ### 开场 **庄明浩** [0:01] 哈喽哈喽 ， 大家好 ， 我是明昊 ， 欢迎收听这期的 《 屠龙之术 》。 呃 ， 这期想聊一个其实有些老的议题 ， 这个议题在过去的 3、4 年时间这一轮 AI 爆发的过程中， 无数次地被提及 。 当然最近一段时间 ， 提及这个议题的时候 ， 大家的探讨似乎出现了一些变化 ， 然后关于这件事情的探讨的所谓 " 共识 "，其实迟迟没有形成 。 有很多的主张 ， 很多的声音 ， 很多人的看法 ， 很多的案例 ， 然后我今天就想聊一聊最近所想跟所观察的内容 。 今天这个主题叫 " 模型到底吃不吃应用 "。 对 ， 你一听这个议题 ， 你就大概能知道我想聊什么 。 然后我起了一个副标题 ， 这个副标题叫 " 从 Canva、Figma 到美图 ， 看 AI 应用公司的两种命运 "。 嗯 ， 这几个公司的产品其实基本上是我相对比较熟悉的 ， 然后也可能是偏多模态这个战场里的 ，而不是纯语言模型这个战场里的 。 这件事情我后面会详细展开 。 我觉得这个战场也很有意思 ， 它可能更贴近我们所熟悉的很多事情 。 然后我又起了一些更延伸的想法 ， 比如说今天这个时间点大家都知道 AI 这一波 ， 哪怕是 AI 的应用 ，其实它的能力很多是由模型来提供的 。 应用在做的事情是组织这些模型 、 提供结果 ， 最后这种结果通过市场的定价方式给予到这些 AI 公司所谓的未来 。 所以叫 " 模型提供能力 ， 应用组织结果 ， 市场定价未来 "。 我们正式开始今天的内容 。 首先用一张我用了非常多次的梗图 ， 这张梗图就是美国的一个小车 ， 然后传说在铁路上， 然后它会被马上来的这个火车直接撞飞 ， 对吧 ？ 然后之前的时候 ，在一中后老年代 ， 这张梗图 ， 那个小车可能代表的是很多 ， 比如做相机的 、 做尺子的 、 做天气的 、 做相册的 、 做文件管理各种各样应用 。 然后这个火车把它们撞飞的 ， 可能就是 iOS 或者安卓的系统更新 。 那到了 AI 年代之后， 这个小车似乎变成了那些嫁接在大语言模型之上的应用公司们 。 然后呢 ， 自然而然 ， 这个火车就是这个大语言模型或者是模型公司会把它们撞飞 。 这个梗图我没记错 ， 我第一次用应该是在 GPT-4 的时候 ， 那已经是 ， 哇 ， 三年之前了 ， 那已经是好几个时代之前的事情 。 所以这次梗 ， 这个梗图不断地被用 ， 那似乎就不断地 、 一次一次地在各种各样的 AI 这一轮过程中的喧嚣的共识当中， 一次一次被拿来讨论 。 ### Neolab **庄明浩** [2:44] 然后最近一段时间 ， 这个我的好友 Elsewhere 的刘京他们做了一个很有意思的测试 ， 就是 2026 年 AI 应用全国统一期中测试的试卷 。 如果你关注 Elsewhere， 应该也看到过这个试卷 。 我不知道大家是否去做了这个试卷 ， 我觉得编辑团队在这个试卷上动了非常非常多的心思 。 嗯 ，在这个试卷当中有一个选择题 ，其实有几道选择题都很有意思 ，但其中有一道选择题我印象非常深刻 。 这道选择题是这样的 ： 它说已知一家 AI 公司的业务包括 ：1. 自研模型 ；2. 给其他公司训练模型 ；3. 一个 2C 产品 。 你认为这家公司应该被如何定义 ？ 这三个选项你一听 ， 都会有一个可能脑子里直接会反映出来的 " 我认为中国 AI 公司还是美国公司 "。 可是你发现现在市面上有一堆公司 ， 可能这三件事情都做 。 那我们该如何定义这个公司呢 ？ 这个有五个选项 ：A、 模型公司 ；B、 应用公司 ；C、FDE 公司 。 那你听起来这前三个选项基本都是一个单一 、 单一维度的描述 。D 也是最多人， 有超过将近 60% 的人选的答案 ， 叫 Neolab。 哈哈哈 ，E 是什么 ，其他都不是 ， 你可以自己写 。 呃 ， 虽然这看起来是对从去年下半年业界产生的众多的所谓 Neolab 的一种吐槽 ，但你细想的话 ，其实这件事情非常合理 。 