Vol.242 AI、全球化与巨头:与吴欣鸿聊一个古典互联网创业者的突围
摘要
- 美图的AI应用判断,建立在垂直工作流的深度上。 吴欣鸿认为,裁剪、滤镜、简单美颜和一句话生成会逐渐成为标配,行业知识、批量处理、团队协作与成果交付才是应用继续存在的理由。开拍从美颜相机付费功能排名第三的提词器长出来,说明需求可以先由用户“用钱包投票”,再向行业服务延伸。
- 自研图像模型与外部模型容器,构成美图兼顾差异化和成本的技术路线。 据吴欣鸿介绍,目前约96.5%的需求由自研模型提供,同等效果下,自研成本只有外部商业模型的1/20;去年研发投入占收入25%。美图退出了投入过大的视频模型竞争,但保留图像自研,因为所有人调用同一套七十分能力,很难独自交付八九十分的效果。
- AI带来的组织变化,已经落到开发流程和团队规模上。 不会编程的产品经理可以三天做出demo,Pitch目前约20人的团队,正在提供过去可能200人都未必能完成的能力。美图从2025年初借鉴游戏工作室机制,建立十几个AI创新工作室,前期验证团队尽量不超过10人;吴欣鸿自己的会议量已降至过去约1/3。
- 美图想在订阅之上增加成果服务,打开更大的定价空间。 吴欣鸿强调,这“不太算转变,而是一个叠加”:基础订阅继续存在,消耗大量算力、直接帮助行业用户经营的服务另行承载价值。他设想的是相对订阅“几十几百倍弹性空间”的价格体系,尚不是已经兑现的收入倍数;成熟产品加智能与孵化新物种,目前大致为8∶2。
- 全球化已有用户与付费验证,但海外收入占比目标仍带有明确保留。 海外用户占比超过42%,AirBrush在美国月活用户中的VIP比例超过53%。吴欣鸿把海外用户和收入达到51%视为全球化做得不错的基准,认为海外收入占比“两年后有可能”达到这一水平,同时强调顺其自然,中国仍是必须深耕的根基。
- 海外增长的评价标准,已经从买月活转向付费能力、留存和本地文化。 美图在2016—2018年曾向变现效率较差的市场大量投放,印度一度成为仅次于中国的用户市场,随后当地政策变化让投入受损。现在的打法包括按文化圈划分市场、建立本地运营中心,以及为不同审美和宗教习惯重新设计产品,而非直接换品牌上架。
- 上市后的扩张教训,让吴欣鸿更重视能力匹配与持续造血。 美图从2016年底约1,000人扩张到2018年3,000多人,业务和组织逐渐失控;他承认当时更多是“我都想要”。今天面对巨头,他会直接说“打不过”,选择做专业、垂直的“小而美”,也不愿为低概率的大胜孤注一掷。
- 应用与模型共存是吴欣鸿的判断,规模效应却是他开始重新审视的旧信念。 他承认,模型是否进入美图的领域仍然令人焦虑,回答质疑只能“靠成绩”;即使假设现有产品可能被吞噬,只要还有几年可做,也会继续做并调整边界。更大的未知是:超级个体与Agent协作,能否让小团队完成过去几千人的工作——他期待这种可能,也接受美图必须先在内部自我颠覆。
精读
1. 美图把AI投入与利润交付放在同一张表上
李翔对美图的两个印象是“能折腾”和有韧性:做过手机、短视频等热门业务,也经历过低谷,但从2008年成立至今仍留在竞争桌上。他开场援引上半年财报,营收增长超过20%,净利润增长接近40%,由此追问工具公司如何成为AI受益者。
吴欣鸿的回答先区分生态位:“模型和应用是在不同的生态位。”他认为模型与应用相互成就,正如PC时代微软没有吃掉所有软件公司,移动互联网巨头也没有占满全部机会;芯片、模型等环节逐渐成熟后,应用仍有大量场景和商业模式可以挖掘。
美图的AI投入并非始于ChatGPT。吴欣鸿说,公司2010年就成立MT Lab研究计算机视觉,去年研发投入占收入25%,并纠正了李翔复述时说出的20%。他希望维持较大研发投入,同时持续交付利润,并以过去六七年的收入、利润增长支持“AI受益者”的判断。
2. 浅层生成功能会成为标配,行业工作流才能做深
