對話美圖 CEO 吳欣鴻：美圖是 AI 受益者，產品增長有方法論

作者 | 小 貓 編輯 | 硬 AI 美圖 2025 年財報發佈後，市場對這家公司的分歧仍在。AI 到底是在削弱美圖，還是在強化它？大模型多模態能力持續進化，影像處理類應用的生存空間到底是在收窄還是在擴大？ 在財報電話會後與華爾街見聞·硬 AI 的獨家對話中，美圖 CEO 吳欣鴻給出了一個極其直接的回應：如果只能選一個經營指標來回答這個問題，他選利潤增長。用户用真金白銀投票，大部分來自訂閲，部分來自 Token 消耗。 兩者指向同一個結論：產品被認可。 但利潤增長背後的邏輯需要被拆開看。 AI 在美圖的價值鏈上產生的影響是不均勻的：上游的數據和影像中台，由上千名工程師歷經多年搭建，無法被輕易複製。下游的渠道觸達能力，2.8 億月活用户構成的分發優勢，AI 同樣難以替代。 真正被 AI 大幅改變的是中間環節，產品的生產過程本身。 AI 一方面降低了成本，另一方面給美圖提供了更多的供給能力。以前用户在某些場景上有很高的學習成本，AI 出來以後門檻被大幅降低，美圖能夠提供更多產品給到市場，市場潛力更大了。（英偉達 CEO 黃仁勳最近表達過一個觀點，AI 時代大幅降低了原本某些複雜軟件的學習門檻，從而觸發了這類軟件更廣闊的需求爆發） 吳欣鴻舉了一個內部案例：一個設計師現在可以獨立完成一個完整的 AI 產品，以前這需要二三十人的團隊。 但這個事實同時引出一個更鋒利的問題：如果一個人就能做出年收入百萬級的產品，他為什麼還要留在公司？ 吳欣鴻的回答指向規模化。中台能力的複用和渠道優勢帶來的低成本獲客，是個體在外部從零開始無法複製的。 這套上游中台加下游渠道的組合，也決定了美圖做新產品的方式。 每一款美圖新產品的需求都是從上一款產品里長出來的：美圖設計室來自美圖秀秀用户做電商物料的需求，開拍來自美顏相機裏提詞器用户的口播視頻訴求。從存量用户中洞察新需求，再以渠道優勢低成本獲客，這是吳欣鴻反覆強調的增長方法論。 美圖將近 80% 的用户是生活場景用户，構成了整個用户底盤。公司要做的是從這個底盤向上延展，觸達付費意願更強、ARPU 值更高的專業消費者和中小型企業。 吳欣鴻明確表示不去碰 Adobe 所在的專業用户和大企業市場，中間有斷層，獲客成本高，產品要求也完全不同。 海外增長方面，RoboNeo 在巴西等 15 個國家的爆發引發了市場關注。 吳欣鴻表示公司已經形成一套可以複製的方法論。判斷標準也很直接：用户增長和收入是否同頻，留存率是否持續。 如果只漲用户不漲收入，就不健康。歐美市場本身付費意願強，只要做到用户增長，收入基本能跟上。 在生產力工具的商業化路徑上，電商設計場景最先跑通。電商行業足夠卷，降本增效的訴求最迫切。電商設計的工作流高度數字化，可以被 AI 團隊完整復刻。 吳欣鴻特別強調，標準化和數字化缺一不可。如果一個工作雖然標準化但依賴線下人力，AI 就很難介入。美圖設計室遠遠沒有觸及用户增長的天花板，全球市場仍有很大空間。生產力場景下用户的 ARPU 值正在快速提升，模型能力的進化讓產出質量和穩定性越來越好，原本停留在概念層面的東西開始真正可用。 行業的收入模式正在發生結構性變化。從最早的廣告導流，到 2018 年疊加訂閲，再到現在 Token 消耗快速放大。 