因为最近一段时间 ， 整个业界在兴起一波新的探讨 ： 当开源模型的能力到了一定程度 ， 当最贵最新的模型的价格已经超出了很多的阈值之后， 当很多人开始认真地探讨所谓的用户的上下文 、 记忆 、 所谓的 Harness、Loop 变得越来越重要的时候 ， 那似乎无论是个人还是企业 ， 无论是一个使用者还是一个应用开发者而言 ， 似乎都要拥有自己的智能 。 就像红杉最近那次我提及了无数次的大会议 ， 叫 "Own your intelligence"， 拥有自己的智能 。 那这件事情似乎就不单纯它是一个应用公司 ， 它是个模型公司 ， 到底是用自研模型 ， 还是用开源模型 ， 还是用魔改的后训练的模型怎么样 ， 所有这些事情放在一起 ， 变成了一个统一的命题 。 那配着 Neolab 这样一个统一的 、 有宽泛定义的概念 ， 似乎就非常的合适 。 所以虽然这看起来是对 Neolab 的吐槽 ，但细想我觉得非常的合理 。 ### 多模态 **庄明浩** [5:24] 那再回到今天的议题 。 呃 ， 如果只看多模态 ， 就像我标题说的那样 ， 我之前用过很多次的比喻 ， 就是桌子这个比喻 。 我最近也录了一期跟朋友的长达两个多小时的 ， 关于 2026 年 AI 这一波到底谁在主桌上， 谁在掀桌 ， 新的桌子是可能以桌的方式来去探讨 。 那我们还是按主桌这个比喻 。 我说原来有两桌半 ： 语言 、 多模态跟 Coding， 对吧 ？ 那直到今天 ， 这个划分方式 ， 我觉得在业界依然没有形成共识 。 那很多人会认为 ， 我觉得以比如说梁胜为代表 ，他会认为通过语言其实就可以实现一些所谓多模态 、 所谓这些都是外围的事情 ， 都不重要 ， 对吧 ？ 那还是说大家会认为 ， 除了纯语言之外的事情 ， 多模态会是另外一件与之相并列的事情 。 我觉得这件事情在国内可能又不一样 。 今天这个时间点 ， 可能国内的多模态领域的发展 ， 无论是从视频模型 、 视频 Agent， 到扩展定义的 ， 比如说世界模型 ， 包括可能之前谈论过的 S3D、 语音 、 音乐这几个板块所构成的这样一个异常繁复且有生命力的生态 ， 可能相信美国那边会更有意思一点 。 所以如果我们只看多模态这个战场 ， 回到今天的标题的议题 ， 到底是模型还是应用 ？ 呃 ， 市面上有非常多正反两端 、 两端都非常极端的观点 。 我们先看一些 debuff 负面的两个案例 ，也是我今天标题中提出的案例 ：Figma 跟 Canva。Figma 很有意思 ， 这家公司在 2022 年曾经传出来跟 Adobe 要谈并购 ，Adobe 当时开的价格没记错 200 亿美金 ， 最后没有谈拢 ，Adobe 付了一笔非常大的违约金 ， 然后 Figma 自己上市了 。Figma 上市就开始暴涨 ， 它赶上了这一轮 AI 在过程中的一个很重要的一个叙事 。 ### 市场看衰 **庄明浩** [7:22] 我如果没记错的话 ，Figma 上市就从一两百亿美金一直涨到过巅峰 ， 可能将近 700 亿美金 。 前段时间我们甚至去谈论 Figma 的很多投资人的收益有多少 ， 对吧 ？ 如果大家有印象的话 。 然后在那之后， 似乎这个市场的叙事变了 。 大家会认为 ， 比如说进入到 2026 年之后， 所谓的 SaaS 已死 ， 对吧 ？ 然后大家会认为模型或者 AI 会吞噬软件 。 那 Figma 变成了这样的 " 代表公司 "， 双引号的 ，不是特别好的代表公司 。 那今天 Figma 回到了大概 150 亿美金左右 ， 距离上市它最最最 ， 当然现在最近几个季度又涨回来一些 ， 巅峰 ， 双引号的巅峰 ， 跌了超过 88% 的市值 ， 距离最高值 。 然后现在的 150 亿美金应该还是低于 IPO 的市场发行价 。 但是其实 Figma 的业绩 ， 我们纯从基本面角度来看是不错的 。Figma 应该已经连续三个季度的收入增长超过 40%， 连续三个季度 ， 甚至可能每个季度还在增加 ， 可能原来是 42、43， 现在已经 45、46 了 。 