美图凭自研模型净利增40% 单点功能AI应用面临估值清算

美图凭自研模型净利增40%，单点功能AI应用面临估值清算 基础大模型必然吞噬所有单点功能，AI应用公司唯有建立专属的模型控制环路并直接向用户交付复杂工作流结果，才能摆脱低毛利陷阱并夺回定价权。 节目深度拆解了多模态战场中 AI 应用公司的命运分化，对比了 Figma、Canva 等传统巨头面临的资本市场“Debuff”与新兴视频/音频 Agent 的崛起。面对单点功能易被大模型免费吞噬、毛利率低和留存难等行业隐患，主播指出未来的核心竞争力在于“结果交付”与建立“Own your intelligence”的闭环 Loop。通过对美图 2026 上半年财报及新产品 Picchi 等案例的剖析，验证了依靠自研大模型（交付占比达 96%）、降低外部 API 成本并深耕垂直工作流的 New Lab 范式具备良好的商业可行性。 关于“模型是否吞噬应用”的争论仍在持续，但当前多模态战场的共识表明：大模型吃掉的是单点功能，却难以替代复杂场景下的端到端结果交付。 (0:00) 资本市场对多模态 SaaS 软件施加了显著 Debuff，Figma 营收增速虽超 40% 却自市值高点大跌 88%，Canva 也下调了增长预期并推迟 IPO。 (5:00) AI 应用公司普遍面临单点功能被模型原生吞噬、Token 与 API 开支侵蚀毛利，以及爆款产品难以转化为长期留存等四大核心隐患。 (11:51) 美图凭借老牌流量底盘与自研奇想大模型，向工作流交付转型；2026 年上半年净利润达 6.35 亿元，自研模型交付占比高达 96%，第三方 API 成本仅占个位数。 (23:12) 未来的 AI 应用公司正向拥有自研智能与 Harness 控制环路的 New Lab 演进，其核心竞争力在于承担模型路由、任务拆解、一致性控制并交付最终结果。 (26:30)

庄明浩在《屠龙之术》中指出，“模型吃应用”并非简单的二元对立，大模型吞噬的仅是单点功能，而无法轻易替代深耕复杂场景的完整结果交付。随着资本市场对工具型软件估值的重挫，应用公司的生存关键在于拥有自研能力并构建端到端的工作流闭环。 资本重估与极端二元论的认知误区 (5:00) 在多模态与 AI 应用爆发的背景下，二级市场对传统软件及应用公司展开了激进的估值修正（Debuff）。以 Figma 为例，即便连续三个季度实现 40% 以上的营收同比增速（从 42% 升至 46%），其市值仍从巅峰期的近 700 亿美元跌落超 88% 至约 150 亿美元；未上市的 Canva 老股估值也从 500 亿美元回落至 320 亿美元左右，并将 2026 年收入增速预期由 30% 下调至 20%，上市计划或推迟至 2027 年。 这种剧烈波动催生了两种极端的二元观点：一是认为 AI 原生初创公司绝对优于老牌传统软件，二是认为模型掌控一切而应用毫无防线。然而，多模态应用生态与纯大语言模型逻辑并不完全相同，如爱诗科技（PixVerse）启动港股流程，Livelive、Oio、Hicksfield 等视频 Agent 及音频领域的 Mercy 和 Triple 均在持续吸纳资本，单纯的二元对立并不能解释市场的全貌。 应用公司的四大结构性隐患 (11:51) 市场对 AI 应用公司的悲观情绪源于商业模式中的实际硬伤。首先，抠图、扩图、修图等单点功能已沦为多模态大模型的免费默认能力，单点工具随时面临被模型吞噬的风险；其次，应用公司需要承担昂贵的算力与 API 调用费用，呈现“成本先于收入”的倒挂状态，导致整体毛利率降至极低水平，缺乏传统软件的边际规模效应。 此外，行业普遍面临“爆款不等于留存”的困境，用户尝鲜后的长期订阅率往往表现脆弱；同时，Token 消耗与增长投入在当前竞争格局下，很难直接转化为自由现金流和定价权。传统定义的活跃度与留存指标已难以准确衡量当前 AI 应用的真实健康状况。 从单点功能转向端到端结果交付 (14:53) 面对大模型的压迫，应用公司破局的核心路径是从提供“单点功能集合”走向“完整结果交付”。庄明浩以美图为例分析，美图秀秀时代的范式是提供美颜、滤镜等按钮由用户单次编辑；而在 AI 范式下，应用转为面向电商商家交付整套店铺装修与投放素材包，或向专业创作者输出连贯脚本与视频的完整工作流。 在美图旗下产品 Picchi（Peach）中，其“学他修图”功能将复杂的提示词、模型调用参数与 Skill 概念完全内化在底层，用户只需关注成片预期风格与成本。庄明浩归纳出 AI 应用必须建立的四步核心工作流：内化智能路由以筛选模型、拆解模糊任务、在一致性控制中提供微调空间，以及最终输出高完成度的交付物。 自研模型与控制闭环的实证样本 (23:12) 美图公布的 2026 年上半年财报为上述转型提供了数据佐证：公司实现营收 22.1 亿元（同比增 22.1%），经调整净利润 6.35 亿元（同比增近 40%）。其中，生产力板块 MAU 达 3300 万（同比增 43.5%），付费订阅用户 235 万（同比增 29.8%），ARR 达 6.21 亿元；新孵化的音乐 MV 创作平台 MVLAND 的 ARR 亦突破 50 万美元。 更关键的运营指标在于，美图调用第三方模型的 API 开支仅占总收入的个位数百分比，高达 96% 的交付结果直接由自研的“美图奇想大模型”生成。这印证了 AlsoWire 试卷中近 60% 受访者认同的“New Lab”形态——企业唯有掌握自主模型能力与 Harness 控制环路，才能跳出替底层模型厂商打工的低毛利陷阱。 美图等应用公司未来仍须验证多项战略难题：包括当前占营收约 18% 的生产力第二曲线能否持续壮大、算力单位经济模型能否兑现长期利润、多产品线孵化是否会分散资源，以及海外高 ARPU 市场能否保持续费。模型与应用并非不可调和，胜出者的关键在于能否借助属于自己的智能闭环，完成繁复场景下的高满意度交付。

[11:51] 庄明浩: 因为传统意义上定义的活跃指标、留存率这些事情，真的不那么适合当下这个时点 AI 应用的状态。 [28:50] 庄明浩: 成熟的老产品不能给新产品导流

[0:00] Hello Hello 大家好 我是明浩 欢迎收听这期的图龙之术这期想聊一个其实有些老的议题这个议题在过去的三四年时间这一轮AI爆发的过程中无助次的被提及当然最近一段时间提起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其实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Kava