如何治理模型： 欧盟、美国加州与中国的探索 中美欧在模型治理上形成了三种差异化路径：欧盟构建层层叠叠的风险类别，配套高密度的义务；美国 以加州为代表，选择小范围、轻监管模式，强调企业自律；中国则从应用场景出发，通过"自下而上"的 方式延伸至模型本身。理解以上路径的共性与差异，有助于厘清模型治理在人工智能治理版图中的关键 枢纽作用。 欧盟：多层风险判断，义务复杂繁多 《AI法案》起草过程中，欧盟原本构建了一套以AI系统 （AI system） 为核心的风险治理框架，即人们 熟知的"禁止类、高风险、有限风险与最小风险"四级体系——风险越高，监管越严。随着ChatGPT 3.5"横空出世"打乱立法进程 [4] ，2023年，欧盟在最后阶段匆忙将通用模型条款写入法案 [5] 。 由此， 在既有以4类风险为核心的针对AI系统的治理框架之外，欧盟又平行构建起一套针对模型的治理机制， 并将通用模型区分为有无"系统性风险"两类 ——所有通用模型提供者都要披露技术文档、训练摘要、制 定版权政策等 （自由且无系统性风险的模型可豁免部分义务） ；若模型具有系统性风险，还需进行模型评 估、采取缓解措施和重大事件报告等。对于如何界定" ...

行业讨论：通用模型与垂类应用的关系 - Nano Banana的爆火引发关于通用模型是否会“吞噬”垂类应用的广泛讨论 [2] - Nano Banana开放预览后迅速走红，在Gemini AI中被用于创作超过50亿件作品 [2] - 在某些垂直场景中，通用模型难以满足端到端的需求，这为垂类应用提供了机会 [2] - 效率是关键因素，通用模型产品在某些场景中的完成效率低于垂类应用 [2] - 设计领域在Photoshop之外依然诞生了Canva、Figma等优秀产品，证明垂类应用存在空间 [2] 公司战略与产品定位 - 美图产品会随着大模型发展不断迭代，在电商设计等垂直场景深耕全链路的整合 [2] - 公司通过美图设计室等产品，致力于满足通用模型难以覆盖的端到端垂直需求 [2] 公司财务与运营业绩 - 2025年上半年，公司实现营收18亿元，同比增长12.3% [2] - 2025年上半年，公司实现归母净利润3.97亿元，同比增长30.8% [2] - 2025年上半年，公司全球月活跃用户达到2.8亿，同比增长8.5% [2] - 公司月活跃用户中近1亿来自海外，海外用户增速超过15% [2] 公司面临的竞争环境 - AI应用进入爆发期，Adobe、Canva等国际巨头持续挤压垂类应用的市场空间 [3] - 国内大厂依托流量与技术优势，在设计工具等领域快速布局 [3] - 公司需在技术壁垒与场景深化上持续突破方能走远 [3]

行业竞争格局 - Nano Banana开放预览后迅速走红，在Gemini AI中被用于创作超过50亿件作品，引发关于通用模型"吞噬"垂类应用的讨论 [2] - 公司认为相较于通用模型公司，其在挖掘垂直场景、满足用户体验和效率等方面具备足够优势 [2] - 设计领域在Photoshop广泛使用的前提下，依然诞生了Canva、Figma等优秀产品，表明垂类应用存在市场机会 [3] 公司战略与产品定位 - 公司产品会随着大模型发展不断迭代，在电商设计等垂直场景中，通用模型难以满足端到端的需求 [2] - 公司产品如美图设计室致力于深耕全链路的整合，提供一整套从头到尾的解决方案 [2] - 用户订阅产品的原因在于其提供了更多用户需要及潜在需要的功能，而非仅仅因为某些特定功能 [2] 运营与财务表现 - 即便通用模型推出同类型功能，公司产品的月活跃用户和付费订阅用户仍能保持增长 [2] - 效率是用户选择的关键原因，在某些场景中，通用模型产品的完成效率低于垂类应用 [3]

