流沙之上：陳冕、景鯤、倪正民和中國 AI 應用創業者的三種選擇

2026年夏天，中國AI應用創業公司同時感受到了兩股壓力。一邊，大廠開始陸續推出通用的辦公Agent；另一邊，一級市場對AI應用的態度正在轉冷，持續看AI應用項目的投資人林望，提到模型能力的升級很容易覆蓋AI應用的能力，他把這種處境形容為“在流沙上蓋房子”。（）流沙是不斷變化的模型能力，房子則是建立在模型之上的AI應用。創業公司剛剛圍繞模型能力的缺口做出一個產品，模型再往前走一步，原來的缺口就可能消失。

如果把視野放大，過去一年AI應用公司大致出現了三種遷移方向：一類繼續進入專業工作流，把模型嵌進更完整的生產過程，典型如Cursor嵌入編程工作流、Lovart嵌入設計工作流；一類不斷擴大任務邊界，爭奪更通用的工作入口，典型產品如Manus、Genspark；還有一類試圖把知識、工具、Agent和用戶上下文組織成長期工作的系統，例如Notion AI、FlowithOS、WorkBuddy等。三條路線不同，背後卻都面臨著同一個問題：當模型廠和互聯網大廠都開始嚮應用層推進，獨立AI應用公司還能留下什麼，才不至於在下一次模型升級後重新開始？序章丨如果模型廠也做，你怎麼辦？

2025年初，從上海飛往北京的一趟航班上，陳冕哭了。當時LiblibAI的收入剛剛翻倍，公司仍在增長，但陳冕覺得，“完蛋了！”如今圈裡很多人把演語科技創始人陳冕稱為“冕神”，最近爆火的一個播客採訪裡，陳冕提到了去年年初自己對著投資人哭的場景：他默默流淚，在和投資人的電話裡，他說“完蛋了。”此前近一年，團隊都在做節點式的強控制工作流，讓用戶通過連接不同模型、調整參數來獲得更穩定的生成結果。但新一代圖像模型GPT-Image-1出來後，原本需要在應用層完成的許多複雜操作，開始被模型自己解決。團隊花了近一年搭建的中間層突然失去了存在的必要。

這也是很多AI應用公司面臨的矛盾所在：模型越強，應用越容易獲得上游的模型能力；模型繼續變強，應用層辛苦搭建的產品價值又可能瞬間消失。陳冕用“逐鹿中原”形容這種處境：模型廠商還在擴張，應用公司得趁主戰場沒壓過來時先佔住自己的江東，再修一道“長江天險”。他總結：“用時間換空間，用空間換資源，再用資源澆築壁壘。”但那道壁壘到底是什麼，他自己也說，只有修出來才知道。今年，一批較早進入AI應用層的創業公司已經走到新的階段。演語科技(Lovart)和Genspark成為華人AI應用創業公司估值最高的一批，Flowith體量更小，但也在創作Agent領域獲得了較高關注。

本文選擇Lovart、Genspark和Flowith作為三個觀察樣本，看它們如何從不同起點，一步步把產品邊界推向今天的位置。01陳冕：往專業工作的深處走陳冕在做AI應用之前，最後一段大廠經歷是在字節負責剪映和CapCut的全球商業化。曾在剪映工作的產品人士陳川告訴，剪映後來能夠從一個服務抖音的工具變成獨立創作產品，一個重要變化是把專業剪輯能力不斷簡化給更大的中間用戶群體。複雜的剪輯被壓縮成普通用戶可以直接調用的模板和功能，商業化也逐漸從免費工具轉向會員、模板等付費方式。這段經歷或許能夠提供了一個理解陳冕的背景：他過去最熟悉的就是怎樣把專業能力重新包裝成更多人可以使用的產品。