Figma到美图看AI应用公司的两种命运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么太这个战场力而不是纯语言模型的战场力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前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校车然后穿梭在铁路上然后他会被马上来的这个火车直接撞飞对吧然后之前的时候在移动化老年代这样梗图那个销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他们撞飞的可能就是iOS或者安卓的系统更新那到了AI年代之后这个销车似乎变成了那些价格在大语言模型时机上的应用公司们然后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门创飞这个梗图我没记错我第一次用应该是在GPT4的时候那已经是三年之前了那已经是好几个时代之前的事情所以这次梗图不断的被用那似乎就不断的一次一次在各种各样的AI这一轮过程中的喧嚣的共识当中一次一次被拿来讨论然后最近一段时间我的好友AlsoWire的刘京他们做了一个很有意思的测试就是2026年AI应用全国统一起中测试的试卷如果你关注AlsoWire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他说已知一家AI公司的业务包括一自研模型二给其他公司训练模型三一个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无论中国外公司还是没有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Ai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%能选的答案叫New Lab意义是什么其他都不是你可以自己写虽然这看起来是对从去年下半年业界产生的众多的所谓New Lab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幕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预知之后当很多人开始认真地探讨所谓的用户的上下文即所谓的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All in your intelligence那这件事情似乎 [5:00] 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续内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New Lab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New Lab的吐槽但细想我觉得非常的合理那再回到今天的议题如果只看多么泰就像我标题说的那样我之前用过很多次的比喻就是桌的这个比喻我最近也录了一期跟朋友的长达两个小时的关于2026年AI这一波到底谁在主作上谁在先桌新的桌子自肯定以桌的方式来去探讨那我们还是按主作这个比喻我说原来有两桌半语言多么太能扣顶对吧那直到今天这个花园方式我觉得在燕界依然没有形成共识那很多人会认为我觉得以比如说良盛为代表他会认为通过语言其实就可以实现意见爱所谓多么太所谓这些都是外围的事情都不重要那还是说大家会认为除了纯语言之外的事情中美太会是另外一件与之相宾列的事情,我觉得这件事情在国内可能又不一样,今天这个时间点,可能国内多么大领域的发展,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S&D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杜摩泰这个战场回到今天的标题的议题到底是不行还是应用诗面上有非常多正方量两端都非常极端的观点我们先看一些抵霸负面两个案例也是我今天标题中提出的案例Fegma跟KanvaFegma很有意思这家公司在22年曾经传出来跟Adobe要谈并购Adobe当时开的价格每集所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叙事我如果没记错的话Figma上市就从一两百亿美金一直涨到过巅峰可能将近七百亿美金在这段时间我们甚至去谈论菲格马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26年之后所谓的SaaS一死对吧然后大家会认为模型或者AI会吞噬软件那菲格马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菲格马回到了大概150亿美金左右距离上市他最最最当然现在最近几个季度又长回来一些双眼号的巅峰跌了超过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飞个马的业绩我们纯从基本面角度来看是不错的飞个马应该已经连续三个季度的收入增长超40%连续三个季度甚至可能每个季度还增加原来是42 43现在已经45 46所以即便收入再增加但似乎从估值角度来看市场并没有给予正向的评价 那另外一个是我用的最多的设计软件Kava 今天依然没有上市 我在前两期讲EY市场的时候也提及这家公司其实在EY市场的估值最近面临比较大的调整Kava巅峰的老股 我没记错应该到500亿美金 现在EY市场Kava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Kanwa826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看法的营兽规模这个增长其实也不错了但是这个这个表述或者这种直眼的调整你就能看到一些不太好的事情然后本来预计26年我们会看到看完上市但现在也有传闻是说看完可能要到27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会找到更多的正向的buff比如说市民模型在过去的这半年多的时间我也讲过无数次当CDS20看起来已经秒杀一切的情况下这个市场的前10名公司然后最近一段时间比如说 阿什科技已经开始报港股了 我们很快可能会在港股看到试运模型的公司Pixel, High Dream, Sam, Vido 我们可以有各种各样的公司聊到试运模型的进展 这些公司可能也会有很多的公司 [10:00] 跟世界模型的关联出现了我在我的世界模型的一起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当然是办公agent可是在另外一个战场就是这个视频agent的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agent,livelive,oio,oio包括最近刚刚拿钱的美国的hicksfield这些都是在视频领域做的非常好的agent的公司他们在过去这可能不是半年是一两年时间里面用户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他们的融资也非常的迅速那包括S&D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他们也会去想IPO的事情所以这些看起来都是对多门泰这个战场比较正向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那当然这件事情可能不仅仅在多么泰这个战场在纯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但是它是老单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上我们在看这些评估的时候在现在这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是图片和视频领域抠图 