吳欣鴻在對話中表達，Token 消耗正在成為美圖未來主要的收入來源之一。 這一趨勢在 OpenClaw 的佈局中體現得更為清晰。美圖推出了 Meitu CLI，八個 AI Skills 接入 OpenClaw，公司對自身的定位是 AI 時代的影像基礎設施。吳欣鴻把 OpenClaw 定義為能力的分發渠道和收入來源。 市場擔憂外部接口的普及會削弱美圖自有產品的入口心智，吳欣鴻用手機廠商做了類比：手機廠商再怎麼投入影像也只能滿足通用需求，產品深度有限，美圖秀秀在智能手機爆發的十幾年裏市場佔有率反而節節攀升。OpenClaw 提供的是通用能力，自有產品提供的是深度能力，兩者互補。 談及未來兩年，吳欣鴻認為最大的不確定性來自敏捷的創業團隊，而非大廠。 在 AI 時代，所有公司面臨的最大瓶頸可能在組織本身，技術和算力都排不上，但如果組織變得冗餘、低效、官僚，所有戰略都無法落地執行。當 AI 讓產品生產的中間環節被極大壓縮，誰能持續發現需求、持續低成本觸達用户，誰就能在下一輪競爭中佔據主動。 以下是美圖 CEO 吳欣鴻與華爾街見聞·硬 AI 的對話實錄，圍繞 AI 對美圖的增強與削弱、產品方法論、生產力商業化路徑、Token 消耗與收入結構變遷、OpenClaw 生態定位以及競爭格局等核心議題展開。 硬 AI：最近一段時間市場對美圖的關注度非常高，公司無論是 AI 產品迭代還是生產力工具的拓展上都有不少積極變化，但另一方面市場分歧也很大，尤其在 AI 越來越強的背景下，美圖這樣的公司到底是被 AI 削弱了還是被 AI 增強了，今天借這個機會做一次深入一點的交流。 現在從第一個比較大的分歧聊起，AI 到底是削弱還是強化美圖？現在市場有一個很核心的聲音，隨着大模型多模態 Agent 的能力越來越強，美圖這樣的產品到底會被替代還是被強化，站在公司的角度看，過去 6 到 12 個月內部感受到最大的變化是什麼，哪些需求確實被 AI 覆蓋掉，哪些需求變得更強了？ 吳欣鴻：首先我們覺得美圖是 AI 受益的公司，而不是説被 AI 消滅的公司。從自身的產品看，比如説生活場景的產品，AI 或者説模型能力的快速進步，讓我們整個用户的體驗和海外市場的快速增長都有關係，它讓我們對一些新功能、新效果的研發週期大幅縮短，可以很快把這些模型的能力轉化成用户喜聞樂見的功能和效果，所以説在過去這一年美圖很多旗下的產品多次登上全球很多國家的應用商店排行榜，也是受 AI 發展的幫助。 雖然模型自己有越來越強的多模態能力，但是在生產力工具這一塊，他們很難去深挖一些垂直場景，這就給了美圖這樣的應用開發公司機會，因為我們知道模型更多是能解決各種通用的需求，一旦深入到垂直場景，深入到行業，它就會很難完全地滿足，所以我們的一些生產力工具也是在模型能力快速提升後快速增長，比如説美圖設計室、開拍、RoboNeo。 我們自己的體感是 AI 對美圖幫助很大，而且從我們的認知而言，模型和應用並不是一個敵對的關係，並不是説模型會去吞噬應用，而是他們處在不同的生態位，是一個相輔相成的關係。 硬 AI：如果現在讓管理層只選一個最重要的經營指標，向市場證明美圖沒有被 AI 削弱，反而是增強，這個指標管理層會選擇什麼呢？ 吳欣鴻：我覺得如果從核心的指標來看還是利潤的增長，為什麼呢？這個説明用户是用真金白銀來投票，來支持一款產品，這個利潤增長裏面可能有大部分來自訂閲，部分可能來自 Token 的消耗，這都是出於對產品的認可，他才會把錢花在這上面。 