夜雨聆风摘要六年亏损后，美图靠AI翻盘。但它真正的筹码不在模型能力——而是把审美判断变成可训练的工程系统。从四次战略跳变到MiracleVision自研大模型，从200人设计中心到垂直行业Know-How，一道审美护城河正在浮现，三个结构性难题同时悬在头上。
2026年6月17日，美图影像节，吴欣鸿在台上说了句大实话："用户不需要更多工具，他们需要更好的结果。"
如果放在两年前，这句话只是口号。但今年不一样。他的背后是四届影像节、五次技术路线切换、累计超过35亿元的研发投入——以及一个正在试图回答AI应用层根本问题的公司。
这个问题是：当通用大模型越来越强，做应用的人到底凭什么不被吞噬？
美图的答案，藏在一组矛盾里。它既自研视觉大模型，又灵活接入通义、Seedance、HappyHorse等第三方模型；它既有2.76亿月活的C端基本盘，又押注生产力场景做B端生意；它一边被市场质疑"大模型会不会把它吃掉"，一边连续七年净利润正增长，2025年经调整后净利达到9.65亿元，同比增长64.7%。
四次跳变：从"做功能"到"交结果"
美图的AI战略不是一步到位的。四年间它经历了四次方向调整，每次都在否定前一阶段的核心假设。
2022年：把AI当功能塞进老产品。
这一年年底，"AI绘画"功能在美图秀秀上线后爆火。美图还顺势推出了AI动漫、百变AI头像等功能。当年的财报首次提及AIGC，全年营收20.85亿元，净利润扭亏为盈。
但本质是在给既有产品加AI功能点。一个按钮、一个特效、一次生图——AI是点缀，不是骨架。
2023年：搭自己的模型。
6月，美图在第二届影像节上发布了自研视觉大模型MiracleVision（奇想智能）V1。此时距离吴欣鸿决定自研模型，只过了不到半年。
他在接受36氪采访时解释得很直白："用别人的大模型，没有办法对效果提出意见和要求。好比说要有高清的画质，人家不支持，那你就没有办法了。最大的问题就是受限。"
选择自研意味着投入。但美图没有像大厂那样拉几百人的模型团队。据当时披露，核心训练团队只有十几人，但背后有大量效果调优、场景测试、美学标注人员配合。吴欣鸿把这种磨效果的过程比作"匠人打磨细节"。
当年，美图一口气发布了七款AI产品：WHEE（AI视觉创作）、开拍（AI口播视频）、WinkStudio（桌面AI视频编辑）、美图设计室2.0、DreamAvatar（AI数字人）、RoboNeo（美图AI助手），以及MiracleVision本身。应用层、中间层、模型层的三层架构第一次成形。
2024年：自己推翻自己的架构。
2024年2月，OpenAI发布Sora。吴欣鸿的反应出乎大多数人的意料——他没有跟风推出类似产品，而是先"反省了底层架构"。美图在内部紧急重构了MiracleVision的底层，从原来的架构——行业和MT Lab技术博客中提到的UNet+扩散结构——切换到自研的DiT（Diffusion Transformer）路线。
6月第三届影像节，V5发布。美图宣称它涵盖图像、视频、音频、文本四个模型，在"语义理解、画面稳定性、动态连续性、主体一致性、内容可控性以及生成时长"六个维度实现全面提升。
但这次影像节真正的主题词是"AI工作流"。
吴欣鸿在会上分享了一个洞察：用文生视频模型直接搞内容创作，"故事成片难，可控性较差"。他们的解决办法是做了MOKI——一个将"脚本→分镜→视频生成→剪辑→配乐→字幕"全链路打包的AI短片工具。它不再是一个"点"功能，而是一条"线"。
理解这个转向很重要。美图发现了一个基础矛盾：AI的生成能力越来越强，但"生成"到"可用"之间，隔着一条非技术鸿沟。 填平这条鸿沟，就是工作流要做的事。
