為一組照片擺了十幾個 pose、拍了幾百張廢片，回到家想挑兩張讓 AI 修一修，結果 AI 說「請精準描述你的需求」。

審美這種事本來就是個性化的，我每次都是憑著自己感覺在 P，要想描述清楚到底該怎么 P，相當不容易。 說給人都難解釋清，何況說給 AI。

面對AI，我只想說一句，「我要美」。結果就是它修了十張，沒幾張是能用的，還有幾張根本不像我自己。

看著那些 AI 生成的 P 圖，我很想知道，到底是我不會用 AI，還是 AI 根本沒想過要懂我？

這兩年我越來越覺得，現在的 AI 工具有點像越買越貴的智能健身器材，功能堆得越來越滿，可大多數人扛回家，只用來晾衣服。

工具越強，人反而越累。我們好像都默認了一條潛規則：AI 越厲害，人就得越拼命去追、去學、去寫小作文討好它。

前幾天 APPSO 來到美圖影像節，他們一次發了八款產品，號稱是「AI 影像團隊」，這個節奏確實很 AI 了，但影像設計這個領域的 AI 產品實在太卷了，美圖這次有什么不一樣呢？

我發現其中有幾款，恰好壓在我天天犯怵的地方：人像修圖、口播、做圖，趁著假期我還是一款款真上手用了下來。

結果有點出乎我意料，它們和其他 AI 產品比起來有點「非主流」。別的產品讓人去適應 AI，美圖是讓 AI 來適應人；其他人是只丟給你一個工具，美圖會把能直接用的成果，交到你手上。

如美圖創始人吳欣鴻所說：從「用戶學工具」，到「用戶直接獲得結果」，從事實來看，這支 AI 影像團隊交出的答卷，確實不太一樣。

下面跟大家分享下我真實的使用體驗，用的時候我的標準也很簡單：東西能不能一次出對、比從前省了多少功夫、到底適合誰，給出的東西對我又有多大用處。

P 圖也有一套 Skill

先從那款最戳我痛點的產品 Picchi 說起。通用大模型逼我們「精準描述需求」，說到底還是人在遷就 AI；Picchi 反過來——讓 AI 來遷就你。

為了檢驗它的能力，我挑了四個層層遞進的場景，看它到底做沒做到。

以往用 AI 修圖，最痛苦的莫過于每次都要重新打長串提示詞，而部分 AI 的指令遵循能力不夠強，還經常修改了表情，改到根本不像本人。

打開 Picchi 應用，首頁找到「學我修圖」，上傳 3-10 組前后對比圖，Picchi 就會創建一個專屬我們自己的修圖模型，它能自動記憶我們的修圖風格。

實測的過程中，我嘗試把一些平時 PS 的照片丟給它學偏好，再上傳新原圖，它能從原圖和修后圖中間找到完整的修圖細節，直接 Get 到我的修圖偏好。

值得注意的是，「學我修圖」是 Picchi 采用頂級顯卡、前沿算法以及高質量渲染來實現的，所以它對上傳照片的要求也非常嚴格。

例如照片必須足夠清晰足夠大，照片的人臉區域也必須足夠大，此外也只能上傳同一人臉的照片，你幫其他人修的圖不能和你自己的放在一起。

在「像不像我自己修的」這一項上，如果滿分是 100 分，我愿意打 90 分。因為測試的時候，我上傳的原圖和對比圖，其實就是簡單的修了一些光，以及皮膚。在使用「學我修圖」時，Picchi 很好地抓住了這些習慣。

硬要挑一處不足的話，就是創建次數確實太有限了，以及處理的時間還是有點久。

但這種「記住你是誰」的能力，相當于直接把我們過去繁瑣的 P 圖 流程直接打包成了一套 Skill，它也能在批量精修時展現出更大的優勢。

例如，我們可以直接把出門旅游，拍的實際上原圖一股腦批量丟進去，Picchi 就會根據之前總結的自定義圖片模型，依照我們想要的風格，把照片統一編輯好。

如果你是一個不懂 HSL、不懂骨相蒙版的新手，平時就不知道該怎么手動修圖，Picchi 無從學習你的修圖模式，它便提供了一種「借用審美」的解法。

你可以直接在里面選用官方合作的「百萬改妝師」或者「骨相修圖大拿」等合伙人模型，直接在 Picchi 首頁找到學 Ta 修圖，里面就囊括了 Hana、哦基兒、Iris、清顏好困啊等模型，還有熱門預設和靈感玩法。

我們從網上找了一些相機直拍的原圖，然后放到 Picchi 中使用「學 Ta 修圖」來進行修改；依次使用了哦基兒、Iris 和 Hana，最終呈現的高光面部提亮和骨相微調，是真的很像專業大拿坐在你身邊親自操刀的手筆。

