在过去几年里，大模型行业的竞争焦点始终是以模型能力为核心而展开的，其中从参数规模、推理性能到多模态能力等方面的技术进步，持续不断地刷新着行业认知。

时间来到2026年，一个新的趋势正在悄然显现。从AI（人工智能）绘图应用到AI视频生成工具，从数字人到AI短剧制作，大量AI应用产品正在经历从“提供工具”向“交付成果”的深刻转变。与此同时，伴随着基础模型能力的持续提升，应用层的竞争也呈现出新的分化态势：技术能力本身正逐渐成为行业准入的标配，而对垂直场景的深刻理解、对行业知识的长期积累以及综合服务能力，则开始日益凸显为新的竞争焦点。

在6月17日的一次媒体采访中，美图公司董事长吴欣鸿面向包括《每日经济新闻》在内的多家媒体记者，就AI应用的发展方向这一议题进行了多次阐述。

同时，一个更值得关注的行业信号正逐步显现，AI应用领域的竞争已进入更为复杂的深水区。行业关注的重点正从模型能力本身，转向实际的任务完成能力，也就是说，从能够生成什么内容，转向能够协助用户完成什么具体任务。

纵观近些年的发展轨迹，大模型行业已经历了多轮清晰可辨的演进阶段。2023年，行业竞争的焦点集中于模型能力本身，具体而言，即比拼谁的模型参数规模更庞大、推理性能更卓越、最终生成的内容质量更优异。在此之后，竞争的维度开始向智能体（Agent）技术迁移。越来越多的AI应用企业正尝试使模型能够连接外部工具、调用各类系统，从而去完成那些更为复杂和多层次的任务。时间推进至2026年，一个更为现实且根本的问题，已经横亘在所有AI应用公司面前：用户最终愿意为哪些价值付费？

在6月17日举办的“2026美图影像节”上，吴欣鸿对此进行了阐述，他指出，在过去，软件更多地承担起工具的角色，用户需要掌握复杂操作流程来完成任务；过渡到Copilot辅助协同阶段后，AI开始提供辅助能力，但任务拆解与决策判断仍主要由用户来完成；随着Agent技术的发展，AI应用已经能够理解用户目标，进而拆解任务，并调用不同工具来完成单项任务的交付。

而展望未来，随着智能体团队（Agent Teams）技术的进一步成熟，AI应用有望从当前的辅助执行角色，演进至对复杂工作流程的全面托管。在这一模式下，用户将不再需要掌握各类工具的具体操作方法，而是可以直接获取最终的任务成果。这一趋势清晰地表明，行业竞争与发展的答案正日益聚焦于任务结果本身，而这一深刻的转变，实际上已经在AI应用产业中拉开了序幕。

在6月5日举行的腾讯云AI产业应用大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生进一步阐述指出，腾讯开展人工智能技术研发与应用实践，始终致力于将实用、好用与可规模化作为核心目标。他认为，最为核心的经验在于主动扎根并深入服务各类真实业务场景。这是因为，这些真实场景中不仅蕴含着切实的用户需求，同时也为模型的持续优化与迭代提供了最为关键和直接的数据养料。

《每日经济新闻》记者注意到，行业观察发现，当前一个显著的变化是，相较于过去着力于打造一个能力更为强大的聊天机器人，越来越多的大模型企业已经将发展重心进行转移，他们着重于探索如何让AI能够切实、高效地完成具体任务。

以千问为例，在过去约半年的时间里，其已逐步整合并接入了地图导航、网约车服务、商品购物以及即时零售等多个阿里巴巴旗下的生态服务，并在此基础上，尝试让模型能够调用各种不同的功能模块来完成真实的用户任务。从行业演进的视角来观察，当前这类探索的重心已发生了明显转变，其关键点已不再局限于提升聊天交互的能力，而是转向了更为实质的层面，即验证并确认人工智能系统是否真正具备融入并服务于真实生活场景的实操能力。

高考志愿填报便是一个典型的实践案例。阿里巴巴千问事业群总裁吴嘉曾指出，这并非临时增设的应用场景，而是AI“办事”能力发展的必然结果与自然延伸。如果人工智能系统能够在高考志愿填报这类高压、高利害且容错率极低的复杂任务中成功交付结果，那么其未来向更多类似的高难度决策场景进行渗透与应用，也就奠定了坚实的可信基础。