2025-2026年：Agent和"成果交付"。
如果说工作流是让人自己编排步骤，Agent就是让AI自己搞清楚该做哪几步。
2025年7月，美图推出AI Agent产品RoboNeo，定位"一句话搞定影像生产力"。用户输入需求，Agent自己把任务拆成子步骤，调度生成式AI、传统编辑工具和智能工作流，交付成品。产品上线后登顶全球26个国家和地区的应用商店榜单。2026年3月，RoboNeo实现近4倍的环比增长。
与此同时，吴欣鸿在2025年10月发起了一场内部组织改革：设立最高1000万元的AI创新基金，鼓励10人以下的小团队快速孵化AI产品。他的理由是看到海外很多AI创业团队不到10个人，年化收入就能做到千万美元级别。"如果不变，美图肯定会落后，错过了AI，你就是一家过去式的公司，越来越无足轻重。"
2026年6月第四届影像节，美图的战略再次升级。这次的关键词是"Agent Teams"和"成果交付"。
逻辑是：单个Agent在专业维度上有天花板。人像修图涉及风格设计、妆容优化、光影调整、体态优化四个不同专业——不如让四个专业Agent各司其职、协同工作。新产品Picchi就是这套逻辑的落地：四个Agent协作完成一张精修图，用户只需要表达偏好。
与此同时，美图还在多款产品中推出了"真人创作服务"——"帮我设计"、"帮我做视频"。用户甚至不需要碰AI工具，直接得到结果。
四年的演进轨迹很清晰：功能→模型→工作流→Agent→Agent团队。每一层都在把"成果"往离用户更近的地方推。
MiracleVision：不是又一个Stable Diffusion
先澄清一个容易误解的地方。
行业里很多人把MiracleVision理解为"美图版的Stable Diffusion"——拿开源模型做做微调，套个壳。这个判断不对。
MT Lab的技术博客和相关资料中提到了MiracleVision的"unet模型原有权重"，这意味着模型是独立训练的，不是站在别的开源模型肩膀上做后训练——否则不会有"原有"之说。
MiracleVision的关键差异不在模型参数规模，而在三件事：它对齐的是审美、它拿到的训练数据是用户修图行为、它有一个产品闭环在持续反哺。
第一，审美对齐。
通用大模型的RLHF（基于人类反馈的强化学习）对齐的是"什么是对的"——道德边界、事实准确、对话逻辑。MiracleVision V6的RLHF对齐的是"什么是好看的"。评估指标有三个：用户审美对齐、专业人工评估、美学模型评分。
把"审美判断"变成可训练的工程信号，这件事的技术难度被低估了。通用模型知道怎么画一张"对的人脸"——但不知道什么叫"中国人觉得好看的脸"、"印度人觉得好看的肤色"、"电商场景里能促进转化的商品图应该长什么样"。这不是靠扩大参数量能解决的，需要大量垂直领域的标注数据和反复调试。吴欣鸿自己说过，"这个过程是很枯燥的，有点像匠人一样不断地去打磨细节。"
第二，训练数据的特殊性。
MiracleVision的训练数据里有一层通用大模型拿不到的资产：十多年间用户修图的行为轨迹。
用户每一次调整脸型、每一轮肤色微调、每一次在不同滤镜间犹豫并最终选择一个，都是在标注"我认为这样更好看"。这不是"有多少张图"的问题，是"有多少次人类主动表达了审美偏好"的问题。美图CFO颜劲良把这套机制称为"审美工程化"——将非标的审美行为数据转化为标准化的参数资产。
效果如何？2026年1月到5月，美图影像产品的生成式AI功能调用中，平均96.3%来自MiracleVision自身，而非第三方模型。自研率在应用公司里极为罕见。
第三，架构的持续演进。