在「學 Ta 修圖」旁邊，Picchi 還提供了一系列的預設，這些預設包含了當下的熱門照片風格，像是 Pocket 3、理光負片、Xs Max、徠卡 DL7、鮮花增色、CCD 等不同的相機和場景。

而在「學我修圖」和「學 Ta 修圖」之外，那些我們常常掛在嘴邊、說不清道不明的「氛圍感」，Picchi 現在也能用自然語言準確拆解。

當我說出「修出冬日蕭肅氛圍感」時，它能自動調整面部暖調光和發絲微光，同組提示詞直接出片，不需要像以前那樣頻繁「抽卡」碰運氣。

Picchi 的價值核心就在于，它背后雖然是一支由調色、妝造、形象、打光、體態各司其職的 AI 修圖師團隊，但用戶不必知道復雜的底層參數，只需要看到「真的像我、真的好看」。

而 AI 修圖的終點除了要有更強的參數，更應該是懂你的那個人。專注人像這一件剛需，讓 Picchi 反而做到了通用大模型做不到的「真的像你」。

給每首歌都能拍個大片的 MVLAND

如果說 Picchi 搞定的是靜態人像的動態審美，那么另一款重磅新品 MVLAND，則把觸角伸向了更注重情緒共鳴的音樂視頻領域。

吳欣鴻在現場提到一個數據：在這個短視頻時代，有超過 80% 的年輕人是通過刷視頻發現一首新歌的。然而現實是，市面上絕大多數的歌，根本沒有 MV。

少則幾萬、多則幾十萬的成本，兩三月的制作周期，讓 MV 成了少數頭部的特權。這叫視頻時代的「音樂遺憾」。我們做 MVLAND，就是想把這個遺憾補上。

在實測中，這也是最讓我感到驚艷的一款新品。以前的通用 AI 視頻工具往往「讀不懂音樂」，最多只能傻傻地對個鼓點。但 MVLAND 的底層做到了對音樂結構、節拍、情感的深度理解。

它完美解構了一支專業 MV 必備的 5 大要素，擁有理解音樂、人物演繹、視覺風格、情緒編排、歌詞字幕等功能，并行業首創了「畫布剪輯臺」。

把一首歌扔進去，音樂分析 Agent 會自動拆解節拍、段落與情緒并生成畫面。

根據實際工作流對比，同樣做一支精致的 MV，通用視頻工具要 3 小時，MVLAND 只要 10 分鐘，且畫面情緒與音樂節拍嚴絲合縫。

再派出一支專業團隊，直接交付

如果說 Picchi 解決的是「懂不懂你」，MVLAND 解決的是情緒和畫面的對齊，那么在這次美圖影像節上帶來的另外幾款產品，美圖設計室、開拍和 RoboNeo，則將這種「直接交付成果」的底氣，帶到了更硬核、更需要全流程托管的商業生產力場景。

▲美圖生產力場景多款 AI 影像產品

它們的場景覆蓋范圍相當廣，涵蓋了口播、電商、MV 和短劇，但落點出奇一致，那就是最終交付的，必須是一件能直接拿去用的成品。

連學都不用學，把口播交給「開拍」

在口播領域，美圖推出了由導演、營銷、拍攝、剪輯 Agent 組成的口播團隊——「開拍」。這次更新，它實現了從選題到拍剪，再到成片和數據復盤的全托管。

這項全新的功能叫「開拍 AI 助手」。過去拍一條口播，我們要先想好文案、架起設備面對鏡頭，最后還要調整剪輯軌道。

而開拍 AI 助手的出現，讓過去這種傳統的工作流直接升級，口播創作變成了真正的「不用你想、不用你拍、不用你剪」。

我嘗試扔進去一段粗糙的口播素材并選定網感模板，它會自動剪掉氣口、加字幕、配 BGM 并直出成片。

這種全托管讓很多個體戶和創作者松了口氣。根據開拍一些真實用戶的體驗，一位實體店老板娘提到，以前自己是「拍攝 5 分鐘、剪輯 5 小時」，現在用開拍十分鐘搞定。而快速產出的短視頻獲客，也讓店鋪業績翻了 2.5 倍。