另外，利潤增長其實也體現了我們的規模效應，只有足夠大的用户基數，足夠大的技術投入，才能夠有規模效應，也才能有更好的產品競爭力。 硬 AI：可不可以這樣理解，AI 一方面降低了成本，另一方面 AI 技術的發展給美圖提供了更多的供給能力。以前在某些場景上用户是有很高的學習成本的，反而 AI 出來以後，這種學習成本的門檻被大幅降低了以後，美圖這樣的公司能夠提供更多的產品去給到市場，用户可以有更多需求的爆發來給美圖更多的營收、訂閲或者説 Token 的使用，可以這樣理解嗎？ 吳欣鴻：可以這麼理解。 硬 AI：那麼從過去 6 到 12 個月，能不能具體談談 AI 對現在整個美圖內容工作的可量化的效率提升，比如説研發週期、上線速度或者試錯成本這些？ 吳欣鴻：首先我們講一下內部的一些 AI 使用場景，比如説 AI 的編程、AI 營銷、AI 測試、AI 翻譯等，我們很多工作流程正在 AI 化，這個就讓我們能夠騰出更多的資源去做創新項目的驗證，可能我們人數減少了，但所做的產品更多了，這裏面其實就是 AI 的大幅提效在各種工作的環節裏。 比如 AI 編程讓很多工程師會去成為全棧工程師。以前可能我是一個 C++ 的工程師，有很多的編程語言或者前端工程師，現在可能它能夠用 AI 編程來同時掌握各種腳本的編寫，從自己寫代碼成為指揮 AI 快速完成所有不同領域代碼的編寫和代碼的校驗。 設計師也是，以前很多設計師是隻做設計，現在很多設計師變成了一個超級個體，因為他又會設計，又會用 AI 編程來獨立完成一個產品的搭建。 所以我們內部正在進行一個美圖產品挑戰賽，就有一些設計師一個人做出一個非常驚豔的 AI 產品，這個在以前是不可想象的。 因為以前要做到產品的完整度和產品力，至少要二三十人的團隊才能實現，而現在一位設計師就可以獨立完成所有的工作。我拿工程師和設計師舉例，也是因為很多公司都有這兩個崗位。 硬 AI：可能大家説 AI 出來以後有更多的一人公司，其實公司內部也反饋出了這個問題，我提一個比較犀利的問題，以前需要二三十人的團隊現在一個人就可以做到，個人和公司之間的關係應該怎樣處理，如果一個人可以做出來，完全可以獨立出來做，如果是一個年收入百萬級的產品，他一個人做的話，對他來説完全沒有必要在一個公司體系裏做，因為一個人做收入更高，這個關係應該怎麼平衡？ 吳欣鴻：看起來是這樣的，但實際上美圖為什麼做內部的這種孵化，就是鼓勵很多人去做 AI 原生應用。 因為我們有一些從公司層面比較大的投入和優勢，比如説我們有上千位工程師去做整個影像中台的建設，這樣就讓我們的同事哪怕是一個人去打造產品，也能夠充分地用到公司提供的中台能力。 但如果真是在外面自己做的話，這個難度大很多，一個是千人工程師團隊，長達多年投入累積的中台能力能夠快速複用到影像創新產品上，一個是所有東西都是從零做。 還有就是我們有一定的渠道優勢，他在公司做出來，比如我們有 2.8 億的月活用户，可以比較精準地觸達這款產品的目標用户羣，實現較低成本的獲客。所以雖然説一個人能夠完成，但是在外面和在公司是完全不一樣，因為在公司規模化的投入和渠道優勢，其實是很多產品成功的一個基礎。 硬 AI：公司在過去這麼多年積累的數據，在 AI 時代是公司的護城河。