公司对通用模型竞争的看法 - 相较于通用模型公司，公司在挖掘垂直场景、满足用户体验和效率等方面具备足够优势，面对竞争保持积极态度 [1] - 在诸如电商设计等垂直场景中，通用模型难以满足端到端的需求，而公司的产品可以深耕全链路的能力整合 [1] - 即便通用模型推出同类型功能，公司产品的MAU和付费订阅用户仍能保持增长，用户订阅是因为提供了一整套从头到尾的解决方案 [1] 公司产品与技术应用 - 公司产品会随着大模型发展不断迭代，美图秀秀凭借AI合照功能荣获欧洲14个国家App Store总榜第一 [1] - 公司能够使技术为应用服务并变现 [1] - 在某些场景中，通用模型产品的完成效率低于垂类应用，这给了后者更多机会，正如设计领域在Photoshop之外诞生了Canva、Figma等产品 [2] 投资机构观点 - 国际投行摩根士丹利、瑞银、杰富瑞对公司的战略方向和增长潜力保持信心，并重申"买入"评级 [2]

公司战略与竞争优势 - 公司认为相较于通用模型公司，其在挖掘垂直场景、满足用户体验和效率等方面具备足够优势 [1] - 公司产品会随着大模型发展不断迭代，例如美图秀秀凭借AI合照功能荣获欧洲14个国家App Store总榜第一 [1] - 在电商设计等垂直场景中，通用模型难以满足端到端的需求，而公司产品可以深耕全链路的能力整合 [1] - 公司提供一整套从头到尾的解决方案，包含更多用户需要及潜在需要的功能，这是用户付费订阅的关键原因 [1] - 在某些场景中，通用模型产品的完成效率低于垂类应用，这为后者提供了市场机会 [1] 市场表现与行业观点 - 即便通用模型推出同类型功能，公司产品的MAU和付费订阅用户仍能保持增长 [1] - 国际投行摩根士丹利、瑞银、杰富瑞对公司的战略方向和增长潜力保持信心，并重申"买入"评级 [2] - 行业现象如Photoshop被广泛使用下依然诞生Canva、Figma等优秀产品，证明垂类应用存在市场空间 [1]

Nano Banana的市场影响与用户增长 - Nano Banana上线两周内全球生成超2亿张图片 亚太地区用户热情最高[1] - 英伟达CEO黄仁勋公开宣称是其忠实粉丝[1] - 为Gemini App带来超1000万新用户 并助其超越ChatGPT登顶苹果应用榜[1] 行业竞争格局变化 - OpenAI以11亿美元全股票交易收购产品实验平台Statsig以应对冲击[3] - 字节跳动快速推出Seedream4.0强化豆包和即梦产品[5] - 美图股价因通用模型威胁出现巨量波动[5] 技术突破与产品特性 - 通过自然语言对话实现精准图像编辑 无需结构化提示词[8][9] - 具备Gemini大模型的"原生世界知识" 支持风格一致性/多图融合/逐步编辑等功能[9] - 成本为0.039美元每张图片（按30美元/百万token 每张消耗1290 token计算）[11] - 核心技术依赖文字渲染/交错生成/速度哲学及世界知识引入[11] 垂类应用的竞争壁垒 - 摩根士丹利认为美图核心价值在于"最后一公里"解决方案[14] - 美图优势包括垂直领域数据积累/付费功能专注/多模型整合能力[14] - C端业务依赖美颜美体精细化理解 B端业务聚焦商拍场景know-how[14] - 与阿里达成18亿元战略合作 重点推进AI试衣和AI商品图功能[17] 行业发展趋势与战略方向 - 通用模型与垂类应用的竞争焦点在于场景赋能能力[24][25] - 垂类应用需聚焦"用户付费转化" 避免与通用模型直接技术对抗[24] - AI时代演化速度是移动互联网的三倍 需寻找差异化竞争机会[25] - 终极胜负手取决于能否将通用技术转化为用户愿付费的场景服务[25]