吴欣鸿把裁剪、简单滤镜、美颜,以及“一句话修图,一句话做设计”归入较浅的能力:任何模型或助手都可能提供。生图、生视频本身也只是基础能力,“不能构建任何产品竞争力”,不能因为接入生成能力就认定产品已有壁垒。
李翔把这种风险类比为移动互联网时代容易被操作系统顺手覆盖的应用。吴欣鸿进一步澄清,他强调的是输入一句话就生成结果的浅场景;如果进入行业完整工作流,涉及大量批处理和多人协作,事情便不同了。
开拍是他反复使用的例子。口播视频背后包含行业需求、know-how、skills,以及相对垂直的模型训练,通用模型未必能够直接胜任。李翔补充,模型公司也许可以做这些能力,但逐一深入行业,对它们而言效率可能较低,吴欣鸿认可这一点。
3. 模型边界持续外扩,爆款经验也可能成为惯性
从2022年11月至今,吴欣鸿对模型的认知“一直在被冲击”,而且频率很高。模型竞争和迭代让能力边界不断扩大,一些应用开发者甚至变成替模型验证市场的人;因此,美图既把模型视为聪明的大脑,也持续警惕它进入自己的场景。
对影像领域而言,最近一次让他震撼的是今年的Seedance 2.0:视频模型已经能够做出实拍效果,让人真假难辨。他把这次进展概括为“发布即落地”,并观察到这几个月AI短剧、漫剧及相关视频应用快速增长。
美图过去擅长帮助用户记录、分享生活,也擅长做流行玩法,但这些功能容易玩一次便被下一个热点替代。李翔问这是否意味着警惕爆款,吴欣鸿把问题说得更具体:需要警惕的是“对过去打造爆款的路径依赖”,避免把玩具化思路直接带入生产力产品。
4. 开拍由用户的付费选择推成独立产品
开拍最初来自美颜相机的提词器。团队发现,它在所有付费功能中排第三,很多用户愿意为此升级会员;进一步访谈才知道,这些人实际想做的是营销、带货用的口播视频。李翔称,这是用户“用钱包投票”投出的独立产品,吴欣鸿认同。
产品独立后,需求继续来自真实行业:房产经纪、保险经纪、知识付费人群、地方文旅,都需要视频营销。吴欣鸿强调,团队并不是一开始就理解这些行业,而是在用户建议推动下不断迭代,“真的是用户教给我们的”。
5. 服务行业用户,需要重新建立线下增长能力
为触达这些用户,开拍开始参加保险展会等行业活动,尝试地推。吴欣鸿承认,这与美图过去生活类应用的增长方法差异很大:以前较少做线下推广,也较少与具体行业结合;这项能力对美图而言“是比较难的”。
团队正在借助代理公司推进相关工作,也尝试把开拍做成职业技能培训,让学校开设课程。吴欣鸿说,目前学校和学生反馈很好;产品进入行业后,增长工作也随之包含培训和使用能力的建立。
李翔用天气应用与Uber、滴滴作比较:操作系统可以顺手提供天气,却通常不会逐个说服司机安装、使用打车软件,后者反而可能长成巨大公司。吴欣鸿认可这种类比,并说进入这些陌生工作后,“有挑战,但是我们乐此不疲”,像打开了一个新世界。
6. 2022年的两次震撼,把生成式AI推到战略中心
2022年11月,美图秀秀的AI绘画先在全球爆红,登上将近20个国家应用商店总榜第一。吴欣鸿说,这是公司首次把diffusion生成模型用于产品,时间甚至比ChatGPT发布早一两周,用户反馈让团队直接看到了新能力的传播力。
李翔一度以为那还不是生成式大模型技术,吴欣鸿解释,产品基于开源图像生成模型Stable Diffusion,也就是SD,再做自己的训练和产品化。“它同样是生成式AI”,区别在于一个主要面向图像,一个主要面向语言。
随后使用ChatGPT,他感到“一个新的时代来了”,冲击“跟07年底iPhone的发布很像”。过去自己做得笨拙的对话,现在已接近人与人交流;更关键的是背后的高级智能,可以成为许多产品的大脑。
美图因此快速重新梳理战略和组织,决定大力投入生成式AI。面对机会还是威胁的追问,吴欣鸿说:“我们看到的永远都是机会。”他的着眼点是,仍有许多垂直场景没有被占住,可以借助这个大脑重新做产品。
7. 应用红利已经开始,窗口却被全球竞争压缩
吴欣鸿把上一轮移动互联网红利期大致放在2011—2015年,美图于2011年2月发布iPhone版美图秀秀。那时只要先占住场景,用户对缺失功能和不影响基本使用的bug容忍度较高,竞争烈度也远低于今天。