阔图 换背景修图 模板画这种东西对于今天的动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二一点在整个应用量它跟原来应用量最大的不同之一是它没有所谓的编辑效应递减没有所谓的网络效应任何一个客户去服务他的时候从毛利权的角度来讲今天应用公司的毛利是最低的就是成本限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一些各种各样的问题的考虑你可能甚至要把这个事情再往后拖后就是成本限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它会来用就是长线的用户特别的多对吧但是长线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上一个爆款的传播的视频但这很难去让用户重复的使用批量的使用甚至产期订阅我觉得这件事情不仅在我们今天聊多么的台领域在社交陪伴在各种各样的agent板块其实都如此所以反而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一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点点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实验大家不得不接受的状态聊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投入无论是投肯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上它能带来收入甚至能带来利润对吧因为网络的效果因为品牌又更让人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应用识而言可能有意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意见 [15:00] 我们到底应该关注什么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我们要看我们认为所谓的用户的数据的沉淀或者所谓的翻译上的记忆跟刷压文变得重要了我们要看场景落地具体拿来干什么我们要比如今年哈利斯学期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可用可交付对吧然后他要强调从个体到团队的协作虽然今天FD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之间个人个人之间的这种协作的关系在AI的AI自己的路步之外是否要形成一个协作的路步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应用尤其AI这个最新的版画力优先几会考量没有那么重但是越来这个事情我最要的再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因为首先美图刚刚公布了这个季度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化老百姓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拥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中国的分发然后这些我们叫成熟应用的底盘似乎可以给到这样的公司去开新项的时候做冷启动用当然这种逻辑是因为我的公司也是做一种化业务的一个相对古典的公司我们在做新的AI应用的场所也是这么认为就是我们也有一个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好你会发现美图可能在AI这个影响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么太领域的模型所以它既有非常成熟的应用底盘刷一号的老业务,同时在这个时间点已经开始显现出在AI原生产品叙事上的一些尝试并且尝出的结果那又回到刚才我们说的我们到底应该关注什么最最核心这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批一张图对吧用户帮我把这张图秀的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可能为一些功能做些付费那今天你会发现当整个美图的产品形态变得复杂他开始做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他做了一个产品是可以做电商商家所有相关的各种各样的图他可以把他商品的单的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他给内容行业的从业者的就是不单纯只是给普通用户他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也因此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树立我最近发现一个美图很有意思的App叫peach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有个最核心的功能叫学他修图这个APP里面会有很多的特别比如说COSA领域的大专门的摄影师跟COSA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 [20:00] 