近期，谷歌新推出的图像AI模型 Nano Banana 在社交媒体上迅速走红。凭借“照片秒变3D模型”的能力，它不仅吸引了大量用户尝试，也再次引发了一个老问题：AI基础模型是否会吞噬传统应用软件？

美图的股价在消息发酵阶段一度重挫14%，便是这种市场担忧的直接体现。

AI大模型的“入侵感”

这并不是第一次。自从GPT-4o、谷歌Veo3等重量级模型相继问世，每一次大模型升级，都让投资者担心——应用层是否会被大模型“替代”？

从直观体验上看，这种担忧并非空穴来风。以Nano Banana为例，用户只需上传一张照片并输入提示词，就能得到高质量的3D视觉效果。对于许多原本依赖美图、美颜相机等软件的轻度用户而言，似乎已经不再需要专门下载一个应用。

但市场的情绪往往走在理性分析之前。要回答AI是否真的能“吞噬软件”，还需要深入理解通用模型与应用层的分工差异。

最后一公里价值：应用的不可替代性

摩根士丹利在研报中强调，应用软件的价值在于提供“最后一公里”的解决方案。

为什么说是“最后一公里”？

1. 场景碎片化与需求多样性

   1. 照片美化、电商设计、广告海报、社交分享……用户的需求千差万别。大模型可以提供一个“基础能力”，但难以覆盖所有细分场景的标准和流程。

2. 个人偏好的主观性

   1. 美学、视觉偏好高度个性化，很难通过一次性提示词实现精准化。应用软件通过交互、功能细化、参数调整，才能真正满足用户需求。

这意味着，大模型提供“原料”，但应用才是把这些原料加工成用户真正需要的“产品”的关键。

美图的应对：数据、场景与商业模式

以美图为例，它的优势不仅仅在于功能，而是三方面的结合：

• 场景聚焦：专注非专业用户场景，如个人照片修饰和电商设计。

• 垂直数据壁垒：通过长期积累的高质量图像数据，训练出更贴合用户的小模型。

• 清晰的付费点：趣味性功能吸引流量，但“高质量修图”等核心功能才是用户愿意为之付费的部分。

这也解释了为什么每一次市场“恐慌”之后，分析师依然看好美图的长期价值。因为在“最后一公里”的复杂度面前，通用大模型无法直接取代应用。

从软件到生态：企业如何选择模型

从美图的案例也能看到一个趋势：未来企业的竞争，不是“是否用AI”，而是“如何用合适的AI”。

• 有些企业需要在通用大模型上做专有数据的微调。

• 有些企业需要结合不同模型（如GPT、Gemini、Qwen、Llama、Nano Banana等），来匹配多样化的业务场景。

• 有些企业则更需要一个完整的AI生态，而不仅仅是单一模型的调用。

在这种背景下，像 MateCloud 这样的AI解决方案提供者，正在发挥“桥梁”的作用。MateCloud并不只是推荐某一个大模型，而是根据企业的具体场景，在多个大模型之间做组合与调度，帮助企业搭建属于自己的AI生态。

这对于缺乏AI研发能力的中小企业尤其重要：

• 他们不需要自己去追逐Nano Banana、GPT-4o、Gemini等每一次更新，

• 而是可以通过一个解决方案平台，快速选择和整合适合自己的AI能力。

这样一来，企业能把更多精力放在业务本身，而不是陷入“到底选哪个模型”的技术焦虑中。

结语

Nano Banana的走红，再次点燃了“AI会不会吞噬软件”的讨论。但从美图的应对和行业逻辑来看，应用软件的价值不仅没有被削弱，反而因为“最后一公里”的重要性而更显突出。

对于企业而言，关键不是恐惧大模型，而是如何结合自身需求，选择合适的AI路径。