另外就是在觸達用户方面這些年的積累也構成優勢。因此，公司在上游數據和下游觸達兩個部分 AI 沒有辦法很好替代，中間產品生產的部分 AI 能有比較大的提效，可以這樣理解嗎？ 吳欣鴻：是的。 硬 AI：下一個話題就是海外增長的話題，過去一段時間美圖在海外不管是 AI 合照還是 RoboNeo 的表現都非常亮眼，這些到底是單個功能帶來的階段性爆款還是説公司已經形成一套可以複製的海外方法論，可以長期有爆款的存在？ 吳欣鴻：我們覺得還是後者，就是公司是有一套越來越成形的方法論，來支持我們不斷地去做出爆款產品或者功能。 比如像 RoboNeo 在前段時間巴西等 15 個國家的爆火，也不是説第一次爆火，它之前也有，這個實際上是這些產品能力的持續迭代打下非常好的基礎。我們在全球社交媒體的營銷上也有不少的投入，形成我們自己的方法論。 硬 AI：公司內部是怎麼判斷它是一次性的流量紅利還是用户質量真的是在變好？ 吳欣鴻：很簡單，比如説這個產品爆發了，那如果只是用户的增長但收入沒漲，那説明可能並不是一個非常健康的狀態，但如果你發現爆發以後，用户和收入是同頻增長的，那這個就非常健康了，説明大家是用真金白銀來購買會員或者説在上面做 Token 的消耗。 還有就是留存，你打造爆款，那一個月後，兩個月後，這些用户是否還在用，還在付費，其實也是能體現你真的有產品力還是説曇花一現。 硬 AI：歐美市場美圖是更看重用户規模呢？還是做更高的付費意願呢？ 吳欣鴻：歐美市場本身就是用户的付費意願比較強，所以我們應該説都看，也就是説，在歐美市場，只要有比較好的用户增長，基本上也能帶來對等的收入增長。所以基本上你只要能夠在用户付費意願比較高的地方做到用户增長，基本上收入是沒問題的。 硬 AI：生產力業務上大家比較關注哪個場景最先跑得通，美圖設計室、開拍和電商物料相關的能力裏，目前最先形成商業閉環的是哪類場景？ 吳欣鴻：最先形成的是像以美圖設計室為代表的電商設計的場景，為什麼呢？首先電商行業足夠的卷，足夠卷就會導致大家利潤被壓倒，從而讓這些電商的賣家會追求能夠幫他們降本增效的工具，就會更加迫切。 還有就是電商設計這個場景是高度數字化的，它在傳統的電商設計的團隊裏，基本上都是能用數字化的方式去復刻的，它是可以去實現這種用 AI 團隊來完成對傳統團隊工作的復刻，因為它高度數字化才能夠用 AI 團隊來複刻，才能夠讓整個工作變得自動化。 硬 AI：電商場景的工作流相對固定，可以標準化、可以模式化，所以比較容易被 AI 優先替代？ 吳欣鴻：AI 可以去學習和復刻傳統團隊的各種能力，你就可以讓它完全自動化地進行電商設計，這又能進一步地幫助電商賣家降本增效。當然我只是舉個例子，應該還有更多的場景是符合這種標準的。 硬 AI：也就是其實跟其他場景是一樣的如果可以標準化的話，那麼 tob 的場景是非常容易被 AI 替代掉的。 吳欣鴻：不僅僅是標準化，還有數字化，數字化很關鍵，雖然一個工作是標準化的，但是它是依賴線下人力，其實這種非數字化的東西就很難做成自動化的產品。 太多了可能就需要人高強度介入，這些就比較難。 硬 AI：如果再往收入結構拆，美圖設計室未來一到兩年的增長是來自新增用户還是來自使用頻次的提升還是來自更多算力的消耗或者更高的客單價？ 吳欣鴻：美圖設計室遠遠還沒有到達用户增長的瓶頸，也就是説現在至少在全球市場還有很大的成長空間，所以未來我相信為主還是來自用户增長的驅動。 