在生成式 AI 加速渗透的背景下，图像生产力工具并未走向“被通用大模型取代”，而是呈 现出 AI 与传统产品结合和 AI 带来传统工作流重构并行的发展路径。本报告重点围绕美图展 开分析，核心关注以下两个问题：
1）AI 将如何影响图像编辑这一传统生产工具？ AI 对图像编辑的影响更多体现在效率的增强而不是范式的替代。图像编辑并不是一次性生 成，而是由参数化调节、多轮反馈和审美判断构成的复杂交互过程，在高频商业和生活场 景里，对结果可控性和一致性的要求显著高于单次生成。 从产品数据看，美图生活场景产品贡献 90%收入、91.8%MAU 和 88%的付费用户，编辑器 仍然是用户使用和变现的核心入口。这种结构表明，AI 能力更多的应用于降低操作门槛、 提升编辑效率，而不是取代编辑决策本身。生成式功能（如抠图、重绘、智能补全）拓展 了编辑边界，但没有改变编辑器在核心场景中的不可替代性。
2）在大模型能力边际扩张的背景下，美图具备什么壁垒？ 我们认为美图的壁垒在三层，分别是底层编辑器、中层工作流和顶层产品力，具备显著的 不可复制性。底层方面，美图通过长期积累的模版、参数和风格资产，构建了可复用、可 组合的编辑能力库；中层通过工具箱和流程设计，把 AI 能力嵌入在现有的编辑体系中，表 现为“AI 加持下的编辑复杂度提升”；顶层则通过生活场景和生产力场景的差异化布局，实 现用户结构和商业化路径的分层。这种结构并不是单点功能优势，而是围绕工作流持续扩 展的系统能力。
综合看来，AI 并未削弱美图的编辑器属性，反而通过加深工具深度和流程粘性，强化了美 图作为图像生产的核心入口的平台价值。 综合来看，美图已经形成底层编辑器、中层工具流程、上层场景产品的三层嵌套结构。AI 并没有削弱编辑器，而是在上层高感知模块中显著提升单位功能的变现效率，并通过编辑 器底层的稳定输出能力，保障结果一致性和商业的可扩展性。显示 AI 的本质作用是放大头 部编辑平台的规模和结构优势。在这一逻辑下，美图并不是被 AI 冲击的对象，而是 AI 赋 能下的重要受益者。
从功能与交互范式角度看，“编辑器”本质上是一类承载用户主观创意并将其转化为可控内 容输出的交互工具。在平面图形处理领域，Adobe Photoshop 依托高精度的图层管理与像 素级处理能力，长期确立了行业标准地位，其以“工具箱”、“属性栏”等为核心的交互界 面结构，构成了经典意义上的“编辑器”范式，并成为后续产品形态的重要参照。 从功能结构看，编辑器的核心并非内容生成，而是将审美判断转化成高确定性的参数组合 和稳定输出。AI 并没有改变用户对好效果的需求，而是显著降低了获得结果的成本，推动 价值向高感知模块集中。 美图编辑能力呈现明显分层：基础修正和色彩管理等底层功能占据超过 40%的功能数量， AI 占比接近 0%；而图像合成、人像美化等等高感知模块 AI 占比达到 2%-10%。
AIGC 扩大编辑器交互逻辑和生产力边界
生成式 AI（AIGC）并非单纯的功能叠加，而是从交互逻辑与生产力边界两个维度，对传统 图像编辑工具进行了根本性的重构： 1. 交互范式重构：认知减负，降低操作门槛。用户只需表达“想要什么”，无需掌握“在哪 里找”或“怎么调”。AI 将自然语言直接转化为操作指令，降低学习/使用门槛。 2. 能力边界拓展：从“修饰”到“生成”。AIGC 突破了传统算法仅能对现有像素进行“修 饰”的局限，赋予了工具“像素级推理与生成”的能力。例如对于发际线补全、画面扩充 等高难度需求，传统模式往往依赖用户手绘技巧或素材合成能力，边际成本极高。