生成式AI应用的红利,他认为已经开始:不少AI原生产品的用户、ARR出现爆发式增长,一些面向全球的应用“是真的有利润”。不过,真正属于应用的阶段尚未完全展开,同时全球公司都怕错过入口,窗口因此被压得更短。
外界曾传播美图进入“生死存亡”时刻的说法。吴欣鸿解释,当时内部全力开发生成式AI,首席产品官小白为了婉拒合作拜访,说公司“自顾不暇”;他的意思是争分夺秒抓机会,而当时收入、利润仍在快速增长。
李翔追问应用与模型的边界,吴欣鸿给出一个明确带条件的回答:假设美图现在做的大部分产品会被吞噬,但还能做、还有几年,“那为什么不做呢?”他承认很难预言发展路径,选择先做,再“兵来将挡,水来土掩”,不断调整边界。
8. 五六十分的代码复刻,替代不了九十分的影像效果
美图秀秀做了18年,并非一直没有竞争。大厂、手机厂商都做过拍摄和后期编辑,现在又加入AI。吴欣鸿认为,公司只能不断调整;如果什么都不做,即使对手没有主动进攻,用户也可能自己慢慢离开。
对“AI可以复制任何产品”,他承认“理论上成立”,但复制UI、交互和功能,可能只达到五六十分。要让用户觉得效果非常好、体验各方面成熟,往往需要九十分以上,之间仍有大量工程和效果投入,代码写出来不等于积累被复制。
这种投入对美图也形成规模效应:公司超过2,000人,很多人长期围绕影像工作。吴欣鸿认为,外界容易把产品看成滤镜、特效集合,却忽略熟悉影像、持续打磨效果所需的热爱,“影像真的就是要热爱驱动的”。
9. 第一和第二属性,让古典产品经理重新获得判断空间
吴欣鸿所说的第一属性,是本职工作与专业能力,例如资深跨境电商卖家理解卖家的实际需求;第二属性,是工作之外的爱好特长,例如摄影、音乐。后一种经验也能转化成产品洞察,他自己就是带着摄影爱好和对修图软件的熟悉来做产品。
他对移动互联网中后期的一类产品工作有所保留:格局确定后,产品经理更多提出策略、做AB测试,像建立巨大漏斗筛选结果。但有强烈第二属性的人,可能在实验前就知道需求是否成立,不必每次都把判断交给数据。
李翔想起一种解释:苹果做iPod,与乔布斯热爱音乐有关;亚马逊做Kindle,与贝佐斯喜欢阅读有关。吴欣鸿认可这种第二属性进入工作的路径,也把“热爱影像”放进价值观,认为真正喜欢这件事,才更可能长期做好。
在招聘设计师、效果负责人等岗位时,美图会看作品和影集,也会通过交流识别热爱,“真的热爱的人,他是眼睛发光嘛”。AI降低实现成本后,直觉、特长和判断力重新重要起来,他把这种变化称为“古典产品经理的文艺复兴”。
10. AI原生产品与存量美图秀秀互补,颠覆最好发生在内部
Peachy可以记住用户的修图偏好,也可以学习指定KOL的修图风格,再自动批量处理一组照片。吴欣鸿介绍,负责人本身爱摄影,对女生修图需求也有切身体感;这正是第二属性帮助产品形成精准洞察的例子。
谈到AI时代类似美图秀秀的产品时,吴欣鸿说公司本来就想从零搭建一款AI原生产品,减少既有框架的包袱。李翔追问旧产品怎么办,吴欣鸿随即修正措辞,更准确的定义是“AI时代诞生的类似美图秀秀的产品”。
原有美图秀秀也在持续进化,吴欣鸿说,超过97%的功能已经由AI驱动,只是用户看起来仍是熟悉的那些功能。设想中的新产品从Agent框架出发,成熟产品则不断提高AI含量,两者在当前阶段可以互补。
美图内部因此保留赛马和产品攻防机制。既然市场上一定有人要做AI时代的美图秀秀,公司也要自己下场;吴欣鸿的选择是,颠覆性产品“出现在内部而不是外部”。李翔以iPhone吞噬iPod作类比,他表示认同。
11. 视频模型因投入失配退出,图像自研继续保留
美图自研大模型从图像开始,2023、2024年又投入视频模型,但很快发现要求太高。成本不只是算法和工程团队,还包括海量数据整理、清洗、打标,以及紧张的算力;吴欣鸿判断,视频大模型最终可能集中在几家巨头手中。
