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

先别急着给公司贴标签

明浩先提到一张 AI 应用测试题：如果一家公司同时自研模型、替其他公司训练模型、又经营面向消费者的产品，它究竟是模型公司、应用公司，还是 FDE 公司？据他转述，接近六成答题者选了 NewLab。这个答案带着调侃，却也承认了现实：开源模型能力提高、模型价格与上下文记忆变得重要之后，产品公司很难只做一个界面，模型团队也很难完全不碰产品。

因此，本期不把重点放在为公司寻找唯一身份，而是先看多模态场景里实际发生了什么。影像和设计工具已经有很长的产品史，抠图、扩图、换背景、修图、模板化等功能也很具体。它们正是模型能力最容易压缩的部分。问题随之出现：如果这些按钮都会变成默认能力，应用还有什么可卖？

“模型提供能力，应用组织结果，市场定价未来”

— 明浩在开场给出的关系式

市场担心的不是增长本身

Figma 和 Canva 是明浩用来描述市场情绪的两个案例。按他的回忆，Figma 在上市后市值一度接近 700 亿美元，后来回到约 150 亿美元，较高点下跌超过 88%。但他同时强调，Figma 的基本面并未同步走弱：连续三个季度收入增长超过 40%，增速还从四成出头升到约 45%—46%。市场给出的折价，因而不能简单理解为收入变差。

Canva 的情况也类似。主播回忆其一级半市场的峰值估值约为 500 亿美元，近期约为 320 亿美元；公司把 2026 年营收增速预期从 30% 调到 20%。20% 仍然是增长，尤其对已有规模的产品来说并不小，但指引下调会改变资本市场对后续曲线的想象。这些数字并不证明两家公司失去了用户，只说明当 AI 被认为可能重写软件价值链时，市场会问得更苛刻。

成本、留存与利润是三道不同的题

主播认为，AI 应用与过去的移动互联网产品有一个棘手差别：成本常常走在收入前面。模型调用、算力、运营、品牌投入和产品重构都需要先花钱，真正稳定的订阅收入与利润却可能更晚才出现。即便生成内容在社交网络上爆红，也不能自动推导出用户会重复使用，或愿意长期订阅。

“成本先于收入”

— 明浩概括 AI 应用面临的单位经济压力

这也解释了为什么下载、活跃、融资和传播不足以构成完整的商业判断。它们能说明用户愿意尝试，不能说明用户会留下。明浩因此把注意力放到几项更朴素的产品事实：数据与上下文是否沉淀，场景是否明确，流程是否可控，结果是否可用、可修改、可交付，以及个人和团队能否在同一套流程里协作。它们不是新概念，只是在模型能力快速同质化时变得更要紧。

美图的变化：从功能收费到成果交付

美图成为本期样本，正是因为它同时拥有两种时间尺度。美图秀秀、美颜相机等成熟产品积累了用户和品牌认知，能为新项目提供冷启动条件；另一边，主播观察到美图正在形成一组 AI 原生产品，覆盖生产力、Agent、订阅和工作流，也把短剧、MV 等任务纳入其中。底层还有面向多模态的自有模型能力。

在旧的修图产品里，用户做的是一次编辑：按一个按钮，得到一个效果。明浩认为，AI 产品改变的不是修图本身，而是产品交付的单位。以电商为例，商家给出一张商品图后，真正需要的可能是店铺装修素材、投放图和视频素材。若产品能把这些输出作为一套成果交给用户，它提供的就不再只是一个功能。

内容创作也是同一逻辑。脚本、人物、场景到成片之间，有很多需要保持一致、允许修改的环节。把它们接成一个流程，才是 Agent 对专业从业者的实际意义。这里的重点不是在界面上显示了多少模型名称，而是用户能否从一个模糊需求走到一份可发布的结果。

别让用户替产品承担模型选择

明浩用 Peach 的修图功能说明了这种转换。主播提到，Peach 以学他修图这一用户动作来呈现一套可复用的修图方法。行业人员也许会把这类方法叫作 Skill，但普通用户不需要先理解 Skill 或 MCP，再决定怎样修自己的照片。她只需要知道，产品能否把她想要的风格做出来。

同一判断也适用于模型选择。一个面向用户的 AI 应用若把不同模型的优劣、调用成本和失败风险全部展示出来，等于把产品应该承担的复杂度转给用户。明浩主张，应用应该按任务选择模型，把模糊需求拆为脚本、画面、人物、尺寸与格式，控制品牌、人物、模板与风格的一致性，最后输出可以发布、投放或复用的视觉成果。模型路由由此不只是工程细节，而是产品责任的一部分。

美图的数字说明什么，又没有说明什么

按主播转述，美图 2024 年上半年收入为 22.1 亿元，同比增长 22.1%；净利润为 6.35 亿元，同比增长接近 40%。生产力应用月活达到 3,300 万，同比增长 43.5%，付费订阅用户为 235 万，同比增长 29.8%。传统影像产品仍然贡献较大收入，因此新业务的增长应放在既有底盘之上理解，而不能孤立看待。

他还提到两项和成本结构有关的数据：美图自研模型生成的内容占最后交付结果的 96%，第三方 API 与 Token 调用所占收入比例处于个位数百分比。二者在逻辑上相互印证：更多生成由自有模型完成时，外部调用的支出占比可能较低。这不是自研模型必然优于外部模型的结论，而是提示应用公司掌握一部分模型能力后，能更主动地处理成本、质量和体验之间的取舍。

主播也没有把这些数据写成终局。按他的估算，生产力业务约占收入 18%，它未来是主曲线还是高增长的小业务，仍要观察。Token 使用增加不等于利润增加，单位算力的收入与成本、渠道分成和毛利都需要继续核对。Peach、MVland 等新产品带来更多试错机会，也会分散人、钱、算力、研发和品牌资源。

成熟产品与新产品，不能只靠导流相连

本期最反直觉的一条信息，来自主播转述的美图产品规则：成熟老产品不向新产品导流。对于拥有巨大用户基础的公司，这看上去像主动放弃捷径。但它也让新产品必须面对更真实的考验：用户会不会因为自己的任务而来，能不能留下，又愿不愿意为结果付费。

“成熟的老产品不能给新产品导流”

— 明浩转述的美图新产品孵化规则

这条规则并不否认成熟业务的价值。成熟产品仍然提供现金流、用户理解和资源基础；只是新产品不能把短期流量误认成产品成立。对于准备做第二曲线的公司，这是一种更严格也更清楚的分工：旧业务保持稳定，新业务独立验证任务、交付与付费，二者再通过模型能力和组织经验相互反馈。

结论不是谁吃掉谁

明浩最后把判断落在一个更具体的问题上。模型会很快吞掉哪些东西？是那些孤立、标准化、缺少复杂上下文的功能。模型吃不掉什么？不是某个抽象的应用外壳，而是复杂场景里的结果交付：谁来理解任务，谁来把多个工具接起来，谁来控制质量，谁来承担失败，谁来把结果变成用户愿意重复购买的服务。

因此，对美图以及其他已有成熟业务、又在孵化 AI 产品的公司而言，关键不是选模型还是选应用，而是在稳定业务的基础上，把过去积累的用户、品牌和资源转化为新工作流的优势。海外市场也同样如此：MAU 增长不能替代留存、续费和持续现金流。最终留下来的公司，需要把模型、场景、流程和支付组织成一条能反复被验证的链。