当大模型吞噬应用层的论调盛行时，美图用超70%毛利率和AI产品矩阵证明视觉审美的主观性才是护城河。从生活场景到生产力工具，美图如何让每个新产品长在用户行为土壤里，并靠自研模型与本地化深耕守住垂直赛道？

这几年只要聊到AI应用的未来，几乎逃不开一个共识：大模型会把应用层的价值都吃掉，留给创业公司的空间越来越小。这个判断听起来很唬人，也确实劝退了不少还想在垂直赛道做AI产品的团队。但如果这个判断成立，那有一家公司应该早就活不下去了，它就是美图。

美图CFO颜劲良（Gary Ngan）最近上了一档英文科技商业播客AI Proem，聊了差不多一个小时。我把这期节目完整听完之后，最大的感受是，海外投资者和用户对美图的认知，基本停留在两个过时的版本里。一个版本是，美图还是那个靠美颜自拍圈住一批中国用户的传统App公司。另一个版本是，美图靠着AI的红利转型了一把，但大模型一旦足够强，这种应用层公司迟早会被碾压。这两种看法都挺常见，但听完颜劲良的讲述，我觉得这两个判断都站不住脚，尤其是第二个，值得单独拎出来聊聊。

美图今天到底是一家什么公司

先把画像更新一下。今天的美图不再是一家美颜修图公司，而是一家聚焦影像和设计的AI应用公司，服务对象从大众消费用户延伸向那些设计需求很强但没受过专业设计训练的人，颜劲良管这群人叫prosumer，专业级消费者。这个定位本身就很有意思，因为它精准卡在了两群人中间，一边是完全不会用PS的普通用户，一边是花大价钱请设计师的专业机构，美图吃的正是中间这条又宽又深的缝隙。

美图现在的产品分成两大类，一类服务生活场景，一类服务生产力场景。生活场景这边，美图秀秀和美颜相机是基本盘，Wink把能力从图片延伸到视频，Picchi是最新的人像编辑agent，专门做风格个性化。生产力这边，美图设计室专注电商物料设计，开拍和Vmake专注口播和营销视频生成，开拍主打国内的保险、教培、房产等高价值行业，Vmake则在美国的健身、大健康赛道跑得很快。截至今年五月，开拍月活跃创作者大概三百万，累计产出内容超过四亿条。Vmake今年一季度的ARR大概四百万美元。RoboNeo是去年七月上线的原生agent产品，现在瞄准的是AI短剧这个新赛道。

我觉得真正值得注意的不是这份产品清单本身，而是这些产品是怎么长出来的。美图设计室脱胎于美图秀秀里的海报设计功能，开拍脱胎于美颜相机的提词器功能，Picchi则来自团队在美图秀秀里观察到的新用户行为。换句话说，美图不是拍脑袋去做产品组合，而是让每一个新产品都长在老产品的用户行为土壤里。这种打法比从零画一张产品地图要聪明得多，因为验证成本低，用户需求是现成的，只是需要一个更专业的容器把它装起来。

垂直，才是AI时代真正的护城河

播客里有一段对话我反复回味了好几遍。主持人问颜劲良，都到agent时代了，美图有没有必要把这些产品整合成一个大而全的入口。颜劲良的回答是不会，理由是审美这件事太主观了。他举了个例子，同样一个”帅”字，放在面向美国市场的产品里和放在面向亚洲市场的产品里，理解完全不一样。哪怕都在亚洲市场，面向健身用品商家和面向正装商家，”帅”这个字对应的视觉标准也完全不同。

这句话我觉得说到了点子上，也是这篇文章我最想强调的一个判断。语言模型这个赛道之所以让人担心应用层会被通用大模型吞噬，是因为文本任务大多有相对客观的正确答案，一段代码对不对，一份摘要准不准，评判标准是可以收敛的。但视觉审美这件事从根上就没有一个标准答案，同一个提示词丢给不同文化、不同行业、不同商业目的的人，脑子里冒出来的画面完全不是一回事。这种主观性没法靠堆参数、堆算力去抹平，它需要的是长期扎在某个垂直场景里积累出来的判断力。这也是为什么我觉得视觉AI应用公司和纯文本AI应用公司，面对的其实是两种完全不同的生存逻辑。

颜劲良说，美图有一支很大的设计师团队，深度参与模型微调的每一个环节，帮着把每个垂直场景该有的审美标准喂给模型。再往下，是用户行为构成的数据飞轮，用户留下了哪张照片，扔掉了哪张照片，这些细粒度的偏好数据是外部通用模型根本拿不到的。颜劲良还提到一个我觉得特别务实的观点，AI再强也不该是审美判断的终点，用户永远需要在最后一步做手动微调，因为审美这东西太个人化了，哪怕AI天天陪你修图，你还是会有自己想改的小地方。