因为自身投入和规模效应不足,美图退回图像模型。李翔问当初自研是否正确,吴欣鸿先澄清:放弃的是视频模型部分,图像模型从未放弃,仍持续迭代,不能把一次收缩理解为全面退出自研。
据他介绍,目前约96.5%的需求由自研模型提供,外接API仅占很小比例。自研可以针对产品需求专门训练,解决外部模型未必解决的问题;同样效果下,他对比得出的成本只有外部商业模型的1/20。
至于通用大语言模型,美图从第一天就没有想做,因为完全不在公司的基因里。吴欣鸿说,公司对自身能力有相对客观的认知,一般不制定远超能力的目标;图像垂直模型的竞争力,才是愿意持续投入的部分。
12. 模型容器取各家长板,自研负责拉开差距
“与其做一个大模型,不如做一个最懂垂直场景的模型容器”,是李翔提及的美图表述。吴欣鸿说,这个认知在2024年形成、2025年逐渐清晰;实际接入不同模型后,团队发现没有一家万能,同一产品的不同效果可能分别由A模型、C模型完成得最好。
美图从2023、2024年就开始调用外部模型,把它们和自研模型放在一起赛马,持续比较效果与成本。但李翔追问,为什么不能彻底成为调用外部能力的容器?吴欣鸿的回答是,如果所有人都用同一个七十分模型,结果很容易停在同一水平。
要把某些场景做到八十分、九十分,他认为仍需要自研来形成差异化,因此宁可继续承担较大的研发投入。不过,他不把这种路线推广给所有Agent公司:“我们一般不太建议别人。”每家公司情况不同,了解业务很花时间,先把自己的事做好。
13. 与巨头共存靠“夹缝求生”,分歧最终由成绩回答
“模型会不会吞噬应用”是吴欣鸿最常被问的问题之一,而他承认很难靠解释说服人,“只能靠成绩”。他认为,市场把这一担忧当作共识,可能给已上市应用公司带来压力,也可能形成反共识机会;拉长时间,担心或许会被证明过度。
李翔的追问是,美图能生存究竟是个例,还是普遍现象?吴欣鸿没有给出统一保证,而是强调每家模型公司都有主航道,例如coding或视频。应用可以尽量避开这些主航道,在大公司看不上的行业里深做,“夹缝求生”虽然听着卑微,却可能有效。
对“研究员为王”的时代,他也选择划清任务边界。按他的估计,全球优秀researcher可能不到1万人,主要集中在头部模型公司;美图不去竞争新的学习框架,而是弄清用户在哪里、需要什么,以及能否交付满意甚至超出预期的成果。
“我们本质上就是做交付,就是做服务的嘛。”吴欣鸿把应用比作餐厅:调料厂、食材厂无法包揽一切。Agent可以替代过去多部门、多公司协同的高成本、长周期流程,但做好最终交付,仍是另一件需要持续经营的工作。
14. 三天做出demo,改变了产品立项的顺序
过去做新产品,团队往往要先论证、逐层沟通,再配置开发资源;现在,一位原本不会coding的产品经理,提出想法后三天就可能借助AI做出完整demo,自己先验证。“先做,先跑通”,再讨论是否立项,成为吴欣鸿看到的流程变化。
以Pitch为例,目前团队约20人。吴欣鸿认为,在生成式AI爆发前,后端整套Agent能力的建设可能需要当前团队数倍规模,“200个人都不一定能做出来”;这是对过去实现难度的判断,并非一次已经发生的200人缩编。
内部产品挑战赛也让他惊讶:产品经理、设计师,甚至职能部门同事,都能借助AI coding做出像样的产品。过去精细分工下只负责一块的人,正在成为多面手;团队竞争的对象,也越来越多是人数很少的AI原生组织。
15. 创作者体感与原生新物种,构成两条产品演进路线
美图要求建立创作者文化,因为服务创作者的人,需要亲自弄懂内容如何做出来。开拍面向口播创作者,MV Land面向音乐视频创作者;团队要真正尝试口播、音乐视频、短剧,并且努力做好,才能理解用户在创作过程中的具体需求。
吴欣鸿自己性格内向,不一定适合天天口播,但从音乐创作到视频制作,他都很有热情。过去学画画时主要是艺术生思维,如今则带着商业思维和产品矩阵重新创作,接受自己“一开始笨拙但慢慢变得优秀”的过程。
