问题——通用能力提升引发“应用被取代”担忧。近期，围绕“通用大模型是否会吞噬应用”的叙事持续发酵，部分投资者担心应用层价值被稀释，对应的板块在二级市场承压。，应用企业如何界定自身定位、如何与通用能力形成互补，成为行业关注焦点。美图公司首席执行官吴欣鸿在内部分享中回应称，即便在新品发布后，美图应用侧关键数据仍呈快速增长态势，反映出用户需求并未因通用能力增强而消失，反而在新的产品形态和服务供给下被继续激活。 原因——“通用”不等于“高效”，垂直场景仍存结构性缺口。吴欣鸿指出，通用大模型具备覆盖面广、可处理多类任务等优势，可满足通用需求与日常使用，但在具体垂直场景中，常常存在效率不高、成本不低、体验不稳定等现实问题。换言之，通用能力提供的是“可用性”，而大量商业化场景追求的是“可控性、稳定性与交付效率”。他用“瑞士军刀”与专业工具作类比：前者胜在通用，后者胜在专精。以影像与内容生产为例，用户不仅需要“能生成”，更需要“生成得符合审美与规范”“能一键落地”“结果可复用、可迭代”，还需要围绕工作流的素材管理、版本对比、模板化输出与多端适配等配套能力，这些往往并非通用模型的强项，也难以通过单次对话自然补齐。 影响——应用层价值重估，竞争从“能力比拼”转向“心智与交付”。从产业层面看，通用大模型的普及正在抬升行业底座能力，使得基础功能更易获得，单纯依赖“新奇功能”获取用户的难度上升。应用厂商的竞争焦点因此从模型能力本身，转向对场景的理解深度、对流程的产品化能力以及对用户心智的长期塑造。吴欣鸿认为，真正的壁垒在于能否建立“在这个垂直场景我最专业”的认知，进一步把服务延伸到“最后一公里”与更为分散的长尾需求：例如更贴近用户习惯的交互、更稳定的质量控制、更适合行业的模板与素材体系、更符合成本结构的算力与交付策略。对资本市场而言，这意味着对应用企业的评价维度也需要相应调整：仅看是否“接入通用能力”已不足以判断成长性，更应关注其场景选择是否足够刚性、付费意愿是否明确、服务能否规模化复制。 对策——深挖高价值垂直场景，围绕刚需做产品化与服务化。围绕“应用仍有空间”的判断，吴欣鸿提出的路径是聚焦高价值、强痛点的垂直场景。这类场景往往同时具备三项特征：需求刚性强、现有解决方案成本高效率低、用户愿意为确定性结果付费。企业应以此为牵引，把通用能力嵌入产品与工作流，而不是停留在“功能叠加”。具体而言，一是明确目标人群与核心任务，围绕关键链路做极致体验，减少学习成本与试错成本；二是加强对质量的工程化控制，包括一致性、稳定性和可解释性，让用户获得可预期的产出；三是从一次性功能走向持续性服务，形成可复购、可订阅、可扩展的商业模式；四是在合规与安全框架下，构建更适配垂直领域的数据与内容治理机制，提升长期运营能力。通过上述路径，应用可以在通用底座之上形成差异化价值，实现与通用能力的互补共生。 前景——协同将成为主流，行业进入“场景深耕”与“效率竞赛”阶段。综合行业趋势看，通用能力持续迭代将进一步降低基础门槛，应用创新将更多体现为对场景的拆解能力与交付效率提升。短期内，“通用替代”带来的情绪波动可能仍会影响市场预期，但从需求侧看，用户对专业化、稳定性与可落地结果的追求不会改变。对企业而言，能否抓住高频刚需、建立专业心智，并在成本与体验之间取得平衡，将决定其增长的韧性与上限。吴欣鸿所提到的“新品发布后数据仍增长”，在一定程度上也折射出：当通用能力成为基础设施，真正的增长空间往往来自把技术转化为可被用户持续使用与愿意付费的产品和服务。
大模型与应用的关系演进，本质上反映了技术发展中通用性与专业性的永恒张力。通用大模型的出现并未终结应用层的生命周期，反而为开发者指明了新方向：在大模型提供的基础能力之上，通过对垂直场景的深度理解和精细化服务，构建专业性壁垒。这种协同而非对抗的发展逻辑，将成为AI时代应用层突破的关键。对应用开发者来说，当下的挑战不是如何与大模型竞争，而是如何在大模型的赋能下，更好地服务特定用户群体的特定需求。