機遇與挑戰一起到來，變化以天為單位演進，在AIGC時代，吳欣鴻繼續著他作為一名“老產品人”的探索。

吳欣鴻 圖片受訪者供圖美圖的新“轉機”

美圖走進了一個充滿“機會”的階段。

“這一年我們無暇顧及其他，全部都撲在生成式AI上面。”接手美圖公司董事長一年有余，吳欣鴻這樣概括自己在這一年的工作。

“美圖”，是這家誕生于2008年的軟件公司，靠“差異化”講出的第一個故事——美圖秀秀直至今日依舊是影像美化賽道最成功的App。

2016年，美圖公司登陸港股，招股書顯示，2016年10月，美圖的月活躍用戶數為4.56億人，據艾瑞咨詢2016年6月的調查，在中國主流社交網絡上上傳的照片中，有約53.5%的照片經過了美圖旗下應用的處理。

怎么靠“美圖”持續性地賺錢，則是彼時美圖公司上市后面臨的最大考驗。在很長一段時間里，和幾乎所有移動互聯網時代的產品一樣，美圖的變現模式，是通過建立用戶規模，獲得一定的流量基礎后，靠廣告賺錢，這是最大的路徑，也是唯一的路徑。在后移動互聯網時代，幾乎所有的工具類產品，都開始尋求轉型。

“多元化”是美圖轉型的開始，也是美圖想講的第二個故事。

除了早在2013年就開始布局的手機業務，美圖同時還嘗試過美妝電商、社交，甚至一腳邁入“幣圈”，2021年，美圖先后三次購買了約940.89枚比特幣和31000枚以太幣作為資產布局，累計花費1億美元。

多元化的故事最終沒能講完。2018年，美圖剝離手機業務，并在同年將美妝電商業務授權給寺庫聯營公司，社交業務則在一年后開始收縮。2022年7月，美圖發布公告稱，2022年上半年凈虧損預期增加的主要原因是已購買的加密貨幣減值。

“回歸主業”，是吳欣鴻2023年6月接手美圖公司董事長以后的重點工作，生成式AI的爆火幾乎與吳欣鴻接手美圖同步發生，美圖迎來了一個“新故事”。

“快”，這是吳欣鴻面對生成式AI這個全新的機遇，提到的第一個關鍵字，這個行業進化實在太快，吳欣鴻自己的認知也以周為單位在刷新。

吳欣鴻坦言，生成式AI對美圖的產品助力很大，目前AI在美圖所有產品中的滲透率已經達到80%以上，這對于美圖在產品創新、用戶增長以及收入增長方面均起到了極大的推動作用。

2024年上半年，美圖實現總收入16.2億元，同比增長28.6%；經調整后歸屬于母公司權益持有人凈利潤2.7億元，同比增長80.3%；以付費訂閱為主的影像與設計產品業務實現收入9.3億元，同比增長54.5%。

在生成式AI的卡位戰里，美圖是一家非典型參賽者，和其他競爭對手相比，美圖的“科技”底色沒有那么厚，“美”是吳欣鴻眼中美圖與其他科技公司在競爭中的差異化價值點。

相比于其他公司，美圖把美學標準、對影像與設計的效果放在更重要的位置。“技術是我們產品得以落地并形成競爭力的關鍵，這也是所有AI應用必須具備的能力。但美學是一個加分項，在很不錯的技術能力之上，有更好的美學效果，這至少在影像與設計的賽道會更受認可。”

AI應用離錢更近 必須把產品做深

時間撥回2024年初，彼時行業正在熱議，這一年將會如何成為AI應用元年。時至今日，從外界的視角來看，AI應用的爆發依舊沒有真正到來，但吳欣鴻身處其中正在感受沖擊。