不是面向非专业用户的产品里他没有用说我今天有个skill的什么应用商店你可以用谁谁的skill或者用谁谁的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我觉得这个事情对于普通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他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面大家知道skill是什么但是对于一个普通用户而言学他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产品的设计的考量如果大家有心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感谢观看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感觉当然我觉得也变成一种公式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那个模型但是他唯独需要关心的就是那个结果就是能不能应用按时交付一份能用的东西所以纯从模型的运转或者说纯从应用的拓展角度来讲就是把这个复杂度内化掉而不是应该叫有用户来选当然我会觉得现在这个实验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实验为什么OpenRole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会有卖的那么贵大家去抢任务的拆解模糊的需求在比如在美图这场景里拆成脚本画面人物尺寸格式各样的东西然后去做执行第三步控制结果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正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就负了四个节奏那我们从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20年上面的美图的收入是22.1亿同比增长22.1%半年然后在净利润达到了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2C的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生产应用的月虎达到了3300万同比增长了43.5%其中付费订阅户订阅户达到了235万大概7到8差不多复兵户增长了29.8%相关的NR到了6.21亿跟B6.2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家公司马上可以进入到1美金2基罗布然后他传统的这个影像的这个相关的产品是17.7亿的时候其实长得也很好就老业务长得也很好服务用户数达到了1844服务用户率达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一个叫Pitch是专门做影像修土内阵刚才我讲过我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可我们可以说在老业务依然比较快速增长且持续贡献好 [25:00] 收入跟利润跟先流的情况下新的业维在慢慢显现出来所谓的第二曲线的特征然后更重要的是在整个财报的分析师会议上我听到两个很核心的指标大家会担心当AI来的时候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状况是说第三方的API就是它调用第三方的无论是Cdance也好还是各种各样的模型也好这个API的收入应该就是调用的这个token的额度占它收入的占比个为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场数字相反上成第二数字是96%这个数字是什么我觉得这个数字太让我意外了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也说只有大概4%使用了所谓的外面的东西所以他当然从API角度来讲,从收入占比较有个数百分比,我觉得这两个数是对得上的。那这也符合刚才我们前面所说的,今天这个时间点的New Lab到底是什么?或者说狭义的应用公司的概念要扩大今天应用公司要有自己的模型要训练自己的benchmark要有自己的指标要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去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这个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优优长到一块不长就是一个大家都都都会期待的一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的支持这些双一号创新的AI产品的出现像原来的开拍当然开拍可能跟大家关系没那么大但是比如说后面刚才我提到Pitch MVLAM这种都是那产品越多试淬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扫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领域做孵化都是一样的挑战第四个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对于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因为MU的增长并不等于付费跟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榜单在下载的量上或者在短期的传播上得到一个报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信息所以这些议题你听起来还是一些我们前面提到过的一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对于美图而言我觉得也是一样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公司前段产品可能今天时间美图的产品分成了三个品类图像就是图的第二项视频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然后底层是美图Hub一个你可以说的技术中台然后再底层有战库这样的我们叫设计社区然后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个更主要的是我觉得这些是一个架构层然后更更细节的比如在一些选择上郭星人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倒流谢谢大家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 挺起来有点反常是不是吗 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 [30:00] 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病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医院的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就是在成熟业务稳定的基础上把规模你原来积累这些底盘变成新的孵化AI应用的工作流的优势然后不断的在中间形成正反汇积累规模形成所谓第二曲线它就是这样一个动态会有各种各样的问题但是你需要坚持不犹豫的以这样方式走下去这就是我的判断好,感谢收听今天的图论之数老估计我的PPT会放在我的shownote里如果有兴趣可以去下载再次感谢。