18年前不让你苦修PS的美图，这次不让你苦修AI了

这年头，如果你还跟人聊AI，话题可能已经从“哪款工具好用”，变成“最近又vibe了个啥？”、“又订阅了哪个Plan？”、“又装了几个难搞的插件？”——这真不是段子。

工具越来越多，技术越来越强，可创作的门槛，却像是被谁悄悄抬高了。提示词、工作流、模型切换、多工具协同，这些本该帮你省事的玩意儿，反倒成了新的创作门槛。这种现象本身就挺“吊诡”的。

当整个行业还在卷“如何让AI更强大”，甚至默认用户必须先苦修一套AI技能时——一个我们并不陌生的名字，那个曾经用影像产品影响过一代人的「美图」，这次给出了一个有点“反直觉”的答案：

AI创作工具行业早已告别概念爆发期，进入价值落地的深水区。有意思的是，潮水走向的变化，往往不是在巨头身上率先显现，而是出现在那些敢于“转身改道”的细分赛道玩家身上。

用八款产品，讲一个变化

AI内容生成赛道走到现在，好产品其实从来不缺。像Canva、Midjourney、Runway这些头部厂商，在各自单点能力上都已足够成熟。但在这个赛道上，最值得细品的一点是——

在刚刚结束的美图影像节上，美图提出了这样一个叙事：具体的AI功能逐渐退到幕后，“交付成果”则被推到了最显眼的位置。这一次，他们一口气发布了8款AI产品。

美图最熟悉的入口，依然是

。只是到了Agent时代，设计重心发生了变化，向可反复调用的能力演进——

• Picchi
  ：典型的AI原生产品，把“修图”这件事进一步推向Agent模式。

• Artflo
  ：聚焦创意工作流，来自创始人的思考——能不能让散乱的创作灵感变成概念影像？

两款产品定位不同，但指向的是同一件事：通过Agent能力，把一次性的创作过程沉淀为可反复调用的创作资产。

在

领域，美图想解决的也不只是“生成一段视频”。

• MVLAND
  ：现场呼声很高，本质上是用Agent系统协同完成MV创作。

• MeituHub
  ：更强调影像能力底座，把影像生成、编辑、管理与交付打通，面向更复杂的定制化生产需求。

（上文图片为AI生成）

另外几款原有产品的升级，基本也是围绕打造

、实现向用户交付成果这个逻辑展开——

• 美图设计室
  的“AI设计团队”，原来生成一套电商物料需要无数次琐碎操作，现在一次就能输出一个商品在多个电商、社媒平台的物料——直接交付成果。

• 开拍
  针对口播视频场景，新发布的“AI助手”由多个Agent组成7×24小时的口播视频团队，从选题到成片，保证内容的持续输出。

• RoboNeo
  作为Agent原生产品，这次拿出了具体场景能力：通过打造AI短剧团队，把编剧、导演、分镜、剪辑等环节串联起来，让内容从剧本阶段就进入协作生产状态。

（上文图片为AI生成）

新品足够多，场景也足够细。而在多个细分产品背后，呈现出的则是美图对产品矩阵的清晰判断。在美图创始人兼CEO吴欣鸿看来，尝试多个细分的独立产品，核心是希望每个产品都能先拿到清晰定位，并且把一个具体场景做到足够深。

这种产品机制可以被描述为“AI原生应用的漏斗”：新品先聚焦具体场景，经由用户验证后，再逐步延展到更多内容形式和用户群体。开口如果不够大，就很难筛出被用户认可、与市场匹配的产品。经过一系列验证，才有机会成为创作者的基础应用。

当然，产品版图不断铺开背后，一个更底层的共性特征也开始显现——8款新品虽然覆盖不同创作场景，但本质上都指向同一个目的：

从AI工具到AI Agent，最终目的是交付成果

生成式AI这条赛道，从来不缺市场需求，更不缺漫天铺开的想象。2022年ChatGPT横空出世，让人们第一次发现信息检索可以被压缩进一个小小的对话框；2025年，AI大神卡帕西提出“氛围编程”的概念，一度点燃“万物皆可Coding”的热潮；紧接着，OpenClaw、Hermes等一批Agent产品集中间出现，AI开始更贴近真实工作流的执行层。

与此同时，

：从早期围绕Prompt的表达工程，到强调上下文组织的Context Engineering，再到今天逐渐成型的Agent Orchestration与系统级调度能力。复杂度同步外溢。

于是，各类配套插件、实操教程层出不穷，工具生态越铺越庞大。热闹背后，一个无法回避的现实也开始显现：

（上文图片为AI生成）

首先暴露出来的，是AI工具的

不断抬升。AI工具的上限能力确实被拉高，但创作者的上手门槛并没有变低，需要学习的技能反而越来越多。原本为创作减负的AI，反倒成了一种时代焦虑。

吴欣鸿在谈及“交付成果”背后的考量时提到，团队成员在与用户沟通中观察到：AI时代，很多人并非不认可AI的价值，而是压根“学不过来AI”。学习AI并不是大多数人的本职工作，而当前AI工具的迭代速度已经远远超过普通用户的学习速度。很多时候，用户真正需要的不是掌握一套复杂工具，而是更快解决问题、获得结果。

