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

这期想聊一个其实有些老的议题。这个议题在过去三四年这一轮 AI 爆发的过程中，无数次被提及。当然，最近一段时间，大家在提到这个议题时，探讨似乎出现了一些变化，而关于这件事情的所谓共识，其实迟迟没有形成。这里面有很多主张、很多声音、很多人的看法，也有很多案例。今天我就想聊一聊最近的所思所想，以及我观察到的一些内容。

今天这个主题叫“模型到底吃不吃应用”。对这个议题，你一听就大概能知道我想聊什么。然后我起了一个副标题，叫“从 Canva、Figma 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，也可能更偏多模态这个战场，而不是纯语言模型那个战场。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。

1. 模型组织应用结果

我又起了一些更延伸的想法。今天这个时间点大家都知道，哪怕是 AI 的应用，其实它的能力很多是由模型提供的。应用在做的事情，是组织这些模型提供结果，最后通过市场的定价方式，给予这些公司的所谓未来。所以叫“模型提供能力，应用组织结果，市场定价未来”。

首先，用一张我用了非常多次的梗图。这张梗图就是一辆美国校车穿梭在铁路上，然后被马上驶来的火车直接撞飞，对吧？在移动互联网年代，这张梗图里的校车，可能代表很多做相机、尺子、天气、相册、文件管理等各种各样的应用；而把它们撞飞的火车，可能就是 iOS 或者 Android 的系统更新。

到了 AI 时代之后，这个校车似乎变成了那些嫁接在大语言模型之上的应用公司，而火车自然就是大语言模型，或者说模型公司，它们会把这些应用撞飞。这个梗图我没记错的话，第一次使用应该是在 GPT-4 的时候，那已经是三年之前、好几个时代之前的事情了。所以，这个梗图被不断使用，也似乎在这一轮 AI 过程中的各种喧嚣和共识里，一次又一次被拿出来讨论。

2. New Lab 重塑公司定义

最近一段时间，我的好友 XVC 的刘晶他们做了一个很有意思的测试，叫“2026 年 AI 应用全国统一期中测试”。如果你关注 XVC，应该也看到过这份试卷。我不知道大家有没有去做，我觉得编辑团队在这份试卷上动了非常多的心思。

在这个测试里有一道选择题，我印象非常深刻。题目是这样的：已知一家 AI 公司的业务包括三部分：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，脑子里可能马上就会反映出一些中国公司或者美国公司。可是你会发现，现在市面上有一堆公司，可能这三件事情都在做，那我们该如何定义这家公司呢？这道题有 5 个选项：A，模型公司；B，应用公司；C，FDE 公司；D，New Lab；E，其他。

你听起来，前三个选项基本都是单一维度的描述。D 是最多人选的答案，有将近 60% 的人选择，叫 New Lab。E 是其他，都不是，你也可以自己填写。

虽然这看起来是对从去年下半年业界产生的众多所谓 New Lab 的一种吐槽，但你细想的话，其实这件事情非常合理。最近一段时间，整个业界正在兴起一波新的探讨：当开源模型的能力到了一定程度，当最新、最贵的模型价格已经超出了很多人的预期，当很多人开始认真讨论所谓用户的上下文记忆，所谓的 Harness Loop 变得越来越重要时，似乎无论是个人还是企业，无论是使用者还是应用开发者，都要拥有自己的智能。

就像红杉最近那次我已经提及无数次的大会一样：Own your intelligence，拥有自己的智能。这样一来，这件事情似乎就不再是单纯的“它是一个应用公司还是一个模型公司”。到底是用自研模型、开源模型，还是魔改之后再训练的模型，所有这些事情放在一起，变成了一个统一的命题。配合 New Lab 这样一个统一而宽泛的概念，似乎就非常合适。所以，虽然这看起来是对 New Lab 的吐槽，但细想之后，我觉得非常合理。

3. 多模态应用开始分化

再回到今天的议题。如果只看多模态，就像标题说的那样，我之前用过很多次“桌子”的比喻。最近我也录了一期和朋友聊了两个多小时的节目，讨论 2020 年以来 AI 这一波到底谁在主桌上、谁在掀桌，以及新的座次可能如何通过“桌子”来讨论。

我们还是按照主桌这个比喻。原来可能有两桌半：语言模型是一桌，多模态是另一桌。直到今天，这种划分方式在业界依然没有形成共识。很多人会认为，以梁文锋为代表，通过语言就可以实现 AGI，所谓多模态以及其他事情都是外围的，都不重要。