所以即便收入在增加 ，但似乎从估值角度来看 ， 市场并没有给予正向的评价 。 那另外一个是 ， 呃 ， 我用得最多的设计软件 Canva。Canva 今天依然没有上市 。 我在前两期讲一级半市场的时候也提及 ， 这家公司其实在一级半市场的估值最近面临比较大的调整 。Canva 巅峰的老股 ， 我没记错应该到过 500 亿美金 。 现在一级半市场 Canva 的估值大概只有 320 亿美金左右吧 ， 差不多 。 那最近也出了一个比较重要的事情是 ，Canva 把 2026 年的营收增速从原来的 30% 的预期调到了 20%。 那就是虽然还在增长 ，并且你考虑到 Canva 的营收规模 ， 这个增长其实也不错了 ，但是这个 表述或者这种指引的调整 ， 你就能看到一些不太好的事情 。 然后本来预计 2026 年我们会看到 Canva 上市 ，但是现在也有传闻是说 ，Canva 可能要到 2027 年才可能会去上市 ， 当然也有可能被收购 ， 我觉得 。 所以这是两个市场的 ， 我们叫 debuff。 那当然这个市场可能我会找到更多的正向的 buff， 比如说视频模型在过去的这半年多时间 ， 我也讲过无数次 ， 当 CDR320 看起来已经秒杀一切的情况下， 这个市场的前十名公司都在过去的半年多时间疯狂地拿钱 。 ### 市场利好 **庄明浩** [9:46] 然后最近一段时间 ， 比如说 Arxit 科技已经开始报告港股了 ， 我们很快可能会在港股看到视频模型的公司 ：Pixverse、Hydream、Sand、Vidu， 我们可以有各种各样的公司聊到视频模型的进展 。 这些公司可能也跟世界模型的关联出现了 ， 我在我的世界模型那期也有讲过 。 然后你比如在 Agent 这个战场 ， 我们今天业界讨论最多的当然是办公 Agent， 可是在另外一个战场 ， 就是这个视频 Agent 这个板块 ，其实中国公司的成绩 ， 或者说我们可以去聊的公司也非常的多 ：KJ、Livlib、OYO， 包括最近刚刚拿钱的美国的 Hexfield， 这些都是在视频领域做得非常好的 Agent 公司 。 它们在过去这可能不是半年， 是一两年时间里面 ， 无论是 AR 的增长 、 用户的规模的扩展 、 然后品牌影响力的传播 ， 所有这些事情都变得非常的大 ， 然后它们的融资也非常的迅速 。 那包括 S3D 两家 ，Mercy 跟 Triple，其实今年上半年都拿了非常大额的融资 。 那我估计很快它们也会去想 IPO 的事情 。 所以这些看起来都是对多模态这个战场比较正向的 ， 尤其是偏有益的这个 buff。 那似乎我们回头来看 ， 关于我们今天的议题 ，有两个比较极端的 ， 我们叫二元的暴论 ， 就是看起来大家会认为新兴的所谓 AI native 的公司是优于老公司的 。 ### 二元暴论 **庄明浩** [11:13] 那当然这件事情可能不仅仅在多模态这个战场 ，在纯 AI 模型领域也是一样 ， 对吧 ？ 就是大家会对所谓的初创公司有更多的期待 ，有更多的期许 。 那对那些虽然模型能力也很强 ，但是它是老登公司 ， 大家就没有那么给予正向的评价 ， 对吧 ？ 第二个 ， 似乎看起来今天这个时间点 ， 大家对于模型公司的价值的考量要优于应用公司 。 当然这是一个特别 ， 怎么讲 ， 特别极端的二元暴论 。 那事情是否真的如这种极端态所展现呢 ？ ### 担忧 **庄明浩** [11:50] 我觉得并不那么绝对 。 然后我们再去把这个事情往前推演一点 ， 我们无论是一级还是二级市场 ， 我们在看这些评估的时候 ，在看这些公司发展的时候 ， 我们到底在怕什么 ， 或者我们在担心什么 ， 才会产生刚才那样的结论 。 比如说我们会担心应用公司的单点功能会被吃掉 ， 比如在图片这个领域 ， 对吧 ？ 甚至图片跟视频领域 ， 抠图 、 扩图 、 换背景 、 修图 、 模板化 ， 这种东西对于今天的多模态模型而言 ， 似乎都已经是默认能力了 ， 对吧 ？ 