美图拿出1亿元，面向全行业寻找AI影像Builder

美图拿出1亿元，面向全行业寻找AI影像Builder

美图产品挑战赛（Meitu Hatch Catch）火热报名中

允中 发自 凹非寺

量子位 | 公众号 QbitAI

模型还在迭代，但AI创业者面对的问题已经变了。

如今，调用成熟模型、完成产品原型的门槛持续下降，几个人甚至一个人，就可以在很短时间内做出可以运行的AI应用。

尤其是在影像领域，AI正不断催生新的产品形态和应用场景，创新越来越多地来自不同团队、不同开发者，而不局限于少数平台公司。

近期，美图发起美图产品挑战赛（Meitu Hatch Catch），拿出1亿元，面向全球寻找已经上线并拥有种子用户的AI原生影像应用，希望与更多Builder共同探索AI影像的下一种可能。

与常见的Hackathon（黑客松）不同，美图产品挑战赛（Meitu Hatch Catch）所寻找的是：

已经走到用户面前，正在经历产品验证和增长关键阶段的团队。

这场面向全行业的挑战赛，此前已在内部进行过一次尝试。

今年初，美图曾面向内部员工发起产品挑战赛，共有207支团队参与，最终交付136个可以实际运行的AI产品Demo，其中43支是“一人团队”。

更值得注意的是，近七成项目负责人并不是产品经理，而是设计师、运营、工程师、数据分析师等不同岗位的员工。

这组数据说明，AI正在降低产品创新的门槛，也让越来越多人拥有把需求变成产品的能力。

美图产品挑战赛（Meitu Hatch Catch）也提供了一个有意思的观察窗口：

当AI影像竞争从模型能力走向产品能力时，行业正在发生哪些变化？

好产品，长在真实需求里

生成式AI兴起之初，行业竞争的焦点集中在模型能力上。

但随着基础模型能力持续提升，大模型正在变得越来越像水和电，它依然重要，却不再是每个团队都必须从头建设的能力。

新的竞争由此产生：当不同产品可以使用相近的模型，用户为什么选择这一款？

答案在产品对用户需求的理解中。

Cursor的价值并不只是把大模型接入代码编辑器，而是重新设计了程序员使用AI写代码的流程；

Lovable降低了普通用户制作应用的门槛，其竞争力同样来自对产品流程和交互方式的重新组织。

用户最终购买的不是模型，而是一个可以被完成的任务、一段被缩短的时间，或者一个过去难以获得的结果。

模型能力决定产品的上限，产品能力则决定用户是否愿意使用。

因此，今天受到关注的AI产品，往往具有一个共同特点：创始团队不仅理解技术，也长期生活在目标用户的场景里。

比起一个天马行空的创意，越来越多人开始相信：真正优秀的产品，更像是从真实生活里长出来的。

从目前美图产品挑战赛（Meitu Hatch Catch）报名项目中，已经可以看到一些具体样本。

- 有经历过AI应用增长困境的创业者，开始为其他AI团队打造增长产品；

- 有长期研究人机协同音乐创作的学者，做出视频原生AI音乐工具；

- 也有长期使用影像工具的创作者，从自己的修图和内容生产需求出发，开发面向自媒体创作者与影像爱好者的一站式AI影像工具。

这些项目方向不同，起点却十分相似：创造者自己就是场景中的一员，也是产品最早的用户。

他们不是先决定做一款AI产品，再寻找一个可以成立的需求，而是把长期经历、反复观察的问题变成了产品。

这种能力常被称为Founder-Market Fit，即创业团队与目标市场之间的匹配度。

它所回答的是：为什么是你来做这件事？

答案未必是团队拥有最先进的模型，而可能是他们比其他人更了解一个行业的工作方式，知道用户在哪里浪费时间，哪些看似微小的问题每天都在发生，也知道什么样的结果才真正可用。

当模型能力趋于普及，这种来自行业和用户的长期理解，反而更难被复制。

而影像，恰恰是这一变化最早、也最明显发生的行业之一。

从Demo到产品，如何跨越？

过去，一张图片或一段视频需要经过拍摄、修图、设计、剪辑等多个环节，对应不同的软件和专业技能。