今天小編分享的互聯網經驗：WeShop唯象總經理吳海波：AI創業已非“套殼應用”時代，歡迎閱讀。
2025 年是 AI 應用爆發的元年，當全球 AI 競賽步入 " 中國時刻 "，一場深刻的技術變革正悄然改寫產業格局。在此關鍵節點，行業面臨核心命題：如何跨越 AI 技術到規模化應用的鴻溝？下一個颠覆性的 AI 超級應用将誕生于何處？
4 月 18 日，由 36 氪主辦的 2025 AI Partner 大會于上海模速空間盛大啟幕。本次大會以 "Super APP 來了 " 為主題，聚焦 AI 應用對千行百業的颠覆性變革。大會分為 "Super App 來了 " 和 " 誰是下一個超級應用 " 兩大篇章，覆蓋 " 在 AI 世界中長大 ""2025 卷 AI 就卷超級應用 " 等七大話題，涵蓋 10+ 場主題演講、3 場圓桌對話與兩大優秀 AI 案例企業名冊發布環節，深度剖析 AI 技術如何重構商業邏輯、重塑產業格局，探索 AI 超級應用帶來的無限可能。
當日，WeShop 唯象總經理吳海波帶來了《WeShop 唯象的全球化之路：進化 or 淘汰》的主題分享。
以下為吳海波演講内容，經 36 氪整理編輯：
感謝 36 氪的邀請！大家下午好，我是來自 WeShop 唯象的吳海波。今天，我想結合這兩年 WeShop 的創業歷程，分享一些實戰中的觀察與思考，希望能為身處 AI 浪潮中的創業者帶來啟發。
WeShop 唯象總經理吳海波
先花一分鍾，通過一段視頻讓大家直觀了解 WeShop 的業務。
簡單來說，WeShop 專注于為電商企業提供 AI 商拍解決方案。傳統電商運營中，商家需要耗費大量成本請模特、租場地、聘請攝影師完成商品拍攝；而我們通過自研的 AI 工具，幫助商家一鍵換模特、換背景，高效生成商品展示圖。作為國内首家、全球首批推出 AI 商拍工具的團隊，WeShop 脫胎于蘑菇街的時尚電商基因，目前主要面向海外客戶，以 SaaS 訂閱模式收費。我個人在蘑菇街深耕產品和搜索推薦算法多年，2021 年起投身大模型研發，如今在唯象負責產品研發與大客戶合作。
過去兩年的創業經歷，讓我深刻體會到大模型浪潮下的兩面性。我習慣先講 " 壞消息 "，再分享 " 好消息 " —— 畢竟直面挑戰，才能抓住機遇。
壞消息：模型即應用，創業公司的生存危機。大模型時代最殘酷的現實是：" 模型即應用 " 正在成為主流。别再幻想用簡單的 " 套殼 " 方式應對競争—— OpenAI 曾向開發者預充 200 美元算力，看似扶持生态，實則可能瞬間颠覆依賴其接口的業務。這種 " 算力點到手，業務說沒就沒 " 的情況，在過去兩年反復上演。對創業者而言，若無法将大模型能力深度融入業務，就如同在沙灘上建樓，随時可能被技術浪潮衝垮。
好消息：SOTA 魔咒與開源紅利。但換個角度看，大模型領網域的 " 混亂 " 恰恰是創業者的機會。
SOTA（State-of-the-Art）魔咒：在影像和視頻領網域，沒有任何模型能長期占據技術巅峰。以 Hugging Face 的模型排行榜為例，曾經炙手可熱的 middle journey 如今已不再穩居前列；京東團隊推出的 HiDream 模型，短短數月便從無名之輩躍居第二。語言模型領網域的 " 刷榜 " 更是激烈，技術迭代速度遠超想象。
開源生态的崛起：當巨頭紛紛押注閉源模型時，Meta 開源 Llama 引發行業震動，催生出龐大的生态；在影像領網域，部分團隊發現單純比拼模型難以超越頭部玩家，便選擇開源，吸引全球開發者共同優化。雖然開源模型初期效果可能弱于閉源，但憑借社區的力量，其進步速度驚人。
