是时候重估「AI吞噬软件」了

来源：市场资讯

（来源：深水研究）

深水研究

DeepWater Research

深度影响决策

文丨陈白

发朋友圈的时候，你会选择用大模型一键修图，还是修图App AI+手动调整？

反正我的经验是，目前通过指令让AI修图所交付的结果依然是不可预测的，有时候表现非常夯，但也有完全没办法用的时候。

如果想要在短时间内最快达到理想的照片效果，还是得打开专门的图片处理软件。

而且数据也证明，这是大多数人的选择。比如最近美图公布的一组数据：3月付费用户数超过1790万，带来的一季度收入就有8亿多，这主要是来自美图秀秀、美颜相机等应用。

这种变化，还不止在大众用户的C端。

在生产力端，这种从AI应激反应到专业工具价值重估的进程也在持续。美图公布的另一组数据是，一季度来自生产力应用的付费订阅用户数同比增长52.9%至234万，甚至超越了C端增长幅度。

2023年Midjourney刚刚诞生时，所有人都觉得，Photoshop这一类软件要完蛋了。但现在来看，似乎并不是这样。

工具的估值，正在进入一个快速修复期。更直接点说，无论是生活还是工作，大家更需要的，依然还是工具的AI能力，而不是AI模型本身。

英伟达创始人黄仁勋以及有硅谷先知之称的知名科技作家凯文凯利都曾先后预言，未来所有公司都会是AI公司。

一开始大家都认为，AI会吞噬应用层、彻底把软件置于后台。当年那个写出“软件吞噬世界”而享誉全球的硅谷知名投资人马克·安德森去年还更新了他的“AI吞噬软件”的新播客。前段时间，美股Saas软件公司还因为“AI吞噬软件”的叙事一度出现暴跌。

但真是这样吗？从最近Sora关停、Anthropic与Canva达成合作，豆包开启付费模式的当下来看，一切好像都还在混沌之中。

01

真相是：

大模型现在还不赚钱

在AI浪潮最初翻涌的前两年里，市场陷入了一种近乎偏执的“大模型崇拜”。

叙事也极其简单粗暴：如果大模型可以写代码，那程序员就失业了；如果大模型可以生图，那设计软件就废弃了。

人们甚至发明了一个词叫“应用坍缩”，认为大模型会像黑洞一样，把过去三十年建立在UI、交互和特定工作流之上的应用层统统吸进去，最后全世界只剩下几个巨大的对话框。

但到了2026年的今天，这种叙事开始出现一个致命的bug：到现在为止，AI大模型并不能赚到钱。

你可以看到，头部的模型公司依然在进行着烧钱竞赛。尽管它们的月活数据惊人，但转换成真实利润的效率却极低。

原因很简单，大模型提供的是一种“泛化的智能概率”，它像是一台拥有无穷马力的引擎，但它没有轮子，没有方向盘，更没有目的地。

现在我们必须承认一个残酷的现实：纯粹的大模型本身，目前并没有找到真正成立的商业模式。

这其实也是上一轮AI泡沫论的基石所在。看起来无所不能的AI，却始终没办法赚钱。

用户支付的AI大模型月费，却很难真正意义上转化为生产工作流中的稳定环节，这主要是由于“不可预测性”带来的成本。

商业的基本常识，是降低交易成本，而不是制造不确定性。然而，当用户需要反复输入提示词、反复抽卡、反复修正结果，这实际上极大拉高了交易成本。这一点，在视频和图片模态中显现的更为明显。

或许我们今天也是时候要重新理解那句“所有公司都是AI公司”的判断了——

从蒸汽机、电灯到互联网诞生，每一次技术革命之后，各行各业的生意依然存在，甚至因为技术降低了交易成本而活得更好了。

也正是因为这样，未来更大的可能，是AI成为所有公司的必备工具，而不是AI大模型公司，替代掉所有公司。

02

美图样本：

行业Know-how的价值

当然，也并不是说AI就完全没有商业化的可能性。相比之下，真正的商业闭环始终存在于具体的、垂直的应用当中。

美图这家中国公司是一个典型的分析样本。

在2026一季度数据中，美图首次公布了产品的“AI算力点消费额”，这是付费订阅之外的一个新商业模式。这实际上是在告诉市场：AI能力并不是PPT里的愿景，而是正在成为大规模用户高频调用的生产资料。

这里面，涉及到一个核心的定价逻辑转变。

过去，市场对算力的定价逻辑往往围绕着模型训练。模型公司购买算力，是为了训练出一个参数规模更大的模型，然后按Token数量向外售卖。而指望石油矿井里直接造出汽车，显然是不现实的。

