屠龙之术播客08-31中文

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

时长 31:27

本期节目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

00:00-31:27

推荐理由这期播客拒绝用「模型会吃掉应用」概括所有公司，而是把单点功能与复杂结果交付区分开来。通过 Figma、Canva 的估值压力和美图转型，节目讨论网络效应、留存、推理成本与收入倒挂，并认为应用公司需要把模型选择内化为能力，把任务拆解、工作流和最终结果留在产品中。美图案例中，自研模型生成内容占比达到 96%，为从功能集合转向 AI 工作流提供了具体样本。结论仍需随公司财务和用户行为继续验证，但它为判断应用护城河提供了比「套壳或被取代」更细的分析框架。

听前速览

5 个要点

从 Canva、Figma 到美图的案例分析，探讨 AI 应用公司的两种命运：模型吃掉单点功能，但无法替代复杂场景下的结果交付；成功公司需整合模型、场景、流程和支付，形成用户重复购买的结果。

模型吃掉单点功能，但无法替代复杂场景下的结果交付。
抠图、修图等单点功能已被多模态模型默认覆盖，但像电商素材制作、MV 创作等需要任务拆解、多步执行与一致性控制的复杂交付任务，模型难以独立完成，这正是应用公司的价值所在。
市场担忧 AI 应用缺乏网络效应、留存难、商业化滞后。
AI 应用的成本前置（token、算力）而收入后置，用户尝鲜多但留存差，导致市场对应用公司估值打折。不过这些担忧可能是阶段性的，需要关注数据沉淀、场景落地、交付可控等核心指标。
应用应内化模型选择复杂度，而非让用户选择模型。
普通用户不需要关心底层模型，应用公司应通过模型筛选、任务拆解、执行控制和结果交付四个步骤，将复杂度内化，为用户提供简单直接的结果。
美图案例验证了应用公司转型的可行性：自研模型+成熟底盘+AI 原生新业务。
美图的 AI 板块收入已具规模，自研模型生成内容占比 96%，第三方 API 成本仅占个位数百分比，表明成熟应用通过自研模型和组织复杂任务，能实现从功能到交付的转变，并形成第二曲线。
未来 AI 应用公司的核心竞争力是“把事情做完”，而非“我有什么功能”。
美图构建了模型筛选、任务拆解、执行控制、结果评估的完整链条，并强调“Own your intelligence”——应用公司需要拥有自己的数据、评估体系和持续优化能力，才能建立长期壁垒。

完整摘要

本期节目围绕“模型到底吃不吃应用”展开，针对 AI 应用市场常见的极端观点进行分析。通过对比 Figma、Canva 的估值下调和美图的转型案例，指出模型更多取代的是单点功能，而复杂场景下的结果交付仍是应用公司的核心价值。节目详细分析了市场担忧的几大问题：单点功能被 AI 取代、AI 应用缺乏网络效应、用户留存难以及成本与收入倒挂，并提出了应用公司应内化模型选择、聚焦任务拆解与交付的观点。美图正从“功能集合”转向“AI 工作流和结果交付”，其财报显示 AI 板块已有规模收入，自研模型生成内容占比高达 96%，为应用公司提供了可行的转型路径。最后，节目总结了 AI 应用公司面临的挑战和机会，强调成熟业务与 AI 新业务并重、形成正反馈循环的重要性。