硬 AI：過去一段時間單個用户的消耗有大幅增加嗎？ 吳欣鴻：我們看到在生產力的場景用户的 Token 消耗是在快速增加，也就是用户的 ARPU 值在快速地提升，因為現在的模型能力快速進化導致產出的質量包括穩定性越來越好，讓原本是一個概念的東西越來越變得可用了，越來越廣泛地用在他們工作的一些領域。 硬 AI：這些高 ARPU 值主要是哪些典型的使用場景呢？ 吳欣鴻：比如説像美圖設計室就是典型的場景，電商用户的設計基本上都是 ARPU 值比較高的。 比如我們作為一個電商賣家，我們這些產品肯定是要全渠道去鋪的，我們不會只把這些商品在一個平台上賣，肯定是這些平台，比如是跨境賣家的話，在蝦皮等很多平台都會去鋪貨，這就意味着他要去做適配各種平台要求的物料，量是比較大的。 硬 AI：如果我們再把視角拉得遠一些，比如從未來五年，大概到 2030 年角度看美圖，管理層覺得可能遇到最大的問題是什麼，是供給瓶頸還是算力成本或者是其他？ 吳欣鴻：我覺得一家公司比較大的瓶頸最可能出現在組織上，其他比如技術、算力等等都不太會構成瓶頸，但組織如果變得很冗餘，很低效，很官僚，不思進取，傲慢等等其實會嚴重地影響公司的競爭力。所以我們在擁抱 AI 的時候其實最先要變革的就是組織，否則的話，定了目標但組織不匹配的話是執行不了。 硬 AI：公司出了 Meitu CLI，八個 AI Skills 也主動接入 OpenClaw，公司內部把 OpenClaw 看作什麼方向？ 吳欣鴻：因為我們對自己的定位是希望成為 AI 時代的影像基礎能力提供商或者 AI 時代的影像基礎設施，所以我們除了打造自己的獨立產品以外，也會對外輸出能力。 本身因為 Token 的消耗也慢慢會成為很多公司比較重要的收入來源，所以我們更多是基於這樣的目標，就是 AI 時代的影像基礎設施去做能力的供給，也希望通過無論是 OpenClaw 還是其他的產品，應該都算是我們能力的一個分發渠道和收入的來源。 硬 AI：隨着未來 OpenClaw 統一調用美圖能力，大家可能減少打開美圖本身的網頁，公司的入口心智和訂閲關係會不會被削弱？ 吳欣鴻：是這樣的，我們提供的更多是一些通用能力，因為這個通用能力在被調用的時候可能會跟其他能力相組合，但是我們自身的產品提供的更多是一個深度的能力。 舉個例子，手機廠商都會把影像作為一個產品的賣點，理論上手機廠商已經提供了那麼多的功能，比如拍照和圖片和視頻的處理，還需要像美圖秀秀這樣的獨立影像產品嗎？其實是需要的，因為手機廠商再怎麼投入它也沒有辦法滿足所有的影像需求，它註定只能去尋找大眾的通用需求，所以它的產品的深度是有限的，所以我們就會去跟手機廠商的基礎能力形成互補，我們提供更有深度更創新的功能，在智能手機爆發的這十幾年美圖的市場佔有率是在節節攀升的，這也説明了互補策略的有效性。 同樣在 AI 時代，大家可以調用這些基礎能力，但是我們作為一個獨立產品其實有它存在的價值，所以我們也覺得不太會去影響入口的心智和收入。 硬 AI：OpenClaw 生態擴大會不會加速美圖從純訂閲走向混合收費模式？ 吳欣鴻：是的，我們商業模式一直是混合的，比如説最早美圖只有導流的模式，像廣告包括電商導流等等其實都是這個模式，然後在 2018 年我們嘗試了訂閲模式，所以它是一個疊加，就是導流加上訂閲。 