但也有人会认为，除了纯语言之外，多模态会是另外一件与之并列的事情。我觉得这件事情在国内可能又不一样。今天这个时间点，国内多模态领域的发展，无论是视频模型、视频 Agent，还是扩展定义之后的世界模型，包括之前谈论过的 3D、语音、音乐这几个板块，共同构成了一个异常繁复且有生命力的生态。可能相比之下，美国那边会更有意思一点。

所以，如果我们只看多模态这个战场，回到今天标题里的议题，到底是模型还是应用？市面上有非常多正反两端都很极端的观点。

我们先看一些负面的案例，也是今天标题中提出的案例：Figma 和 Canva。Figma 很有意思，这家公司在 2022 年曾经传出要和 Adobe 谈并购。Adobe 当时开出的价格，没记错的话是 200 亿美元。最后双方没有谈拢，Adobe 支付了一笔非常大的违约金，然后 Figma 自己上市了。

Figma 上市之后开始暴涨，也赶上了这一轮 AI 过程中的一个重要趋势。如果我没记错，Figma 上市之后，市值从一两百亿美元一路涨到过巅峰，可能将近 700 亿美元。那段时间，我们甚至会去讨论 Figma 的很多投资人获得了多少收益。

但在那之后，市场趋势似乎变了。大家会认为，进入 2025 年之后，所谓 SaaS 已死，模型或者 AI 会吞噬软件。Figma 也因此变成了这样的代表公司——双引号，不是特别好的代表公司。

今天 Figma 回到了大概 150 亿美元左右。距离上市最高点，当然最近几个季度又涨回来一些，但从双引号的巅峰来看，它的市值跌了超过 88%。现在的 150 亿美元应该还是低于 IPO 的市场发行价。但是，其实 Figma 的业绩单纯从基本面角度来看是不错的。

Figma 应该已经连续 3 个季度收入增长超过 40%，而且连续 3 个季度，每个季度的增速可能还在增加。原来是 42%、43%，现在已经到了 45%、46%。所以，即便收入还在增加，但从估值角度来看，市场似乎并没有给予正向评价。

另外一个是我用得最多的设计软件 Canva。Canva 今天依然没有上市。我在前两期讲一级半市场的时候也提到过这家公司，它在一级半市场的估值最近面临比较大的调整。Canva 巅峰时期的估值，没记错的话应该达到过 500 亿美元；现在一级半市场对 Canva 的估值，大概只有 320 亿美元左右。

最近也发生了一件比较重要的事情：Canva 把 2026 年的营收增速从原来 30% 的预期调到了 20%。虽然它还在增长，而且考虑到 Canva 的营收规模，这个增速其实也不错了，但这样的表述或者指引调整，你就能看到一些不太好的事情。

本来预计 2026 年我们会看到 Canva 上市，但现在也有传闻说，Canva 可能要到 2027 年才会上市，当然也有可能被收购。所以，这是两个市场里的负面案例，我们叫 Debuff。

当然，这个市场也可能找到更多正向的 Buff。比如视频模型，过去半年多的时间我也讲过无数次：当 Gen-4.2、Veo 3 看起来已经秒杀一切的情况下，这个市场排名前 10 的公司，都在过去半年多的时间里疯狂拿钱。

最近一段时间，比如爱诗科技已经开始申请港股上市，我们很快可能会在港股看到视频模型公司。PixVerse、Hailuo、Sora、Vidu，我们可以聊到各种各样的公司和视频模型的进展。这些公司可能也和世界模型产生了关联，我在之前聊世界模型的那期节目里也讲过。

比如在 Agent 这个战场，今天业界讨论最多的当然是办公 Agent。但在另外一个战场，也就是视频 Agent 这个板块，中国公司的成绩，或者说我们可以去聊的公司，也非常多。HeyGen、Lifelike、OiiOii，包括最近刚刚拿到融资的美国公司 Higgsfield，这些都是在视频领域做得非常好的一批公司。

在过去可能不是半年，而是一两年的时间里，无论是 ARR 的增长、用户规模的扩展，还是品牌影响力的传播，所有这些事情都变得非常大，它们的融资也非常迅速。包括 3D 领域的两家公司 Meshy 和 Tripo，其实今年上半年都拿到了非常大额的融资。我估计很快它们也会去考虑 IPO 的事情。