上半年，AI生圖領域，涌現出妙鴨、Redmini等一系列產品，幾度引發市場關注，而后趨于平靜。

吳欣鴻坦言，看到像妙鴨這種爆火的產品，會有一些沖擊，會問自己“為什么不是我先做出來”，這是產品人的自我反省，但同時他并不認為這樣的單點功能會對美圖形成很大的沖擊，對于這些功能，美圖往往能夠快速跟進覆蓋。他認為，單一的應用點爆紅之后，往往難以逃脫迅速降溫、無人問津的命運，這種爆紅周期通常不會超過一個月。

而對于美圖而言，吳欣鴻的判斷是，這兩年是AI應用的窗口期，所以美圖要很努力地抓住這個紅利。

2008年，在移動互聯網爆發前夜，吳欣鴻為市場帶來“美圖秀秀”，在AIGC時代，吳欣鴻想要帶領美圖講一個全新的產品故事。

自2023年開始，美圖發布新品的速度明顯加快，在2023年的美圖影像節上，美圖發布了七款AI技術驅動的新產品，美圖奇想大模型首次亮相；2024年，美圖再度在第三屆影像節上推出六款新品。

吳欣鴻認為，生成式AI的應用更“重云輕端”，很多應用僅提供網頁版，而在移動互聯網時代，App作為終端扮演著重要的角色，這是兩者的一大差異。另外，每次使用生成式AI應用都會涉及一定的算力成本，在移動互聯網時代，算力更多由終端提供，這也就意味著，生成式AI應用大概率要以訂閱或者單購的途徑來變現，否則無法跑通。

吳欣鴻認為，相較于以往的互聯網工具，當前的AI應用在行業中能夠更好地實現落地，幫助用戶提升效率與收入，這也意味著用戶將會有更高的付費意愿。“我們覺得它比過去這種主打免費、很難變現的工具，天然會有商業化上的優勢，就是離錢更近。”

而且，當前階段的AI應用確實大部分仍局限于單點功能階段，因此，美圖選擇致力于將單點功能串聯為完整的工作流，并針對某一行業做深，例如美圖設計室在電商行業做深。“只有達到足夠的深度，才很難被一個單點功能所沖擊，因為我們是服務于整個行業，而非僅僅提供一個單點。”

一方面，電商用戶對于增加收入更迫切，付費意愿更高；另一方面，對于美圖而言，這也是一種差異化競爭路徑，“我們不太去卷一些常規的能力。比如說常規的文生圖能力，太多公司在提供了。我們基于像電商這樣的一個垂直場景，去打造生成式AI的應用。我們主動地尋找差異化，避免內卷”。

吳欣鴻對當前AI應用的總結是，它離行業、離錢更近，但也將面臨一些沖擊，要應對，必須把產品做深，為行業打造產品。

AI應用離行業、離變現很近。美圖選擇聚焦于某些特定行業，例如電商，去構建一個AI工作流，幫助行業增收。這注定是一個需要長期投入的項目，而非依賴單點功能快速引爆，吳欣鴻覺得，這實際上是一個戰略選擇問題。“當下的美圖需要在一些過去并不擅長的領域探索、尋找增量的空間，而不是停留在過去十幾年擅長的（領域），比如說單點的爆款。”

吳欣鴻覺得，AI應用本質上屬于應用范疇。對于廣大用戶群體而言，他們或許難以明確區分移動應用與AI應用，因為兩者在呈現形式上很相似。美圖的優勢在于，過去16年間，服務了龐大的用戶，擁有眾多可以讓生成式AI技術快速落地并實現商業化的應用場景。

大眾用戶依舊是美圖在AIGC時代的根基，同時，美圖也開始針對“大C”（例如KOL意見領袖）“小B”（例如中小電商企業）這一中間用戶群體提供相應的產品。吳欣鴻認為，無論是“大C”還是“小B”，他們對于生產力工具以及增收都有較大需求，換言之，一個標準產品，要既服務于“大C”，也服務于“小B”。

