球速体育新闻

　　图像生活场景指用户在日常生活中，基于个体审美、自我表达及社交需求，使用美颜类影 像软件进行图像和视频创作的场景。此类应用主要依托于移动设备，以人像美化为核心， 涵盖自动美妆、滤镜特效、五官精修、虚拟妆容、趣味贴纸等功能，同时延展至图片优化、 短视频剪辑及表情包创作等延伸服务，逐步发展为兼具工具属性与社交属性的产品生态。 图像生活场景主要针对社交娱乐需求，用户基数大但付费渗透率低，市场空间不及生产力 场景。图像生活场景以大众用户为基础，根据 Adobe 测算，用户基数高达 40 亿，远高于 生产力场景约 10 亿的传播者与专业设计师群体。但应用付费渗透率低，从美图旗下两个生 活场景的应用表现来看，生活场景应用付费率普遍在 4%左右，而美图设计室、开拍两个生 产力场景付费率则分别超过 6%和 10%。生活场景的市场特性主要源于较低的使用门槛下 用户普及度高，但是以社交、娱乐为主要用途导致用户付费意愿较低。根据 Adobe 测算， 图像生活场景 24 年全球潜在市场空间 （TAM，total available market）约 70 亿美元，整 个图像市场 TAM（630 亿美元）的 1/9。

　　首先我们认为短期来看，AI 对于传统图像生活场景的影响，补充效应大于替代效应。 1） 替代作用仍未体现：私人化审美偏好、用户交互模式固化使得 AI 短期内不具备颠覆性。 生活场图像应用的核心功能围绕人像美颜、图片编辑与滤镜功能，本质是解决用户的容 貌需求痛点和实现个人审美表达，用户对期望实现的人像美颜效果往往有“标准答案”， 进而对美颜应用有高精度需求。在交互方式上，用户通过手动互动的方式获得美颜即时 效果反馈与便捷撤销功能进行微调，长期用户培养与功能调优已经使得美颜用户形成固 化的使用习惯。目前，以 Gemini 为代表的图像类 AI 自然语言的交互模式必然带来用户 沟通成本的增加，同时泛化模型对人像的编辑的精度仍无法实现如此高精度、可控的编 辑能力。

　　其次，从长期维度来看，在 AI 技术逐渐平权的趋势下，图像生活场景的竞争力在于垂直数 据下 AI 模型调优与基于用户理解的产品力，传统应用厂商依然有优势。 1） 泛化图像大模型厂商视角来看，图像赛道生活场景相较生产力场景市场潜在空间差距较 大，24 年潜在市场空间约 70 亿美元，仅占整个图像市场 TAM 的 1/9。泛化大模型厂 商 Gemini、Sora（OpenAI）等发展路径向泛设计场景、医疗场景倾斜，以生产力场景 为 AI 图像赛道主攻方向。同时，生活场景的主导群体为大众用户，对应用易用性、便 利性有更高的要求，而美颜应用市场在 10 余年的发展过程中已经完成对用户的使用习 惯教育与用户黏性培养，因此泛化大模型厂商长期内资源仍会流向生产力场景，生活场 景目前的竞争格局将长期保持。 2） 传统美颜应用厂商视角来看，AI 带来美颜技术力升级与产品功能边界的拓展。美颜软 件离用户更近，凭借更长时间的用户数据积累与用户深度理解，叠加模型开源趋势带来 的技术平权，美图、醒图等长期深耕美颜赛道的应用在垂直模型的搭建与调优上将更具 有竞争优势，传统美颜应用赛道上的竞争将回归到对用户理解与创新功能的迭代能力上。 因此我们认为往后来看，生活场景的核心壁垒应当是在图像垂直领域具备深度，以 AI 赋能具体场景，能够挖掘并快速、高质量响新需求、提供交互性极好的产品。

　　我们以推出 AI 新功能对于应用的拉新与留存视角，进一步对比 AI 原生的单点应用与传统 生活场景应用。 单点突破的 AI 应用须有对应产品矩阵做流量承接，否则留存较困难。2022-2023 年期间， 海外以 Lensa 为代表、国内以妙鸭写真为代表的 AI 原生应用主打上传 10-20 张个人照片， 由 AI 技术生成一系列多种风格的头像或写线 年，Remini 通过“黏土风”滤镜在国 内外引起迅速的社交媒体传播。但无论是 Lensa、妙鸭相机还是 Remini，虽然在上线时火 速爆红，但高潮褪去后均经历大规模用户流失。以妙鸭相机为例，上线 万，单日收入峰值达 55 万元，用户新鲜感消退后，2024 年日活下滑至 3.6 万，较峰值下 降 94%。Remini 在“黏土风”滤镜降温后又通过“老照片修复”寻找到第二成长曲线，但 在一波增长后也迎来了持续衰退。

