每經記者 可楊    每經編輯 楊夏    

吳欣鴻不是個善于社交的人，但接手美圖公司董事長職位后，他開始頻頻走到“臺前”。

他習慣穿著美圖公司的文化衫出現在公眾面前，接受《每日經濟新聞》采訪那天，吳欣鴻坐在背靠大海的飄窗上而非旁邊的沙發(fā)，因為那能使他保持一個相對端正的坐姿。

2008年，吳欣鴻做出了第一款電腦版美圖秀秀軟件并很快獲得市場認可，美圖公司也就此成立。2011年，移動版美圖秀秀誕生。

來到全新的AIGC（人工智能生成內容）時代，美圖也是第一批靠生成式AI賺到錢的公司。2024年上半年，美圖以付費訂閱為主的影像與設計產品業(yè)務實現收入9.3億元，同比增長54.5%，占總收入的57.4%，生成式AI技術則是驅動付費訂閱滲透率快速上升和付費訂閱收入大幅增長的主要原因。

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

吳欣鴻 圖片來源：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(xù)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(lián)網時代的產品一樣，美圖的變現模式，是通過建立用戶規(guī)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(lián)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(yè)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(yè)務，并在同年將美妝電商業(yè)務授權給寺庫聯(lián)營公司，社交業(yè)務則在一年后開始收縮。2022年7月，美圖發(fā)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(yè)”，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(fā)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(yè)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(chuàng)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(yè)務實現收入9.3億元，同比增長54.5%。

在生成式AI的卡位戰(zhàn)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(yè)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(fā)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(fā)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(lián)網爆發(fā)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(fā)布新品的速度明顯加快，在2023年的美圖影像節(jié)上，美圖發(fā)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(jié)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(lián)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(lián)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(lián)網工具，當前的AI應用在行業(yè)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(yè)化上的優(yōu)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(lián)為完整的工作流，并針對某一行業(yè)做深，例如美圖設計室在電商行業(yè)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(yè)，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(guī)的能力。比如說常規(guī)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(yè)、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(yè)打造產品。

AI應用離行業(yè)、離變現很近。美圖選擇聚焦于某些特定行業(yè)，例如電商，去構建一個AI工作流，幫助行業(yè)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(zhàn)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(qū)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(yōu)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(yè)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(yè)）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(fā)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(zhàn)。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(xù)追求技術的突破，也有很多公司更注重應用的落地和創(chuàng)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(lián)網應用到AI應用。未來，美圖也將繼續(xù)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(guī)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(yè)共識，點線面是AI應用的發(fā)展趨勢，即從單一功能的實現，逐步串聯(lián)并形成完整的AI工作流，最終進化為AI平臺的生態(tài)系統(tǒng)。

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(fā)，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(fā)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(fā)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(tài)，成為公司需要解決的課題。“研發(fā)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(fā)現其實是認知沒跟上，而現在就是整個行業(yè)爆發(fā)認知快速迭代，其實對公司掌舵人構成非常大的挑戰(zhàn)，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(xié)同完成特定任務，這是一種協(xié)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(fā)，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(xié)同關系，而非完全被替代的關系。

（封面圖片來源：每日經濟新聞 資料圖）