夢(mèng)瑤 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

如果說(shuō)去年，大家還在聊哪些AI工具好用。

那到了今年，AI圈的打招呼方式可能已經(jīng)變成了——

最近又vibe了啥？又訂閱了哪些xxx Plan？又裝了幾個(gè)難搞的插件??？（話匣子打開中.jpg）

友友們，真不是段子……

這兩年AI工具確實(shí)越來(lái)越多，但吊詭的是，創(chuàng)作這件事好像并沒有因此變得更輕松。

這也是當(dāng)前AI創(chuàng)作領(lǐng)域一個(gè)很值得玩味的現(xiàn)象：提示詞、工作流、模型切換、多工具協(xié)同，正在成為新的創(chuàng)作門檻。

△AI生成

當(dāng)整個(gè)行業(yè)還在卷AI繁冗，甚至默認(rèn)用戶要先苦修一套AI技能時(shí)——

那個(gè)我們并不陌生，曾經(jīng)用影像產(chǎn)品影響過(guò)一代人的「美圖」，這次給出一個(gè)有點(diǎn)反直覺的答案：

讓用戶少學(xué)點(diǎn)兒技能，直接從AI手里拿結(jié)果。

當(dāng)前，AI創(chuàng)作工具行業(yè)已告別概念爆發(fā)期，邁入價(jià)值落地深水區(qū)。

有意思的是，行業(yè)潮水走向的變化，有時(shí)并不在行業(yè)巨頭中率先顯現(xiàn)，反倒最先出現(xiàn)在那些敢于「轉(zhuǎn)身改道」的細(xì)分賽道玩家。

用八款產(chǎn)品，講一個(gè)變化

AI內(nèi)容生成賽道走到現(xiàn)在，一個(gè)共識(shí)是：好產(chǎn)品，從來(lái)不缺。

像Canva、Midjourney、Runway這些頭部影像工具廠商，其實(shí)在各自的單點(diǎn)能力上做得都已足夠成熟。

但在AI創(chuàng)作這個(gè)賽道，最值得細(xì)品的一點(diǎn)是——

AI創(chuàng)作的終局，或許不屬于讓用戶變得更專業(yè)的產(chǎn)品，而屬于讓用戶根本不必專業(yè)的產(chǎn)品。

在剛剛結(jié)束的美圖影像節(jié)上，美圖就提出了這樣的敘事：具體的AI功能逐漸退到幕后，「交付成果」則被推到了最顯眼的位置。

這一次，美圖一口氣發(fā)布了8款A(yù)I產(chǎn)品。

美圖最熟悉的入口，依然是影像創(chuàng)作。

只是到了Agent時(shí)代，美圖對(duì)于影像產(chǎn)品的設(shè)計(jì)重心發(fā)生了變化，向可反復(fù)調(diào)用的能力演進(jìn)——

這次發(fā)布的Picchi，是典型的AI原生產(chǎn)品，把「修圖」這件事進(jìn)一步推向Agent模式；而另一款聚焦創(chuàng)意工作流的Artflo，則是來(lái)自創(chuàng)始人的思考：能不能讓散亂的創(chuàng)作靈感變成概念影像。

兩款產(chǎn)品定位不同，但指向的是同一件事：通過(guò)Agent能力，把一次性的創(chuàng)作過(guò)程沉淀為可反復(fù)調(diào)用的創(chuàng)作資產(chǎn)。

在多模態(tài)音視頻領(lǐng)域，美圖想解決的也不只是生成一段視頻。

活動(dòng)現(xiàn)場(chǎng)呼聲很高的MVLAND，本質(zhì)上也是在用Agent系統(tǒng)協(xié)同完成MV創(chuàng)作；而更強(qiáng)調(diào)影像能力的底座的MeituHub，則是把影像生成、編輯、管理與交付打通，面向更復(fù)雜的定制化生產(chǎn)需求。

△AI生成

另外幾款原有產(chǎn)品的升級(jí)，基本也是圍繞打造Agent Teams、實(shí)現(xiàn)向用戶交付成果這個(gè)邏輯展開——

美圖設(shè)計(jì)室的AI設(shè)計(jì)團(tuán)隊(duì)，原來(lái)可能生成一張圖、一套電商物料，需要個(gè)人長(zhǎng)時(shí)間瑣碎操作，現(xiàn)在可以一次性生成一個(gè)商品在多個(gè)電商、社媒平臺(tái)的物料，原本是瑣碎的能力，現(xiàn)在直接交付成果。

口播視頻場(chǎng)景的開拍，也是類似的邏輯，新發(fā)布的「AI助手」由多個(gè)Agent組成7×24小時(shí)的口播視頻團(tuán)隊(duì)，從選題到成片，保證內(nèi)容的完整持續(xù)輸出。