尽管采取的路径各不相同，其背后的逻辑基础却高度一致：用户群体真正渴求的，并非仅仅是一个更为聪明的模型，而是一个能够自主代为完成其工作任务的智能系统。

对此，吴欣鸿也作出进一步阐释。他指出，在过去，美图的业务模式更侧重于致力于打造工具产品，即通过开发出具体的功能模块并将其交付给用户来操作使用。然而，随着基础模型能力的持续提升，用户的需求结构也随之发生了显著变化。“许多用户在面对层出不穷的AI工具时，已然感到无所适从，同时亦缺乏投入时间进行学习的意愿”。在他看来，用户真正需要的并非是某个特定的功能按钮或操作界面，而是能够直接获得的、完整的工作成果。

垂直场景变得越来越重要

事实上，行业的变化正在对整个AI应用领域产生重塑。过去，无论是修图软件、视频编辑软件还是设计软件，其本质均为向用户提供操作工具。用户购买软件后，需要自行完成后续工作；如今，越来越多AI应用开始尝试直接交付结果。

从这一视角审视，AI应用正经历从软件竞争向解决方案竞争的演进。吴欣鸿认为，唯有切实深入至服务交付的具体环节，企业方可获取最为真实的用户反馈，并由此进一步推动产品与模型的迭代优化。“倘若不亲自投身其中进行实践，则无法真正获得那种对业务的直觉与手感。”

《每日经济新闻》的记者通过观察行业动态注意到，如果说在过去数年间行业竞争的焦点主要集中于模型，那么自2026年开始，垂直场景所占据的地位正变得愈发关键。

在过去几年时间里，随着大模型能力的快速提升，外界一度产生了这样的担忧：应用层可能会被基础模型所吞噬。然而，从当前的发展情况来看，这种担忧所描述的情况并未实际发生。相反，越来越多的AI应用公司开始将竞争重点转向对行业知识以及场景理解的深度挖掘上。

在过去，互联网产品经理常常依赖于流量、增长模型以及数据分析等手段来驱动产品的迭代与发展。然而，步入AI时代，仅仅凭借这些传统方法已显得力有不逮。这是因为，基础模型虽然能够高效地复制具体的工具功能，却难以复刻沉淀在复杂行业场景中的深度经验与认知。

吴欣鸿进一步指出，在对以往失败项目所进行的复盘过程中，公司发现许多项目的问题并非技术能力不足，而是项目负责人对影像行业缺乏深刻的理解。他强调，“项目和产品固然重要，但人实际上更为关键，因为机会总是很多，真正稀缺的是对行业拥有深刻理解的人。”

随着大模型能力逐渐对外开放，技术门槛持续降低，越来越多来自垂直行业的从业者开始投身于AI创业领域。吴欣鸿认为，影像赛道仍然存在大量的创业机会，其中一个关键原因在于其应用场景足够分散。这意味着，大模型在面对多样化且高度专业化的用户需求时，难以将所有产品和服务都做到尽善尽美，这为在细分垂直领域进行精耕细作提供了广阔空间。

《每日经济新闻》的记者通过对行业动态的持续追踪了解到，整个产业的发展进程也印证了上述观点。一方面，基础模型的能力在稳步迈向新的阶段；另一方面，用户群体的需求则不断呈现出个性化、精细化的特点，这些高度多样化的需求，往往是单一模型难以完全承载和满足的。

吴欣鸿同时指出，公司会保持对基础模型发展动态的持续关注，并坚持推进自身模型能力的建设工作。其背后的考量在于，唯有将长期以来积累的行业数据、美学资产以及专业经验整合进模型之中，才能够塑造出真正具有差异化的竞争优势。

在过去几年中，AI行业主要解决的是模型能够实现什么功能的问题。在接下来的几年里，市场将更加关注模型实际上能够为用户完成哪些任务。在这一演进过程中，决定AI应用实际价值的，可能不再是模型的参数规模，而是企业对具体应用场景的理解深度，以及其能否成功建立从技术能力到商业价值实现的完整通路。

来源：从“提供工具”转向“交付成果”，AI应用开始争夺“最后一公里”？ | 证券时报网