所以，这些看起来都是对多模态这个战场比较正向的，尤其是偏有益的 Buff。

4. 应用公司的四重压力

回头来看今天的议题，似乎有两个比较极端的、二元的暴论。第一个，看起来大家会认为，新兴的所谓 AI Native 公司优于老公司。当然，这件事情可能不仅仅发生在多模态战场，在纯 AI 模型领域也是一样。大家会对所谓的初创公司有更多期待和期许，而对那些虽然模型能力也很强、但属于老公司的企业，就没有那么正向的评价。

第二个，似乎在今天这个时间点，大家对于模型公司的价值考量要优于应用公司。当然，这是一个特别极端的二元暴论。但事情是否真的如这种极端观点所展现的那样？我觉得并不绝对。

我们再把这件事情往前推演一点。无论是一级市场还是二级市场，我们在评估这些公司、观察它们现在的发展时，到底在害怕什么，或者说在担心什么，才会产生刚才那样的结论？

比如，我们会担心应用公司的单点功能被吃掉。在图片领域，甚至图片和视频领域，抠图、扩图、换背景、修图、模板化，这些东西对于今天的多模态模型而言，似乎都已经是默认能力了。

第二，在整个 AI 板块，它和原来移动互联网最大的不同之一，是它没有所谓的边际成本递减，也没有所谓的网络效应。任何一个客户去服务他的时候，从毛利率的角度来讲，今天应用公司的毛利是最低的。它需要承担巨大的 token 成本、算力成本、运营成本、品牌成本，以及模型调用和产品重构的成本。

这些成本都在先发生，但真正意义上产生用户收入是在后面，也就是说商业化变现会发生得更晚。甚至因为竞争以及其他各种问题，你可能还要把这个事情再往后拖。成本先于收入。

第三，用户在过去几年里面，确实会因为 AI 产生兴奋或者焦虑，然后过来使用。尝鲜用户特别多，对吧？但是尝鲜之后，不等于留存。一次爆款生成可能会带来传播，带来 Twitter 上的爆款帖子，或者抖音上一个爆款视频，但这很难让用户重复使用、批量使用，甚至长期订阅。

我觉得这件事情不仅存在于我们今天聊的多模态领域，在社交陪伴以及各种各样的 Agent 板块里其实也都是如此。

所以反过来讲，为什么大家今天更多去讲所谓更大的故事？我从一个更小人之心的角度来讲，似乎传统意义上大家定义的活跃指标、留存这些事情，真的不那么适合当下这个时间点 AI 应用的状态。

我觉得这个讨论，或者说这个共识，经历了几轮探讨之后，慢慢成为当下这个时间点大家不得不接受的一种状态。

第四点，与此相辅相成的是，增长并不等于兑现。成熟的应用必须证明，AI 投入无论是 token 投入、算力投入、运营投入还是增长投入，不仅能像原来的移动互联网一样带来收入，甚至还能带来利润。

因为网络效应、品牌以及各种各样的原因，它能够带来现金流，甚至带来更强的定价权。你可以和各种各样的厂商谈更强势的定价方式。可是似乎在 AI 时代，这件事情对于应用公司而言，至少在这个节点上有一点难。

当然，现在的情况仍然在不断变化的动态过程中。什么时候能够扭转过来，我们不知道；或者说，在什么样的局部空间里会出现一些扭转的情况，我们也不知道。

所以，市场在害怕这些问题。既然这些议题摆在这里，对于一个行业观察者也好、投资人也好，无论是一级市场还是二级市场，我们到底应该关注什么？

于是就出现了很多今天这个时间点你可能在无数媒体、无数文章、无数报告当中看到的各种各样的黑话，包括在我的博客里听到的黑话。比如，我们要看所谓用户数据的沉淀，或者泛意义上的记忆和上下文；我们要看场景落地，具体拿来干什么；今年 Cursor 崛起之后，大家会认为流程的整体控制力更加重要。

我们要认真对待一个 AI 应用产生的交付结果。它要可控、可用、可交付，同时要强调从个体到团队的协作。虽然今天 FDE 的传播这么广泛，但似乎大家越来越认识到，无论是组织内部、组织与人之间，还是个人与个人之间的协作关系，在 AI 自己的 workflow 之外，是否还要形成一个协作的 workflow？

再延伸一点，AI 的品牌调性可能也会越来越重要。虽然大家会认为，今天用户对于模型也好、应用也好，尤其是在 AI 这个最新的板块里，对品牌的优先级或者考量没有那么重，但我觉得这件事情正在变得越来越重要。