另外，作為Agent原生產(chǎn)品RoboNeo，這次拿出了具體的場(chǎng)景能力，通過(guò)打造AI短劇團(tuán)隊(duì)，把編劇、導(dǎo)演、分鏡、剪輯等環(huán)節(jié)串聯(lián)起來(lái)，讓內(nèi)容從劇本階段就進(jìn)入?yún)f(xié)作生產(chǎn)狀態(tài)。

△AI生成

新品足夠多，場(chǎng)景也足夠細(xì)。

而在多個(gè)細(xì)分產(chǎn)品背后，呈現(xiàn)出的則是美圖對(duì)于產(chǎn)品矩陣的清晰判斷。

在美圖創(chuàng)始人兼CEO吳欣鴻看來(lái)，目前美圖在嘗試多個(gè)細(xì)分的獨(dú)立的產(chǎn)品，核心是希望每個(gè)產(chǎn)品都能先拿到清晰定位，并且把一個(gè)具體場(chǎng)景做到足夠深。

這種產(chǎn)品機(jī)制可以被描述為「AI原生應(yīng)用的漏斗」：

新品先聚焦具體場(chǎng)景，經(jīng)由用戶驗(yàn)證后，再逐步延展到更多內(nèi)容形式和用戶群體。

如果開口不夠大，那就很難從中篩出被用戶認(rèn)可和與市場(chǎng)匹配的產(chǎn)品。

經(jīng)過(guò)一系列驗(yàn)證的產(chǎn)品，最終才有機(jī)會(huì)成為創(chuàng)作者的基礎(chǔ)應(yīng)用。

當(dāng)然，在產(chǎn)品版圖不斷鋪開的背后，一個(gè)更底層的產(chǎn)品共性特征也開始逐漸顯現(xiàn)——

8款新品雖然覆蓋不同創(chuàng)作場(chǎng)景，但本質(zhì)上卻指向同一個(gè)目的。

那就是讓用戶從「操作工具」轉(zhuǎn)向「表達(dá)需求」。

從AI工具到AI Agent，最終目的是交付成果

生成式AI這條賽道，從來(lái)不缺市場(chǎng)需求，更不缺漫天鋪開的行業(yè)想象。

2022年ChatGPT橫空出世，讓人們第一次發(fā)現(xiàn)信息檢索竟然可以被壓縮在一個(gè)小小的對(duì)話框里。

2025年AI大神卡帕西提出了氛圍編程的概念，又一度點(diǎn)燃「萬(wàn)物皆可Coding」的熱潮。

然后就是今年，OpenClaw、Hermes等一批Agent產(chǎn)品集中出現(xiàn)，AI開始更貼近真實(shí)工作流的執(zhí)行層。

與此同時(shí)，開發(fā)范式也在持續(xù)上移：從早期圍繞Prompt的表達(dá)工程，到強(qiáng)調(diào)上下文組織的Context Engineering，再到今天逐漸成型的Agent Orchestration與系統(tǒng)級(jí)調(diào)度能力，復(fù)雜度也同步外溢。

于是我們看到，各類配套插件、實(shí)操教程層出不窮，工具生態(tài)越鋪越龐大。

熱鬧背后，一個(gè)無(wú)法回避的現(xiàn)實(shí)也開始顯現(xiàn)：市場(chǎng)越熱，AI工具的使用門檻反倒節(jié)節(jié)攀高，用戶工具使用體驗(yàn)的割裂感和焦慮感似乎也越來(lái)越明顯。

△AI生成

首先暴露出來(lái)的，是AI工具的學(xué)習(xí)成本的不斷抬升。

AI工具的上限能力確實(shí)被不斷拉高，但創(chuàng)作者的上手門檻并沒有變低，需要學(xué)習(xí)的技能甚至越來(lái)越多，原本為創(chuàng)作減負(fù)的AI，也成了一種時(shí)代焦慮。

在今年影像節(jié)上，吳欣鴻談及交付成果背后的考量時(shí)，也提到了團(tuán)隊(duì)成員在與用戶溝通過(guò)程中觀察到的一個(gè)現(xiàn)象——

AI時(shí)代，很多人并非不認(rèn)可AI的價(jià)值，而是壓根「學(xué)不過(guò)來(lái)AI」。

學(xué)習(xí)AI這件事并不是大多數(shù)人的本職工作，當(dāng)前AI工具的迭代速度也已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)普通用戶的學(xué)習(xí)速度。