谈用户体感,他认为最大的变化是“智能的冲击”,交互方式变化居次。他把界面演进概括为鼠标键盘、触屏与传感器、文字与语言,再到可能的沉浸式交互;更强烈的感受,是一个“超级聪明的大脑”开始服务各种想法与需求。
李翔把主线概括为给移动互联网产品加智能,吴欣鸿补充,还有过去完全做不出来的AI原生“新物种”。美图两边都做,目前成熟产品加智能约占80%,另一部分用于孵化新产品;前者是底盘,后者承担挑战自己的任务。
16. 订阅上叠加成果服务,打开更大的定价弹性
对从订阅转向token消耗的说法,吴欣鸿首先纠正:“不太算转变,而是一个叠加。”订阅提供基础服务,但一些需求会消耗大量算力,如果所有用户都只支付同一层基础订阅,公司未必能承担相应成本。
他看到的机会来自行业用户对交付成果的认可:用户需要的是服务,并愿意为价值付更高价格。美图希望逐渐把这条服务线做好,相比订阅,未来价格制定可能有“几十几百倍弹性空间”;这仍是希望建立的能力,并非已经兑现的定价结果。
李翔担心token只是包装商业模式的时髦词,吴欣鸿则把问题落到用户理解:早期开发者、coding用户熟悉token,小吃店、杂货铺老板未必理解。产品必须把能力变成真正帮助生意增长的服务,用户才有理由付费。
17. 十几个AI工作室,用小团队验证深场景
美图从2025年初逐渐借鉴游戏工作室机制,建立AI创新工作室,并给制作人较大权限。吴欣鸿提到Supercell:小工作室、扁平、多面手的组织方式适合AI应用;游戏领域成熟的激励、选拔和淘汰机制,也有可参考之处。
目前这类工作室有十几个,前期从立项到PMF验证,团队尽量不超过10人,有些两三个人就能做出不错产品。吴欣鸿认为,AI应用正在变得更有商业价值、能够快速变现,因此也逐渐具备采用类似激励机制的条件。
立项首先看是否符合公司战略,能否复用已经积累的技术能力,其次看场景是否够深。面向创作者,美图常按内容格式切入,例如口播视频、音乐视频;团队还必须拿出demo,“不能光靠一个计划书”。
项目会分阶段决定扩大验证还是停止。停止后,有人回原岗位,有人加入其他团队,也有人离开公司;原来的岗位未必还在。吴欣鸿承认,这意味着参与者承担真实风险,是比较典型的内部创业,而非保留原有位置的试验。
18. Agent开始接管内部工作流,会议量降至过去三分之一
组织改造的第一步,是让全员深入使用AI。美图给较大的token额度和AI产品订阅费用支持,因为开发AI应用,需要员工有深刻体感;浅度尝试不足以理解产品能力,也不足以重做自己的工作。
具体改造已进入翻译、测试、运营和投流。过去靠翻译组大量人工处理的多语言版本,现在可以通过翻译Agent快速适配几十个语言包;测试也尝试让AI模拟真人,发现产品问题,运营和买量等流程则逐渐Agent化。
变化不只是减少人力。吴欣鸿强调,原来的翻译、测试、运营等职能人员,会亲自参与Agent创建和运营,因此也开始成为AI产品经理。业务中出现的问题再反推组织调整,减少层级、邮件和会议,让更多决策回到具体执行者手中。
吴欣鸿自己的会议量,现在大约只有以前1/3;与此同时,产品使用时间增加了。建立创作者文化意味着既要用自己的产品,也要广泛使用全球优秀产品。他说,自己放在产品上的时间,仍比组织管理略多一些。
19. 超级个体改变人才观,也逼组织接纳离心力
吴欣鸿粗略把员工分为两类:能够快速拥抱AI、自我进化的人,以及使用较浅、缺少危机感和成长的人。设计师同时承担工程、翻译、测试、运营,在过去很难想象,如今则开始成为可能;他希望组织持续长出这样的“超级个体”。
李翔的质疑是,这些人越强,对组织依赖越弱,离心力越大,也越可能冲击原有规则与管理体系。吴欣鸿直接回答:“这是必然的。”但组织仍要拥抱这种可能,否则又会被拉回旧状态;能够不断诞生猛将,本身也说明土壤有效。
对AI native,吴欣鸿给出一个简单检验:模型接口一断,组织或应用就瘫痪。他同时承认,不同行业、场景的AI原生组织未必长得一样,很难规定统一形态;既然结果导向,就不必先要求团队符合某种标准画像。
