谷歌“香蕉”爆火啟示：國產垂類AI的危機還是轉機？

　　作者丨櫻木 編輯丨江蘺、九黎

　　最近，一根香蕉打破了AI圈的平靜。

　　最初可能只是朋友圈病毒式傳播的手辦圖，但隨后事情似乎向著瘋狂的方向發展，上線不到兩周，谷歌旗下的Nano Banana已在全球生產超2億張圖片，亞太地區用戶熱情度居首。而英偉達CEO黃仁勛成了它的忠實用戶，在倫敦，他面對一眾記者，公開宣稱自己是Nano Banana的忠實粉絲。

　　瘋狂的流行帶來了另一個好處，就是直接帶動了Gemini App的用戶增長。在短時間內，Nano Banana為Gemini App帶來了超過1000萬新用戶。而在前不久，Nano Banana更是幫助谷歌Gemini超越了霸榜蘋果應用榜很久的ChatGPT。

　　相關的連鎖反應也在進一步加深，在海外，有報道顯示，為了應對nano Banana帶來的沖擊，openAI以約11億美元的全股票交易方式，收購產品實驗平臺Statsig。伴隨此次收購，Statsig的創始人兼首席執行官Vijaye Raji將加入OpenAI，擔任新設立的“應用部門首席技術官”。

　　在國內，字節快速跟進推出了seedream4.0，試圖通過這一方式強化豆包和即夢的用戶心智。而另一邊，垂類應用美圖，則遭遇了危機，通用模型吞噬垂類應用的故事，影響著資本市場對其未來的判斷，股價經歷了巨量波動。

　　雖然外資投行，依然為美圖站臺，但通用模型的勢能仍好像“達摩克利斯之劍”影響著公司。

　　一時間，AI世界的變化，開始圍繞著這一超級應用泛起波瀾。其實類似的波動，讓人總會想起，GPT-4o帶來的吉卜力畫風的時刻，而與之相對應的則是，通用模型是否會代替掉垂類AI應用的探討。

　　前OpenAI研究員姚順雨曾在播客中表達，創業公司對比大模型公司最大的機會在于能不能設計出不同的interface(交互方式)，可能模型的能力會產生beyond chatgpt的交互方式，變成superAPP。

　　但從另一個維度來看，主流研究員則認為，長期耕耘C端業務的垂類應用，有著對用戶精細化的理解，而在B端，特定場景的know-how也能為垂類應用公司壘起一定的護城河。無疑nano Banana像是一場突如起來的變革，攪動著AI圈的神經，而到到底是促增長的功能，還是搶地盤的入侵，似乎值得一番拆解。

　　谷歌“香蕉”攪動AI圈

　　如果順著姚順雨的思路來看，Nano Banana確實正在顛覆圖片創作的邏輯。

　　在以往，大模型如果要生成圖片，prompt提示詞非常關鍵，用戶需要學習結構化的提示詞才能獲取較好的效果。甚至在一些場景中，需要專業的提示詞才能達到應有的效果。

　　后續的修改，無論是通過Midjourney的“Vary”功能還是DALL-E的局部重繪，都感覺像是獨立的、離散的操作。

　　而現在，Nano Banana的快速響應和自然度，讓創作更像實時對話，而不是反復抽卡。這也是許多人第一次感到，AI圖像生成變得像實時創作。用戶不再需要反復調試結構化的咒語，而是通過簡單的自然語言對話，就能對圖像進行精確修改。

　　Nano Banana繼承了Gemini大模型的“原生世界知識”，這意味著它不僅僅是一個圖像生成器，更是一個具備常識和推理能力的系統。它能夠理解和生成具有深層語義準確性的圖像.在羅永浩與周鴻祎最新的對談中，也提到了，語言對于AI幫助的核心價值。