V1到V4是早期探索。2024年Sora发布后紧急重构底层，V5切到DiT架构——这是Sora开启的行业主流方向，但美图选择自己实现而非套用开源。V6进一步升级为MoE（混合专家）架构，通过动态路由机制在多个影像专家网络间按需激活——处理人像时激活人像专家，处理设计素材时激活设计专家。既降低了全量参数激活的算力浪费，又在垂类上压榨出更高精度。
MiracleVision 的定位是"垂直奇兵"——只在美图定好的战场里做到极致，不去跟通用基础模型硬碰硬。
护城河不在模型，在三个"非技术"资产
如果竞争只比生成质量，美图的壁垒是脆弱的。Meta的Nano Banana、字节的Seedream、阿里的Qwen-Image每次升级，生成质量的差距都在缩小。2025年9月Nano Banana走红后，美图股价单日下跌14%，市场直接用脚投票表达了对"模型被超越"的焦虑。
但美图真正难以被复制的东西，是比模型能力更深一层的资产。
第一，200人设计中心——审美判断的机构化。
美图有一个200多人的设计中心，专门负责所有产品的效果评测。美图首席产品官陈剑毅说过一句话："设计觉得一个效果不好，是不能上线的。"
这听起来像一句产品常识，但实际上非常不寻常。纯AI公司不会养这么多人专门做"审美把关"——工程师文化主导的组织，判断标准通常是"模型跑得通就行"。电商和社交平台的DNA决定了它们不需要这样一支队伍——它们的核心能力是推荐算法和流量分发，不是"什么颜色搭配更好看"。
美图的这支团队，本质上是在用组织的形态把一件非标的事变成标准化工序。通用模型的世界里，"好不好看"是主观感受；在美图的世界里，"好不好看"是有流程、有标准、有专人负责的系统决策。
第二，从"生成"到"成品"的一体化工具链。
Midjourney解决了"画一张图"，美图同时解决了"画完之后怎么办"。
修图、调色、排版、导出——美图在影像编辑工具链上积累了十多年，这不是任何一家AI生图工具（哪怕是Midjourney）能在短期内补上的。用更直白的话说：AI生图只是起点，用户真正需要的是"从想法到成品"的完整效率。美图秀秀的用户在同一个App里就能完成全套操作，不需要在多个工具间跳转。多产品矩阵之间的交叉渗透——修图在美图秀秀，剪视频在Wink，做口播在开拍——越用越深，迁移成本也越高。
这一点跟Canva的逻辑很像。Canva从来不是最好的AI生图工具，但它有"从想法到成品"的一站式体验，这让它成了全球月活超2.65亿、年收入40亿美元的公司。美图在走同一条路。
第三，垂直行业Know-How的产品化封装。
这是最难被注意到的，也是最难复制的。
以美图设计室为例。它不只是个"AI生成商品图"的工具。它把电商平台的图片规格（淘宝750×1000、亚马逊2000×2000）、不同品类的视觉逻辑（服装要突出面料质感，3C要展示功能参数，家居要呈现空间氛围）、目标受众的偏好，全部打包进了AI工作流。2025年，美图设计室与阿里巴巴、京东、亚马逊建立了战略合作关系，Agent功能成为其收入增长的第一驱动力。
这意味着：大模型厂商做不了——它们没有电商平台的合作接口和行业数据；AI初创公司没资源做——建立一套覆盖多品类、多平台的设计工作流需要大量行业know-how和时间积累；电商平台自己也不会做——这不是它们的核心能力。
类似的逻辑也出现在开拍（口播视频工具，已进入大健康、教培、美业、保险、房地产等行业）和Vmake（聚焦健身和大健康赛道，在美国ARR已达约300万美元）。
这些产品共同的特征是：它们不是在卖"AI能力"，而是在卖"这一行应该怎么做"的判断。大模型给出了画笔，但没人告诉你要画什么、怎么画。美图把自己变成了那个"告诉你怎么画"的角色。