这些单点的功能 。 然后第二点 ，在整个 AI 板块 ， 它跟原来的用户量最大的不同之一 ，是它没有所谓的边缘效应递减 ， 没有所谓的网络效应 。 任何一个客户去服务它的时候 ， 从毛利传统角度来讲 ， 今天应用公司的毛利是最低的 ， 就是成本先于收入 。 你需要负担巨大的 token 也好 、 算力也好 、 运营的品牌的各种各样的成本 ， 模型调用 、 产品重构 ， 它都在先发生 。 但是真正意义上产生用户的收入是在后面的 。 也就是说商业化的变现是在更晚时间 ， 甚至可能因为竞争的原因 ，因为其他的一些各种各样的问题的考量 ， 你可能甚至要把这个事情再往后拖后 。 就是成本先于收入 。 第三呢 ， 用户在过去的这几年里面 ， 确实会因为 AI 产生兴奋或者是焦虑 ，他会来用 。 就是长先的用户特别的多 ， 对吧 ？ 但是长先之后， 它不等于留存 。 一次爆款的生成可能会带来传播 ， 带来推特上的爆款的帖子 、 抖音上一个爆款的传播的视频 ，但这很难去让用户重复地使用 、 批量地使用 ， 甚至产生订阅 。 我觉得这件事情不仅在我们今天聊多模态领域 ，在社交陪伴 ，在各种各样的 Agent 板块其实都如此 。 所以反过来讲 ， 为什么大家 ， 我从一个更 ， 怎么讲 ， 更小人之心的角度来讲 ， 为什么大家今天更多要去讲所谓的更大的故事 ，也是这个原因 。 就是似乎传统意义上大家去定义的所谓的 ， 比如说活跃指标 、 留存这些事情 ， 真的不那么适合当下这个时间点 AI 应用的状态 。 我觉得这个讨论或者这个共识 ， 这个议题也是经历了几轮的探讨 ， 慢慢慢慢成为一个当下这个时间点大家不得不接受的状态 。 然后第四一点 ， 相辅相成的 ， 增长并不等于兑现 ， 对吧 ？ 成熟的应用必须证明 AI 投入 ， 无论是 token 的投入 、 算力的投入 、 运营的投入还是增长的投入 ，不仅在原来的移动化里面 ， 它能带来收入 ， 甚至能带来利润 ， 对吧 ？ 因为网络效应 、 因为品牌 、 因为各种各样的原因 ， 它能带来现金流 ， 甚至能带来更强的定价权 。 你可以去跟各种各样的厂商谈更强势的定价的方式 。 可是似乎在 AI 这个时代 ， 这件事情看起来对于应用公司而言 ， 可能有一 ， 至少在这个节点 ，有一点点难 。 当然现在情况在不断的变化的动态过程中， 什么时候能够扭过来我们也不知道 ， 或者说在什么样的局域空间会出现一些扭转的情况 ， 我们也不知道 。 所以市场在怕这些问题 。 那这些议题摆在这里 ， 对于一个比如说行业观察者也好 ， 投资人也好 ， 无论是一级还是二级 ， 我们到底应该关注什么 ， 对吧 ？ ### 关注点 **庄明浩** [15:04] 那就出现了非常多今天这个时间点 ， 你可能在无数的媒体 、 无数的文章 、 无数的报告当中看到的各种各样的 ， 甚至包括我的播客里听到的所谓的黑话 ， 对吧 ？ 我们要看 ， 我们认为所谓的用户的数据的沉淀 ， 或者所谓的泛意义上的记忆跟上下文变得重要了 。 我们要看场景落地 ， 对吧 ？ 具体拿来干什么 。 我们要 ， 比如今年 Harness 学习的时候 ， 大家会认为流程的整个控制变得重要了 。 然后我们要认真的去对待一个 AI 应用产生的交付的结果 ， 它要可控 、 可用 、 可交付 ， 对吧 ？ 然后它要强调从个体到团队的协作 。 虽然今天 FDE 的传播这么的广泛 ，但似乎大家越来越认识到 ， 无论是组织内还是组织中人之间 ， 个人跟人之间的这种协作的关系 ，在 AI 自己的 Loop 之外是否要形成一个协作的 Loop。 那可能再延伸的是 ， 包括 AI 的品牌的调性可能越来越重要 。 虽然大家会认为 ， 可能今天用户对于模型也好 ， 对于应用 ， 尤其 AI 这个最新的板块里 ， 对于品牌的优先级或者考量没有那么重 ，但是越来 ， 这个事情我觉得在越来越重要 。 