▲ 開拍 生成的自動字幕和花字視頻

開拍的好用，是它讓我們連學都不用學，它懂用戶的生意，直接幫我們做視頻，我們只需要把自己要傳遞的內容表達清楚，它會把成片這個「結果」直接交付。

一張商品圖，變成一套賣貨素材

如果說開拍解決的是個人表達，美圖設計室解決的則是商業生存。

它通過市場洞察、內容策劃、視覺創作、數據分析等 Agent 以及幾十個專業技能，能夠一次交付全套商業物料。

實測中，我上傳了一張商品實拍圖，輸入商品賣點，它就能生成市場分析、場景圖、賣點文案以及多尺寸電商海報的整套物料。

這一整套物料，能直接幫助用戶進一步完善自己的營銷方案，包括判斷、選圖、寫賣點……美圖設計室幾乎是把「能不能賣貨」的壓力也扛了下來。

▲ 我們使用美圖設計室內的爆款視頻，給制糖工廠的小電拼生成了一段 15s 的小視頻。

規模化生產短劇的 RoboNeo

至于面向短劇規模化生產的 RoboNeo，則直接模擬了一個真實的劇組，配置了編劇、選角、導演、美術、執行、運營等 Agent，它主打四大核心能力：懂短劇、鏡頭可控、資產沉淀和數據閉環。

在演示中可以看到，劇本、角色、分鏡全在畫布上可控可改，角色和場景可以跨項目復用，發布后數據還能反哺下一集。

這也是 RoboNeo 出力的方向，也是短劇規模化最難的一環，一致性與可持續。

這幾款產品雖然場景各異，但它們合在一起，才真正撐起了「你的 AI 影像團隊已就位」這句話；團隊的意義，就是替你把結果交付到底。

人、靈感和定制需求也在這套系統里

而為了讓這支團隊運轉得更穩、更遠，美圖還布下了三塊重要拼圖。

首先是作為人力底座的站酷（ZCOOL）。當人人都能產圖，大家對 AI 生成內容的「信任」反而成了稀缺品。

運營二十年的站酷，其價值正是「相信一份作品背后那個鮮活的人」，這也為美圖的 AI 提供著高視覺標準、AI 資產庫和效果工作流。

而即將在 6 月 30 日上線的 Artflo 則走的是靈感創作路線。它保留你的判斷，把概念影像那套又長又繞的創作流程壓短，讓過去一條動輒幾十萬的概念視頻，用 AI 幾百塊就能做出來。

最后是 8 月 5 日推出正式版的MeituHub，它接住了標準化產品夠不著的那 20% 規模化需求。用戶只需要用大白話把需求說清楚，專家 Agent 就會替你搭出一條 AI 影像生產線，既能生成網頁應用，也能通過 API 嵌入企業原有的流程中。

設計師、靈感型創作者、要規模化生產的企業，三類人需求差得很遠。但美圖想干的是同一件事：讓 AI 來適應你，再對交付出去的結果負責。

AI 影像，開始從生成走向交付

把 8 款產品挨個體驗下來，我的感受是：8 款產品合在一起，確實拼出了一套「AI 影像團隊」。

雖然這個影像團隊還有很多空間，Picchi 的專屬模型訓練時長，Artflo、RoboNeo 短劇新版、MeituHub 正式版也還得等正式上線才見真章。但有件事我越來越確定：美圖這次是真正多走了一步，把焦點落在了「給你結果」這件事上。

這一步，恰恰是行業最容易跳過的。大家都忙著比「生成式 AI」誰生得更快、更炫，可用戶要的是一次更好的商業判斷，一條能直接發的視頻，一支情緒真的對得上的 MV。

美圖把這件事拎出來，做成了「交付式 AI」，AI 負責生成，也要把最終好不好用這件事扛到最后。

往回看，這也正是美圖這兩年種種變化的落點：從 App 到 AI Agent，工具復雜度的債由 AI 扛，不再甩給用戶；從訂閱到算力點消費，你買的是「成果」，費用跟著算力點走，功能權限退到后面；從成熟組織到 AI 創新組織，就是要適配新時代的需求……

最終，把 AI 產品的及格線，從「生成」抬到了「交付」。

▲ 美圖主要產品

所以回到最初那個問題：美圖「讓 AI 適應人、對結果負責」，到底走到哪一步了？

我的答案是，它走到了把成果交付當成底線這一步，它沒有把 AI 說成萬能藥，只一件件啃小眾剛需。它始終站在用戶和創作者那一邊：靠效果驅動，少談數據驅動。

當整個行業忙著證明「AI 有多強」，美圖在證明的是另一件事：AI 到底能不能對你有用、對你的結果負責。前者制造焦慮。后者，才在終結焦慮。

發布會上，美圖公司首席產品官陳劍毅說了句挺樸素的話：

做比想容易太多了，很容易讓人產生一種我在創造價值的幻覺。但交付給用戶好的成果，幫用戶賺到錢，才是真正的價值。

AI 產品到底成不成，最后都得落回這句話上：不看它生成了多少，看你有沒有真的用上，有沒有真的拿到那個結果。