【科技纵览】美国未来学家罗伊·阿玛拉曾提出一个广为引用的论断：人类倾向于高估技术的短期价值，却系统性低估其长期影响。这一洞察在商业实践中尤为残酷——多数追逐即时红利的企业，往往未能撑到结构性变革真正降临的时刻。
2026年1月9日，AI设计智能体Lovart创始人陈冕做客罗永浩播客，回溯创业历程时语气出奇平静。然而这份“平淡”与他此前的真实处境形成强烈反差：公司一度账面仅余4000元人民币，核心产品遭平台无预警下架，融资屡屡碰壁几成常态。用罗永浩的描述，彼时的陈冕“狼狈不堪”，仿佛站在补贴战后的废墟中，尚难窥见前路微光。
真正的转折点出现在2025年5月。Lovart正式发布后迅速引爆海外社交平台，推特相关讨论帖近5000条，官方视频播放量逼近百万，甚至获得马斯克点赞。上线24小时内，等候名单申请人数突破2万。这场从谷底到高峰的急速跃迁，看似如创业电影般戏剧化，实则折射出生成式AI在2025年所处的关键临界状态——正从令人惊艳却昂贵的“玩具”，蜕变为可信赖的生产力工具。Lovart的意外走红，恰成为观察这一转型的典型样本。
其海外突围不仅关乎企业存续，更直面行业核心质疑：在模型巨头主导的生态中，应用层公司能否构建独立于底层模型的核心竞争力？当Midjourney仍以“抽卡式”图像生成占据主流时，Lovart选择了一条更重、更深的路径——不再止步于单点内容产出，而是试图接管整个设计工作流（Workflow）。尽管历史表明，优化工作流的工具常率先遭遇市场淘汰，但陈冕仍将团队迁至“AI震中”，直面这一挑战。
这位履历横跨腾讯、百度、360、滴滴及字节跳动的移动互联网老兵，在AI时代发起了一场内部“兵变”：彻底取消产品经理（PM）岗位。其逻辑在于，AI时代的产品壁垒已从交互体验转向垂直领域知识密度，行业专家应取代需求翻译者掌握主导权。这种架构隐含一种自信——当创始人自身即顶尖产品人时，“中间层”反而可能拖累效率。
由此诞生的Lovart呈现出极客式的专业气质：Web端集成图层、蒙版、Inpainting等专业功能，形如桌面级工作站。数据显示，其日活稳定在5万至20万区间并持续增长，同行LiblibAI的大额融资亦印证专业工具赛道热度。然而硬币另一面是用户体验的割裂：对电商店主或市场专员等真实目标用户而言，复杂操作远不如“一键改背景”来得实用。义乌一位饰品商家坦言，面对图层混合模式，她最终退回美图秀秀——“我只想改个颜色，为何不能点一下就行？”
这种供需错位揭示了典型的大厂思维惯性：擅长构建精密系统，却偶尔回避“简单即颠覆”的商业本质。Lovart虽赢得专业圈层尊重，却也因过度专业化设定了增长天花板。
值得注意的是，陈冕多次公开表达对通用智能体Manus的敬意。正是Manus以现象级产品完成市场教育，将AI Agent从概念推向共识，为Lovart等后来者扫清认知障碍。Lovart的快速响应能力——在风口确认后立即推出成熟产品——体现了极致执行力，但其成功亦建立在Manus验证过的安全区之上。
财务数据佐证其策略有效性：截至2025年10月，Lovart三分之一用户及收入来自美国市场，DAU达20万级，年经常性收入（ARR）预估3000万美元。这一模型使其成为一级市场回暖中的“最大公约数”——并非因VC笃信应用层未来，而是因底层模型战已成千亿美金游戏，资本被迫向下寻找具现金流的标的。
然而该模式在国内遭遇水土不服。其国内版“星流Agent”在App Store图形设计分类仅排第45位，凸显中美生态差异：海外依赖付费习惯与开放工具文化，国内则陷于价格内卷与低付费意愿。Lovart的精英工具打法，在大众市场显得曲高和寡。
技术层面，外界所谓“缝合”实为“编排”（Orchestration）——通过多模态思维链（MCoT）构建创意推理引擎，在毫秒内解析模糊意图，调度GPT-4、Sora等模型协同输出。ChatCanvas实现的图文分离与局部重绘，旨在解决生成式AI“不可控”痛点，将Midjourney式的“黑盒抽卡”转化为可追溯的工业级SOP。
进入2026年，随着底层模型日趋同质化，对工作流颗粒度的理解正成为应用层真正壁垒。Lovart从“生成驱动”向“交付驱动”演进，试图在Adobe与Midjourney之间卡位。但挑战犹存：格式兼容、团队协作等交付闭环恰是传统软件巨头腹地。
更严峻的是结构性威胁。2026年1月13日，Anthropic仅用一周半开发出Claude Cowork，展示基础模型在通用场景下的强大规划能力，暗示应用层壁垒可能被原生模型快速稀释。对此，陈冕清醒表示：“我知道和巨头硬碰硬是什么下场。”故Lovart选择“向深处走”，深耕ROI低、流程琐碎的垂直场景，以行业Know-how构筑护城河。
要真正摆脱“中间层”宿命，《新立场》认为，Lovart亟需下探至LoRA模型、渲染引擎及私有数据闭环的自研。尽管这正是资源密集型战场，但正如刘慈欣《山》中所写：“山在那儿，总会有人去登。”既然Manus能抵达，Lovart为何不能奋力前行？在AI从炫技走向落地的时代，真正的胜负手或许不在模型参数，而在对真实工作流的理解深度与重构勇气。