他举了个例子，Picchi这个产品就把这套逻辑做得很直接。用户上传三到五组自己的原图和精修图，系统学习你的修图习惯，帮你训练出一个专属模型，下次修图直接调用你自己的审美标准。这其实是把”千人千面”从一句营销口号变成了一个可以落地的产品功能，也是我觉得美图在生活场景这条线上最有想象力的一步。

为什么要自己练模型，而不是完全依赖第三方

这是我听完播客后最想追问的一个问题，也是颜劲良讲得最坦率的一段。美图超过九成的AI产出来自自研模型，这个比例在一家应用公司身上其实挺罕见的。他给出的理由很直接，如果不自己练模型，审美标准就会被第三方模型公司定义，而第三方模型公司对”什么是好看”的理解，未必适配美图深耕的这些垂直场景。同时，他们也不排斥调用第三方API去补齐自研模型覆盖不到的长尾场景，两条腿走路，唯一的优化目标是用户满意度，而不是自研模型的使用率。

这套逻辑我觉得比表面看起来更值得琢磨。很多人一提到应用公司自研模型，第一反应是烧钱、重资产、投入产出比堪忧。但颜劲良给出的毛利率数据是超过70%，原因是修图这件事大部分时候并不是从头到尾纯AI生成，用户可能只是想让AI帮忙换个背景、去掉路人，真正吃算力的环节其实没有外界想象的那么重。这跟做长文本生成或者复杂agent推理的经济模型完全不一样，视觉编辑的很多操作本质上是局部、轻量的，这也是为什么美图能在保持高毛利的同时还持续自研模型。当然他也承认，像RoboNeo这种全新的AI短剧赛道，目前更依赖第三方模型，毛利率会明显低于美图秀秀这种成熟产品，但长期看，自研模型会逐步把这部分成本替代掉。

我自己的看法是，美图自研模型这件事，本质上买的不是技术领先，而是时间和话语权。当图像视频生成能力被Nano Banana、Kling这些通用模型越做越强的时候，美图真正的护城河未必是模型能力本身，而是这套设计师深度参与、用户数据持续反哺的训练机制。这套机制很难被一家纯技术公司照抄，因为它需要的不是更多GPU，而是十几年攒下来的审美组织能力，这恰好是美图创始团队最原始的基因，这种气质是刻在组织结构里的，不是靠招几个算法工程师就能补上的。

收入的核心是订阅，但也在尝试新模式

商业模式这块，颜劲良讲得很坦诚。美图从2022年开始就不再把广告当成战略增长点，广告业务这几年一直是低个位数增长，公司的重心早就转移到了订阅上。这跟很多人对中国互联网公司的固有印象不太一样，大家习惯性认为国内用户付费意愿低，靠广告变现才是主流打法，但美图的付费订阅收入现在已经是最大的收入来源。

颜劲良提供了几个我觉得挺有说服力的数据。全球图片视频类应用的平均付费率大概在20%左右，作为参照，海外音乐视频类应用和中国同类应用的付费率大概是二比一的关系，按这个比例换算，美图在国内的付费率至少应该做到10%左右，但目前只有5%到6%，这意味着单纯在国内市场，付费率还有80%到100%的增长空间。海外这边空间更大，美国、欧洲、日韩这些高ARPU地区，基础客单价比国内高出一倍到两倍，付费率也能做得更高，他们旗下的AirBrush在美国的付费率已经超过50%。

除了传统订阅，美图还在试新的变现方式。Picchi这种agent型产品，除了常规订阅费之外，用户如果想训练一个专属于自己的修图模型，需要单独付费，这本质上是把”个性化模型”当成一种可以按次消费的算力商品来卖，有点类似AI算力点数的逻辑。我觉得这个尝试值得多说两句，因为它可能预示着一个更大的趋势：未来消费级AI应用的收入结构，可能不会是单纯的订阅制，而是订阅加使用量的混合模式，跟现在企业级AI应用按token收费的逻辑越来越像。谁能先把这套混合计费模型在C端跑通，谁就能在同样的用户规模下挖出更多收入空间。

跟谁竞争，跟谁看起来像竞争但其实不是

播客里主持人问了一个挺尖锐的问题，字节跳动、快手手握海量图片视频数据，海外有Canva、Adobe，甚至Shopify和阿里巴巴都在做电商设计工具，美图凭什么在这么拥挤的赛道里活下来。颜劲良的回答把竞争对手分成了两拨。