生成式 模型能以极低的门槛实现“无中生有”的高质量填充。 这有助于美图三方面改善： 1. 体验侧（粘性）：极简的交互大幅降低了使用门槛。 2. 收入侧（ARPPU）：“生成式”带来的效果突破具有极高的用户感知价值，有效支撑了 VIP 订阅价格的提升及付费率上限的挖掘。 3. 转化侧（触达）：意图驱动的交互模式缩短了从“需求”到“功能”的路径，使得核心付 费功能不再“深藏”于菜单中，从而大幅提升了高价值功能的曝光率与转化效率。 美图秀秀实例： 我们查看了美图秀秀目前标注有 AI 字样的功能进行汇总。 1）优化：基于生成式 AI 的特点，美图秀秀中目前大部分优化集中在产生“形变”领域， 比如线条功能共有 56 个功能点，其中 18 个使用 AI 功能，传统的线条功能通过“叠加图层” 实现（比如在瘦腰的过程中，手动调节过程中，手臂会被拉扯变形），而 AI 则是重绘，以 达到更自然的效果（能够保护目标外的部分）。
2）新增：弥补传统图像处理技术短板，新增独立的功能。传统图像处理本质上是像素的“搬 运工”（如液化推脸只是像素的几何变形），一旦涉及素材缺失便无法处理。AIGC 的核心 差异在于其具备“像素级造物”的能力——例如 AI 表情编辑（生成闭合嘴巴里未露出的牙 齿）或 AI 增发（生成头皮上不存在的毛囊与发丝）。这种基于概率模型的生成能力，解决 了传统算法无法“无中生有”的技术痛点，极大地延展了编辑器的创作半径。
AIGC 无法改变传统编辑器在细分场景下极致效率和深度效果
1. 短期存在一定技术瓶颈，后期需观察大模型能力的迭代。 1）精度不可控：不可回避生成式 AI 生成像素点的随机性。它擅长无中生有的创造，但对 于需要 100%精准控制的操作（比如把眼角只抬高一定比例），AI 往往难以实现。 2）交互效率低：语言无法精准描述指令，且反复沟通效率低下。对于颜色、形态、角度等 精细化调整语言往往无法描述，并且，对于微调类操作（比如“稍微调瘦一点”），打字描 述不如手动拖动滑块来得直观、高效。 2. 长期也不改变：基础性功能无需 AI 算法优化。对于基础且标准化的编辑功能，传统算法 已经达到极致，引入 AI 既无必要也不划算，比如基础裁剪、旋转、格式转换、全图亮度调 节，这些功能通过传统算法可以实现零延迟、零成本、100%准确。而用 AI 去做这些简单 运算，不仅速度变慢、浪费算力成本，效果上也没有提升。
美图秀秀实例： 从功能价值分布看，AI 功能遵循“高感知渗透、低底层重构”的分层策略。 越接近底层精度 需求，AI 渗透率越低；越偏向主观视觉效果，AI 价值越高。如图表三统计，数据显示，基 础修正（物理层）与色彩管理（氛围层）等底层模块，因追求极致的参数确定性，AI 占比 接近于零；结构层与质感层虽引入面部重塑等 AI 能力，但占比仍不足 10%。唯有在图像合 成、修复等内容层，AI 才凭借“无中生有”的生成能力成为核心驱动力。这证明 AI 对编辑器 基础能力的改进是较弱的。 从交互效率逻辑看，生成式 AI 的“模糊推理”无法取代“确定性参数调节”。编辑器的高频核 心能力仍建立在“纯手工调节”路径上（如滑块、数值），而非依赖 AI 生成。在亮度、对比度、 轮廓形态等精细控制场景中，用户需要的是“所见即所得”的即时反馈与像素级守恒。由于自 然语言难以精确映射至具体的参数空间。例如，在同一张人像上进行眼睛放大 25%的指令， 豆包生成的结果不仅难以精确对应放大幅度，并且局部结构出现明显混乱（比如在图片中 又画出了眼睛的局部放大图，破坏了完整的图片）。说明和美图秀秀手动调节相比，生成式 AI 不仅交互效率低，还引入了额外的结果不确定性。因此，底层功能的实现在传统算法与 手动操作范式中效率更高。