關鍵點：創業者要學會借力開源。任何閉源模型的 " 黑科技 "，大概率會在 2-3 個月内出現開源替代品。這種快速的技術擴散，反而為中小團隊提供了彎道超車的機會。
以 WeShop 為例，我們的技術迭代幾乎完全受益于開源生态的推動。2023-2024 年：初期版本生成的商品圖雖然讓客戶眼前一亮，但細節瑕疵明顯 —— 服裝褶皺不自然、人物面部 "AI 感 " 過重、背景合成生硬。2025 年：借助最新開源模型和微調技術，我們實現了質的飛躍。如今的商品圖不僅能精準還原服裝細節，還能模拟真實拍攝的光影效果，在 2K 分辨率下，生成圖與實拍圖的質感幾乎難以區分。
再看實際案例：
場景一：商場陳列商品圖。2024 年的版本只能做到基礎替換，而 2025 年的模型能生成更逼真的光影、更自然的商品擺放角度。
場景二：婚紗拍攝。對比 GPT-4o 生成的結果，WeShop 的圖在服裝紋理、褶皺細節上更勝一籌——這對電商而言至關重要，因為商品圖必須與實物 100% 匹配。
核心邏輯：20 人不到的創業團隊，若不借助開源模型的力量，根本無法在短時間内實現如此快速的技術迭代。
面對大模型的衝擊，創業公司如何避免被 " 淹沒 "？我總結了兩條關鍵策略：
1. 選擇有 " 戰略縱深 " 的場景
并非所有場景都适合創業團隊切入。如果一個業務只需招聘月薪 5000 元的員工就能完成，那麼它很可能成為大模型的 " 主賽道 "，被巨頭迅速壟斷；反之，若場景復雜度高、對專業能力要求強（例如需要月薪 2 萬元甚至更高水平的人才），則意味着技術門檻高、價值量大，創業公司更有機會建立壁壘。
案例：GPT-4o 生成的商品圖對普通 C 端用戶來說 " 夠用 "，但對電商商家而言遠遠不足——因為商家需要精準還原商品細節，确保用戶收到的實物與圖片一致。這種專業性需求，就是 WeShop 的 " 戰略縱深 "。
2. 打造 " 模型友好型 " 業務
切忌與大模型正面硬剛。創業團隊的核心不是自研大模型，而是讓模型成為助力業務的 "Beta"。例如，當 GPT-4o 出現時，我們沒有陷入焦慮，而是深入分析其技術架構（如 DR+deficient 架構在細節處理上的缺陷），并預判開源社區可能的突破方向。一旦有新的開源模型湧現，我們就能快速整合優化，在 2K、4K 等高分辨率場景下持續拉開與通用模型的差距。
關鍵認知：創業者必須懂 AI，深入研究模型結構、技術演進方向，甚至大量研讀論文。只有理解大模型的能力邊界，才能預判技術趨勢，提前布局。
在用戶增長策略上，AI 時代與傳統互聯網有着本質區别：
互聯網時代：產品同質化嚴重，用戶遷移成本低，企業不得不投入巨額預算争奪流量，" 用戶永遠是現在比未來貴 "。
AI 時代：技術迭代極快，新產品層出不窮，用戶對 AI 工具的忠誠度幾乎為零。與其耗費資源争奪存量用戶，不如專注打磨產品，等待 " 殺手級應用 " 的爆發。我認為，未來的 AI 用戶獲取成本反而更低——因為市場尚未形成真正的壟斷，新玩家随時可能通過技術創新吸引用戶。
最後，我想送給創業者一句話：在 AI 浪潮中，最重要的是 " 留在牌桌上 "。AGI（通用人工智能）的到來将徹底重塑各行各業，而我們目前的想象或許只是冰山一角。作為創業團隊，我們無需追求 " 大而全 "，可以像 WeShop 一樣聚焦細分場景，在巨頭的 " 射程之外 " 尋找機會，通過持續創新與技術迭代，為未來赢得更多可能性。
這就是我今天的分享，謝謝大家！
