18年前不让你苦修PS的美图，这次不让你苦修AI了

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 18年前不让你苦修PS的美图，这次不让你苦修AI了 梦瑶 2026-06-18 17:07:51 来源： 量子位 用八款产品，讲一个变化 梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 如果说去年，大家还在聊哪些AI工具好用。 那到了今年，AI圈的打招呼方式可能已经变成了—— 最近又vibe了啥？又订阅了哪些xxx Plan？又装了几个难搞的插件啊？（话匣子打开中.jpg） 友友们，真不是段子…… 这两年AI工具确实越来越多，但吊诡的是，创作这件事好像并没有因此变得更轻松。 这也是当前AI创作领域一个很值得玩味的现象：提示词、工作流、模型切换、多工具协同，正在成为新的创作门槛。 △AI生成 当整个行业还在卷AI繁冗，甚至默认用户要先苦修一套AI技能时—— 那个我们并不陌生，曾经用影像产品影响过一代人的「美图」，这次给出一个有点反直觉的答案： 让用户少学点儿技能，直接从AI手里拿结果。 当前，AI创作工具行业已告别概念爆发期，迈入价值落地深水区。 有意思的是，行业潮水走向的变化，有时并不在行业巨头中率先显现，反倒最先出现在那些敢于「转身改道」的细分赛道玩家。 用八款产品，讲一个变化 AI内容生成赛道走到现在，一个共识是：好产品，从来不缺。 像Canva、Midjourney、Runway这些头部影像工具厂商，其实在各自的单点能力上做得都已足够成熟。 但在AI创作这个赛道，最值得细品的一点是—— AI创作的终局，或许不属于让用户变得更专业的产品，而属于让用户根本不必专业的产品。 在刚刚结束的美图影像节上，美图就提出了这样的叙事：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，美图一口气发布了8款AI产品。 美图最熟悉的入口，依然是 影像创作 。 只是到了Agent时代，美图对于影像产品的设计重心发生了变化，向可反复调用的能力演进—— 这次发布的 Picchi ，是典型的AI原生产品，把「修图」这件事进一步推向Agent模式；而另一款聚焦创意工作流的 Artflo ，则是来自创始人的思考：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 多模态音视频 领域，美图想解决的也不只是生成一段视频。 活动现场呼声很高的 MVLAND ，本质上也是在用Agent系统协同完成MV创作；而更强调影像能力的底座的 MeituHub ，则是把影像生成、编辑、管理与交付打通，面向更复杂的定制化生产需求。 △AI生成 另外几款原有产品的升级，基本也是围绕打造 Agent Teams 、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 ，原来可能生成一张图、一套电商物料，需要个人长时间琐碎操作，现在可以一次性生成一个商品在多个电商、社媒平台的物料，原本是琐碎的能力，现在直接交付成果。 口播视频场景的 开拍 ，也是类似的逻辑，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，保证内容的完整持续输出。 另外，作为Agent原生产品 RoboNeo ，这次拿出了具体的场景能力，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。 △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于产品矩阵的清晰判断。 在美图创始人兼CEO吴欣鸿看来，目前美图在尝试多个细分的独立的产品，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。 如果开口不够大，那就很难从中筛出被用户认可和与市场匹配的产品。 经过一系列验证的产品，最终才有机会成为创作者的基础应用。 当然，在产品版图不断铺开的背后，一个更底层的产品共性特征也开始逐渐显现—— 8款新品虽然覆盖不同创作场景，但本质上却指向同一个目的。 那就是 让用户从「操作工具」转向「表达需求」。 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，更不缺漫天铺开的行业想象。 2022年ChatGPT横空出世，让人们第一次发现信息检索竟然可以被压缩在一个小小的对话框里。 2025年AI大神卡帕西提出了氛围编程的概念，又一度点燃「万物皆可Coding」的热潮。 然后就是今年，OpenClaw、Hermes等一批Agent产品集中出现，AI开始更贴近真实工作流的执行层。 与此同时， 开发范式也在持续上移 ：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，复杂度也同步外溢。 于是我们看到，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： 市场越热，AI工具的使用门槛反倒节节攀高，用户工具使用体验的割裂感和焦虑感似乎也越来越明显。 △AI生成 首先暴露出来的，是AI工具的 学习成本 的不断抬升。 AI工具的上限能力确实被不断拉高，但创作者的上手门槛并没有变低，需要学习的技能甚至越来越多，原本为创作减负的AI，也成了一种时代焦虑。 在今年影像节上，吴欣鸿谈及交付成果背后的考量时，也提到了团队成员在与用户沟通过程中观察到的一个现象—— 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这件事并不是大多数人的本职工作，当前AI工具的迭代速度也已经远远超过普通用户的学习速度。 很多时候，用户真正需要的并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，也同样印证了这一点—— 有 54% 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 32% 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， 多工具流转 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 77% 的AI使用者每周需要在多款不同AI工具之间反复切换，在每一次切换过程中，还会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。 △AI生成 换句话说，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 Agent Teams 这个思路靠拢。 Agent Teams天然就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