模型越强应用越危险？中国AI创业者的三种活法

2026年夏天，中国AI应用创业公司同时感受到了两股压力。一边，大厂开始陆续推出通用的办公Agent；另一边，一级市场对AI应用的态度正在转冷。持续看AI应用项目的投资人林望，把这种处境形容为“在流沙上盖房子”——流沙是不断变化的模型能力，房子则是建立在模型之上的AI应用。创业公司刚刚围绕模型能力的缺口做出一个产品，模型再往前走一步，原来的缺口就可能消失。

如果把视野放大，过去一年AI应用公司大致出现了三种迁移方向：一类继续进入专业工作流，把模型嵌进更完整的生产过程，典型如Cursor嵌入编程工作流、Lovart嵌入设计工作流；一类不断扩大任务边界，争夺更通用的工作入口，典型产品如Manus、Genspark；还有一类试图把知识、工具、Agent和用户上下文组织成长期工作的系统，例如Notion AI、FlowithOS、WorkBuddy等。

三条路线不同，背后却都面临着同一个问题：当模型厂和互联网大厂都开始向应用层推进，独立AI应用公司还能留下什么，才不至于在下一次模型升级后重新开始？

航班上的眼泪：模型升级，应用层价值瞬间蒸发

2025年初，从上海飞往北京的一趟航班上，LiblibAI创始人陈冕哭了。当时公司收入刚刚翻倍，仍在增长，但陈冕觉得“完蛋了”。此前近一年，团队都在做节点式的强控制工作流，让用户通过连接不同模型、调整参数来获得更稳定的生成结果。但新一代图像模型GPT-Image-1出来后，原本需要在应用层完成的许多复杂操作，开始被模型自己解决。团队花了近一年搭建的中间层突然失去了存在的必要。

这也是很多AI应用公司面临的矛盾所在：模型越强，应用越容易获得上游的模型能力；模型继续变强，应用层辛苦搭建的产品价值又可能瞬间消失。陈冕用“逐鹿中原”形容这种处境：模型厂商还在扩张，应用公司得趁主战场没压过来时先占住自己的江东，再修一道“长江天险”。他总结：“用时间换空间，用空间换资源，再用资源浇筑壁垒。”但那道壁垒到底是什么，他自己也说，只有修出来才知道。

今年，一批较早进入AI应用层的创业公司已经走到新的阶段。演语科技（Lovart）和Genspark成为华人AI应用创业公司估值最高的一批，Flowith体量更小，但也在创作Agent领域获得了较高关注。本文选择Lovart、Genspark和Flowith作为三个观察样本，看它们如何从不同起点，一步步把产品边界推向今天的位置。

陈冕：往专业工作的深处走

陈冕在做AI应用之前，最后一段大厂经历是在字节负责剪映和CapCut的全球商业化。曾在剪映工作的产品人士陈川告诉雷峰网，剪映后来能够从一个服务抖音的工具变成独立创作产品，一个重要变化是把专业剪辑能力不断简化给更大的中间用户群体。复杂的剪辑被压缩成普通用户可以直接调用的模板和功能，商业化也逐渐从免费工具转向会员、模板等付费方式。这段经历提供了一个理解陈冕的背景：他过去最熟悉的就是怎样把专业能力重新包装成更多人可以使用的产品。

2023年创业时，生成式AI也处在类似阶段。Stable Diffusion已经让图像生成成为可能，但找模型、训练LoRA、调参数仍然是专业工作。Liblib最初把模型、创作者和生成工具聚到一个平台上，此后又继续向Workflow推进。陈冕后来在Founder Park的访谈中把这一时期称为图像AI应用的“2.0”：模型提供一个个能力，ComfyUI式工作流负责把它们组织起来。对应用公司而言，这套生意成立的前提很简单——模型越难使用，中间这一层越有价值。

这套逻辑在2025年初第一次遇到了问题。当模型本身越来越容易理解自然语言、完成复杂控制，应用层靠“帮助用户驾驭模型”建立起来的一层价值开始迅速变薄。据Elsewhere报道，在得知gpt-image-1即将开放后，陈冕从全公司抽调最好的人到上海封闭开发Lovart。此后，每当新产品出现，公司都会迅速把资源向新的增长点倾斜。模型变化得太快，资源也必须跟着机会移动。

陈冕没有继续增加Workflow的复杂度，而是把复杂度藏了起来。Lovart仍然保留画布，但过去需要用户自己选择模型、连接节点和规定执行顺序的工作，开始交给Agent完成。陈冕在Founder Park的访谈中把ComfyUI比作一块需要用户自己“搭电路板”的画布，而Lovart更希望成为一张设计师工作的桌子：用户只需要告诉AI想做什么、哪里需要修改，后台再完成工具选择和任务拆解。

从这个角度看，从Liblib到Workflow再到Lovart，陈冕反复在做的其实是同一件事：找到仍然过于复杂的专业能力，再把复杂性从用户面前拿走。类似的迁移也出现在AniShort、Loopit、Aippy等创作工具上：单次生成能力越来越容易获得后，产品开始继续向脚本、交互、协作和完整生产流程延伸。只不过到了AI时代，他需要面对一个过去做剪映时没有的问题——产品刚刚消化掉一层复杂性，下一代模型可能又会把这一层复杂性消灭掉。

一年之内，Agent从创业机会变成大厂战争

如果要形容2025到2026年AI应用创业者的处境，大概就是：那种所有人都知道地面在移动，却不知道下一块稳定土地在哪里。2026年春天，这种感觉变得尤其明显。一只被国内用户叫作“龙虾”的开源Agent OpenClaw突然流行起来，部署教程和使用案例迅速铺开，没过多久，国内几家大厂也相继推出相关产品和服务。国外的变化同样快，OpenAI、Anthropic都在继续把Agent从编程推向更完整的工作场景。一个原本还带着极客色彩的产品形态，很快就被卷进了大公司的竞争。

再往前一年，情况还完全不同。2025年春天，资本才刚刚重新对AI应用产生兴趣。一位达晨投资人当时告诉雷峰网，2024年“应用明显有点凉了”，到了2025年，“大家又统一了共识，应用又火了起来”，但真正愿意下注的人仍然不算多。

3月走红的Manus，把Agent从技术圈里的概念变成了一场大众事件。在此之前，很多AI应用仍然围绕搜索、写作、图片生成这样的单点能力展开，用户习惯的也是“我问一句，AI回答一次”。Manus则把另一种交互方式摆到了所有人面前：用户只说自己最后想得到什么，中间的过程可以交给Agent自己决定。

这也让很多创业团队需要重新估量原来的计划。Lovart在Manus走红前已经开始准备，但陈冕后来提到，Manus让他更确信Agent会成为下一阶段的重要产品形态；景鲲看到的信号则更偏技术，他把Claude Sonnet 3.7视作端到端Agent开始真正可用的节点，随后停掉了已经拥有数百万用户的AI Search；Flowith原本就在开发Agent Neo，Manus带来的市场热度又让团队把发布时间提前。

一年后的2026年，这种不确定性没有消失，只是参与者更多了：模型厂、互联网大厂和开源社区同时进入这个市场，对应用创业公司的压力也因此变得具体：它们不仅要面对模型能力的快速迭代，还要面对大厂在渠道、算力和数据上的全面挤压。在流沙之上，每一家AI应用公司都在寻找自己的立足点——有人往专业深处钻，有人往通用入口扩，有人试图搭建长期工作的系统。三种选择，没有标准答案，只有各自对“壁垒”的理解和押注。