　　传统美颜应用：AI 功能强波峰属性，叠加美颜功能配套或成优秀拉新渠道。我们认为 AI 原生应用是否进入市场视线并实现用户获取依赖于社交媒体传播热度，相应功能在为用户 生成社媒传播内容后几乎不会被再次使用。在一波爆发增长后实现用户留存需要通过寻找 第二增长曲线，或将流量转化至更长期的痛点需求上，通过对应的功能做流量承接，实现 长期用户转化。因此，如美图的传统美颜应用与 AI 原生功能可以相辅相成，回顾 25 年 2 月，BeautyCam 通过“AI 长头发”、“AI 捏捏”、“AI 换装”等 AI 原生功能在东南亚尤其是 印尼市场实现一波迅速增长，在流量消退后 MAU 较相应功能推出前有阶梯式上升表现，较 相关功能发布前 MAU 提升约 36%。原因在于 BeautyCam 通过对应的美颜功能与滤镜抓住 用户的长期需求，吸引用户流向复用性更高的非 AI 原生的传统功能上，实现对长期用户的 转化。

　　传统美颜应用的增长逻辑聚焦于“发现痛点-解决痛点”，应用通过对美颜用户需求的精准捕 捉并提供解决方案，实现渐进式的用户拓展，只要用户痛点持续存在，传统美颜应用的留 存将长久稳定。但 AI 应用更多抓住了社交传播趋势下 UGC 内容创作的需求，相较于传统 应用“痛点先行”的特征，AI 应用更强调通过功能创造需求。因此 AI 应用的成长路径从模 型能力出发，依靠“爆款产品-社交传播”实现用户触达，在增长表现上来看有更强的成长 性。通过追踪生活场景成功 AI 应用的成长历程，深入探讨生活场景 AI 功能的特性，为理解 生活场景市场的未来动向提供先验逻辑。这里选取生活场景全球龙头 FaceApp 和布局出海 路线的国内美图赛道龙头美图公司做复盘分析。

　　FaceApp 精准捕捉 UGC 内容背景下的社交媒体传播需求。2017 年，“俄国版 Google” Yandex 的前高管 Yaroslav 带领创业团队，基于深度神经网络技术（GAN）推出俄罗斯滤 镜应用 FaceApp。FaceApp 在俄罗斯上线初期瞄准移动互联网时代用户对趣味性、低门槛 图像娱乐化的需求，其背景是智能手机普及与社交平台（如 Instagram、VK）对 UGC（User Generated Context） 内容的高度依赖。上线当年特推出“笑容”滤镜，实现应用冷启动 与第一波用户积累；2018-2019 年通过“性别转化”与“变老”滤镜持续在社交媒体上迅 速传播，大量欧美明星加入滤镜挑战。巅峰时期 FaceApp 登顶 154 国 iOS 免费榜，活跃用 户近亿。

　　功能池孵化爆款功能，社交传播精准卡位。 早期 AI 技术探索下的功能池积累：2017 年 1 月，FaceApp 虽然真正爆火的功能仅为上 文提到的 3 个，但这其实是团队在 28 种滤镜中淘汰了 25 种非爆款功能的结果，例如瞳 孔颜色转换因效果不自然被弃用，而“变老”滤镜因贴合用户“窥探未来”的心理需求 脱颖而出。这些尝试依赖于 GAN 技术的迭代，早期模型可精准调整面部肌肉、皱纹、毛 发细节，后期叠加风格迁移算法，使效果更逼真。技术沉淀让 FaceApp 能快速响应热点， 例如“性别转换”仅 3 天上线，后续衍生出“童颜”“虚拟化妆”等分支功能。 间接投放逻辑撬动社媒传播：FaceApp 避开直接在 Facebook 上投放的传统模式，转 而与第三方测试网站（如性格测试、趣味问答站）合作，将 Facebook 上的泛娱乐用户 导流至测试网站，测试结果图片强制添加品牌水印，用户在社交平台分享时形成“自来 水”传播。这种策略精准捕捉社交媒体“猎奇-测试-晒图”链条，以较低成本撬动 UGC 内容裂变。