很多時(shí)候，用戶真正需要的并不是掌握一套復(fù)雜工具，而是更快解決問(wèn)題、獲得結(jié)果。

AI創(chuàng)作平臺(tái)APATERO在《2025全球AI創(chuàng)作者專項(xiàng)調(diào)研》中，對(duì)1500名視覺創(chuàng)作者與獨(dú)立藝術(shù)家的調(diào)研，也同樣印證了這一點(diǎn)——

有54%的受訪者認(rèn)為，跟上AI工具的快速迭代是當(dāng)前最大挑戰(zhàn)之一；另有32%的人直接指出，學(xué)習(xí)AI相關(guān)技術(shù)與知識(shí)是主要障礙。

與此同時(shí)，一個(gè)更具現(xiàn)實(shí)感的變化是，多工具流轉(zhuǎn)帶來(lái)的割裂感正在加劇。

Glean’s Work AI研究院曾在一項(xiàng)覆蓋6000名全職數(shù)字從業(yè)者的調(diào)研中發(fā)現(xiàn)：

有77%的AI使用者每周需要在多款不同AI工具之間反復(fù)切換，在每一次切換過(guò)程中，還會(huì)有不少受訪者面臨上下文丟失、注意力被打斷以及整體效率下降等問(wèn)題。

△AI生成

換句話說(shuō)，工具數(shù)量的增加并未帶來(lái)線性效率提升，反而把原本連續(xù)的創(chuàng)作流程拆解成更多必須被手動(dòng)編排的步驟——選工具、換模型、調(diào)參數(shù)、補(bǔ)上下文、修結(jié)果。

這也是為什么，美圖在產(chǎn)品路徑上，開始更明確地向Agent Teams這個(gè)思路靠攏。

Agent Teams天然就具備協(xié)作式執(zhí)行的能力，用戶只需要提出一個(gè)想法，Agent Teams就能自動(dòng)完成任務(wù)拆解、能力調(diào)度與流程編排，直接把結(jié)果交付出來(lái)。

而「交付成果」的思路，恰好也落在了美圖更擅長(zhǎng)的能力區(qū)間里。

在過(guò)去這18年里，美圖一直在和影像打交道，這幾年大模型的集中爆發(fā)，讓美圖具備了以更高質(zhì)量、更低成本來(lái)交付成果的基礎(chǔ)。

更關(guān)鍵的是，美圖本就長(zhǎng)期連接用戶，對(duì)真實(shí)需求、審美偏好和工作流卡點(diǎn)都有更深的理解，也更容易把Agent Teams的能力落到具體成果里。

當(dāng)產(chǎn)品真正走到交付成果環(huán)節(jié)，美圖還將獲得更多來(lái)自真實(shí)客戶的一手反饋。

這些反饋又會(huì)繼續(xù)反哺產(chǎn)品和技術(shù)迭代，在一次次交付中，把能力打磨得更貼近真實(shí)創(chuàng)作需求。

△AI生成

當(dāng)前，AI創(chuàng)作已然進(jìn)入下一階段，其價(jià)值不再只來(lái)自生成得更快，還來(lái)自能不能把創(chuàng)作流程組織得更短、更穩(wěn)、更接近交付。

在AI焦慮加劇、工具不斷增多、使用門檻持續(xù)抬升的當(dāng)下，Agent Teams或許才讓能AI創(chuàng)作更接近它最初被期待的樣子：

讓創(chuàng)意「更輕」地抵達(dá)結(jié)果。

從產(chǎn)品形態(tài)到組織模式，Agent時(shí)代的企業(yè)敘事

落到美圖這家公司內(nèi)部自身，我們看到的則是一套橫跨產(chǎn)品、商業(yè)模式、組織架構(gòu)、市場(chǎng)落地的協(xié)同化敘事。

從早已落地的美圖設(shè)計(jì)室、開拍，到本次影像節(jié)全新亮相的Picchi、Artflo、MVLAND，幾乎全線產(chǎn)品都在同步奔赴同一條路徑——

錨定真實(shí)創(chuàng)作全流程任務(wù)重構(gòu)底層能力，完成從單點(diǎn)操作工具，到一站式交付成品成果的底層邏輯迭代。

價(jià)值形態(tài)向結(jié)果交付不斷收斂的同時(shí)，美圖在商業(yè)模式上的變化，也在同步朝同「交付成果」方向靠近——

相較于行業(yè)內(nèi)影像類產(chǎn)品普遍采用的訂閱制，美圖目前還在向AI算力點(diǎn)消費(fèi)模式延伸。

用戶不再被固定套餐綁定，而是可以根據(jù)實(shí)際創(chuàng)作強(qiáng)度，靈活購(gòu)買算力點(diǎn)，或按具體功能進(jìn)行單次調(diào)用。

