美图吴欣鸿播客：AI应用创业的机会在哪

先推荐美图 CEO 吴欣鸿的那期播客，内容很接地气。美图放在今天算不上明星公司，平时大家聊来聊去无非 DeepSeek、Kimi，再就是字节、腾讯、阿里这些大厂。

可对我这种草根创业者来说，这期播客里能直接拿来用的经验和判断实在不少。我创业头十年基本都在做工具类产品，这两年却有点找不着北：老工具 App 的流量一直往下掉，新产品又没个头绪。

作为 CEO，我自己心里也没底。我总觉得现在不少 AI 产品——例子就不举了，得罪人——它们想解决的问题，ChatGPT 也能干。

我们还试着调研过几个场景，结果发现用户交的订阅费压根盖不住 Token 成本。除非接着走融资那条路。

正赶上年底做来年规划，听完这期播客，我脑子里清楚了很多。

2013 年前后正是移动互联网创业热火的时候，创业者凑到一起，聊的基本都是你想做哪个方向的 App。可到了这轮 AI，我不认为随便再做个什么 App 还有机会。

不妨看看，眼下有多少独立开发者真能靠 AI 应用本身赚到钱？很少。不少人最后还是靠做自媒体、咨询或者培训来变现。

应用开发的门槛大幅降低之后，商业闭环的门槛反倒抬高了许多。这话是我在一个朋友微博评论区看到的，很有共鸣。

以前各种工具 App 的会员我还愿意掏钱买，现在很多都用不着了，直接让 ChatGPT 帮我搞定就行。况且很多 AI 应用很容易被通用模型，或者 ChatGPT 这类超级 AI 应用吃掉。

比如我之前用过的一款创作类产品，做法就是接入行业里几个头部模型，在上面封装一层具体场景，再加 Skill 商店、模板这些功能。用了几次我发现，它还不如我直接用 ChatGPT，配上自己定制的 Skill，再搭起飞书那套工作流来得顺。

更关键的是，我已经给 ChatGPT 付过费了，额度够用的情况下，凭什么还要每月再掏 20 美元，去买一件 ChatGPT 自己就能搞定的事？这逻辑说不通啊。

美图 CEO 吴欣鸿的经验是，一定得找到通用模型很难直接替代、用户又肯付费的场景，然后扎进去，把这个场景做深。

比如他们做的开拍。这款产品最早只是美颜相机里的一个提词器功能，可他们分析数据发现，这个小功能居然排到了所有付费功能的第三名。

于是产品经理专门去访谈用户，这才知道很多人是房产经纪人、保险经纪人，或者做知识付费的创作者，这些人要靠口播视频做营销、获客。

美图干脆把提词器拆出来，单独做成了开拍。事情到这儿并没有结束。

产品往前走的同时，团队也在往这些行业里扎，去摸不同用户的工作流程和具体需求，甚至跑到保险行业的展会上推产品。

吴欣鸿说，这些行业他们一开始也不懂，很多行当里的知识，是用户一点一点教给他们的。

听到这里我感触很深。回头想想，过去一年自己做 AI 产品，好像越来越不愿意吃苦了。早些年创业，进一个陌生领域，我们愿意花大量时间去研究用户，弄明白他们每天在干什么、卡在哪儿，再琢磨产品怎么做好。

现在有了 AI，开发产品太容易。看中一个场景，几天就能把 Demo 做出来。做完发现没什么人用，或者模型成本太高，就赶紧换下一个方向。真正扎进某个行业、把用户需求研究透，反倒很少愿意做了。