現在又延伸到了 Token 消耗，越來越多的公司把 Token 消耗作為一個很重要的指標，我們自己也看到一些生產力的產品 Token 消耗在快速地放大，ARPU 值的快速提升，所以很顯然它會成為我們未來主要的一個收入的來源。 硬 AI：在 OpenClaw 裏面大家是有很多其他影像公司也會提供相關 Skills，美圖在這種外部接口上的競爭力在哪裏？ 吳欣鴻：美圖實際上它首先是做了 18 年影像產品，然後有上千位工程師這樣規模化的工程投入，所以我們提供的這些能力哪怕市場上也有其他的選擇，但我相信一定是在一些特別是我們擅長的能力上一定是要超過同類產品的，這一點我們確實有自信。 硬 AI：市場很關心公司和阿里的合作，具體的兑現路徑到今天為止合作最先在哪些環節帶來可量化的增益？ 吳欣鴻：您其實基本上已經把我們合作的例子説到了，但是因為兩家公司也希望對具體的合作相對保密，所以我們也暫時沒有太多的可以對外描述的案例，但目前看其實還是蠻有互補和協同的效應的。 硬 AI：最後從比較長期的視角上，競爭上哪些是願意加大投資主動搶佔份額的，哪些是不願意參與的？ 吳欣鴻：首先我們要説一下我們目標的用户羣和對應的增長策略，像美圖將近 80% 的用户是生活場景的用户，就像美圖秀秀、美顏相機、Wink 這些，他們構成了美圖的用户底盤，也形成了較大的渠道優勢，然後在這個基礎上美圖就有機會去向上延展，比如説從生活場景所服務的大眾用户，延展到中間的一些專業消費者或者 SMB（Small and Medium-sized Businesses，中小型企業）。 為什麼我們要選擇中間的用户羣進行延展呢？是因為我們有機會從現有 2.8 億月活用户底盤裏觸達到用户羣，因為他們可能同時也是美圖其他場景的用户。 他們對於生產力工具的需求是非常旺盛的，付費意願是比較強的，所以我們也能看到服務這些專業消費者和 SMB 的產品往往訂閲滲透率會比生活場景高出不少，ARPU 值也會比較高。所以這是非常好的人羣，基數也足夠大，而且也更容易從現有的用户裏觸達到，有一個比較低的獲客成本，本身他們需求旺盛且很多需求並沒有得到很好地滿足，所以我想説美圖未來會更看重這個人羣。 而像 Adobe 他們是服務專業用户和大 B、中大型企業，如果我們一步到位去服務專業用户或者大 B 的話，顯然我們中間是斷層的，也就是説很難從現有的用户底盤裏觸達到，進行較低成本的獲客，而且這些專業用户或大 B 對產品的要求會非常高，因為他們也用過很多頂級的產品，本身自己有很強的專業技能，可能我們服務起來就比較吃力。所以我們選擇中間人羣是相對比較理性的考量，未來在我們的能力不斷地積累也許有一天會有能力能夠服務到這些專業用户和大 B，會是一個比較自然的過程。 硬 AI：美圖還是希望在現有的用户羣裏去不斷地挖掘更多的細分市場，尤其 ARPU 值比較高的市場去做獲客，可以這樣理解嗎？ 吳欣鴻：是的，而且美圖最近幾年的新產品基本上都是從現有的產品裏去洞察用户需求，比如説美圖設計室就是最早從美圖秀秀來的，我們去做用户訪談，有一部分用户用美圖秀秀做商品圖片的處理，訪談之後我們發現原來電商物料設計的需求很大，大家付費意願很強，同樣的，我們在美顏相機看到了提詞器成為第三大訂閲功能，我們訪談了提詞器的典型用户會發現這些人都是口播視頻的博主，他們蠻希望有一款能夠服務口播視頻的獨立產品能夠把他們製作視頻的門檻大幅地降低。 