　　根據報道，這一切讓Nano Banana在風格一致性、多圖融合、精準的逐步編輯以及設計與風格遷移等多個方面上，有了出色的表現。

　　Nano Banana通過更精確的理解和更細致的任務拆分，實現了高度一致性的圖像編輯。某種程度上，這是通過模型定義實現的一種更近似Agent的能力。

　　從這個角度來看，其顛覆感正如姚順雨所說，正在改變交互的方式，這也是它為何能夠震動AI圈的原因。在此基礎上，Nano Banana也做到了成本低、速度快。在Google的介紹中，Nano Banana的定價為30美元/百萬token，每張圖片生成所需的token在1290個左右，成本約合0.039美元。

　　而從另一個視角來說，Nano Banana的實現路徑，似乎很難復制，在團隊的訪談和公開分享里，Nano Banana的幾個方向被反復提及：文字渲染、交錯生成、速度哲學，以及世界知識的引入。這些關鍵詞組成的其實是，背后強大的模型能力所帶來的降維打擊。

　　那么，另一個問題就非常值得關注了，面對如此強大的工具，以及國內已經逐漸明朗的大模型廠商格局，是否意味著，如果按照Nano Banana的思路，就可以成功顛覆垂類的AI應用呢?

　　美圖們的護城河在哪兒?

　　在美圖暴跌之后，相關券商的調研也相繼出爐。9月2日，摩根士丹利研報指出，美圖的增長軌跡并未受到AI模型Nano Banana的影響，其真正的價值在于提供了基礎AI模型無法企及的“最后一公里”解決方案。

　　報告強調美圖憑借其在垂直領域的深厚積累、專有數據以及對核心付費功能的專注，構筑了堅實的護城河。此外，公司對所有AI模型保持開放和中立，并已將Nano Banana等新技術無縫整合進產品中。

　　而與此同時，也有業內人士表達，美圖的C端業務主要優勢在于對美顏美體的精細化理解，目前看nano的手辦模型只是一種新的玩法，并不威脅C端主業。而美圖的B端業務主要是圍繞商拍等核心功能服務大C小B的客戶，優勢在于對于特定場景的know-how、在商拍環節，nano主要聚焦商品多角度復制性以適應不同社交平臺模板，而美圖產品則聚焦商品高匹配背景及模特，這個賽道國內海外目前確實涌現出了許多創業公司，但是大家在一塊全新的市場，目前的玩法、打法都不甚相同，還沒有到存量競爭的狀態。

　　盡管如此，從敘事來看，美圖做為垂類應用，AI仍是其轉型的關鍵。從2022年開始，美圖率先在旗下產品Wink中上線視頻畫質修復技術，并逐步延伸出畫質優化、視頻分辨率提升、人像增強等一系列細分功能，形成完整的畫質修復能力矩陣。進入2023年，美圖進一步豐富了AI功能版圖，同時正式切入B端市場，為美業領域量身打造AI測膚解決方案，開啟ToB業務的探索。

　　隨后2024年，與阿里巴巴達成2.5億美元(約合人民幣18億元)戰略投資，雙方明確將在電商平臺、AI技術、云計算三大核心領域展開深度合作。其中在電商合作層面，雙方重點推進兩大方向：一是計劃聯合推出“AI試衣”功能——依托美圖成熟的AI試衣技術，結合阿里巴巴平臺豐富的商家服裝資源，從根本上優化線上購物的體驗痛點;二是美圖設計室將向淘天商家后臺開放部分核心能力，例如“AI商品圖”生成功能，幫助商家高效提升商品視覺呈現效果。

　　從以上可以看出，美圖的位置非常微妙，在c端，它通過AI技術進行自我迭代與升級，在b端，則通過自身技術賦能電商用戶，而無論哪一個業務，似乎都還是技術沉淀過后的串聯與精細化。