所以，我们似乎还是要关心和关注这些其实很早之前大家就该关注的事情。

5. 美图打造第二曲线

我今天会拿美图作为样本，是因为美图刚刚公布了这个季度的财报。美图在过去几年经历过一些调整，尤其是上市之后业务的变化，以及组织和核心团队的变化。到了今天这个时间点，我觉得它很有意思，可以拿来讲一讲。

它既有我们非常熟悉的、在移动互联网年代已经非常成熟的美图秀秀、美颜相机这样的成熟应用底盘。这些产品拥有巨大的用户规模和非常强大的品牌心智，除了中国市场，可能也在全球各地进行各种各样的分发。这些成熟的运营底盘，似乎可以给这样的公司在开新项目时提供冷启动。

这种逻辑其实和我的公司也很像。我的公司也是一家做移动互联网业务、相对古典的公司。我们在尝试做新的 AI 应用时也是这么认为的：我们有用户规模，有在某个板块比较强的品牌心智，也在做各种各样的全球化；在开展新业务时，会基于原有业务做一些冷启动。

但同时你会发现，美图在今天这个时间点，新的 AI 原生产品趋势也正在建立。打开今天美图的官网，看它的产品架构，你会发现美图可能已经在 AI 影像板块形成了一个类似产品矩阵的东西：有生产力产品，有做 Agent 的产品，有各种各样的订阅产品，也有做 To B 和垂直工作流相关的产品，无论是短剧还是 MV，都有各种各样的产品。

底层还有美图自己的、专用于多模态领域的模型。所以，它既有非常成熟的应用底盘，也有双引号意义上的老业务；同时在这个时间点，它已经开始显现出 AI 原生产品趋势上的一些尝试，并且尝试出了结果。

又回到刚才我们说的，我们到底应该关注什么？最核心的指标，是从功能走向交付。

这件事情在美图这家公司上的体现是：我们回想一下，美图秀秀原来的功能就是 P 一张图。用户说，帮我把这张图修得好看一点。这是一个非常单点的功能：一次编辑、一个效果、一个按钮，结束了。用户可能会为一些功能付费。

但今天你会发现，当整个美图的产品形态变得复杂，开始做 Agent、做工作流、做复杂交付时，这件事情出现了变化。比如，它有一个产品是给电商商家的，可以处理电商商家相关的各种各样的图片。它可以把商品的单图变成一整套素材，比如用来装修店铺、做买量投放、制作视频素材，所有这些素材全部交付好。

再比如，它也给内容行业的专业从业者提供服务，不只是面向普通用户。它可以把脚本、人物、场景和成片串成一个类似流程的方式，以 Agent 的方式提供给用户。用户从最开始的源头到最后的交付，都可以用一个软件完成。

所以，从功能走向交付，看起来也变成了今天这个时间点 AI 应用公司默认的一种产品范式。

再举一个很现实的例子。刚才讲的这一堆，可能更多还是基于逻辑层面的梳理。我最近发现美图有一个很有意思的 App，叫 Peach。这个 App 原始的功能其实还是修图，听起来似乎没什么不一样，但我为什么会对这个产品感兴趣呢？

首先，这个 App 有一个最核心的功能，叫“学他修图”。这个 App 里会有很多来自 Cosplay 领域的摄影师和 coser，他们会有一套自己的修图方法。我们其实可以把它叫作 Skill。

但在这样一个面向非专业用户的产品里，它没有告诉你“这里有一个 Skill 应用商店，你可以使用谁的 Skill，或者使用谁的 MCP 来修图”。你想，对于一个普通用户、一个小女生来说，她只是想把自己的照片修得好看一点，她需要知道什么是 Skill 吗？

我觉得这件事情对于普通人而言真的没有必要。所以，这些概念完全没有必要被暴露出来。它就是一个非常简单的功能，叫“学他修图”或者“学我修图”。你也可以上传自己的 Skill。

虽然可能行业里的人都知道 Skill 是什么，但对于普通用户而言，“学他修图”作为一个从功能到交付结果的过程，非常简单，也很容易理解。用户非常清楚，在这里能够得到什么样的体验，端到端的结果是什么，以及为了得到这样的结果需要付出什么样的成本，仅此而已。

所以，我会觉得这种方式特别适合当下这个时间点，也是我们在设计各种各样 AI 产品时需要考量的事情。Peach 如果大家有兴趣可以去试一下，当然，女孩子可能会更适合一点，尤其是当你的照片需要一些特殊风格的时候。