2023年創業時，生成式AI也處在類似階段。Stable Diffusion已經讓圖像生成成為可能，但找模型、訓練LoRA、調參數仍然是專業工作。Liblib最初把模型、創作者和生成工具聚到一個平臺上，此後又繼續向Workflow推進。陳冕後來在Founder Park的訪談中把這一時期稱為圖像AI應用的“2.0”：模型提供一個個能力，ComfyUI式工作流負責把它們組織起來。對應用公司而言，這套生意成立的前提很簡單——模型越難使用，中間這一層越有價值。這套邏輯在2025年初第一次遇到了問題。

當模型本身越來越容易理解自然語言、完成複雜控制，應用層靠“幫助用戶駕馭模型”建立起來的一層價值開始迅速變薄。據Elsewhere報道，在得知gpt-image-1即將開放後，陳冕從全公司抽調最好的人到上海封閉開發Lovart。此後，每當新產品出現，公司都會迅速把資源向新的增長點傾斜。模型變化得太快，資源也必須跟著機會移動。陳冕沒有繼續增加Workflow的複雜度，而是把複雜度藏了起來。Lovart仍然保留畫布，但過去需要用戶自己選擇模型、連接節點和規定執行順序的工作，開始交給Agent完成。

陳冕在Founder Park的訪談中把ComfyUI比作一塊需要用戶自己“搭電路板”的畫布，而Lovart更希望成為一張設計師工作的桌子：用戶只需要告訴AI想做什麼、哪裡需要修改，後臺再完成工具選擇和任務拆解。從這個角度看，從Liblib到Workflow再到Lovart，陳冕反覆在做的其實是同一件事：找到仍然過於複雜的專業能力，再把複雜性從用戶面前拿走。類似的遷移也出現在AniShort、Loopit、Aippy等創作工具上：單次生成能力越來越容易獲得後，產品開始繼續向腳本、交互、協作和完整生產流程延伸。

只不過到了AI時代，他需要面對一個過去做剪映時沒有的問題——產品剛剛消化掉一層複雜性，下一代模型可能又會把這一層複雜性消滅掉。插曲丨一年之內，Agent從創業機會變成大廠戰爭如果要形容2025到2026年AI應用創業者的處境，大概就是：那種所有人都知道地面在移動，卻不知道下一塊穩定土地在哪裡。2026年春天，這種感覺變得尤其明顯。一隻被國內用戶叫作“龍蝦”的開源Agent OpenClaw突然流行起來，部署教程和使用案例迅速鋪開，沒過多久，國內幾家大廠也相繼推出相關產品和服務。國外的變化同樣快，OpenAI、Anthropic都在繼續把Agent從編程推向更完整的工作場景。

一個原本還帶著極客色彩的產品形態，很快就被捲進了大公司的競爭。再往前一年，情況還完全不同。2025年春天，資本才剛剛重新對AI應用產生興趣。一位達晨投資人當時告訴，2024年“應用明顯有點涼了”，到了2025年，“大家又統一了共識，應用又火了起來”，但真正願意下注的人仍然不算多。3月走紅的Manus，把Agent從技術圈裡的概念變成了一場大眾事件。在此之前，很多AI應用仍然圍繞搜索、寫作、圖片生成這樣的單點能力展開，用戶習慣的也是“我問一句，AI回答一次”。Manus則把另一種交互方式擺到了所有人面前：用戶只說自己最後想得到什麼，中間的過程可以交給Agent自己決定。

這也讓很多創業團隊需要重新估量原來的計劃。Lovart在Manus走紅前已經開始準備，但陳冕後來提到，Manus讓他更確信Agent會成為下一階段的重要產品形態；景鯤看到的信號則更偏技術，他把Claude Sonnet 3.7視作端到端Agent開始真正可用的節點，隨後停掉了已經擁有數百萬用戶的AI Search；Flowith原本就在開發Agent Neo，Manus帶來的市場熱度又讓團隊把發佈時間提前。