他以美图早期的草根团队说明这一点:没有名校、留学、大厂经历,也没有很多钱,仍可以先做起来。李翔把它类比为投篮命中率足够高,就不必纠结姿势;吴欣鸿补充,也不必先管身高是多少。
20. 海外用户超过42%,订阅先在欧美证明价值
美图2013年推出面向海外的BeautyPlus,2016年手绘自拍又在多个国家爆红,推动团队持续投入海外产品和运营。如今海外用户占比超过42%,仍在快速增长;吴欣鸿把全球化形容为迈出第一步后,被用户反馈和新机会推着“停不下来”。
商业上的关键节点是2018年,面向欧美的AirBrush首次尝试订阅,2018、2019年的结果比较成功,实实在在赚到了钱。团队由此确认,全球用户对应用价值有认可,也有不错的付费意愿,进一步增强了投入动力。
AirBrush在美国的订阅渗透率已超过53%。经李翔追问,吴欣鸿明确口径是当地月活用户中VIP会员的占比;他称这是订阅渗透率的最高水平,很多其他国家距离这一水平仍很远。
吴欣鸿把海外用户和收入达到51%视为全球化做得不错的基准。对于海外收入占比,他认为“两年后有可能”达到,但没有刻意要求必须超过某一比例:中国市场本身很大,应长期保留重要份额,比例可以顺其自然。
21. 换皮跑不通,产品必须理解本地文化
AirBrush可以理解为欧美版美图秀秀,但UI、交互和功能偏好都明显不同,打开两款产品未必能看出来自同一家公司,背后也是独立产品团队。吴欣鸿承认,早期试过内核不变、只套海外品牌的“换皮”,后来发现不太跑得通。
生活场景尤其依赖本地审美和社交热点。东亚、东南亚与欧美的偏好差异很大,例如亚洲用户可能追求美白,欧美用户未必把它视为正确选项。相比之下,生产力应用更容易提炼共性,全球电商卖家的部分需求就相当接近。
美图因此按文化圈理解市场,例如葡语、西语为主的拉丁美洲,文化相近的英语国家,以及相互影响的东南亚地区。吴欣鸿强调,影像产品受到文化的影响很深,不能只按地理边界划分,再假设同一套内容everywhere都适用。
AI试衣是一个具体例子:泰国用户对服装选择可能更大胆,邻近的印尼、马来西亚则有较多穆斯林用户,需要尊重宗教偏好,加入较保守服装、头巾等选择。同一功能进入不同市场,内容供给本身就要变化。
22. 中国是根基,全球化从第一天进入产品设计
李翔问全球化的正反馈是否意味着国内出现负反馈,吴欣鸿否认。他把中国视为全球最大的单一语言市场,付费能力也在提升;推动海外业务的同时,中国始终是根基,“无论如何都要做好”。
海外还承担商业模式验证的作用。订阅先在海外成功,2019年进入国内后,国内用户付费意愿逐年提高;其他新策略也常先放到体量较小的海外市场试,避免在国内已有很高市占率的产品上,直接全量验证不成熟做法。
两类市场也有真实差异。吴欣鸿观察,国内用户更习惯下载移动端App,海外PC端使用率仍很高,尤其生产力产品常以网页版存在。全球化需要据此选择产品形态,不能只完成语言适配。
他现在所说的全球化包含中国,目标是从day one就做面向全球的产品,而非单一市场验证很久再向外扩散。要提炼全球共性,产研团队必须真正深入不同市场,形成判断,而不是凭想象概括“海外用户”。
23. 每年一百多天在海外,让认知对齐成为经营动作
吴欣鸿每年有一百多天在海外工作,主要发生在2024—2026年。他通常在已有团队的几个城市开展工作,逐渐形成相对固定的地点;这也反映出,全球化在他个人时间配置中的重要性明显提高。
这些时间除了用户研究,还用于沙龙、公司拜访,以及与创业者、研究员交流。他反复强调“认知对齐”:AI发展太快,面对面交流对业务帮助很大,而且不能只有自己参与,还要让核心成员获得类似体感。
全球竞争对手主要来自中国、美国,也越来越多见新加坡公司,其中不少是华人背景。吴欣鸿认为竞争最激烈的仍是中美市场,美国本土AI应用公司也很多,出海并不意味着离开激烈竞争。
美图会研究字节、Canva,以及视频创作公司Higgsfield的全球产品和运营策略。与字节既竞争,也相互研究,内部还有来自字节的同事;吴欣鸿愿意“向成功者学习”,但对具体借鉴方法,他表示不适合展开。
