美图设计室用户实测：应用比模型更能打，商家为“确定性”买单

（原标题：美图设计室用户实测：应用比模型更能打，商家为“确定性”买单）

近期，“模型吞噬应用”的AI行业叙事似乎有了分化。

资本市场恐慌情绪蔓延，从Salesforce等美股SaaS工具到Adobe、Figma、美图等全球视觉软件普遍股价回调。但部分投资和研究机构旗帜鲜明指出，AI不会吞噬所有应用，部分应用厂商具备独特且稳固的护城河。与此同时，AI应用的用户们，仍在用付费决策进行投票。

a16z指“AI不会吞噬应用”

3月2日，投资机构a16z团队发文称，AI 吞噬垂直应用软件的结论根本不合理，相反，软件行业将成为最大的AI受益者之一。

在a16z看来，“大模型吞噬论”忽略了，基础模型的进化同时也会放大软件厂商的业务范围、工作效率和用户市场，从而增加整个软件行业的市场规模。一个最简单的例子就是，在AI驱动下，应用可以将以前过于复杂或昂贵的工作任务，转变成简单、易用的工具和功能，让普通用户可以直接上手使用，并成功完成商业变现。

稀掘数据创始人、跨境电商卖家马振豪在接受媒体采访时，就谈到了这类垂直工具应用的简单实用和高效产出。

马振豪是一位扎根深圳的小家电跨境卖家，依托家里的加工厂，他从2017年开始入行，通过亚马逊等电商渠道销售风扇、香薰机等产品，年销售额数千万元。

马振豪向媒体记者表示，对于SKU更新频繁、需要针对海外市场做A/B测试的电商卖家来说，最头疼的就是商品图，“原来做一套商品图的成本可能几百块甚至上千块，如果有模特拍摄还会更贵。出一套图可能要一个星期，快的也要两三天。”

2025年接触到美图设计室后，他感受到了出图效率的倍数级提升和成本的大幅下降。马振豪说，用美图设计室做商品图后，成本慢慢压缩到百元，现在更便宜，有的只要几块钱，成本以十倍、十倍的速度在下降。“在时间效率上，变化更为惊人，以前两三天到一个星期的周期，现在“30分钟内可以解决。”

他也尝试使用过一些国内外大模型产品，但并没有找到更优解，“最明显的问题是，大模型出图在品控上弱于美图设计室，美图设计室可以很好地在图上还原产品，把AI生成图片的能力、背景融合的能力都进行了很好的产品化。”国内一些大模型的类似功能，他测试后更坦言，“几乎不会用”。

用户愿意为“确定性”买单

华泰证券3月4日发布的报告指出，生成式AI并未改变用户对图像编辑可控结果与稳定质量的核心需求，其主要作用在于降低操作成本、拓展使用场景，而非替代传统图像编辑体系本身。以美图为例，其产品具备底层编辑器、中层工作流、顶层产品力三重壁垒，这类具备长期产品经验积累、完整工作流和真实用户数据沉淀的公司，更容易获得AI赋能，并完成产品升级迭代。

a16z也认为，部分深耕垂直领域的公司有更稳固的护城河，例如在特定领域积累有庞大的高质量、高精度数据，以及将基础模型通过特定工作流转换为专业工具的能力。基于此，模型进化将进一步赋能应用层，因为对用户来说，难点并非人工智能技术不够强大，而是需要知道如何使用它。

“美图的核心竞争力是把模型能力产品化了。”马振豪总结道，“从我自己的使用体验来看，我觉得美图设计室目前仅仅只要打磨好快速出套图这个功能，都能稳定住付费人群了。”

事实上，在许多商用场景，用户的确会为“确定性”支付溢价。

对于需要规模化、标准化生产商品图的电商卖家来说，通用大模型或许能力全面，但生成结果具有随机性和不可控性，这意味着他们可能要支付更高的成本。而美图设计室们付费订阅的商业模式，具备更高性价比。

作为美图设计室的年卡会员，马振豪的付费决策非常理性。“如果只是对于一个只需要电商产品图相关功能的商家来说，用美图设计室的性价比肯定是更高的。”他认为，美图设计室更接近电商商家这些垂直用户的需求，无论是小家电，还是服装、家庭场景的品类都很合适。

垂直场景的“最后一公里”

美图公司CEO吴欣鸿在近期分享中坦言，应用开发者在每个时代阶段都有空间，关键在于对高价值垂直场景的深度挖掘。这类场景普遍存在非常刚性的需求和成本高效率低的问题，客户愿意为此付费，服务后也能创造出高弹性的增长空间。

他表示，应用与大模型的竞争壁垒，关键在于能否拿到“这个垂直场景我最专业”的心智，解决“最后一公里”与长尾需求。

这与马振豪这样的跨境电商卖家需求不谋而合。他并不关心美图用的是哪个底层大模型，他只关心能否在30分钟内拿到一套不变形、高转化的商品套图。

华泰证券在实测美图设计室、Nano Banana与豆包的AI商拍生成效果对比后指出，中短期内，通用图像大模型在细分生产力场景中的指令完成度存在明显上限，仅依靠通用能力难以做到高确定性输出，仍需要产品侧引入更强的约束与校正机制。

相比之下，美图设计室通过结构化输入和编辑持续收敛结果空间，使输出具备可复现性和稳定性。相较偏向展示型生成工具，美图更贴近真实商业工作流，其优势来源于长期编辑经验的系统性沉淀与迁移，使 AI 生成结果更容易进入后续精修与规模化使用。

而从长期来看，即便模型能力提升，专业场景仍需要专用产品承接复杂操作。在投资和研究机构们看来，能够持续承接效率红利与商业化落地，为用户提供真正实用价值的软件生态系统，不仅不会被大模型“吞噬”，反将迎来更大的发展空间。