一年後的2026年，這種不確定性沒有消失，只是參與者更多了：模型廠、互聯網大廠和開源社區同時進入這個市場，對應用創業公司的壓力也因此變得具體：它們不僅要面對被下一代模型能力升級吞噬的不確定，還有一個剛剛被驗證過的產品方向，可能很快變成大公司主戰場的問題。陳冕、景鯤和倪正民真正不同的地方，也是在這段時間裡出現的。他們都看見Agent在變大，但沒有選擇在同一個地方等待未來。02景鯤：停掉搜索，賭一個更大的入口“一個做了二十年搜索的人，為什麼把自己的AI搜索產品殺掉？”2026年8月，在新加坡參加GeekPark的一場活動前，景鯤把準備行程這件事交給了Genspark。

他讓郵件Agent翻出自己與主辦方此前的往來郵件，整理完整日程、找到附件，再按照他的語氣起草調整安排的回覆。一年多以前，Genspark還只是一家AI搜索公司。搜索原本是景鯤最熟悉的領域。他自己把過去近二十年的工作概括成一件事：連接人與信息。2024年創辦Genspark時，AI Search因此是一個很自然的起點。那年6月，Genspark上線不久，景鯤仍然把AI搜索看成一場長期戰爭。曾與他深入交流的林舟告訴，景鯤當時擔心，如果所有AI搜索產品使用的都是同一份公開Web數據，最後的區別可能只剩下怎麼在頁面上“擺盤”，真正值得積累的是自己的高質量數據和用戶數據。

他還給產品設過一個標準：“我不希望大模型來了之後，因為技術的升級，某個產品就不見了……大模型能力的升級應該讓我變得更強。”2025年2月，它剛剛完成1億美元融資，產品已經有超過200萬月活用戶。不到兩個月後，Genspark卻決定停掉AI Search，一個擁有500萬用戶的產品，從成立到被放棄核心形態，只用了不到一年。公司在4月發佈的文章中說，固定的搜索流程越來越難處理複雜任務：用戶需要的不只是找到和整理信息，還有比較方案、做研究、生成PPT，甚至直接把事情做完。真正改變景鯤判斷的技術信號，是Claude Sonnet 3.7。

Genspark從創立第一天就希望做能夠端到端完成任務的Agent，但此前的模型還不夠可靠，AI Search只是當時更現實的PMF。Sonnet 3.7出現以後，景鯤認為模型第一次能夠支撐完整Agent落地。他後來解釋，轉向當然有風險，但“站在原地”的風險更大，因為用戶最終總會遷移到更好的工具。這種做法在景鯤過去的產品經歷裡並不陌生。小度相關的從業者周遠告訴，景鯤最初做小度時只想做AI操作系統，並不想自己生產硬件。但2017年天貓精靈把499元的音箱降到99元后，原本依賴合作伙伴的生態受到衝擊，小度最終不得不自己進入硬件。

景鯤當時總結過另一層經驗：硬件上的新功能往往只能領先半年到九個月，很快就會被複制，更難複製的是用戶持續交互後形成的數據正反饋。到了Genspark，這套判斷再次出現，只是方向反了過來。當搜索不足以承接用戶完整的任務，他開始向上擴大產品邊界。AI Search之後是Super Agent，再之後是Workspace。搜索、做PPT、處理文檔和更多原本分散在不同軟件裡的工作，開始被放進同一個產品裡。這種變化也發生在景鯤自己的工作方式裡。2025年開發AI Slides時，他第一次讓Super Agent完整接手一份演示文稿。過去需要幾周完成的資料研究、結構梳理和設計，被壓縮到了5到10分鐘。