文字稿

说话人 1：
Hello，大家好，我是明浩，欢迎收听这期的屠龙之术。这期想聊一个其实有些老的议题，这个议题在过去的三四年时间，这一轮 AI 爆发的过程中无数次的被提及。当然最近一段时间提这个议题的时候，大家的探讨似乎出现了一些变化。然后关于这件事情的探讨的所谓共识其实没有形成。有很多的主张、很多的声音、很多人的看法、很多的案例。然后我今天就想聊一聊最近所想跟所观察的内容。
说话人 1：
今天这个主题叫模型到底吃不吃应用。对你一听这个议题，你就大概能知道我想聊什么。然后我起了一个副标题，这个副标题叫从 keva fima 到美图看 AI 应用公司的两种命运。这几个公司的产品其实基本上是我相对比较熟悉的。然后也可能是偏多模态这个战场里的，而不是出纯语言模型一个战场里。这件事情我后面会详细展开，我觉得这个战场也很有意思，它可能更贴近我们所熟悉的很多事情。
说话人 1：
然后我又起了一些更延伸的想法。比如说今天这个时间点，大家都知道 AI 这一波，哪怕是 AI 的应用，其实它的能力很多是由模型来提供的。应用在做的事情是组织这些模型提供结果，最后这种结果通过市场的定价方式给予到这些 E 公司所谓的未来。所以叫模型提供能力，应用组织结果，市场定价未来。我们正式开始今天的内容。
说话人 1：
首先用一张我用了非常多次的梗图，这张梗图就是美国的一个校车，然后穿梭在铁路上，然后它它会被马上来的这个火车直接撞飞，对吧？然后之前的时候在移动互网年代，这张梗图那个校车可能代表的是很多。比如做相机的、做尺子的、做天气的、做相册的、做文件管理，各种各样应用。然后这个火车把他们撞飞的可能就是 IOS 或者安卓的系统更新。到了 AI 年代之后，这个校车似乎变成了那些嫁接在大语言模型师之上的应用公司们。自然而然这个火车就是这个大语言模型或者是模型公司不敢跟创飞。
说话人 1：
这个梗图我没记错，我第一次用应该是在 GPT4 的时候，那已经是三年之前了，那已经是好几个时代之前的事情。所以这次梗这个梗图不断的被用，似乎就不断的一次一次在各种各样的 AI 这一轮过程中的喧嚣的共识当中，一次一次被拿来讨论。然后最近一段时间我的好友 elsewhere 尔的刘金他们做了一个很有意思的测试，就是 2026 年 AI 应用全国统一期中测试的试卷。如果你关注阿克斯维尔应该也看到过这个试卷。我不知道大家是否去做了这个试卷，我觉得他编辑团队在这个试卷上动了非常多的心思。
说话人 1：
在这个试卷当中有一个选择题，其实有几道选择题都很有意思，但其中有一道选择题我印象非常深刻，这道选择题是这样的，他说已知一家 AI 公司的业务包括一自研模型，二给其他公司训练模型，三一个 to c 产品。你认为这家公司应该被如何定义？这三个选项你一听都会有一个可能，脑子里直接会反映出来的。无论中国保险公司还是美国公司。可是你发现现在市面上有一堆公司，可能这三件事情都做。
说话人 1：
那我们该如何定义这个公司呢？这个有五个选项，A 模型公司，B 应用公司，CFDE 公司。你听起来这前三个选项基本都是一个单一维度的描述。D 也是最多人有超过将近 60%的人选的答案叫 new lab。意义是什么？其他都不是你可以自己写。
说话人 1：
虽然这看起来是对从去年下半年业界产生的众多的所谓 new lab 的一种吐槽。但你细想的话，其实这件事情非常合理。因为最近一段时间整个业界在兴起一波新的探讨。当开源模型的能力到了一定程度，当最贵最新的模型的价格已经超出了很多的阈值之后。当很多人开始认真的探讨所谓的用户的上下文记忆，所谓的 hardness loop 变得越来越重要的时候。那似乎无论是个人还是企业，无论是一个使用者，还是一个应用开发者而言，似乎都要拥有自己的智能。就像红杉这次，最近那次我提及了无数次的大会议，叫 o in your intelligence，拥有自己的智能。
说话人 1：
这件事情似乎就不单纯，它是一个应用公司，它是个模型公司。到底是用自研模型还是用开源模型，还是用魔改的后训练的模型，怎么样？所有这些事情放在一起变成了一个统一的命题。配着 new lab 这样一个统一的有宽泛定义的概念似乎就非常的合适。所以虽然这看起来是对 new lab 的吐槽，但细想我觉得非常的合理。再回到今天的议题，如果只看多模态，就像我标题说的那样，我之前用过很多次的比喻，就是桌子这个比喻。我最近也录了一期跟朋友的长达两个多小时的关于 26 年 AI 这一波到底谁在主桌上，谁在掀桌，新的作者是可能以拙的方式来去探讨。
说话人 1：
我们还是按主桌这个比喻，我说原来有两桌半语言多么太阳能头顶，对吧？那直到今天这个划分方式，我觉得在业界依然没有形成共识。很多人会认为，我觉得以比如说两胜为代表，他会认为通过语言其实就可以实现一些所谓多模态，所谓这些都是外围的事情，都不重要对吧？那还是说大家会认为除了纯语言之外的事情，多么态会是另外一件与之相并列的事情。我觉得这件事情在国内可能又不一样。今天这个时间点可能国内的多模态领域的发展，无论是从视频模型，视频 agent 到扩展定义的是比如说世界模型，包括可能之前谈论过的 S3D 语音音乐这几个板块所构成的这样一个异常繁复且有生命力的生态。可能相信美国那边会更有意思一点。
说话人 1：
所以如果我们只看多模态这个战场，回到今天的标题的议题，到底是模型还是应用，市面上有非常多正反两端都非常极端的观点。我们先看一些底，负面两个案例也是我今天标题中提出的案例。费格玛跟卡瓦，费格玛很有意思，这家公司在 22 年曾经传出来跟 adobe 要谈并购。
说话人 1：
Adobe 当时开的价格没记错，200 亿美金，最后没有谈拢，阿道比付了一笔非常大的违约金，然后菲格玛自己上市了，飞马上市就开始暴涨，它赶上了这一轮 AI 在过程中的一个很重要的一个叙事。我如果没记错的话，菲 gma 上市就从一两百亿美金一直涨到过巅峰，可能将近 700 亿美金。在那段时间我们甚至去谈论菲 gma 的很多投资人的收益有多少，对吧？如果大家有印象的话，然后在那之后似乎这个市场的趋势变了。大家会认为比如说进入到 20 年之后，所谓的 SARS14 对吧？然后大家会认为模型或者 AI 会吞噬软件。菲格玛变成了这样的代表公司，双引号的不是特别好的代表公司。