吳欣鴻認為，在為大C及小B用戶群體開發生產力工具的過程中，難點在于能否深刻洞察這些用戶的需求。“他們的目的是用來增加收入？或者粉絲增長？我們能不能直擊他們的剛需，打造一個產品力很強的服務，這是現在的挑戰。雖然我們做的已經還可以了，但顯然它離一個100分產品還有很長的距離。”

做非典型AI選手 構建AI應用工作流

吳欣鴻認為，技術和應用，是兩個不同的領域，很多公司在持續追求技術的突破，也有很多公司更注重應用的落地和創新。

而美圖一直以來都是一家應用公司，從PC應用到移動互聯網應用到AI應用。未來，美圖也將繼續在應用層探索，強化應用的標簽，吳欣鴻認為，應用可以做的探索還很多，且收入規模理論上是大模型的十倍以上。

而在應用的探索中，吳欣鴻認為構建“AI工作流”，將很快成為行業共識，點線面是AI應用的發展趨勢，即從單一功能的實現，逐步串聯并形成完整的AI工作流，最終進化為AI平臺的生態系統。

在人工智能的探索上，美圖和其他公司的路徑也有所不同，一方面，美圖不涉足通用大模型的自主研發，因為這并非美圖的能力范疇。不過，在垂直大模型領域，尤其是影像與設計賽道，美圖投入研發了美圖奇想大模型。這兩個領域高度關注效果呈現，若采用其他廠商的API（應用程序編程接口），所達成的效果勢必趨于同質化，因此，自主研發成為必然選擇。

但在視頻大模型領域，美圖更偏應用，即如何將視頻大模型的能力落地到應用中，“所以美圖是一家AI應用公司，跟純粹的大模型公司實際是兩個路線”。

在AIGC時代，吳欣鴻對美圖的定位是，美圖是一家深信AGI（通用人工智能）很快會到來的公司，但并不是一個致力于打造AGI的公司。

在生成式AI時代，算力成本是很多公司需要面對的主要困擾。越來越多的功能開始依賴于AI的支撐，算力成本的增加在所難免。如何在這之間取得平衡，確保成本與利潤保持相對均衡的狀態，成為公司需要解決的課題。“研發投入固然重要，但作為一家上市公司，每年的成本開支也需要合理控制，做好平衡。”

認知能否跟上，則是吳欣鴻自身當下的困擾。“我們在過去踩過一些坑，復盤發現其實是認知沒跟上，而現在就是整個行業爆發認知快速迭代，其實對公司掌舵人構成非常大的挑戰，所以得不斷學習。”

吳欣鴻認為，解決認知問題的關鍵在于確保自身在所處賽道具備足夠的深度，“因為未來大家不是比誰更火，而是比誰更深”。

“我自己不會學習寫代碼，但是我會每天都學習比如說大模型是如何運作的，有一些關鍵的舉措是什么？”吳欣鴻覺得，要制定策略并且快速驗證，不一定要有技術，但是一定要有技術思維，并且要把技術和產品深度融合。

吳欣鴻的判斷是，從大模型的訓練和推理來看，一個模型如果要全面具備各種能力，其訓練和推理的成本將非常高，同時響應時間也會非常長。所以在當下，很多AI助手正朝著AGI或超級大腦的方向進化，而大腦則需要調動“四肢”等部分，去協同完成特定任務，這是一種協同關系。

因此，應用依舊是美圖未來探索的重點。吳欣鴻認為，AGI到來后，仍將會有通用大模型和垂直大模型存在，AGI更多地依賴于通用大模型的支持，即未來會有超級大腦和超級AI助手來輔助人們的工作和生活。然而，這些超級AI助手不可能無所不能，因此它們需要調度各種垂直大模型來完成特定任務，因此，美圖專注于垂直大模型的研發，更多地聚焦在影像與設計賽道。

未來，美圖與這些超級AI助手之間，是一種協同關系，而非完全被替代的關系。

（封面圖片 資料圖）