生活场景这边，除了字节的某个业务线，全球范围内其实没什么体量相近的大公司在做同样的事，美国基本找不到对标的大厂玩家，有一些小创业公司，但体量跟美图完全不是一个量级。生产力场景这边，Canva、Adobe、Figma这些工具走的是通用设计路线，一个编辑器套用在各种场景上，而美图走的是垂直路线，专门服务某个具体行业的具体需求。他举了个例子我印象很深，如果你用Canva做电商商品图，Canva大概率不会提醒你”这张图不能用未成年人做模特”，因为Canva压根不知道你在做电商图。但美图设计室知道，因为它从一开始就是为电商场景量身定制的，平台规则、行业禁忌、卖点提炼这些东西都是产品自带的。

我觉得这其实是垂直SaaS和通用平台这场经典博弈，在AI时代的又一次重演。通用平台的优势是覆盖广、边际成本低，但它天然缺乏对具体行业的深度理解，也没有动力去为某一个细分场景做重投入。垂直玩家看起来市场小，但它能把行业知识、合规意识、工作流细节全部产品化，这是通用平台不愿意做、也做不好的脏活累活。颜劲良说得很直白，这些细分场景对大公司来说不是没有能力做，而是不在他们的射程范围内，这句话其实也点出了垂直AI应用公司最真实的生存空间。

出海不是砸广告，是要真住进当地文化里

这段内容是整期播客里我最喜欢的部分，因为它跳出了产品和财务，讲的是真实的踩坑经历。颜劲良提到一次在英国做用户调研，一位男性达人告诉团队，美图能修下颌线这件事让他觉得很酷，他愿意为此付费，但他觉得磨皮美白不是一个好主意。这个反馈跟国内用户的偏好几乎是反过来的，说明同一个功能在不同市场里，被接受的边界完全不一样，没有一套放之四海而皆准的审美模板。

更典型的例子是农历新年这个节点。中国团队当年推出的新春主题功能在国内很受欢迎，但同步投放到韩国市场后完全没有起量。后来当地同事才反馈，韩国人过农历新年习惯穿白色系服饰，而中国人过年习惯穿红色，这种认知盲区如果不是本地团队提醒，纯靠总部远程判断根本发现不了。

我觉得这两个例子背后藏着一个更大的道理。现在很多中国公司出海，还停留在把产品翻译成当地语言、投放当地广告的阶段，以为这就是本地化。但颜劲良讲的这些细节说明，真正的本地化需要团队实际住进当地生活，跟当地用户面对面聊天，而不是靠翻阅报告和听咨询公司汇报。这也解释了为什么美图现在开始在海外设点，定期派产品经理出国做用户调研，甚至去体验目标用户的真实生活。这件事本身成本很高，但我认为这恰恰是通用大模型永远补不上的一课，因为大模型的训练数据是全网平均出来的结果，天然会把文化差异磨平，而真正扎根本地市场攒出来的行为数据和审美偏好，才是一家应用公司能跟大模型拉开差距的地方。TikTok和K-pop的流行倒是帮了美图一把，滤镜和修图在很多西方国家不再是一件难以启齿的事，这算是一个意外的顺风。

我怎么看这场关于”会不会被吞噬”的争论

回到开头那个问题，通用大模型到底会不会把美图这样的应用公司吞掉。颜劲良自己给出的答案是，投资者对美图最大的误解之一，就是以为通用模型迟早会碾压所有AI应用公司。他的理由是视觉审美太主观、太个性化，每个垂直场景对同一个词的理解都不一样，靠一个大而全的模型去满足所有场景，这件事在视觉领域几乎不成立。

我基本认同这个判断，但我想补充一个更长期的视角。美图现在的护城河，一半来自技术，一半来自组织能力，就是那支深度参与模型训练的设计师团队，还有十几年攒下来的用户行为数据。技术这一半，随着通用模型能力越来越强，优势会被慢慢磨薄，这是不可否认的趋势。但组织能力这一半很难被复制，因为它不是靠砸钱能一夜之间攒出来的，需要时间、需要用户规模、需要一整套把审美判断产品化的方法论。真正让我觉得美图不会被轻易吞噬的，不是他们的模型现在有多强，而是这套把主观审美变成可训练、可迭代系统的能力，这件事的门槛比大家想象的要高得多。

当然我也想留一个诚实的问号。视觉生成这个赛道现在进步速度极快，通用模型在真实感和可控性上的迭代肉眼可见，美图现在靠自研模型撑起来的70%毛利率，能不能在三五年后依然守得住，这不是一个已经有答案的问题。但至少从这期播客能看出来，美图对自己的定位很清楚，不去跟通用模型拼参数规模，而是把所有资源砸在审美判断力和垂直场景的深度上，这条路径未必是唯一解，但至少是一条经过验证、走得通的路。

完整播客访谈可以在这几个平台收听：

Spotify：https://open.spotify.com/episode/0gIS801S0CXA42z0vqc9Wz

Substack：https://open.substack.com/pub/aiproem/p/from-beauty-apps-to-ai-agents-meitus

YouTube：https://www.youtube.com/watch?v=ZIC5cLkYbUo