从“提供工具”转向“交付成果”，AI应用开始争夺“最后一公里”？

过去几年，大模型行业的竞争焦点始终围绕模型能力展开，从参数规模、推理性能到多模态能力，技术进步不断刷新行业认知。

进入2026年，一个新的变化正在出现。从AI（人工智能）绘图到AI视频，从数字人到AI短剧，大量AI应用产品正在从“提供工具”转向“交付成果”。与此同时，随着基础模型能力持续提升，应用层竞争也出现新的分化：技术能力正在逐渐成为行业标配，而对垂直场景的理解、行业知识积累以及服务能力，开始成为新的竞争焦点。

6月17日，美图公司董事长吴欣鸿在接受包括《每日经济新闻》记者在内的媒体记者采访时，多次谈及AI应用的发展方向。

同时，一个更值得关注的行业信号正在浮现，AI应用竞争正在进入深水区，行业关注的重点正在从模型能力转向任务完成能力，从能生成什么转向能帮用户完成什么。

用户究竟愿意为什么买单？

近几年，大模型行业经历了几轮明显演进。2023年，行业关注的是模型能力：谁的参数更多、推理更强、生成效果更好。此后，竞争开始向Agent（智能体）迁移，越来越多AI应用企业尝试让模型连接工具、调用系统，完成更加复杂的任务。进入2026年，一个更加现实的问题摆在所有AI应用公司面前，用户究竟愿意为什么买单？

在6月17日举行的“2026美图影像节”上，吴欣鸿表示，过去，软件更多扮演工具角色，用户需要掌握复杂操作流程完成任务；进入Copilot（辅助协同）阶段后，AI开始提供辅助能力，但任务拆解、决策判断仍主要由用户完成；随着Agent技术的发展，AI应用已能够理解用户目标、拆解任务并调用不同工具完成单项任务交付。

而未来，当Agent Teams进一步成熟后，AI应用有望从辅助执行走向全流程托管，用户不再需要学习如何使用工具，而是直接获得最终结果。答案越来越指向结果本身，这一转变已经在AI应用产业发生。

在6月5日举办的腾讯云AI产业应用大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示，腾讯做AI始终坚持以实用、好用、可规模化为目标，最核心的经验就是扎根场景，真实场景里既有用户需求，也有模型迭代最需要的数据。

《每日经济新闻》记者注意到，相比打造一个能力更强的聊天机器人，越来越多大模型企业开始关注如何让AI真正完成任务。

以千问为例，过去半年来，其陆续接入地图、打车、购物、闪购等多个阿里巴巴的生态服务，并尝试让模型调用不同能力完成真实任务。从行业视角来看，这种探索的重点已经不再是聊天能力，而是验证AI是否具备进入真实生活场景的能力。

高考志愿填报便是其中一个典型案例。阿里巴巴千问事业群总裁吴嘉曾表示，这并不是临时增加的场景，而是“AI办事”能力的自然延伸。如果AI能够在高压、低容错的高考相关场景中完成任务，那么未来进入更多复杂决策场景便具备了基础。

路径虽然不同，但背后的逻辑却高度一致：用户需要的并不是一个更聪明的模型，而是一个能够替自己完成工作的系统。

对此，吴欣鸿也表示，过去，美图更像是在打造工具，把功能开发出来交给用户使用；但随着模型能力的提升，用户需求也发生了变化。“很多用户面对越来越多的AI工具已经无所适从，也不愿意花时间去学习”，在他看来，用户真正需要的并不是某个功能按钮，而是最终成果。

垂直场景变得越来越重要

事实上，行业的变化正在重塑整个AI应用。过去，无论是修图软件、视频编辑软件还是设计软件，本质上都是提供工具。用户购买软件后，需要自行完成后续工作；如今，越来越多AI应用开始尝试直接交付结果。

从这个角度看，AI应用正在从软件竞争走向解决方案竞争，吴欣鸿认为，只有真正进入服务交付环节，企业才能获得最真实的用户反馈，并进一步推动产品和模型迭代，“如果不上场做，自己是没有手感的。”

《每日经济新闻》记者注意到，如果说过去几年行业竞争的关键词是模型，那么2026年起，垂直场景开始变得越来越重要。

过去几年，随着大模型能力的快速提升，外界一度担心应用层会被基础模型吞噬，但从目前的发展情况来看，这种情况并未发生。相反，越来越多AI应用公司开始把竞争重点放在行业知识和场景理解上。

对此，吴欣鸿指出，过去，互联网产品经理往往依赖流量、增长模型以及数据分析推动产品发展。但在AI时代，仅靠这些已经不够了，因为模型能够快速复制功能，却很难复制行业经验。

吴欣鸿进一步表示，公司过去复盘失败项目时发现，很多项目的问题并非技术能力不足，而是项目负责人缺乏对影像行业的深刻理解。“项目和产品都重要，但其实人更重要，因为机会很多，真正稀缺的是对行业有深刻理解的人。”

随着大模型能力逐渐开放，技术门槛不断下降，越来越多垂直行业的从业者开始进入AI创业赛道。吴欣鸿认为，影像赛道依然存在大量创业机会，一个重要原因就在于场景足够分散，“大模型很难把所有产品都服务好”。

《每日经济新闻》记者了解到，从整个产业发展来看，这种判断并非孤例。一方面，基础模型正在持续进步；另一方面，用户需求却在持续细分，这些需求很难通过单一模型统一满足。

吴欣鸿也表示，公司会持续关注基础模型的发展，同时坚持建设自身模型能力。原因在于，只有把长期积累的行业数据、美学资产以及专业经验融入模型，才能形成真正差异化的竞争力。

如果说过去几年，AI行业主要解决的是模型能做什么的问题。那么，接下来几年，市场更关心的将是模型究竟能替用户完成什么。而在这一过程中，决定AI应用价值的，或许不再是参数规模，而是企业对于场景的理解深度，以及能否打通连接技术与商业价值之间的那条“最后一公里”。