　　從某種程度來說，美圖更多的優勢在于用戶心智、用戶經驗以及精細化，而這些是否能夠讓其保持現有的業務模型不受干擾，似乎需要時間驗證。

　　而另一方面，按照之前的邏輯，美圖圍繞著美圖秀秀等垂類賽道的superapp進行著業務進行，從某種程度來說，似乎需要更大層面的交互方式的變化，才能占住更強的心智。同時，如國內頭部模型廠商開始進入到這一賽道之后，對其是否有更強的顛覆，值得一番思考。

　　美圖是AI變革下的一個典型代表，每一次當巨頭模型公司發生技術溢出時，垂類AI應用就將經歷考驗，而這種不確定性，則會成為公司需要長期面對的命題。

　　場景賦能是終極勝負手

　　從硅谷的經驗來看，其實大模型公司與垂類AI公司的競爭，從來都是一個經久不衰的話題，比如，anthopic旗下的cloude code與編程垂類應用cursor，其追趕的速度都是超乎尋常。而面對這方面的競爭，似乎垂類AI的辦法，并沒有想象的多。

　　投資人朱嘯虎曾在采訪中坦言：AI Coding我一開始就不敢投，我覺得這肯定是大廠的天下。今年特別有意思，中國在補貼外賣，美國在補貼AI Coding，幾乎都是負毛利。你收幾十美金一個月的訂閱費，消耗的Token可能都是幾百美金，這都是拿投資人的錢在補貼程序員。而程序員這個群體是最沒有忠誠度的，哪個API好用、哪個便宜，他們就用哪個。

　　回歸到這次事件的主角，美圖在此前的計劃重心是在出海。在大摩的報告中，公司設定的首個里程碑是，在三年內(2025-2028年)將整體付費率提升至8-10%——這是在2024年4.7%基礎上的巨大飛躍;長期來看，其目標更指向休閑類產品付費率10%以上、生產力工具付費率20%以上的更高天花板。

　　但要實現這一系列聚焦“用戶付費轉化”的目標，美圖首先要應對的，正是Nano Banana所代表的通用大模型沖擊：當“對話式創作”重構了用戶對圖像AI的交互期待，垂類應用若仍困守傳統功能，此前的付費率規劃便可能淪為空談。

　　而美圖的應對邏輯——將Nano Banana技術整合進自身產品，同時聯合阿里深耕“AI試衣”這類場景化服務，恰恰為國產垂類AI指明了破局方向：這場看似“巨頭碾壓垂類”的博弈，實則已被撕開轉機的裂縫。

　　危機從不是大模型的技術溢出，而是垂類對自身價值的誤判——誤將“工具能力”等同于“用戶價值”;轉機也從不是與大模型比拼參數算力，而是成為大模型落地現實場景的“場景翻譯官”與“價值放大器”。畢竟大模型提供的只是“通用能力底座”，而垂類沉淀的用戶心智(如美圖之于“美”的認知)、場景know-how(如商拍中的背景匹配邏輯)、B端服務閉環(如對接電商的商家需求)，才是把技術轉化為“用戶愿付費的服務”的關鍵，也是決定AI能否真正解決痛點的“最后一塊拼圖”。

　　對國產垂類AI而言，真正的突破點從不是“造一個更好的香蕉”，而是跳出“與大模型對抗”的思維定式，像美圖錨定付費率目標那樣，聚焦“用大模型賦能場景”：當通用技術與垂類場景深度綁定，所謂的“危機”便會轉化為“差異化競爭”的轉機——畢竟AI的終極戰場從不是技術榜單，而是能否擊中用戶愿意買單的真實需求。

　　也許，正如朱嘯虎所說，AI時代的演化速度可能是移動互聯網的三倍速，甚至更快，所以很多機會也會更快被證偽。當年移動互聯網的很多工具App還能有不錯的退出，但在三倍速的AI時代，退出可能會難很多。所以創業者要用十年、二十年的眼光來看，什么東西是更可持續的，要去離大廠不只是一條馬路，而是兩條馬路、三條馬路之外尋找機會。