三个还没解开的题
客观审视，美图面临的三重挑战是结构性的，不是多做几个产品能解决的。
第一，算力成本与利润在赛跑。
2025年，美图的算力及云相关成本同比增长16.4%，近半数为推理相关支出。毛利率连续两年下滑：2023年仍在高点，2024年降至76%，2025年进一步降至73.6%。
问题不在于"毛利率73%很低"——这在应用层已经非常健康。问题在于趋势。新增AI产品（RoboNeo、MVLAND等）初期大量依赖第三方模型API，推理成本远高于自研。美图的策略是"先接入验证需求，再自研替代"，但每一款新产品都有一段"高成本窗口期"。如果新产品的自研迭代速度跟不上算力消耗的增长，收入增长会被成本增长追平甚至反超。
另外，商业模式正在从纯订阅制延伸到Token消耗制——用户按AI使用量付费。这打开了ARPU天花板（部分新产品ARPU可达每月50美元），但也引入了一个新矛盾：用户交了订阅费之后，凭什么还要为"消耗算力"额外付费？东西还没完全理顺。
第二，通用模型的"水涨船高"效应。
每一次大模型升级，市场都会问同一个问题：垂类应用还有存在的必要吗？
美图管理层的回应是一以贯之的：审美决策类应用不会被替代，因为"美"没有标准答案。美图CFO颜劲良说过，"通用模型给不了个性化审美，因为它要为所有人服务"。
这个逻辑在修图场景里是成立的——人像精修确实是高度主观的。但当美图用同样的逻辑进入MV视频（MVLAND）、AI短剧（RoboNeo）、商业设计（美图设计室）时，主观性这个护城河就不是在每个领域都同样坚固。 一部短剧好不好看，一个大模型能判断的程度远高于"这张图P得好不好"。通用模型在创意领域的侵入速度可能比美图预期的更快。
第三，增长的形态在变。
美图过去几年的增长靠的是"拉新+提渗透率"——把免费用户变成付费用户。2025年付费渗透率做到了6.1%，付费用户数1691万，同比增长34.1%。但要知道，发达市场的影像类App付费率可以达到20%-50%。美图自己的产品Airbrush在美国的付费率已经超过50%。
这说明中国市场还有很大空间。但挖这个空间需要的是"提ARPU"而不是"提渗透率"——新增的免费用户大多是价格敏感型，让他们付费和提高他们的付费金额是两回事。
与此同时，生产力场景——被寄予厚望的第二增长曲线——增速在放缓。MAU增速从2023年的74.3%逐年降至2025年的9.1%。基数变大自然是一部分原因，但竞争加剧也不能忽视。字节的剪映海外版CapCut早已不只是个剪辑工具，正在覆盖设计、营销等生产力场景。巨头每迈一步，美图的空间就窄一分。
尾声
回到开篇那个问题：当通用大模型越来越强，做应用的人到底凭什么不被吞噬？
美图给出的答案是一个层层递进的组合：自研视觉大模型提供技术底座 → 审美数据飞轮提供训练原料 → 200人设计中心提供品质闸门 → 一体化工具链锁定用户习惯 → 垂直行业Know-How构建场景壁垒。
这个答案能不能长期站住脚，取决于一个变量：通用模型在美图的每一个垂类领域里，追上"最后一公里"的能力分别需要多久。
至少到2026年年中，美图交出的数据还没被证伪。2.76亿月活、1691万付费用户、连续七年净利润增长、海外月活突破1亿——在"大模型吞噬应用"的讨论中，这是一组逆向的证据。
它可能不是最性感的AI叙事——不做万亿参数模型，不布局通用AGI，不卷LMSYS排行榜。但它在认真回答一个更朴素的问题：AI到底要怎么让用户心甘情愿地掏钱？
互动话题：
你觉得"审美决策"这件事，到底能不能成为一家AI应用公司的终极护城河？它和"技术领先"哪个更持久？