發朋友圈的時候，你會選擇用大模型一鍵修圖，還是修圖App AI+手動調整？

反正我的經驗是，目前通過指令讓AI修圖所交付的結果依然是不可預測的，有時候表現非常夯，但也有完全沒辦法用的時候。

如果想要在短時間內最快達到理想的照片效果，還是得打開專門的圖片處理軟件。

而且數據也證明，這是大多數人的選擇。比如最近美圖公布的一組數據：3月付費用戶數超過1790萬，帶來的一季度收入就有8億多，這主要是來自美圖秀秀、美顏相機等應用。

這種變化，還不止在大眾用戶的C端。

在生產力端，這種從AI應激反應到專業工具價值重估的進程也在持續。美圖公布的另一組數據是，一季度來自生產力應用的付費訂閱用戶數同比增長52.9%至234萬，甚至超越了C端增長幅度。

2023年Midjourney剛剛誕生時，所有人都覺得，Photoshop這一類軟件要完蛋了。但現在來看，似乎并不是這樣。

工具的估值，正在進入一個快速修復期。更直接點說，無論是生活還是工作，大家更需要的，依然還是工具的AI能力，而不是AI模型本身。

英偉達創始人黃仁勛以及有硅谷先知之稱的知名科技作家凱文凱利都曾先后預言，未來所有公司都會是AI公司。

一開始大家都認為，AI會吞噬應用層、徹底把軟件置于后臺。當年那個寫出“軟件吞噬世界”而享譽全球的硅谷知名投資人馬克·安德森去年還更新了他的“AI吞噬軟件”的新播客。前段時間，美股Saas軟件公司還因為“AI吞噬軟件”的敘事一度出現暴跌。

但真是這樣嗎？從最近Sora關停、Anthropic與Canva達成合作，豆包開啟付費模式的當下來看，一切好像都還在混沌之中。

01

真相是：

大模型現在還不賺錢

在AI浪潮最初翻涌的前兩年里，市場陷入了一種近乎偏執的“大模型崇拜”。

敘事也極其簡單粗暴：如果大模型可以寫代碼，那程序員就失業了；如果大模型可以生圖，那設計軟件就廢棄了。

人們甚至發明了一個詞叫“應用坍縮”，認為大模型會像黑洞一樣，把過去三十年建立在UI、交互和特定工作流之上的應用層統統吸進去，最后全世界只剩下幾個巨大的對話框。

但到了2026年的今天，這種敘事開始出現一個致命的bug：到現在為止，AI大模型并不能賺到錢。

你可以看到，頭部的模型公司依然在進行著燒錢競賽。盡管它們的月活數據驚人，但轉換成真實利潤的效率卻極低。

原因很簡單，大模型提供的是一種“泛化的智能概率”，它像是一臺擁有無窮馬力的引擎，但它沒有輪子，沒有方向盤，更沒有目的地。

現在我們必須承認一個殘酷的現實：純粹的大模型本身，目前并沒有找到真正成立的商業模式。

這其實也是上一輪AI泡沫論的基石所在。看起來無所不能的AI，卻始終沒辦法賺錢。

用戶支付的AI大模型月費，卻很難真正意義上轉化為生產工作流中的穩定環節，這主要是由于“不可預測性”帶來的成本。

商業的基本常識，是降低交易成本，而不是制造不確定性。然而，當用戶需要反復輸入提示詞、反復抽卡、反復修正結果，這實際上極大拉高了交易成本。這一點，在視頻和圖片模態中顯現的更為明顯。

或許我們今天也是時候要重新理解那句“所有公司都是AI公司”的判斷了——

從蒸汽機、電燈到互聯網誕生，每一次技術革命之后，各行各業的生意依然存在，甚至因為技術降低了交易成本而活得更好了。

也正是因為這樣，未來更大的可能，是AI成為所有公司的必備工具，而不是AI大模型公司，替代掉所有公司。

02

美圖樣本：

行業Know-how的價值

當然，也并不是說AI就完全沒有商業化的可能性。相比之下，真正的商業閉環始終存在于具體的、垂直的應用當中。

美圖這家中國公司是一個典型的分析樣本。

在2026一季度數據中，美圖首次公布了產品的“AI算力點消費額”，這是付費訂閱之外的一個新商業模式。這實際上是在告訴市場：AI能力并不是PPT里的愿景，而是正在成為大規模用戶高頻調用的生產資料。

這里面，涉及到一個核心的定價邏輯轉變。

過去，市場對算力的定價邏輯往往圍繞著模型訓練。模型公司購買算力，是為了訓練出一個參數規模更大的模型，然后按Token數量向外售賣。而指望石油礦井里直接造出汽車，顯然是不現實的。