听完吴欣鸿讲开拍这个案例，我特想给自己一巴掌。这方面，过去一年我确实做得不好。结合播客里的分享，我总结了几点小团队做 AI 应用的思路：

1）扎进团队擅长或者感兴趣的领域，在这个领域里找刚需的痛点。

2）ChatGPT + Skill 能搞定 70% 的场景，坚决不碰。

3）找那些 ChatGPT 只能解决 30%、但用户又有强烈需求的场景。

4）做深，靠行业的 Know-how 来建立壁垒。

过去我们听到的创业故事，往往是谁谁谁押注了一件事，最后排除万难把这件事做成了。但大部分创业公司的经历，可能恰恰相反。

就说美图这件事。ChatGPT 发布之后，大家都看到了生成式 AI 的机会。美图本身就是做图片、视频类应用的，用户足够多，行业 Know-how 也攒了多年。

那为什么不再往前走一步，自己做模型呢？

其实在 ChatGPT 走红之前，美图就已经开始把生成式图像模型应用到产品里。

后来他们又开始自研奇想大模型，先做图像；到了 2023 年、2024 年，又投入视频大模型。毕竟大家都知道，视频模型的商业机会可能比图像模型更大。

可真正做下去才发觉，大厂在不少环节上的资源优势足以碾压他们。人才储备也好，算力、数据也罢，都不在一个量级上。

这并非靠死磕就能赢的道理。打仗时以少胜多的故事流传很广，可历史上 99.9% 的战争，赢家都是人多的一方。

吴欣鸿的判断是，视频基础模型到头来很可能只落在少数几家握有规模优势的巨头手里。

美图的预算若只有对手的十分之一甚至更少，却要干同样的事，赢面实在太低。

这块肉确实够肥，可自家团队没本事拿到，硬撑下去也捞不到什么好处。

权衡一番之后，他们最终拍板收缩视频基础模型的研发，把精力重新收回自己更拿手的图像模型上。

站在局外看，这个决定我给 100% 的正确评价。今天再看国内视频模型的战场，基本就是字节、快手和 MiniMax 三家在打。

能看清自己打不过，又在砸下大量资源之后果断收手，我认为这比押对一个方向还要难。人嘛，总是有 EGO 的……

吴欣鸿在播客里讲，公司定目标，得跟自己的能力对得上。

这话听着简单，可真正创过业的人都清楚，最难的一关往往是承认自己干不成。钱已经投了那么多，团队也熬了那么久，谁甘心说放就放？

视频大模型收紧之后，美图把研发资源更多压到了此前一直在做的图像模型上。

我自己也在琢磨，Midjourney 就是把图像模型做扎实了，这块市场并不小。虽说市场空间可能比不上视频模型，机会照样很大。

后来的事实也说明，把精力和资源砸向图像模型，回报相当可观。

眼下美图相关产品约 96.5% 的能力来自自研模型，真正调用外部 API 的只占很小一块。

按他们的测试，达到同样效果时，自研模型的成本仅为外部商业模型的二十分之一。

另外，自研模型能针对特定场景做优化，从而和对手拉开差距。

拿人像修图来说，美图可以围绕人像美容、光影调整、画质修复这些具体需求做专门的训练和调优。

说到底，大家都调同一个外部模型，模型顶多做到 70 分，那产品多半也只能停在 70 分。

走自研这条路，某些特定效果就有机会做到 80 分、90 分，成本还能省下来。

我从中得到的启发是：

1）核心场景上，还是该考虑自研模型（在开源模型基础上做后训练）

2）自研模型能够压低成本

3）有针对性的后训练，也能让自研模型在核心任务上效果更好

不过起步阶段的创业公司倒不必急着考虑这件事。找PMF这件事，放在大模型上，更多是跑通产品市场匹配之后才该琢磨的。

AI Native 今年被聊得很多。什么叫 AI Native 组织、怎么打破原来的岗位分工、让每个人都变成超级个体，这些共识已经不少，这里不再展开。

从 2025 年初起，美图学 Supercell 等游戏公司的做法，在内部搭起 AI 创新工作室。眼下已经有十几个工作室，每个团队尽量压在十个人以内，从产品立项一直管到 PMF 验证，有些团队只有两三个人。

工作室负责人有点像游戏行业的制作人，手里的决策权不小，产品怎么做、资源怎么分，自己就能拍板。激励机制也照着游戏行业搬了过来：通过立项的工作室能拿到启动资金，人员配置和推广资源由团队自己安排；产品要是跑通了，核心成员还能分到相应的利润。