景鯤後來寫道，自己最初還是習慣性地從AI結果裡挑錯，但當結果開始明顯超過自己的預期時，他甚至開始問自己，以後還有什麼工作需要親自完成。景鯤選擇的方向，也是2026年競爭最擁擠的一條路。Manus、Perplexity等產品也在從單點能力向更完整的任務入口移動。這條路線的誘惑也最明顯：產品邊界越大，理論上能夠留下的用戶Context越多。但它也是最直接進入模型廠和互聯網大廠主戰場的一條路，因為大廠可以搶走流量，但很難搶走已經長在系統裡的“協作關係”。這和陳冕的選擇恰好相反。陳冕不斷往專業生產裡深入，景鯤更擔心停留在一個很快失去價值的產品層。

對他來說，原來的邊界一旦開始限制用戶完成更多事情，答案通常不是守住它，而是再往前走一層。03倪正民：把創作Agent做成一套系統2025年，倪正民曾讓Agent接管自己的微信十幾個小時，替他回覆消息，而聊天對象沒有意識到屏幕另一端已經換成了AI。對他來說，Agent很早就是工作和生活中的一部分。倪正民1996年出生，很早就開始做網站、設計和軟件，高中時還經營過線上設計工作室。相比模型能力本身，他一直更關心人與軟件怎麼交互。

Flowith最初的無限畫布，就來自團隊一個很具體的使用習慣：他們高強度使用不同大模型時，需要同時打開多個窗口，把不同Prompt和生成結果不斷複製、比較，一度甚至直接丟進Figma裡並排整理。最後團隊反過來問，為什麼這套工作方式不能直接成為AI產品本身。於是，Flowith最早解決的是“人怎麼和很多AI結果一起工作”。無限畫布之後，團隊又把知識庫和能夠長時間執行任務的Agent加進來，但產品服務的人一直相對明確：知識工作者和內容創作者。到2025年5月發佈Agent Neo時，倪正民仍然堅持這條邊界。

在播客《十字路口》裡，他說，通用與垂直之間的界限可以模糊，但通用Agent更適合模型廠商，創業公司的機會更多在垂直領域。Neo已經可以拆解任務、連續執行很長時間，Flowith甚至把目標稱為“創作領域的AGI”，但即使技術上能夠繼續做訂票、點外賣、打電話這樣的任務，團隊仍然選擇不做。Manus的走紅也只是讓他們原本計劃更晚推出的Neo提前了。直到兩個月後，聯合創始人伊晨在祥峰投資的播客裡開始強調“系統”。在他的描述裡，畫布不再只是一個生成內容的界面，而是一個可以繼續容納知識、Agent、工具和用戶工作過程的環境。他同時判斷，模型、軟件、瀏覽器、Agent乃至操作系統之間原本清晰的邊界正在消失。

到2026年初，這條路線最終被命名為FlowithOS。FlowithOS 的核心野心在於：通過無限畫布重塑人機界面，從而在應用層之上、模型層之下，強行卡出一個“Agent 調度層”的生態位。倪正民後來回憶，團隊在2025年中已經看到OS Agent的趨勢，並從那時開始開發FlowithOS。它想做的不再只是一個負責生成內容的Agent，而是一套能夠承接用戶知識、工具和工作過程的環境。Flowith之外，WorkBuddy、Notion AI等產品也在嘗試把知識、工具和Agent組織進同一個工作環境。這條路線和景鯤看起來很接近，但出發點不同。

Genspark是希望成為更大的入口；Flowith則從創作這一類任務出發，把圍繞這類用戶需要的知識、工具和Agent不斷裝進同一套系統。兩條路最後可能越來越像，但它們是從相反方向走到一起的。04三條路線都不是真正安全？到了2026年，做出一個Agent已經越來越難成為一家公司長期獲得注意力的理由。怎樣讓用戶持續注意到自己反而成了一種新的競爭能力。一位長期關注AI應用創業的從業者把AI產品增長過去一段時間的做法概括成“造奇觀”理論：“今天的AI產品的增長完全是要靠博眼球……大家就是在想各種辦法叫造奇觀，通過不斷的造奇觀、蹭概念來獲得那些最有傳播力的網紅的認同”。

