“通用大模型会不会吞噬一切应用”，这是过去两年AI行业被追问最频繁的问题。每次有大模型迭代、有新模型亮相，市场都要把应用层公司拉出来重新审视一遍。美图算得上是这场审视中出镜率最高的公司，毕竟它做的是视觉，而视觉恰恰是大模型最擅长秀肌肉的领域。
资本市场看美图的眼神也颇显复杂。2025年美图全年收入38.6亿元，同比增长28.8%，经调整归母净利润9.65亿元，同比增长64.7%，已经是连续七年保持正增长。但尴尬的是，年初至今美图港股从高点已回撤不少。这种业绩与估值背离的背后，其实是市场反复在掂量同一个问题：大模型终将通吃一切，留给美图这样的应用层的生存空间还剩多少？
不久前在接受英文商业科技播客「AI Proem」专访时，美图首席财务官颜劲良直接回应了市场始终悬着的这个心结。其直言，投资者对美图最大的误解之一，就是认为通用模型会吞噬一切，AI应用没有生存空间。
这个判断背后，藏着一个被很多人忽略的真相。这个真相并不复杂，答案就藏在AI技术栈最容易被忽视的那一层：视觉本身。
01
审美判断的不可通约性，才是真正的护城河
“通用模型干不掉垂直应用”，并非美图的盲目自信，而是因为视觉领域有一个通用模型永远绕不开的结构性难题——审美判断的不可通约性。
大模型的逻辑是泛，喂进去海量数据，输出一个什么都能干的通用能力。这种能力的边界非常清晰，它擅长回答是什么，但并不擅长回答做得好不好，而视觉领域恰恰重视的是后者。
颜劲良在采访中举了一个很直观的例子。在通用模型里输入“帅哥”，它大概率会给你一张平均脸。但问题在于，美国用户和亚洲用户对“帅”的理解完全不同，健身产品和正装产品对“帅”的视觉表达也天差地别。这种差异，通用模型既感知不到，也不需要感知，它的目标是“差不多就行”。
但美图的用户不接受“差不多”。他们要的是好看、是卖得动、是能涨粉。
这就引出了一个更深层的问题。通用模型追求的是均值，视觉创作追求的是极端值。均值意味着平庸，极端值意味着风格。在视觉领域，风格的商业价值远远高于平庸的准确。一张平均脸的照片没有传播力，一张有风格的照片才有。大模型越追求泛化，就越趋近均值，越趋近均值，就越难产出真正打动人的视觉内容。这不是堆参数能解决的问题，是底层逻辑决定的。
这种差异决定了通用模型和垂直应用走向了完全不同的进化路径。通用模型追求参数的膨胀，像一把瑞士军刀，而垂直应用追求场景的渗透，更像一把精细的手术刀。美图创始人吴欣鸿在2026年美图年会上也做过这样一个类比：通用大模型几乎是“无所不能”，但在特定垂直场景下的效率并没有那么高。
美图的打法很清晰，自研模型是主干，第三方模型是枝叶，两者共同构成一个完整的模型生态。这种选择并非偶然，当开源及商业模型API成为行业主流，美图意识到与其在通用大模型的军备竞赛中拼消耗，不如把资源投入垂直场景的精细化打磨。前不久的美图影像节披露了一个数据：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%来自自研的美图奇想大模型。这个数字传递了一个清晰的信号：美图在用第三方，但不依赖第三方。颜劲良也在访谈中再次强调了这一点，美图先借助第三方模型验证需求，一旦发现高频使用场景，就用自研模型持续替代。核心能力握在自己手里，这也是美图近年来反复提到的“模型容器”策略的真正意图。
真正决定美图这套模型容器与其他大模型不一样的，是它背后的“艺术含量”。根据颜劲良的介绍，美图有一个庞大的设计师团队，深度参与模型微调的每一个环节，掌握着什么才算好看的定义权。