又回到前面提到的，我们刚才讲的还是偏产品层。产品层由模型提供能力，然后应用把能力组织成结果。应用层真正的价值，可能并不是拥有模型这件事情。

就像最近我们在一些群里讨论时，我有一个感觉——当然，我觉得这也逐渐变成了一种共识：今天很多产品，尤其是 AI 应用产品，会让用户去选择所谓的模型。我觉得这是一条弯路，或者说，是这个时间点不得不接受的一种选择。

再往前推演，应该不应该让用户做这样的选择？用户不应该承担这种复杂度。因为用户不知道哪个模型好、哪个模型不好，用户又不是我们这些天天做测评的人。用户根本不需要关心调用哪个模型，他唯一需要关心的就是结果：这个应用能不能按时交付一份能用的东西。

所以，纯从应用拓展的角度来讲，应用要做的事情就是把复杂度内化掉，而不是把它交给用户来选择。当然，我会觉得现在这个阶段大家没有办法，这是一种无奈，也是一种妥协。但往前推演，我觉得未来应该就不需要了。

应用要做的事情，第一步是选择模型，根据任务场景调用不同的视觉模型和工具。这件事情也解释了为什么 OpenRouter 会被收掉，为什么最近一段时间大家一定要强调所谓路由的能力。模型层是这样，应用层也是这样。

第二步是拆解任务。为什么 GPU 又卖得那么贵，大家都去抢？因为需要拆解任务，把一个模糊的需求，比如在美图这样的场景里，拆成脚本、画面、人物、尺寸、格式等各种各样的要素，然后去执行。

第三步是控制结果。要保持一致性，无论是人物、品牌、模板还是风格，在保持一致性的同时，又要允许用户在创作过程中、在结构层面进行调整。

最后是完成交付，输出一份能发布、能投放、能复用的视觉成果。因为用户最后要的是结果。我觉得，这可能就是今天这个时间点一个常规意义上的 AI 应用应该在做的事情：选择模型、拆解任务、控制结果、完成交付，4 个步骤。

从美图最新发布的财报上，似乎已经可以看到一些趋势。美图已经开始在 AI 板块形成规模化收入。2025 年上半年，美图收入是 22.1 亿元，同比增长 22.1%；净利润达到 6.35 亿元，不到 1 亿美元，差不多接近 1 亿美元。这个利润同比增长了将近 40%。

更重要的是，原来大家默认认为美图的工具是 To C 的。但在今天这个和 AI 结合得更加紧密的生产力场景里，美图生产力应用的月活达到了 3,300 万，同比增长 43.5%；付费订阅用户达到 235 万，付费率大概接近 7.1%，付费用户增长了 29.8%，相关 ARR 达到了 6.2 亿元人民币。

6.2 亿元人民币已经是一个大几千万美元的量级，也算是应用板块里不错的一家公司了，马上就可以进入 1 亿美元 ARR 俱乐部。

它传统的影像相关产品收入是 17.7 亿元，其实增长也很好，老业务增长得也很好。付费用户数达到 1,844 万，付费渗透率达到 6.5%。生产力产品的付费率，确实比影像产品高一点。

更重要的是，刚才提到的 Peach，是专门做影像修图的产品。最近美图还上线了一个叫 MV Land 的产品。你听这个名字就知道，它是给音乐类用户提供 MV 制作的 AI 创作平台。这几个产品刚刚上线，最近的 ARR 已经突破了 50 万美元。

从结论上来说，似乎可以说，在老业务依然保持较快增长，并且持续贡献收入、利润和现金流的情况下，新业务也在慢慢显现出所谓第二曲线的特征。

更重要的是，在整个财报分析师会议上，我听到了两个很核心的指标。大家会担心，AI 来了之后，对于这些应用公司来说，毛利，尤其是使用第三方 API 和 token 的成本，到底会怎么样？

以美图现在的状况来看，第三方 API，也就是调用第三方的 API——无论是 GPT，还是各种各样的模型——所产生的收入，或者说调用 token 的额度，占其收入的比例只有个位数百分比。个位数百分比其实并不高。

核心原因是什么？我觉得这两个数字是相辅相成的。第二个数字是 96%。这个数字是什么？我觉得这个数字太让我意外了，大到有点过于夸张。那就是自研模型生成的内容占比：美图基于自己的模型生成并提供给用户的最终交付结果，占比达到 96%。

也就是说，只有大概 4% 使用了外部模型。所以，它从 API 角度来看，API 成本占收入的比例当然只有个位数百分比。我觉得这两个数字是对得上的。

这也符合前面所说的：今天这个时间点，New Lab 到底是什么？或者说，狭义的应用公司概念也需要扩大。今天的应用公司也要有自己的模型，要训练自己的 benchmark，要有自己的指标和评估体系，要有自己的后训练强化学习环境，然后给用户提供交付结果。