AI创作平台APATERO在《2025全球AI创作者专项调研》中对1500名视觉创作者与独立艺术家的调研，同样印证了这一点——有

的受访者认为，跟上AI工具的快速迭代是当前最大挑战之一；另有的人直接指出，学习AI相关技术与知识是主要障碍。

与此同时，一个更具现实感的变化是，

带来的割裂感正在加剧。Glean’s Work AI研究院曾在一项覆盖6000名全职数字从业者的调研中发现：有的AI使用者每周需要在多款不同AI工具之间反复切换，每次切换过程中，还有不少受访者面临上下文丢失、注意力被打断以及整体效率下降等问题。

（上文图片为AI生成）

说白了，工具数量的增加并未带来线性效率提升，反而把原本连续的创作流程拆解成更多必须被手动编排的步骤——选工具、换模型、调参数、补上下文、修结果。

这也是为什么，美图在产品路径上开始更明确地向

这个思路靠拢。Agent Teams天然具备协作式执行的能力，用户只需要提出一个想法，Agent Teams就能自动完成任务拆解、能力调度与流程编排，直接把结果交付出来。

过去这18年，美图一直在和影像打交道。这几年大模型的集中爆发，让美图具备了以更高质量、更低成本来交付成果的基础。更关键的是，美图本就长期连接用户，对真实需求、审美偏好和工作流卡点都有更深的理解，也更容易把Agent Teams的能力落到具体成果里。当产品真正走到交付成果环节，美图还能从真实客户那里获得一手反馈，这些反馈又会反哺产品和技术迭代，在一次次交付中把能力打磨得更贴近真实创作需求。

（上文图片为AI生成）

当前，AI创作已然进入下一阶段，其价值不再只来自“生成得更快”，还来自能不能把创作流程组织得更短、更稳、更接近交付。在AI焦虑加剧、工具不断增多、使用门槛持续抬升的当下，Agent Teams或许才是让AI创作更接近它最初被期待的样子：

从产品形态到组织模式，Agent时代的企业叙事

落到美图这家公司内部，我们看到的则是一套横跨产品、商业模式、组织架构、市场落地的协同化叙事。

从早已落地的美图设计室、开拍，到本次影像节全新亮相的Picchi、Artflo、MVLAND，几乎全线产品都在同步奔赴同一条路径——锚定真实创作全流程任务，重构底层能力，完成从单点操作工具到一站式交付成品成果的底层逻辑迭代。

（上文图片为AI生成场景示意）

价值形态向结果交付不断收敛的同时，美图在

上的变化也在同步朝“交付成果”方向靠近——相较于行业内影像类产品普遍采用的订阅制，美图正在向模式延伸。用户不再被固定套餐绑定，而是可以根据实际创作强度灵活购买算力点，或按具体功能进行单次调用。

订阅驱动转向任务驱动，结果也开始逐步在数据上显现：2026年3月数据显示，美图影像与设计产品的AI算力点消耗金额较2025年12月增长59%。对轻量用户来说，不必为了偶尔一次修图、做图、生成视频就承担完整订阅成本；对专业创作者和商业用户来说，则可以把预算花在更复杂、更高质量、更高频的AI任务上，让每一次消耗都对应一次更明确的产出成果。

（上文图片为AI生成）

当产品从迭代功能走向交付成果，组织也就从层级驱动转向更轻、更快、更贴近一线需求的协同方式——当前，美图正从传统的成熟组织形态，加速转向

。

关于这点，吴欣鸿在影像节上谈到过去几年产品创新时说了一个很现实的判断：美图真正感受到的压力，并不完全来自外部竞争。AI技术变化太快，很多时候难题会先回到公司内部——组织能不能承接战略，能力能不能跟上AI技术的快速迭代。这也是美图近几年持续调整组织方式的原因。AI时代的团队，需要更小的单元、更快的反馈、更密集的试错，也需要让一线团队离真实需求更近一点。

据了解，目前美图内部已拆分出多个小型AI创新工作室，让团队以更接近创业单元的方式运转，每个小团队深挖用户在特定场景的需求，围绕具体AI方向快速试错与迭代优化，进而打造出更好的面向用户侧的成熟产品。

（上文图片为AI生成）

产品、商业模式与组织三端的加速，也让这家影像公司在

“交付”出更有说服力的成绩单。截至2025年12月31日，美图全球月活跃用户数达，同比增长3.8%；付费订阅用户数达，创历史新高，同比增长34.1%；订阅渗透率则达到了6.1%。

在这过程中，美图也逐渐从一个提供单点工具的影像厂商，蜕变为可提供系统性完整交付方案的行业先行者。

不知道你还记不记得，2008年美图大师上线的时候，国内修图软件几乎还是一片空白。当时美图要做一款简单易上手的软件来填补这个空白，干的第一件事就是把专业名词翻译成“大白话”——用

，替代那些让人望而却步的专业词汇。

值得关注的是，18年过去，同一套产品逻辑还在延续——只不过这次，当整个行业还在教用户如何使用AI时，

过去几年，行业总在强调AI素养、提示词工程，仿佛每个人都必须先学会怎么和AI打交道，才能真正用上AI。但AI要真正走向大众，关键或许从来都不该是“让用户适应产品的复杂性”，而是“让产品把复杂留在后台”。