模型吃掉的是功能，还是应用？——从美图看 AI 产品的结果交付 (2026)

本期听什么

这期材料来自《屠龙之术》8 月 31 日的单集《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》。原节目约 31 分钟，主播庄明浩从 Figma、Canva 和美图的变化出发，追问一个 AI 产品团队很难绕开的事：模型变强以后，应用到底还剩什么价值？1

这期精炼版给出五个观察：模型更容易吃掉单点功能；增长不等于兑现；应用的核心工作正在从调用模型转向组织结果；成熟业务可以成为新业务的底盘，但不能替新业务证明需求；真正的壁垒，可能是应用自己的评估、反馈和交付循环。

原节目是一段单人节目，没有嘉宾对谈。因此音频里保留的是原节目主播庄明浩的四段可定位原声，另一条声音是本频道的编辑观点，不是来源嘉宾原声。原声片段都来自同一份公开音频，并按原节目时间位置对齐；正文中的判断则是对原节目和 shownotes 的二次整理。

抠图、扩图、换背景、简单修图，这些输入和输出都比较清楚的动作，越来越容易被多模态模型直接覆盖。用户不再需要为每个动作单独下载一个工具。

但一个电商团队要的通常不是一张更好看的商品图。团队要的是店铺装修图、投放素材和视频素材，一整套可以继续使用的交付物。模型完成其中一个动作，不等于有人替团队把任务做完。

所以，产品立项时可以先问三件事：最终要交付什么，交付需要跨几步，哪一步失败后必须由人接管。问题还没有被说清楚以前，模型选型只能算演示准备。

Figma 和 Canva 被放进这场讨论，是因为它们仍有业务增长，却同时承受着估值叙事变化。节目把 Figma 的估值波动和 Canva 的增长预期调整放在一起观察，但这并不能直接证明两家公司已经被模型吃掉。它更像一个市场提问：传统软件的增长，能不能在 AI 成本结构里继续兑现？1

AI 产品有三个容易被混在一起的指标。一次尝鲜不等于留存，下载量不等于持续使用，Token 消费增长也不等于利润增长。模型调用、算力和运营投入先发生，用户什么时候愿意持续付费却更晚才知道。

创业团队需要把收入拆开看：哪些是一次性尝试，哪些来自周期订阅，哪些来自按结果付费。然后把模型成本、人工复核、返工和渠道分成放回同一张账里。用户数只能说明有人来过，不能说明这项工作值得反复交给你。

美图的变化值得看，不是因为它简单地“加了 AI”，而是因为它同时在做成熟影像产品、生产力产品、视频、设计和 Agent。原节目把这种变化概括成从“功能”走向“交付”。1

一套面向结果的应用链条，至少包括四步：根据任务选择模型，把模糊需求拆成可执行的步骤，控制执行过程中的一致性，再交付一份能发布、能投放、能复用的成果。实际系统还要做结果评估，并决定什么时候停下来请人处理。

这也是为什么让普通用户自己挑模型，往往是一条弯路。用户不知道哪个模型今天更好，也不应该为模型路由承担复杂度。用户真正需要确认的是：应用能不能在约定时间交付一份能用的东西。应用的价值，正在于把复杂度内化，而不是把选择题丢回给用户。

美图一边有美图秀秀等成熟产品带来的用户规模、品牌和现金流，一边尝试建立 AI 原生产品和新的工作流。成熟业务可以帮助新项目冷启动，但新项目仍然要自己证明场景、留存和付费。

节目转述的财报和业绩会信息里，有两个数字很醒目：自研模型生成内容的占比为 96%，第三方 API 和 Token 成本占收入的比例为个位数。这个口径也出现在当天的公开转载中，但转载来源是网易号自媒体，不能替代美图正式财报的独立核验。2

这两个数字的意义，不是“所有应用都应该自研模型”。它们更像是在说明：当应用公司把模型、产品和生产结果放进同一套系统，模型调用就不再是唯一的价值来源。公司需要知道哪类任务适合更快、更便宜的模型，哪类任务需要更强的模型，什么错误必须阻断，以及用户的反馈如何进入下一轮优化。

美图 Pitch 的例子也说明了这一点。普通用户不需要先理解 Skill 或 MCP。用户只需要知道，上传照片以后能得到什么样的风格和结果。行业术语留在产品内部，结果留给用户，这才是应用吸收复杂度的方式。

这条路线有四个问题不能回避。

美图据原节目转述还做过一个反直觉的选择：成熟的老产品不能给新产品导流。这个规则不一定适合每家公司，但它提醒团队区分两件事。老业务输血可以帮助试验，新业务自己跑通从获客到付费的闭环，才算完成验证。

挑一项真实任务，连续记录一周的成功、失败、人工接管、成本、延迟和客户是否真的采用。下一次评审只问三句：哪类请求不需要最强模型，哪一种失败最值得补数据或改奖励，如果基础模型继续变便宜，客户为什么还需要你的系统？

这期节目的最终判断不是“模型吃应用”或“应用吃模型”。模型更容易吃掉单点功能；应用要争取留下来的，是把模型、场景、流程和支付组织成一个能反复交付的结果。这个结果今天可用，下一次还能变得更好，才有机会变成用户愿意持续购买的产品。