这种架构设计的背后，与美图自身基因不无关系。创始人吴欣鸿早年曾在专业院校学习绘画，他在2021年一次演讲中提到，正是因为这段求学经历，他才有机会带着对美的洞察，发现用户没被满足的“美”的需求，进而创立美图。创始人的背景，让美图在“更符合大众审美”这件事上，始终多了一层来自艺术训练的视角，也使得产品对美感的理解具备了专业基础，美图产品矩阵在时间的沉淀里和海量用户的多次选择中不断进化迭代。
大多数模型公司做视觉生成的逻辑是还原，把用户的描述变成像素，不关注好看与否。美图的逻辑是创作，你给我一张脸我知道什么角度最好看、什么光线最显白、什么滤镜最符合当下的审美趋势。这些判断不是算法算出来的，是十几年积累下来的审美直觉。
通用模型给不了个性化审美，因为它要为所有人服务。只有垂直应用才有动力、有能力去理解每一个用户的独特偏好。电商场景更是如此，美图设计室不再只是生成商品图，而是把电商平台的规则、商品的卖点、目标受众的偏好全部打包进工作流。
通用平台给的是工具，垂直应用给的是结果。两者的本质差异就在这里。
02
一个被忽视的真相：大模型越强，垂直应用的门槛越高
市场关于美图还有一个被忽视的观察角度。大模型的进化不是在消灭垂直应用，而是在抬高垂直应用的准入门槛。
当大模型能力还很弱的时候，随便套个壳就能做个AI应用，谁都能进场分一杯羹。但当大模型能力越来越强，AI生成变成了一件极其廉价的事情，真正的壁垒就变成了谁能用AI交付真正有价值的结果。
换言之，AI变得越容易获取，决定胜负的就越不是AI本身，而是AI之外的东西，如行业理解、数据积累、审美判断、工作流设计等等。这些东西大模型厂商给不了，新进入者短期内也攒不出来。
全球化就是检验这个逻辑的绝佳场景。国内市场的审美偏好相对统一，用户对好看的认知差异没那么大。但一旦跨出中国，审美标准立刻变得五花八门。亚洲人觉得好看的修图，美国人可能觉得过度，欧洲人喜欢自然的质感，东南亚用户偏爱白皙的肤色。如果只能服务单一市场，垂直应用的模型本质上还是狭隘的。全球化逼着美图去理解不同文化语境下的审美差异，而这种理解一旦建立，就构成了通用模型无法复制的壁垒。
美图在海外的成绩可以说明问题。截至2025年底，美图海外月活突破1亿，增速超过中国内地市场。截至2026年3月，全球付费订阅用户突破1790万，同比增长30.2%。
这些数字背后是一个反直觉的现象，即美图的全球化不是在复制国内的成功，而是在验证一个更深的商业逻辑——当审美标准因地而异、因场景而异时，通用模型的差不多策略失效了，只有深耕垂直场景的公司才能交付刚刚好的结果。
这个逻辑正在被更广泛的市场验证。Adobe 2025财年营收达到创纪录的237.7亿美元，将生成式AI深度融入创意软件生态后，受AI影响的年度经常性收入已占公司整体业务的三分之一以上。Canva作为全球最大的在线设计平台，其月活用户超2.65亿，付费用户超3100万，估值一度冲上420亿美元，2025年年度经常性收入达40亿美元。这些公司的共性是它们不是大模型厂商，但都在用AI强化自己的垂直护城河。大模型没有吞噬它们，反而成了它们放大优势的工具。
03
结语
回到最初的问题，大模型会吞噬美图吗？颜劲良在访谈中提供了一个反共识的视角：通用模型不太可能满足所有垂直领域，每个垂直行业都有自己的工作流和标准，AI应用公司为用户组织、调整和优化工作流的作用非常重要。
他的观点很明确，美图的护城河不是参数、不是算力、不是数据规模，是对好看的理解、对垂直场景的深耕、对文化差异的感知。这些东西大模型厂商学不来也不需要学，因为它们的赛道根本不在这里。
市场迟早会想明白一件事，在视觉这个极度主观的领域，好的标准从来不在模型参数里，而在对用户需求的深刻理解里。与此同时，美图也用业绩证明了另一件AI行业更关心的事：在AI时代，懂行的应用公司，同样能在赚钱这件事情上走出一条康庄大道。