24. 亚洲之外,巴西的自然增长正在换来本地投入
美图表现较好的仍是东亚、东南亚。吴欣鸿举泰国为例,美图秀秀市占率达到40%多,是当地这一赛道的绝对第一,也已成为大众熟悉、接近装机必备的产品;文化相似性帮助公司理解这些市场。
巴西则是文化差距较大、表现却很突出的市场。吴欣鸿指出,当地有两亿多人口、社交分享活跃,不少产品没有投入很多,巴西仍能成为第二、第三大用户来源;RoboNeo的巴西用户甚至已居各市场首位。
美图因此在圣保罗建立运营中心,以巴西本地人为主,进一步推动产品和推广本地化。吴欣鸿概括为“走出亚洲,去发现新大陆”,优先研究那些不熟悉、却已经自然表现很好的市场,再逐渐形成专门服务能力。
欧洲目前尚未让他满意,归因主要是团队不够熟悉、语言多样,服务能力还不到位,而非竞争本身。非洲已有自然发展,但也需要专门团队;他希望逐步从产品上架后的自然增长,转向由区域运营中心主动经营。
25. 全球资源配置仍围绕中国研发与内部孵化展开
美图已在硅谷、悉尼、伦敦、新加坡等地设办公室,但研发大本营仍在中国。吴欣鸿看重中国工程师的专业性和效率;硅谷也有研发同事,但人数不多,因为研发需要一定规模,少数人单打独斗未必有效率,当地人力成本也高很多。
回到研发投入,最花钱的仍是人力和算力。吴欣鸿没有因为面向全球,就要求研发资源平均分布;他的考量包括团队协作效率、投入规模,以及这些能力能否持续支持同一影像赛道上的产品。
对投资全球影像团队,他仍很谨慎:接受投资的团队可能期待产品、技术支持,美图未必能把投后做好;如果缺乏掌控力,投资又容易只剩财务回报。既然纯看财务,就未必必须投影像,因此当前仍以内部分孵化为主。
手机和美拍不再推进后,业务模型变得更简单,资源也从分散转向集中。与此同时,团队更多去海外访谈用户、连接KOL、接触公司,逐渐把过去对用户的猜测,替换成有实际经验支撑的判断。
26. 2016至2018年的买量,说明月活不能代替商业兑现
吴欣鸿承认,2016—2018年的全球化走过弯路:片面追求月活,在付费能力不强或变现效率较差的国家大量投放。“真金白银地烧钱”没有换来好的变现,买来的用户容易流失,长期留存也未必好。
印度曾是美图仅次于中国的第二大用户市场。他回忆,2020年当地政府把所有中国应用和游戏下架,至今没有恢复,针对这个市场的巨大投入因此受损。这段经历既包含用户质量问题,也包含市场本身的不确定性。
当时许多移动互联网公司相信,“有用户就一定能转化成收入”,机构也按用户给予估值,亏损公司仍可能高估值融资、上市。吴欣鸿认为,这几年对应用的判断变得理性是好事;李翔说想象力定价转向模型、具身智能,他只保留到“每个阶段确实有热点”的判断。
27. 小而美是主动选择,能力匹配比挑战巨头更重要
吴欣鸿说,美图上市初期曾有突破边界的不切实际幻想,现在则“喜欢小而美”。按收入、团队规模或许算“中产”,但排名对他意义有限;他欣赏德国隐形冠军式的专业、垂直,认为即使坚持小而美,收入规模也可以并不小。
对能否与字节竞争,他可以直接回答“打不过”。创业者曾经的堂吉诃德式激情,经历起伏后变成更客观的目标设定:让目标匹配能力,甚至略低于能力,使执行出现溢出,增加把事情做好的机会。
手机与生成式大模型,都让他看到规模效应竞争。如果预算只有对方1/10甚至更少,却做同一件事,大概率难以做好。“我们不赌”,不押低概率的大胜;公司上市十年,除了员工还要对股东负责,不愿孤注一掷地all in某个大战略。
“工具之悲”也随着订阅成功而减轻。工具过去被认为门槛低、留存难、迁移容易、不好变现,但吴欣鸿逐渐认识到它有独立价值体系;他以全球存在数百亿乃至数千亿美元市值的工具公司为参照,不再必须通过转做平台来证明自己。
28. 上市后的扩张,把一千人公司推到三千人并逐渐失控