所以我们似乎还是要关注这些 ，其实可能很早之前大家就该关注的事情 。 那再延伸 ， 我们为什么会谈到今天我会拿美图作为样本 ？ ### 美图样本 **庄明浩** [16:20] 因为首先美图刚刚公布了这个季度的财报 ， 然后美图在过去几年经历过一些调整 ， 尤其是上市之后的业务的变化 、 组织跟核心团队的变化 。 然后到今天 ， 我觉得这个时间点是可以拿来讲一讲 ， 作为一个 ， 它很有意思 ， 就是它既有非常非常我们所熟知的 ，在移动互联网年代已经非常成熟的美图秀秀 、 口袋相机这样的 ， 我们叫成熟应用的底盘 ， 这些应用有巨大的用户规模 ，有非常强大的品牌心智 ， 除了在中国市场 ， 可能也在全球各地 ，在各种各样的分发 。 然后这些我们叫成熟应用底盘 ， 似乎可以给到这样的公司去开新项目的时候做冷启动用 。 当然这种逻辑是 ，因为我的公司也是做移动互联网业务的一个相对古典的公司 ， 我们在做新的 AI 应用的尝试时候也是这么认为的 ， 就是我们也有用户规模 ，也有在某个板块比较强的品牌心智 ，也在做各种各样的全球化 。 那在做新的业务的时候 ，也会基于原有业务做一些冷启动的事情 。 但同时美图你会发现 ， 今天这个时间点 ， 我们叫新的 AI 的原生的产品趋势也在建立 。 你打开今天美图的官网看它的产品架构 ， 你会发现 美图可能在 AI 这个影像板块已经有了一个类似产品矩阵的 ， 它会有生产力的 ， 它会有做 Agent 的 ，有做各种各样订阅的 ，有做 token 跟职业工作流相关的 ， 无论是短剧还是 MV， 各种各样的产品 。 那底层有美图自己的一个专有的多模态领域的模型 。 所以它既有非常成熟的应用底盘 ， 双引号的老业务 ， 同时在这个时间点已经开始显现出在 AI 原生产品趋势上的一些尝试 ，并且尝试出了结果 。 ### 功能到交付 **庄明浩** [18:07] 那又回到刚才我们说的 ， 我们到底应该关注什么 ？ 最最核心那个指标是从功能走向交付 。 那我们就看这件事情在美图这家公司上的体现 ， 就是我们回想一下， 我们想到美图秀秀 ， 原来的功能就是 P 一张图 ， 对吧 ？ 用户帮我把这张图修得好看 ， 它是一个非常单点的功能 。 然后就是一次编辑 ， 一个效果 ， 一个按钮 ， 结束了 。 然后用户可能为一些功能做一些付费 。 那今天你会发现 ， 当整个美图的产品形态变得复杂 ， 它开始做 Agent、 做工作流 、 做复杂的交付的时候 ， 这个事情出现了变化 。 比如它做了一个产品是给这个电商商家的 ， 可以做电商商家所有相关的各种各样的图 。 它可以把它商品的这个单个图变成整套 ， 比如说用来装修店铺的 、 用来做买量投放的 、 用来做视频素材的 ， 所有这些素材全部交付好 。 然后比如它给内容行业的从业者的 ， 就是不单纯只是给普通用户 ， 它也给内容行业的专业的从业者做的 ， 比如说把脚本 、 人物 、 场景和成片串成一个类似流程的方式 、Agent 的方式提供给用户 。 用户可以从最开始的源头到最后的交付全部用一个软件实施 。 所以从功能走向交付 ， 看起来也变成了今天这个时间点 AI 应用公司默认的一种产品范式 。 对 。 然后再举个很现实的例子 ， 刚才讲的这一堆 ， 可能更多还是基于逻辑层面的这个梳理 。 我最近发现一个美图很有意思的这个 App， 叫 Pitch。 这个 App 其实原始的功能还是修图 ， 听起来又没什么不一样 ，但是我会觉得为什么我对这个 App 感兴趣的 。 首先 ， 这个 App 有一个最最核心的功能 ， 叫学它修图 。 这个 App 里面会有很多的特别 ， 比如说 Coser 领域的大专门的摄影师跟 Coser， 然后他们会有一套自己去修图的 ， 我们其实讲就是 Skill。 但是在这样一个不是面向非专业用户的产品里 ， 它没有用说我今天有个 Skill 的什么应用商店 ， 你可以用谁谁谁的 Skill， 或者用谁谁谁的 MCP 来修你的图 。 