来源：雪球App，作者： 拼凑的逻辑，（https://xueqiu.com/1023032460/338222524）
$美图公司(01357)$ 国内Ai应用C端商业化最成熟的公司。
1，先聊聊生成式人工智能首先，AI现阶段处理图像的应用场景大于处理准确信息的应用场景。简单来讲就是，我敢让ai帮我处理一张图片，但不敢让ai写研报（因为我不相信AI给的数据）。
在AI大模型端，开源的图像处理的大模型已经更强大，美图可以做的是在特定的场景叠加自己训练优化后的模型，玩过Stable Diffusion的可能知道，就比如在大模型的基础上，叠一个Lora模型或者加一个Contralnet控制。（下面这张图可以看到，美图的Wheed 的文生图页面，其实和Stable Diffusion的界面很像）
上图中看到，一张图片需要2美豆，而按照包月68月（每月1800美豆）算，一个美豆0.037元，一张图片0.074元，不到1分钱，看着不太贵。但我们在看下面这张图，目前采用一样的底层逻辑（Stable Diffusion）的LibilibiAI,39元每月就可以有15000算力，一张清晰度和美图一样的图也要2算力，这么算下来，一张图0.0052元，是美图的十分之一。
重点来了，这将近10倍的溢价，从哪来，我们从两个方面讲讲
①美图有自己针对专业场景训练过的模型，可以达到更好的效果。
②美图的界面更加简洁，对于一个对生成式人工智能完全不了解的用户来讲，LibilibiAI的界面和美图界面比起来就相对困难很多，而这个时候，如果我们再切到美图应用APP的界面，整个操作起来是更容易的。
上面这两点共同促成了美图将近十倍的算力溢价。(当然，对于一个有AI生图软件使用经验的用户来讲，除非美图的模型有足够大的吸引力，否则他可能会去用LibilibiAI，毕竟十倍的算力的溢价，我可以有很多试错的机会)。但我们必须承认的是，C端的用户极少数会有这种专业的软件使用经验，更多的是大家没有任何经验，我只想生成图片的结果，那么美图刚好满足了这份需求。
回到大模型的训练
美图能做的更像是AI模型训练的使用者，而不是开发者，真正的开发者是那些开发出领先一代的图像控制或者说优化的大模型，这些需要改变底层生成逻辑的一些东西，我认为美图没有能力（美图的这点研发费用支撑不了做底层模型创新的能力），同时，也没必要去做。
2，C端应用目前美图再面向生活场景的 toC 产品矩阵方面，美图依然是主打面向图片的 4 款产品，Meitu（美图秀秀）、BeautyCam（美颜相机）、BeautyPlus、AirBrush，以及面向视频场景的 Wink。
对于c端，本地部署一个普通的图像处理模型，可能b站视频只要5分钟，而自己实操就要半天甚至1天（中间要处理各种不同的bug），其实c端大部分人是没有能力本地部署模型的，简单说，就是照着操作都学不会。
因此，美图的机会就在这里，给c端客户简单易操作的AI使用体验。同时，美图需要在通用大模型的基础上，针对人像做更精准，更有深度的训练，让自己的大模型给用户带来更好的体验。虽然说在图像体验这个方面，可能不同的应用之间，用户的感知不是特别明显，但当客户的总量够大的时候，一些微小的改变还是能带来很大的客户的口碑。
网上也有不少网页版的图像处理应用，不少还可以免费使用，美图面对这些网页版应用，更应该发挥自己系统化的优势，网页版的应用的功能是比较零散的，不够全面，因此，美图可以集成整套图像处理的各个部分的应用，让用户在一个应用里同时处理各种各样不同的需求，不用把图片在各个不同的网页应用中来回传递，这是美图在面对这些网页免费应用竞争的最大优势，也是美图可以让c端用户愿意付费的最大的理由。