我舉這個例子是想説我們從現有的產品裏去做用户的洞察、新產品機會的識別，然後再以現在形成的渠道的優勢進行低成本的獲客，我覺得是美圖比較有優勢的地方。 硬 AI：我自己之前看到美圖我也覺得為什麼一個網頁下會有這麼多的子產品，剛才欣鴻總聊了，我明白了，其實每一個美圖的新產品都是下一個產品的需求的發現者，不斷地在這個產品裏去發現用户比較細分的需求，然後去定義下一款產品，然後不斷的迭代。 吳欣鴻：是的，説到新產品其實我們在移動互聯網早期階段其實也做了很多的產品，但現在大家看到可能只有幾款，比如美圖秀秀、美顏相機等等，這些都是從很多產品裏最終跑出來的，所以當一個新的像 AI 時代的來臨，我們很難篤定説一個產品就能服務所有的需求，就能成為未來的入口級的 AI 應用，所以我們也只能基於現有的這些優勢去驗證有哪些 AI 應用的機會，未來不排除可能長出了這種 AI 應用入口級的產品，當然這個話也只是一個猜想。 硬 AI：如果把時間拉到未來兩年，就是 2026 年到 2027 年管理層內部最有信心超預期的指標是什麼，反過來對擔心低於市場預期的指標又是什麼？ 吳欣鴻：首先我們有信心去提升生產力工具的訂閲滲透率和 ARPU 值，因為我們已經在幾款產品看到訂閲率和 ARPU 值比生活場景要高很多，這個是非常重要的指標，意味着大家特別認可產品給他們創造的價值，給他們交付的成果，才會訂閲，才會在上面做很多 Token 的消耗，所以我們會比較關注這兩個指標，因為我們現在生產力工具都是以交付成果為一個目標的。擔心的指標目前沒有。 硬 AI：這種 tob 端或者説直接跟客户商業掛鈎，只要 ROI 算得過來，其實是非常容易超預期或者非常容易變現的。 吳欣鴻：是的，我們首先得真的為用户交付高質量的成果，幫他們大幅度降低成本，他才會有足夠強的付費意願。 硬 AI：未來 2 年管理層最擔心的不確定性是什麼？ 吳欣鴻：我們認為未來大廠不見得説是最值得擔心的，反倒是很多非常敏捷、非常有戰鬥力的創業團隊。他們做出來的產品可能會更像我們現在在做的事，我們自己觀察到這個市場的競爭格局也都是大部分由外部的創業團隊來推動的。 硬 AI：美圖的優勢在上游和下游，中間這部分未來兩年由於 AI 能力加強競爭會更激烈？ 吳欣鴻：競爭可能是既激烈也不激烈，為什麼？因為我們去看有一些賽道是很擁擠的，大家一窩蜂地都想到比如我用 AI 來做一個短劇或者漫劇的工具，或者用 AI 來做電商，我們美圖設計室也是一個電商設計的賽道，但不得不承認這個賽道其實是比較擁擠的。 我們反倒會覺得，現在有很多垂直的場景是沒有被服務得很好，甚至説壓根沒有對應的產品，所以現在的這種擁擠只是局部的，放眼 AI 的生態還能找到非常非常多的立足的機會，就是找到很多相對競爭沒那麼激烈的垂直場景。 硬 AI：非常感謝管理層今天的分享，今天這場交流我覺得有幾個信息點比較重要，一個是公司如何進行 AI 對美圖深層需求的影響邊界，一個是 OpenClaw 如何重塑公司的長期商業模式另外就是怎麼樣發現 AI 時代的需求以及美圖在整個上游、中游、下游競爭的地位格局還有優勢在哪裏，相信這些問題後續也會是市場繼續跟蹤美圖幾個重要的觀察點。 本文來自微信公眾號 “硬 AI”，關注更多 AI 前沿資訊請移步這裏