你说对于一个普通用户 ， 对于一个小女生 ， 她想把自己的图修好看一点 ， 她需要知道什么是 Skill 吗 ？ 我觉得这个事情对于普通人而言真的没什么必要 。 所以这些概念完全没有必要 。 就一个非常简单的功能 ， 叫学它修图 ， 或者学我修图 ， 你也可以上传你的 Skill， 对吧 ？ 虽然可能行业里的人大家知道 Skill 是什么 ，但是对于一个普通用户而言 ， 学它修图作为一个功能到交付的结果的产生 ， 非常的简单且很容易理解 。 用户非常知道在这里我能得到什么样的体验 ， 端到端的结果会是什么 ， 为了什么样的东西我要付出什么样的成本 ， 仅此而已 。 所以我会觉得这种方式特别适合当下这个时间点 ， 我们去做各种各样的 AI 产品的设计的考量 。Pitch， 如果大家有兴趣可以去试一下 。 当然女孩子可能会好一点 ， 对吧 ？ 你的照片需要一些特殊的风格的时候 。 然后呢 ， 又回到我们前面提到的 ， 我们刚才讲的还是偏产品层的 ， 对吧 ？ 产品层是由模型提供的能力 ， 然后应用把它组织成了结果 。 应用层我觉得真正的价值可能不是拥有模型这样一件事情 。 就跟今天我们最近在一些群里讨论的时候 ， 我会有个感觉 ， 当然我觉得也变成一种共识 ， 就是今天很多产品 ， 尤其是 AI 应用产品 ， 会让用户去选所谓的模型 。 我觉得这是一条弯路 ， 或者说这是这个时间点无奈接受一种选择 。 我觉得再往前推演 ， 应该不应该让用户去做这样的选择 。 用户不承担这种复杂度 ，因为用户又不知道哪个模型好 ， 哪个模型不好 。 用户又不是我们天天这些做测评的人， 对吧 ？ 用户根本不需要关心调用哪个模型 ，但是他唯独需要关心的就是那个结果 ， 就是能不能这个应用按时交付一份能用的东西 。 所以纯从模型的这个运转 ， 或者说纯从应用的这个拓展角度来讲 ， 应用要做的事情就是把这个复杂度内化掉 ，而不是应该交给用户来选 。 当然我会觉得现在这个时间点是大家没有办法 ， 是一种无奈 ， 是一种妥协 。OK，但是我们往前推演 ， 我会觉得应该就不需要了 。 那应用在做的事情 ， 第一步选择模型 ， 对吧 ？ 根据任务 、 场景 ， 调用不同的视觉模型的工具 ， 对吧 ？ 那这件事情其实今天这个时间点 ， 为什么 OpenRoad 会被收掉 ， 为什么大家最近一段时间一定要强调所谓路由的状态 ，也是如此 。 模型层是这样 ， 应用层也是这样 。 然后拆解任务 ， 为什么 CPU 会卖得那么贵 ， 大家去想 。 任务的拆解 ， 把一个模糊的需求 ， 比如在美图这个场景里 ， 拆成脚本 、 画面 、 人物 、 尺寸 、 格式各种各样的东西 ， 然后去做执行 。 第三步控制结果 ， 对吧 ？ 保持一致性 ， 人物也好 ， 品牌也好 ， 模板也好 ， 风格也好 ，在保持一致性的同时， 又要允许用户在重建过程中， 无论是过程中还是结果层面去做调整 ， 最后完成交付 。 第四步 ， 输出一份能发布 、 能投放 、 能复用的视觉成果 ，因为我最后要的是结果 。 我觉得这个过程可能就是一个常规意义上今天这个时间点所谓 AI 应用应该在做的事情 ： 选择模型 、 拆解任务 、 控制结果 、 交付 ， 四个节奏 。 ### 财报 **庄明浩** [23:12] 那我们从最最新发布的美图的财报上， 似乎已经可以看到一些趋势 ， 就是美图已经开始在 AI 板块的收入上成规模 。2026 年上半年美图的收入是 22.1 亿 ， 同比增长 22.1 亿 ， 半年 。 然后它的净利润达到了 6.35 亿 ， 就是 1 亿美金不到 ， 对吧 ？ 差不多快到 1 亿美金 ， 这是半年收入 。 这个利润同比增长了将近 40%。 然后更重要的是 ， 原来在大家会认为默认的美图的工具是 TuSeed， 对吧 ？ 但是在今天生产力这个场景 ， 就大家可能跟 AI 更关联结合的这个场景里 ， 美图的生产力应用的月活达到了 3300 万 ， 同比增长了 43.5%。