訂閱驅(qū)動(dòng)轉(zhuǎn)向任務(wù)驅(qū)動(dòng)的結(jié)果，也開始逐步在數(shù)據(jù)上顯現(xiàn)，2026年3月數(shù)據(jù)顯示，美圖影像與設(shè)計(jì)產(chǎn)品的AI算力點(diǎn)消耗金額較2025年12月增長(zhǎng)59%。

對(duì)輕量用戶來(lái)說(shuō)，不必為了偶爾一次修圖、做圖、生成視頻承擔(dān)完整訂閱成本；對(duì)專業(yè)創(chuàng)作者和商業(yè)用戶來(lái)說(shuō)，也可以把預(yù)算花在更復(fù)雜、更高質(zhì)量、更高頻的AI任務(wù)上，讓每一次消耗都對(duì)應(yīng)一次更明確的產(chǎn)出成果。

△AI生成

當(dāng)產(chǎn)品從迭代功能走向交付成果，組織也就從層級(jí)驅(qū)動(dòng)，轉(zhuǎn)向更輕、更快、更貼近一線需求的協(xié)同方式—

當(dāng)前，美圖正從傳統(tǒng)的成熟組織形態(tài)，加速轉(zhuǎn)向AI創(chuàng)新組織。

關(guān)于這點(diǎn)，在今年的美圖影像節(jié)上，吳欣鴻談到過(guò)去幾年產(chǎn)品創(chuàng)新時(shí)，說(shuō)過(guò)一個(gè)很現(xiàn)實(shí)的判斷：

那就是美圖真正感受到的壓力，并不完全來(lái)自外部競(jìng)爭(zhēng)。

在他看來(lái)，AI技術(shù)變化太快，很多時(shí)候難題會(huì)先回到公司內(nèi)部，也就是組織能不能承接戰(zhàn)略，能力能不能跟上AI技術(shù)的快速迭代。

這也是美圖近幾年持續(xù)調(diào)整組織方式的原因。

AI時(shí)代的團(tuán)隊(duì)，需要更小的單元、更快的反饋、更密集的試錯(cuò)，也需要讓一線團(tuán)隊(duì)離真實(shí)需求更近一點(diǎn)。

據(jù)了解，目前美圖內(nèi)部已拆分出多個(gè)小型AI創(chuàng)新工作室，讓團(tuán)隊(duì)以更接近創(chuàng)業(yè)單元的方式運(yùn)轉(zhuǎn)，每個(gè)小團(tuán)隊(duì)深挖用戶在特定場(chǎng)景的需求，圍繞具體AI方向快速試錯(cuò)與迭代優(yōu)化，進(jìn)而打造出更好的面向用戶側(cè)的成熟產(chǎn)品。

△AI生成

產(chǎn)品、商業(yè)模式與組織三端的加速，也讓這家影像公司在市場(chǎng)側(cè)「交付」出更有說(shuō)服力的成績(jī)單。

截至2025年12月31日，美圖全球月活躍用戶數(shù)達(dá)2.76億，同比增長(zhǎng)3.8％；付費(fèi)訂閱用戶數(shù)達(dá)1691萬(wàn)創(chuàng)歷史新高，同比增長(zhǎng)34.1%；訂閱滲透率則達(dá)到了6.1％。

在這過(guò)程中，美圖也逐漸從一個(gè)提供單點(diǎn)工具的影像廠商，逐步蛻變?yōu)榭商峁┫到y(tǒng)性完整交付方案的行業(yè)先行者。

不知道大家還記不記得，2008年，美圖大師上線的時(shí)候，國(guó)內(nèi)修圖軟件幾乎還是空白。

當(dāng)時(shí)美圖要做一款簡(jiǎn)單易上手的軟件填這個(gè)空，它干的第一件事，就是把專業(yè)名詞翻譯成「大白話」。

用美白、瘦臉、祛痘，替代白平衡、正片負(fù)沖、高ISO降噪這些讓人望而卻步的專業(yè)詞。

值得關(guān)注的是，18年過(guò)去，同一套產(chǎn)品邏輯還在延續(xù)——

只不過(guò)這次，當(dāng)整個(gè)行業(yè)還在教用戶如何使用AI時(shí)，美圖更想做的是讓用戶不用研究AI，也能獲得想要的結(jié)果。

過(guò)去幾年，行業(yè)總在強(qiáng)調(diào)AI素養(yǎng)、提示詞工程，仿佛每個(gè)人都必須先學(xué)會(huì)怎么和AI打交道，才能真正用上AI。

但AI要真正走向大眾，關(guān)鍵或許從來(lái)都不該是讓用戶適應(yīng)產(chǎn)品的復(fù)雜性，而是讓產(chǎn)品把復(fù)雜留在后臺(tái)。