上市曾是吴欣鸿根深蒂固的成功标尺,那种成就感大约持续一年。媒体关注、资金和用户规模,让他觉得可以做更多事情;团队从2016年底约1,000人,增长到2018年3,000多人,短短一年多,状态便逐渐失控。
李翔问,带着今天的认知回到当年,是会做得更好,还是干脆不做?吴欣鸿不愿假装能够穿越,但若辅导一家处在类似阶段的公司,会先梳理业务、做选择:当时的问题是“我都想要”,现在会看团队基因、能力、市场空间和回报。
美拍是他仍觉得可惜的项目:已经取得很好的第一阶段成绩,却因业务繁多、认知不足等原因没有继续做好。如果回到那个阶段,他会“好好地做美拍”;李翔追问是否有机会与抖音、快手形成另一极,他认可这种可能。
对李翔提到的“一点五次成功,三次失败”,吴欣鸿认为,失败带来的教训和认知提升更多。如今他更愿意拥抱失败,快速归因、找解决方案;产品本身也是伴随许多小失败,才逐渐迭代完善。
29. 兼任董事长后,CEO更关注组织、造血与自我审计
2023年兼任董事长和CEO后,吴欣鸿更关注组织、战略和商业化,也接手更多IR交流。他把核心能力落在影像中台:从多个产品提炼共性,持续打磨,再复用到业务;经营上则强调任何时候都要有足够造血能力。
管理学习主要来自同事、系统学习和公司拜访:他在腾讯青腾与北大光华合作的班里累计学习四年,现在又读DBA。美图不刻意整套复制某家公司,而是按实际问题寻找已经验证的办法;在他看来,艺术与科技融合的业务,也很难找到完全对应的模板。
谈库克,吴欣鸿给出明确肯定:苹果在其任内收入、利润增长,持续为股东提供回报,因此“一定是一个好的CEO”。遗憾是乔布斯时代那种惊世骇俗的冲击少一些,但公司阶段与技术时代不同;他更好奇苹果在AI时代能拿出什么惊艳产品。
对过去冒进扩张,他承认自己独断带来后果,当时业务主要由自己和团队直接推进,发现不对劲时已经来不及。现在董事长职责增加了一道对合规性、投入必要性的审视,“以前就有点像没有审计一样”;李翔说这主要是在审计自己,他回答:“也审计自己。”
30. 从完美主义走向集体协作,年轻人需要被交付重任
最煎熬的是2017、2018年的扩张冲击,以及2019年裁员、砍项目。吴欣鸿性格内向,自称INTJ,很多压力自己消化,没有太多向外求助;支撑他的也有“不想认输”和“好面子”,如今这种面子更多体现为把公司做好、把产品做成世界级。
早期完美主义,在他看来也包含个人主义:前两次创业规模小,自己包揽很多事,把产品当艺术作品打磨。现在转向集体协作、看权重,因为世界级产品需要强组织,个人对细节的包办不能代替团队能力。
他担心自己变保守,也担心与年轻人脱节。10后最大的已到16岁,AI又进一步降低年轻人创业门槛;因此要让年轻人加入、承担重任。最近的收获,是通过学校课程、学生优惠和校园大使,让学生更早熟练使用产品,并把学校发展为全球推广节点。
最近的状态,他概括为“兴奋和焦虑并存”,痛苦反而不多。兴奋来自新物种和无限可能,焦虑来自迭代太快,以及模型是否进入自己的领域、该如何防守;他希望把焦虑变成动力,也认为适度外部压力有益。
31. 护城河来自正确选择的时间复利,规模效应仍可能被挑战
吴欣鸿没有把长期护城河归结为某个静态功能。他更看重每一阶段能否正确选择、分配有限资源,通过验证机制筛选,再把正确选择持续放大。“如果只是选择没有时间的加成,肯定不行”,长期做对的事,才会慢慢形成独有优势。
这些选择如今更多由他与团队共创,依靠彼此互补,减少过去拍脑袋独断的方式。对他而言,护城河也与决策过程相连:先判断什么值得做,再给持续投入以时间,而不是仅凭一次抓住机会就认定优势稳固。
最后被他重新审视的是规模效应。“我现在没有推翻啊”,他强调,大模型上仍然有效;但应用有Agent自动协同、数字员工和超级个体后,少人数团队能否完成过去几千人的工作,仍是开放问题,他期待旧规律被打破。
如果这种可能兑现,他认为才意味着人类生产力真正意义上的大爆发。李翔随即追问,美图不正是几千人的组织吗?吴欣鸿回到贯穿全场的选择:提前想这些可能性,寻找自我颠覆的机会,“颠覆发生在内部,总好过被外部冲击”。