其中付费订阅户 、 订阅用户达到了 235 万 ， 这个付费率将近大概 7% 到 8% 吧 ， 差不多 。 付费用户增长了 29.8%。 相关的 AR 到了 6.2 亿人民币 ，6.2 亿人民币 ， 已经是一个我觉得大几千万美金的这个当量 ，也算是在应用板块不错的一家公司了 ， 马上可以进入到 1 亿美金 AR 俱乐部了 。 然后它传统的这个影像的这个相关的产品是 17.7 亿的收入 ，其实涨得也很好 ， 就老业务涨得也很好 。 付费用户的次数达到了 1844， 付费订阅率达到 6.5%。 那生产力确实比这个影像的产品要高一点 。 然后更重要的是 ， 刚才我们提过有个叫 Pitch 的 ，是专门做影像修图的 Agent， 刚刚我讲过 。 美图最近还上了一个产品叫 MVLand， 听这个名 ，MVLand， 那你一听就知道是给音乐类的用户提供制作 MV 的 AI 创作平台 。 对 ， 这几个产品刚刚上， 最近的 AR 突破了 50 万美金 。 那从结论来说 ， 似乎我们可以说在老业务依然比较快速增长且持续贡献好的收入跟利润跟现金流的情况下， 新的业务也在慢慢显现出来所谓的第二曲线的特征 。 然后更更更重要的是在整个财报的这个分析师会议上， 我听到了两个很核心的指标 。 大家会担心当 AI 来了之后， 对于这些应用公司 ， 它的毛利 ， 尤其是你使用第三方的 API 跟 token， 这个成本到底怎么样 。 以美图现在的状况是说 ， 第三方的 API， 就是它调用第三方的 ， 无论是 CDAS 也好 ， 还是各种各样的模型也好 ， 这个 API 的收入 ， 你可以就是调用的这个 token 的这个额度 ， 占它收入的占比 ， 个位数百分比 ， 个位数百分比 ，其实并不多 。 核心原因是什么 ？ 我觉得这两个数字相辅相成 。 第二个数字是 96%， 这个数字是什么 ？ 我觉得这个数字太让我意外， 这个数字大到我觉得有点过于大了 。 自研模型生成的内容占比 ， 就是美图基于自己的模型生成的 ， 提供给用户的最后的交付结果 ，96%。 也就是说只有大概 4% 使用了所谓的外面的模型 。 所以它当然从 API 角度来讲 ， 从收入占比来讲 ， 只有个位数百分比 。 我觉得这两个数是对得上 。 那这也符合刚才我们前面所说的 ， 今天这个时间点 Neolab 到底是什么 ， 或者说狭义的应用公司的概念也要扩大 。 今天应用公司也要自己的模型 ， 要训练自己的 benchmark， 要有自己的指标 ，有自己的评估体系 ， 要有自己的后训练的强化学习环境 ， 然后去给用户提供交付的结果 。 所有这些事情都是相辅相成的 。 当然就是我会觉得今天这个时间点 ， 我们再往后看 ， 美图仍然是需要回答的一些问题 ， 甚至可能是类似的这样 AI 应用公司都需要回答的问题 。 ### 问题与终局 **庄明浩** [26:41] 比如说第一层结构的问题 ， 生产力这个所谓的第二曲线是否足够大 。 现在按收入占比应该是 18%， 确实增速很快 ，但是它毕竟原来的生活场景还是底盘 。 这个生产力场景到底会成为主曲线 ， 还是一个高增长的小业务长到一块不长 ， 我觉得这是一个大家都会期待的议题 。 第二是单位经济 ， 就是成本跟收益的考量 。AI 所谓带来的这些巨大的运量 ， 到底能不能真正意义上开始创造成规模的利润 ， 对吧 ？ 因为 token 的消费增长大家都知道 ，不等于利润增长 。 我们要去追问单位算力的收入 、 成本 、token 的定价 、 渠道的分成 ， 包括毛利 ， 对吧 ？ 毛利可能是最最最直接的结果 。 第三是关于产品 ， 就是整个产品架构 ， 就是公司是否能够持续地支持这些双引号 " 创新的 AI 产品 " 的出现 ， 像原来的 Copilot。 当然 Copilot 可能跟 AI 关系没那么大 ，但是比如说后面刚才我提到的 Pitch、MVLand， 这种都是 。 