从用户决策路径看，“模版化预设”进一步构筑了非 AI 交互的护城河。数据表明，美图秀秀 的核心竞争力来源于“结构化的审美沉淀”而非“即时生成”。在人像美容模块约 1120 个功能 点中，超过 50%（约 870 个）是以预设模版形式存在的。这一庞大的模版库本质上是已验 证参数组合的固化，用户更倾向于在可视化结果中进行“选择与比较”（做选择题），而非向 AI 发出抽象指令（做填空题）。这种基于“模版选择+微调”的高频操作路径，决定了 AI 只能 隐藏于模版生成的上游环节，无法在前端直接替代“点击与切换”的高效体验。
值得补充的是，上述特征决定了美图秀秀的编辑器能力不仅适用于美颜相机、Wink 等生活 类产品，其优势同样能够自然延展至更高要求的生产力场景。在后续的商品图、设计图等 应用中，编辑深度与功能丰富度将直接决定“最后一公里”处理能力，而当前美图设计室 （X-design）、开拍（Vmake）等产品仍处于持续补齐编辑器功能数量与深度的阶段，显示 出编辑器体系在生产力场景中的重要性仍在不断上升。
编辑器的使用依托于一整套工作流。基于编辑深度与操作路径复杂度的差异，我们将美图 用户划分为轻度、中度与重度三类。 轻度用户以结果导向为主，核心诉求在于快速获得可用效果，编辑路径通常集中于模版选 择、一键美颜及少量整体参数调整，对编辑过程的可控性要求相对有限，更多依赖预设方 案完成编辑。 重度用户则以过程可控与结果精度为核心目标，其编辑行为往往涉及多层级、多轮次的手 动调整，包括结构比例、细节修正与质感控制等关键环节。该类用户对编辑器颗粒度与功 能完整性依赖度较高，编辑深度直接决定最终输出质量，AI 与模版更多作为起点而非终点。 中度用户介于两者之间，既会使用模版或 AI 功能提升效率，也会在关键环节进入编辑器进 行参数级调整。其工作流呈现出“先简化、再精修”的特征，是编辑深度向更高层级迁移 的主要人群。
工作流分层结构，决定美图在 AIGC 时代的适配度与上限
美图用户中大部分是中轻度用户，中重度用户占比较低，三类人群在同一工具内并存，而 美图的工作流正是围绕这三类真实使用路径展开设计的。 1）对大多数人来说，美图快且不失可控性。轻度用户通常只需要 1 步就可出图，依赖模版 和一键美颜；中度用户需要约 3-5 步，会在模版的基础上进行局部微调。AI 功能主要作用 在这段路径，用来减少重复操作，并行完成基础处理，但用户仍能随时介入调整，这覆盖 大部分用户的真实需求。 2）对少数重度用户，美图仍保留完整编辑能力。少部分的重度用户需要 10-12 步完成编辑， 必须逐层处理结构、质感和氛围。美图的编辑路径允许用户完整穿越物理层、结构层、质 感层和氛围层，AI 只作为单点增强工具嵌入其中，无法代替手动微调。这保证了高质量结 果的可控性，也是美图区别于其它一键出图工具的核心优势。 3）AI 在美图中是增强层，而不是流程终点。从实际操作路径看，即使引入 AI，用户的核 心编辑顺序并没有改变。AI 更多承担的是补充、加速和兜底角色，而不是重构工作流。这 种设计使美图既能服务轻度用户的效率需求，也不会牺牲中重度用户对编辑深度的依赖， 形成稳定的长期使用基础。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