3，再聊聊软件付费的事情国内的软件生态，以前更多的是在盗版和免费为主，整个付费生态也是在近几年才逐渐好转的，随着AI的出现，其实是加速了整个软件付费的过程。
AI应用的出现，让一些不愿意付费的用户，接受了付费的观念，大家意识到，AI算力是需要付费的（photosh以前是有，免费的破解版，但现在photoshop的AI功能也需要付费使用），同时也让美图从以前依靠广告收入的模式转向依靠订阅收入。
从逻辑上讲，在依靠广告收入的时候，服务好用户，留住客户，就可以获得更多的广告收入，而在订阅收入的时候，表面上看也是服务好用户，用户才愿意付费，但实际上付费的主体从广告商变成了用户，这让公司服务的对象的定位更近准，不用再考虑广告商的情绪，去做一些违背用户体验的事情，可以更纯粹的去优化用户的体验，这样能达到一个更好的正向循环。
4，B端的生产力工具业绩会上，管理层认为生产力市场是生活市场的80倍，生产力用户付费意愿，比生活市场的付费意愿要强得多，是美图的第三增长曲线。
美图设计室，说是toB，其实还是toC，只是一群付费意愿很强的C端用户。美图要深耕电商行业的生产力工具业务，这个定位没错，电商行业的付费能力应该算是最好的了，电商因为有钱赚，才愿意去购买工具，提高效率。(业绩会原话——这里面生成式 AI 起到一个很大的支撑，技术的革命给了我们很好的机会，让我们有机会把 adobe 一些核心能力做到更低的门槛、更惊艳的效果）。
阿里巴巴对美图的投资，更大的意义在于给了市场。对于美图在B端的一个想象力，特别是在电商设计，客户的付费意愿是远远大于生活的场景的工具，因此是给美图的营收提供了更大的想象空间。
5，聊聊逻辑和估值2024成本中，渠道分成4.3亿，约占收入的20%（这个占比估计以后变化不大）。大模型训练费用1.4亿。推理的需要的算力远远小于训练所需要的算力，1.4亿的训练成本估计增长不会太大了，以后增加的更多的推理的成本，但单位推理的成本是随着算力进步是在下降的，这也给了利润增长的空间。这意味着以后几年，利润增速是会大于营收增速。同时，美图今年几个应用在海外推出了几个爆款的场景，虽然现在还没有准确的收入数据，但今年海外的增速可能有很大的预期差。
以前蔡文胜在战略上没问题，但在战术上，蔡文顺过于依赖自己在判断战略上的那套类似于赌博的操作，所以即便压对了战略，但是由于战术的不可持续性，造成了很多业务无疾而终。但吴欣鸿上任以后，事情有了好的变化，吴欣鸿对美图的定位非常准确，当大方向对的时候，就不出现会错的离谱的事情。（吴欣鸿原话——我们也明确自己的定位是一家 AI 应用公司，而不是一家大模型公司)。
在开源的背景下，不同AI应用公司的大模型之间的差异会越来越小，所以整个问题的重点是，谁可以准确的掌握用户的需求？同时将每一次迭代更新的大模型技术，准确的赋能给用户的需求，谁就能掌握这个市场。同时，美图所拥有两亿多的用户，也能让他在这个市场中有更稳固的地位。
最后总结几点美图的关键点。
①庞大而稳定的用户基数（美图的名字家喻户晓）
②AI技术迭代→用户需求 (精准的转化)
③持续的退出爆款的应用场景。
今天才发这个文章晚不晚呢，其实生成式ai对美图的影响，可能才刚刚演绎到一半，市场还在堆估值(拿24年的经调整净利润，pe已经50多了)，但业绩兑现不远也不近，留下来刚刚好的想象空间，音乐不停，那就接着传花吧。
最后，再升华一下。
十年前，一台新装的电脑，桌面上醒目的美图秀秀还历历在目，十年后，打开AR眼镜，是否还有美图的身影，在闪闪发光。