所有这些事情都是相辅相成的。

当然，我会觉得在今天这个时间点再往后看，美图仍然需要回答一些问题，类似的 AI 应用公司也都需要回答这些问题。

第一层是结构问题。生产力这个所谓的第二曲线是否足够大？现在按收入占比应该是 18%，增速确实很快，但毕竟原来的影像场景还是底盘。这个生产力场景到底会成为主曲线，还是一条高增长的小曲线，涨到一定规模之后就不涨了？我觉得这是大家都会期待的议题。

第二是单位经济，也就是成本和收益的考量。AI 带来的这些巨大用量，到底能不能真正创造出规模化的利润？token 消费的增长大家都知道不等于利润增长，我们要去追问单位算力的收入和成本、token 的定价、渠道分成，包括毛利。毛利可能是最直接的结果。

第三是产品，也就是整个产品架构。公司是否能够持续支持这些双引号意义上的创新 AI 产品出现？像原来的开拍，当然开拍可能和 AI 关系没那么大，但比如刚才提到的 Peach、MV Land，都是这样的产品。

产品越多，试错的机会就越多，但你的资源，无论是人、钱、token、算力，还是品牌和研发，都会被分散。怎么把这些东西沉淀下来，让公司尽量少走弯路、少踩坑？这个产品结构，或者说孵化结构，我觉得对于今天这个时间点任何一家已经拥有成熟业务、并且尝试在 AI 领域进行孵化和新业务探索的公司，都是一样的挑战。

第四个问题，可能是当下中国所有 AI 公司都一样的命题，就是全球化。对应用公司来讲，我觉得这个议题会更加直接：海外高 ARPU 地区的用户，如何保持长期付费？

MAU 的增长并不等于付费和订阅。前面也讲过，因为营销或者促销，你可以在榜单排名、下载量或者短期传播上获得一次爆发，但这只是开始。真正需要的是高 ARPU 市场的用户留存、续费，以及持续产生新的应用。

这些议题听起来，还是我们前面提到过的议题，看起来都是正确的废话。但恰恰是这些正确的废话，在作为指引、帮助相关公司思考下一步战略选择和规划时，非常重要。

对于美图而言，我觉得也是一样。我们同样去看美图今天这个时间点的产品架构，或者从业务层面看这家公司。前端产品目前分成 3 大品类：图像、视频和设计。

设计和图像、视频是不一样的。设计是给专业场景使用的，比如专门做电商，或者专门做追星。它是基于一个具体场景的。底层是美图 Hub，可以看作技术中台；再往下有站酷这样的设计社区；最底层则是模型，也就是美图自己的美图奇想大模型。

这是一个组织结构。更重要的是，在更细节的选择上，郭星最近写了一篇文章，叫《美图像创业公司一样生存》。这篇文章的第一句话我觉得非常有意思：“成熟的老产品不能给新产品导流。”

我再说一遍，成熟的老产品不能给新产品导流。这是美图最后做出的一个决定，或者说一条规则。听起来有点反常识，不是吗？但是你细想今天我们聊的所有事情，似乎这件事情变得越来越重要。这是一种选择。

6. 模型吃掉功能而非交付

回到最终的判断，应用和模型到底是互相吃掉、互相并掉，还是怎么样？我觉得很难得出一个非常极端的观点。它绝对不是一个二元的、谁吃掉谁或者谁吃不掉谁的结论。

分开来看，我觉得模型更多吃掉的是功能。模型吃不掉的，其实是我们今天提及无数次的、在繁复场景下的结果交付。我觉得这件事情模型不可能吃掉，远远不可能。

那什么样的公司会有机会留下来？我觉得，是那些能把模型、场景、流程，以及用户支付形成的收入，组织成用户愿意反复购买的结果的公司。能够完成这样一个过程的公司，才有机会留下来。

对于应用公司的挑战，或者说对于今天这些已经有一些成熟业务的公司而言，你要做的事情就是“既要，又要”。听起来这不可能，但似乎就是这样：在成熟业务稳定的基础上，把原来积累的这些底盘，变成孵化新的 AI 应用和工作流的优势，然后不断在中间形成正反馈，积累规模，形成所谓的第二曲线。

它就是这样一个动态、持续的过程。中间可能会有波折，会有各种各样的问题，但你需要坚持不犹豫地以这样的方式走下去。这就是我的判断。