图像模型发展趋势 - 图像模型正从创意工具向信息查询工具转变，类似于LLM的发展路径[4][11] - 未来模型将更主动、更智能，能根据用户问题灵活运用文本、图像等多模态交互[4][11] - 所有团队都在朝通用模型（Omni Models）方向发展，即能处理多种任务的模型[6][40] 技术突破方向 - 关键进步将体现在模型的可表达性方面，重点是提升能力下限而非上限[6][33] - 现在最好的图像质量与几年后相差不大，但最差的图像质量将显著改善[6][33] - 图像与视频模型技术共享紧密，未来可能融合在一起[40][41] 产品应用场景 - 角色一致性功能成为用户最感兴趣的功能之一，允许用户将自己形象置于不同场景[8][9] - 用户最高频需求包括更高分辨率（目前为1K）、透明背景和更好的文字渲染效果[9] - 图像模型在专业工作流中应用广泛，包括建筑设计、视频制作和网站UI生成[24][25][28] 交互设计挑战 - 多模态交互核心在于识别用户意图，根据实际任务切换不同交互模式[4][19] - 界面设计需明确问题边界，让用户清楚哪些操作可行[5][20] - 当前UI设计被低估，需要整合各种模态让普通人更容易使用模型[4][18] 模型评估方法 - 真实用户主动测试是最佳评估方式，如LM Arena平台让用户输入自己的Prompt使用模型[21] - 形成反馈循环，利用语言模型的智能来评估自己生成的内容[21] - 团队通过多渠道收集用户反馈，调整评估标准确保好用功能不退化[22] 个性化与美学需求 - 美学需求难以满足，需要深度个性化才能提供有用建议[6][26] - 个性化更多停留在Prompt层面，通过对话和上下文实现而非专属模型[26][27] - 现成模型支持的使用场景范围广泛，但高级功能需求需要结合其他工具[28] 行业竞争格局 - Midjourney成功关键在于比其他团队更早搞清楚如何进行模型的后续训练[6][31] - 小团队仍有可能做出顶尖模型，但有能力训练LLMs的团队可能占据主导地位[6][43] - 图像和视频领域存在良性竞争，推动整个行业快速发展[30] 工作流整合 - 传统工具和AI模型将长期共存，各自满足不同精度控制需求[35][36][37] - Gemini等聊天工具适合快速迭代和创意构思，专业场景需要更精密的多工具协作流程[35] - 模型在办公协作、知识性场景和创意领域都有巨大应用潜力[37][38]

Agent行业发展趋势 - 未来十年被视为Agent发展的关键时期，行业普遍认同Agent将成为重要技术方向[1][3] - Token成本下降和MCP资源丰富推动Agent产品从Demo走向B/C端应用[4][5] - 企业需求旺盛，部分Agent产品内测阶段即出现邀请码炒作和私有化部署咨询[6] Agent产品评估框架 - 核心评估公式：产品价值=能力×信任×频率，三项均为3分制，总分8分以上为优质Agent[7][8] - 能力维度关注任务完成度和交付稳定性[9] - 信任维度强调过程可控性和行为可解释性[9] - 频率维度考察场景适配性和调用便捷性[9] - 行业投资人普遍认同该框架，红杉资本提出"Always-On Economy"概念，a16z强调需求承接能力[11] 典型Agent产品分析 Manus - 首创完整动作链范式，但存在成功率低(20%以下)、入口重、上下文易断等问题[27][28] - 能力1分、信任2分、频率1分，总分4分低于基准线[28] - 行业意义在于确立Agent≠Chatbot的新范式[30][32] 扣子空间 - 首个实现MCP调用+任务编排+结果交付完整链路的系统[36] - 能力3分、信任2分、频率2分，总分7分接近基准线[38][40] - 优势在于豆包模型+火山MCP+完整架构的生态协同[42][43] Lovart - 设计领域垂类Agent，实现从需求到成稿的端到端交付[45][50] - 能力3分、信任3分、频率2分，总分18分达到优秀水平[54][58] - 商业化采用积分制，单任务成本约3美元[204][211] Flowith Neo - 特色在于并发任务处理和上下文管理技术[66] - 能力3分、信任3分、频率1分，总分9分[71][73] - 交互复杂度限制其日常使用频率[68][70] Skywork - 办公场景最强Agent，实现从分析到PPT的完整工作流[77][83] - 能力3分、信任3分、频率2分，总分18分[101][105] - 关键价值在于结果可直接交付且带溯源功能[99][100] 超级麦吉 - 专注OA流程自动化，实现审批、报销等企业高频需求[104][112] - 能力3分、信任2分、频率3分，总分18分[128][138] - 体现Agent在B端流程提效中的独特价值[126][137] 行业竞争格局 - 当前阶段垂类Agent更具留存优势，因其场景深度和交付确定性[139][140] - 通用模型存在执行链断裂风险，KnowHow构成垂类Agent短期壁垒[146][147] - 商业化面临信任挑战，用户对付费产品的容错率显著降低[220][225] - 入口争夺成为关键竞争维度，缺乏流量支撑的产品易被大厂复制[235][240] - 行业呈现"通才处理长尾需求，专才攻克核心场景"的共生格局[171][175]