首页 / 资讯详情
流沙之上：陈冕、景鲲、倪正民和中国 AI 应用创业者的三种选择
摘要
2026年夏天，中国AI应用创业公司同时感受到了两股压力。一边，大厂开始陆续推出通用的办公Agent；另一边，一级市场对AI应用的态度正在转冷，持续看AI应用项目的投资人林望，提到模型能力的升级很容易覆盖AI应用的能力，他把这种处境形容为“在流沙上盖房子”。（雷峰网）流沙是不断变化的模型能力，房子则是建立在模型之上的AI应用。创业公司刚刚围绕模型能力的缺口做出一个产品，模型再往前走一步，原来的缺口就可能消失。如果把视野放大，过去一年AI应用公司大致出现了三种迁移方向：一类继续进入专业工作流，把模型嵌进更完整的生产过程，典型如Cursor嵌入编程工作流、Lovart嵌入设计工作流；一类不断扩大任务边界，争夺更通用的工作入口，典型产品如Manus、Genspark；还有一类试图把知识、工具、Agent和用户上下文组织成长期工作的系统，例如Notion AI、FlowithOS、WorkBuddy等。三条路线不同，背后却都面临着同一个问题：当模型厂和互联网大厂都开始向应用层推进，独立AI应用公司还能留下什么，才不至于在下一次模型升级后重新开始？序章丨如果模型厂也做，你怎么办？2025年初，从上海飞往北京的一趟航班上，陈冕哭了。当时LiblibAI的收入刚刚翻倍，公司仍在增长，但陈冕觉得，“完蛋了！”如今圈里很多人把演语科技创始人陈冕称为“冕神”，最近爆火的一个播客采访里，陈冕提到了去年年初自己对着投资人哭的场景：他默默流泪，在和投资人的电话里，他说“完蛋了。”此前近一年，团队都在做节点式的强控制工作流，让用户通过连接不同模型、调整参数来获得更稳定的生成结果。但新一代图像模型GPT-Image-1出来后，原本需要在应用层完成的许多复杂操作，开始被模型自己解决。团队花了近一年搭建的中间层突然失去了存在的必要。这也是很多AI应用公司面临的矛盾所在：模型越强，应用越容易获得上游的模型能力；模型继续变强，应用层辛苦搭建的产品价值又可能瞬间消失。陈冕用“逐鹿中原”形容这种处境：模型厂商还在扩张，应用公司得趁主战场没压过来时先占住自己的江东，再修一道“长江天险”。他总结：“用时间换空间，用空间换资源，再用资源浇筑壁垒。”但那道壁垒到底是什么，他自己也说，只有修出来才知道。今年，一批较早进入AI应用层的创业公司已经走到新的阶段。演语科技(Lovart)和Genspark成为华人AI应用创业公司估值最高的一批，Flowith体量更小，但也在创作Agent领域获得了较高关注。本文选择Lovart、Genspark和Flowith作为三个观察样本，看它们如何从不同起点，一步步把产品边界推向今天的位置。01陈冕：往专业工作的深处走陈冕在做AI应用之前，最后一段大厂经历是在字节负责剪映和CapCut的全球商业化。曾在剪映工作的产品人士陈川告诉雷峰网，剪映后来能够从一个服务抖音的工具变成独立创作产品，一个重要变化是把专业剪辑能力不断简化给更大的中间用户群体。复杂的剪辑被压缩成普通用户可以直接调用的模板和功能，商业化也逐渐从免费工具转向会员、模板等付费方式。这段经历或许能够提供了一个理解陈冕的背景：他过去最熟悉的就是怎样把专业能力重新包装成更多人可以使用的产品。2023年创业时，生成式AI也处在类似阶段。Stable Diffusion已经让图像生成成为可能，但找模型、训练LoRA、调参数仍然是专业工作。Liblib最初把模型、创作者和生成工具聚到一个平台上，此后又继续向Workflow推进。陈冕后来在Founder Park的访谈中把这一时期称为图像AI应用的“2.0”：模型提供