真正的價值還是在應用層，能不能通過真實的“場景”實現更高維度的定價。打個比方，這就像有了汽油，也還需要汽車跑起來才行。

舉個例子，當一個電商賣家使用美圖的AI功能一鍵生成商品海報時，他背后消耗的Token可能在模型層只值幾分錢，但美圖通過私有數據優化和行業Know-how（比如對光影、構圖、美學趨勢的把握），為用戶交付了一個可以直接賺錢的商業素材。

這時候，用戶付出的訂閱費或單次費用，其本質是對“行業Know-how賦能后的AI能力”的溢價支付。這種溢價遠遠高于原始Token的價格。

這就是為什么美圖的算力消耗額越高，其增長潛力反而被認為越大。因為每一單位算力的消耗，背后都對應著高粘性的、高毛利的應用場景。

更直接點說，這是讓每一個被消耗的token都能價值最大化，而且因為精準，反而不會產生大規模的算力浪費。

通過披露AI算力點消費額，美圖實際上定義了一種新的“AI ROI（投資回報率）”：即如何將昂貴的算力資源，轉化為用戶愿意買單的審美資產和生產力工具。

而回過頭再來審視此前資本市場對于AI的估值邏輯，其實一定程度上是扭曲的：如果你是模型公司，你有萬卡集群，哪怕你虧損，你的估值也上天；如果你是應用公司，大家會問，“如果OpenAI做了你的功能你怎么辦？”

美圖的數據，從反面回答了這個問題：AI應用層正在通過真實的消費場景，成為算力的最大買單者，且具備比模型層更強的“算力溢價”。

應用層目前之所以不可替代，是因為它沉淀了人類在特定場景下的“慣性”和“經驗”。這種經驗被封裝在UI界面、功能按鈕和工作流邏輯中。

模型技術越強，應用層的價值反而越厚。這也意味著，應用并沒有被模型吞噬，反而是在借力。

在商業邏輯上，這意味著應用公司可以從原來的“功能收費”轉向“效果收費”或“效率收費”。

當AI模型的能力被內化進美圖設計室或開拍這樣的工具中時，它不再是一個玄學的對話框，而是一個極其精準的、可預期的功能模塊。用戶為這種“確定性的結果”付費，意愿遠高于為“概率性的嘗試”付費。

03

故事變了：

不是被吞噬，而是內化

今天我們再回頭看那句“模型吞噬應用”的預言，它更像是一種單一的技術決定論，而忽略了商業文明中最重要的部分：場景、工作流和用戶關系。

技術模型和商業應用的關系，從來不是“替代”，而是“內化”。

什么是內化？就是在用戶使用某一個功能的時候，AI模型變得隱形了，而應用變得更強大了。

這種內化的過程，實際上是應用層在對模型進行“馴化”。通用的、泛化的模型雖然無所不知，但往往“不懂人心”。模型公司可以做出很強的圖像生成能力，但它很難在短時間內理解并模擬出千萬級用戶在特定修圖場景下的心流。

還以圖片處理為例，AI不知道部分女性對于膚色通透感的極致追求，也不知道小紅書博主對于某種流行氛圍感的精準拿捏。

而類似美圖這樣的公司在這些年中積累的海量審美數據、用戶行為反饋，就是那個最好的“馴化器”。

而且，當所有人都能輕易生成精美圖像時，人們對于“個性化”、“精準化”以及“審美掌控感”的需求反而爆發了。而提供這種掌控感的，依然是那個懂得用戶的應用。

當然，太陽底下無新事，這種敘事邏輯的轉變站在技術史的視角來看，其實反復發生過。

技術革命往往會經歷三個階段：恐懼、狂熱、最后歸于常態。最初我們恐懼AI，因為它看起來似乎全知全能；接著我們狂熱地追求模型，認為那是唯一的勝負手。

而現在，我們正在進入常態化階段。在這個階段，模型被內化為基礎設施，而應用層重新奪回了話語權。

歷史也反復證明了，每一次技術革命最初的恐慌之后，各行各業的生意依然存在，甚至活得更好，AI也是一樣的。

那些擁有私有資產、理解深層業務邏輯、并能夠敏銳將模型能力“內化”進自己工作流的應用，非但不會坍縮，反而會因為獲得了AI這個“超級心臟”，而有可能跑得比以往任何時候都要快。

未來更大的可能性是：模型層將走向同質化和基礎設施化，就像水電油一樣。而真正的商業差異化和超額利潤，依然還是會產生在那些能夠把這些“電力”轉化為具體“家用電器”的應用層手中。

AI并沒有讓應用消失，它只是讓平庸的應用消失了。而對于那些一直在審美和生產力一線深耕的長期主義公司來說，這反而是更好的時代。