说到底，就是让这些小团队尽量自己转起来，像创业公司那样去开发、去验证产品。

具体怎么转？第一步是改掉过去的产品立项方式。

以前研发一款产品，公司再大也得先做大量内部论证，会开了一轮又一轮，文档和计划书写上一堆，然后才动手。现在不一样了，AI 把做 Demo 的成本压得非常低。

吴欣鸿举了个例子：美图有位产品经理原本完全不会写代码，有了产品想法之后靠 AI Coding，大概三天就能把整个 Demo 做出来，自己先跑起来看看。

于是他们现在的习惯反了过来——先把产品做出来，再讨论值不值得正式立项。

当然，随便做个 Demo 公司就给钱立项，那也不可能。他们卡了几条基本要求：

1、产品得对得上公司的业务方向，不能见着什么机会就做什么。

2、尽量复用公司已经攒下的技术能力。美图在影像上做了十几年，没必要每回开发新产品都从零起步。

3、场景要扎得够深，只做个简单的 AI 功能不算数。

公司会拿这些条件去对照实际做出来的 Demo，再决定要不要正式立项。

立项之后也不会一口气砸进大量资源，而是分阶段验证：产品跑得不错就继续加投入，方向不对就及时收手。

创业的机会摆在那儿，创业的风险也得自己扛。项目做得不好就及时停掉，不拖泥带水——公司不会让一个没有潜力的项目一直消耗资源。

一个项目被叫停，团队里的人要么回到原先的岗位，要么转去别的项目，从头再来。

这块恰恰是我眼下最犯愁的地方。以前做工具类产品，路子很清楚：用户每月掏几十块钱买会员，各种高级功能随便用。

换成 AI 应用，同样的玩法未必走得通。

传统软件多几个人用、多用几次，边际成本几乎不涨。AI 却不同，每生成一次都得烧算力，图片、视频这类任务尤其贵，成本可能高得吓人。

用户一个月只交几十块，消耗掉的 Token 却上百块，这生意不就做成越卖越亏了吗？

吴欣鸿给出的办法是：基础订阅留着，再叠一层按服务收费。

基础功能照旧走会员订阅；碰上吃算力大的需求，或者能直接替用户把某件事干完的需求，就单独定价。

说穿了，就是把 AI 的能力包成用户看得懂的服务，直接把结果交到用户手上。

听他这么讲，我才发现此前想 AI 产品商业模式时，眼界太窄了——翻来覆去算的就是用户每月肯付多少、Token 成本压不压得住、毛利率能剩几个点。

可要是反过来想：某项工作用户原本得花几千块钱、耗上几天才能做完，如今 AI 用更低的成本直接办成，那他愿意出的价，恐怕就另当别论了。

话说回来，这又回到前面第一点讲的：关键还是把垂直场景做透，只在表面糊一层应用，很难真的交付结果。

1）AI 生产力应用，从 Day One 就该盯着全球市场。以往不少互联网公司的习惯是先在国内把产品跑通，验证成功了再出海。

吴欣鸿的看法是，如今立项头一天就可以把全球用户算进去。生产力工具尤其如此，各国用户的工作需求本来就有不少共通之处。

拿跨境电商卖家来说，中国也好美国也罢，很多流程和诉求差不太多。

2）生活类产品和生产力产品，全球化的难易程度并不相同。生活类受文化、审美、社交热点的牵制很大，比如东亚用户可能偏爱美白，欧美用户就未必买账。

生产力工具的需求则相对接近，更容易找到全球用户的共同点，适合一开始就按全球市场来开发。

3）出海不是把国内产品改个名、把界面翻译一遍就完事。美图早期试过这条路，后来发现行不通。

之后他们专门为欧美用户做了 AirBrush，交给独立团队负责，界面、交互到具体功能全按当地用户的喜好重新设计。这款产品如今已是美图海外的主力之一。

4）海外市场要按文化圈来切，光看地理位置不够。泰国、印尼、马来西亚挨得近，可用户的审美习惯差得很远。

美颜相机上线 AI 换装功能时，泰国用户偏爱大胆的服装风格，印尼、马来西亚有一部分用户则更接受保守的穿着，美图因此会面向这些市场补充契合当地文化习惯的服装和头巾。

文化上的这些差别，最终得落到产品功能里去做。

5）海外用户增长不该盲目追，付费能力和长期留存才是更该看重的。美图在 2016 到 2018 年就吃过这个亏：当时一门心思想把月活做上去，在付费能力偏弱的市场砸了大笔钱买量，到头来留存和变现两头都没做好。

印度市场的用户规模曾一度只排在中国之后，后来当地政策出了限制，前期的投入折损不小。

互联网行业过去流行先堆用户规模、赚钱的事以后再说。眼下对这套逻辑，大家该理性一些了。

6）可以用不同市场来验证商业模式，跑通了再复制到别的市场。美图的订阅模式最早就是在海外跑通的，之后才带回中国，发现国内用户的付费意愿也在往上走。现在美图测新的商业化策略，仍会优先挑规模偏小的市场。中国用户基数太大，策略没成熟就大规模铺开，很可能招来大量负面反馈。

7）有些海外市场没重点投过资源，却自己长得很好，这类市场别忽略。

巴西就是个例子。美图起初在当地投入并不多，可当地用户特别爱在社交平台分享内容，部分产品里巴西用户已经排到第二大、第三大，甚至第一大来源。

后来美图专门在圣保罗设了运营中心，继续做巴西和拉美市场。从自然增长的数据里找新机会，是他们现在很看重的事。

8）海外市场要有本地团队，但研发不一定非得搬出去。美图在硅谷、伦敦、悉尼、新加坡都设了办公室，巴西等市场建了本地运营中心，运营人员以当地人为主。研发团队还是主要放在中国——中国工程师的专业能力和效率很有竞争力，硅谷的人力成本又高出一大截，为了全球化把研发全部搬走，没这个必要。

9）做全球化，创始人和核心团队得亲自去海外看市场。吴欣鸿过去两三年，每年有一百多天在海外工作。除了跟当地团队沟通，他还会去拜访创业公司、参加行业沙龙，和当地研究人员交流。

他的想法是，AI 时代技术和市场变得太快，核心团队得直接知道全球在发生什么，不能只靠从国内拿到的二手信息。

先总结到这儿。

这期播客里的真知灼见实在太多。这么有实操性的 AI 应用创业经验并不常听到，比眼下不少网红创业者分享的内容，干货多得多。

下个月公司 2027 年规划正式定下来之前，我肯定还会把这个播客完整再听一遍。