在他看來，這套增長邏輯與過去依靠買量不同，只要獲得流量的成本足夠低，即使大部分嚐鮮者最終離開，剩下的付費用戶也可能讓這筆賬成立。翻看Genspark過去兩年的產品博客“World’s First”多次出現但注意力本身很難沉澱成壁壘。一位曾負責大廠AI產品的產品經理周遠告訴，應用團隊經常面對一個更麻煩的問題：效果、時延和成本很難同時做到最好，更重要的是，團隊可能花半年時間做出的工程優化，下一代模型發佈後就被直接“吃掉”。當模型廠和互聯網大廠也開始不斷把Agent能力塞進自己的產品，創業公司的選擇空間因此被進一步壓縮。

三家公司走向了不同的位置，但背後的的擔憂相似：如果公司的價值只建立在某一項模型暫時還做不到的能力上，這層價值遲早可能隨著模型升級一起消失。Flowith聯合創始人伊晨在2025年7月就談到類似問題：大廠可以模仿產品形態，甚至逆向工程某個設計和功能，但團隊、用戶以及圍繞產品形成的生態沒有那麼容易複製。到2026年，類似的詞開始越來越頻繁地出現在AI應用創業者的討論裡：用戶上下文、長期記憶、生態、數據和工作歷史。一位業內人士告訴，相比可以不斷替換的模型和功能，用戶已經留下來的文件、項目和使用關係，至少看起來沒有那麼容易在一次模型升級後消失。但這些東西是否真的能夠成為壁壘，還沒有被證明。

專業工作流仍可能繼續被模型壓縮；用戶Context最天然的擁有者，可能恰恰是已經掌握辦公軟件、操作系統和社交關係的大廠；今天被稱為Agent OS的能力，也可能在下一代基礎模型裡變成默認配置。三條路線都不是一塊已經被證明安全的地方。過去兩年，AI應用公司已經證明自己可以不斷換產品：Search可以停掉，Workflow可以藏進後臺，創作Agent也可以繼續長成OS。真正還沒有被證明的是，每一次產品形態變化以後，上一代積累的用戶、數據、專業知識和使用關係，有多少還能進入下一代。陳冕把創業比作“逐鹿中原”：應用公司要趕在模型廠商壓過來之前先佔住一塊地方，再修出自己的“長江天險”。

到現在，還沒有哪一道防線真正經歷過足夠長時間的檢驗。模型還會繼續向前，對獨立AI應用公司來說，真正重要的或許不是找到一塊模型永遠不會抵達的地方，而是當地面下一次移動時，仍然有什麼東西不會跟著一起歸零。對一部分公司來說，它會來自更深的產業場景：進入企業真實的業務流程，理解一個行業裡的規則、數據和交付方式；對另一部分公司來說，則可能來自開發者、設計師、創作者等專業人群長期形成的使用習慣、內容和生態，建立更高壁壘的開發者生態。如果這些關係和生態能夠跟著公司穿過一輪輪產品變化，那麼下一次地面移動時，它們至少不必每次都重新開始。模型能力每六個月翻一倍，但行業的認知差是唯一的“固定資產”。

在AGI這場無止境的長跑裡，只有不急於一時得失的人，才有資格定義終點。作為這場“流沙之戰”的深度記錄者，並不只關注誰跑得最快，我們更致力於尋找那些在地面劇烈移動時，依然能守住“邏輯原點”的人。如果你也AGI賽道的堅守者，擁有無法被模型迭代輕易稀釋的創業邏輯，並願意講述你對行業終局的判斷，請與我們聯繫（微信：LeonYu87 ）。我們期待與守望者同行，共同在流沙之上，澆築屬於未來的天險。*（文中林望、陳川、林舟、周遠、許川皆為化名。）▼推薦閱讀▼谷歌掀桌，一口氣甩出16個AI王炸2026-05-20全網最強萬字解讀：DeepSeek-V4 掀翻了誰的桌子？2026-04-28