那产品越多 ， 试错的机会越多 ，但是你的资源 ， 无论是人 、 钱 、token、 算力 ， 所有这些 ， 包括品牌 、 研发 ， 都会被分散 。 那怎么去把这些东西沉淀下来 ， 能让尽量少走弯路跟少踩坑 ， 对吧 ？ 这个产品结构 ， 或者这个孵化的结构 ， 我觉得对于今天这个时间点 ， 任何一家已经有一定成熟业务 ，并且尝试在 AI 领域做孵化跟新业务尝试的公司 ， 都是一样的挑战 。 第四 ， 可能对于当下这个时间点 ， 中国所有的 AI 公司一样的命题 ， 就是全球化 。 那对应用公司来讲 ， 我觉得这个议题会更直接 ， 就是海外的高 up 地区的用户如何保持长期的付费 ， 对吧 ？ 因为 MVL 的增长并不等于付费跟订阅 ， 刚才前面也讲过 ， 你因为一些营销原因 ，因为一些促销的问题 ， 可以在搒单 、 在下载的量上， 或者在短期的传播上得到一个爆 ， 对吧 ？ 但这只是开始 。 真正需要的其实是高 up 市场的用户留存 、 续费跟持续产生现金流 。 所以这些议题你听起来还是一些我们前面提过的 、 提到过的议题 ， 看起来都是正确的废话 ，但恰恰是这些正确的废话在你说是指引 ， 或者说在让这些相关的公司去想下一步的战略选择 、 规划 ， 所有这些事情 。 所以那对于美图而言 ， 我觉得也是一样的 ， 就是我们同样去看美图今天这个时间点的产品架构 ， 或者说从业务层面看这个公司 。 前端产品可能今天是美图的产品分成了三大品类 ： 图像 ， 就是图的 ； 然后第二项是视频 ； 第三项是设计的 。 就是设计跟图跟视频是不一样的 ， 设计是给专业场景下的 ， 比如说是专门做电商的 ， 或者专门做追星的 ， 对吧 ？ 它是基于一个场景的 。 然后底层是美图 Hub， 一个你可以说技术中台 ， 然后再底层有站库这样的 ， 我们叫设计社区 ， 然后最最最底层是模型 ， 就是美图自己的美图奇想大模型 ， 这样一个组织结构 。 然后更更更主要的是 ， 我觉得这些是一个架构层 ， 然后更更更细节的 ， 比如说在一些选择上 。 郭星辰最近上了一篇文章 ， 写的叫 《 美图像创业公司一样生存 》， 这篇文章的第一句话我觉得非常有意思 ， 叫 " 成熟的老产品不能给新产品导流 "。 我再说一遍 ， 成熟的老产品不能给新产品导流 ， 这是美图最后做的一个决定 ， 或者说一条规则 。 听起来有点反常识 ，不是吗 ？ 但是你细想今天我们聊的所有事情 ， 似乎这件事情变得越来越重要 。 这是一种选择 。 那回到最终的判断 ， 我会觉得应用 、 模型到底之间是吃掉还是并掉 ， 还是怎么样 ， 我会觉得它可能很难有一个非常极端的观点 。 它绝对不是一个二元的谁吃掉谁 ， 或者谁吃不掉谁的结论 。 分开来看 ， 我觉得模型更多吃掉的是功能 ， 对吧 ？ 吃不掉的其实是我们今天提及的无数次的 ，在所谓的繁复场景下的结果交付 ， 我觉得这件事情模型是不可能吃掉的 ， 远远不可能 。 那什么样的公司会有机会留下来 ？ 我觉得就是那些能把模型 、 场景 、 流程和支付 ， 用户的支付 ， 就是收入 ， 组织成用户意愿反复购买的结果 ， 就是这样一个过程的公司有机会留下来 。 那对于应用公司的挑战 ， 或者说对于今天这些已经有一些成熟业务的公司而言 ， 你要做的事情就是既要又要 。 听起来这不可能 ，但是似乎就是这样了 ， 就是在成熟业务稳定的基础上， 把规模你原来积累的这些底盘 ， 变成新的孵化 AI 应用的工作流的优势 ， 然后不断地在中间形成正反馈 ， 积累规模 ， 形成所谓的第二曲线 。 它就是这样一个动态 、 持续 ， 可能中间会有波折 ， 会有各种各样的问题 ，但是你需要坚持不犹豫地以这样方式走下去 。 这就是我的判断 。 好 ， 感谢收听今天的 《 屠龙之术 》， 老规矩 ， 我的 PPT 会放在我的 show note 里 ， 如果有兴趣可以去下载 。 再次感谢 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。