真正的价值还是在应用层，能不能通过真实的“场景”实现更高维度的定价。打个比方，这就像有了汽油，也还需要汽车跑起来才行。

举个例子，当一个电商卖家使用美图的AI功能一键生成商品海报时，他背后消耗的Token可能在模型层只值几分钱，但美图通过私有数据优化和行业Know-how（比如对光影、构图、美学趋势的把握），为用户交付了一个可以直接赚钱的商业素材。

这时候，用户付出的订阅费或单次费用，其本质是对“行业Know-how赋能后的AI能力”的溢价支付。这种溢价远远高于原始Token的价格。

这就是为什么美图的算力消耗额越高，其增长潜力反而被认为越大。因为每一单位算力的消耗，背后都对应着高粘性的、高毛利的应用场景。

更直接点说，这是让每一个被消耗的token都能价值最大化，而且因为精准，反而不会产生大规模的算力浪费。

通过披露AI算力点消费额，美图实际上定义了一种新的“AI ROI（投资回报率）”：即如何将昂贵的算力资源，转化为用户愿意买单的审美资产和生产力工具。

而回过头再来审视此前资本市场对于AI的估值逻辑，其实一定程度上是扭曲的：如果你是模型公司，你有万卡集群，哪怕你亏损，你的估值也上天；如果你是应用公司，大家会问，“如果OpenAI做了你的功能你怎么办？”

美图的数据，从反面回答了这个问题：AI应用层正在通过真实的消费场景，成为算力的最大买单者，且具备比模型层更强的“算力溢价”。

应用层目前之所以不可替代，是因为它沉淀了人类在特定场景下的“惯性”和“经验”。这种经验被封装在UI界面、功能按钮和工作流逻辑中。

模型技术越强，应用层的价值反而越厚。这也意味着，应用并没有被模型吞噬，反而是在借力。

在商业逻辑上，这意味着应用公司可以从原来的“功能收费”转向“效果收费”或“效率收费”。

当AI模型的能力被内化进美图设计室或开拍这样的工具中时，它不再是一个玄学的对话框，而是一个极其精准的、可预期的功能模块。用户为这种“确定性的结果”付费，意愿远高于为“概率性的尝试”付费。

03

故事变了：

不是被吞噬，而是内化

今天我们再回头看那句“模型吞噬应用”的预言，它更像是一种单一的技术决定论，而忽略了商业文明中最重要的部分：场景、工作流和用户关系。

技术模型和商业应用的关系，从来不是“替代”，而是“内化”。

什么是内化？就是在用户使用某一个功能的时候，AI模型变得隐形了，而应用变得更强大了。

这种内化的过程，实际上是应用层在对模型进行“驯化”。通用的、泛化的模型虽然无所不知，但往往“不懂人心”。模型公司可以做出很强的图像生成能力，但它很难在短时间内理解并模拟出千万级用户在特定修图场景下的心流。

还以图片处理为例，AI不知道部分女性对于肤色通透感的极致追求，也不知道小红书博主对于某种流行氛围感的精准拿捏。

而类似美图这样的公司在这些年中积累的海量审美数据、用户行为反馈，就是那个最好的“驯化器”。

而且，当所有人都能轻易生成精美图像时，人们对于“个性化”、“精准化”以及“审美掌控感”的需求反而爆发了。而提供这种掌控感的，依然是那个懂得用户的应用。

当然，太阳底下无新事，这种叙事逻辑的转变站在技术史的视角来看，其实反复发生过。

技术革命往往会经历三个阶段：恐惧、狂热、最后归于常态。最初我们恐惧AI，因为它看起来似乎全知全能；接着我们狂热地追求模型，认为那是唯一的胜负手。

而现在，我们正在进入常态化阶段。在这个阶段，模型被内化为基础设施，而应用层重新夺回了话语权。

历史也反复证明了，每一次技术革命最初的恐慌之后，各行各业的生意依然存在，甚至活得更好，AI也是一样的。

那些拥有私有资产、理解深层业务逻辑、并能够敏锐将模型能力“内化”进自己工作流的应用，非但不会坍缩，反而会因为获得了AI这个“超级心脏”，而有可能跑得比以往任何时候都要快。

未来更大的可能性是：模型层将走向同质化和基础设施化，就像水电油一样。而真正的商业差异化和超额利润，依然还是会产生在那些能够把这些“电力”转化为具体“家用电器”的应用层手中。

AI并没有让应用消失，它只是让平庸的应用消失了。而对于那些一直在审美和生产力一线深耕的长期主义公司来说，这反而是更好的时代。