今天小编分享的互联网经验：WeShop唯象总经理吴海波：AI创业已非“套壳应用”时代，欢迎阅读。
2025 年是 AI 应用爆发的元年，当全球 AI 竞赛步入 " 中国时刻 "，一场深刻的技术变革正悄然改写产业格局。在此关键节点，行业面临核心命题：如何跨越 AI 技术到规模化应用的鸿沟？下一个颠覆性的 AI 超级应用将诞生于何处？
4 月 18 日，由 36 氪主办的 2025 AI Partner 大会于上海模速空间盛大启幕。本次大会以 "Super APP 来了 " 为主题，聚焦 AI 应用对千行百业的颠覆性变革。大会分为 "Super App 来了 " 和 " 谁是下一个超级应用 " 两大篇章，覆盖 " 在 AI 世界中长大 ""2025 卷 AI 就卷超级应用 " 等七大话题，涵盖 10+ 场主题演讲、3 场圆桌对话与两大优秀 AI 案例企业名册发布环节，深度剖析 AI 技术如何重构商业逻辑、重塑产业格局，探索 AI 超级应用带来的无限可能。
当日，WeShop 唯象总经理吴海波带来了《WeShop 唯象的全球化之路：进化 or 淘汰》的主题分享。
以下为吴海波演讲内容，经 36 氪整理编辑：
感谢 36 氪的邀请！大家下午好，我是来自 WeShop 唯象的吴海波。今天，我想结合这两年 WeShop 的创业历程，分享一些实战中的观察与思考，希望能为身处 AI 浪潮中的创业者带来启发。
WeShop 唯象总经理吴海波
先花一分钟，通过一段视频让大家直观了解 WeShop 的业务。
简单来说，WeShop 专注于为电商企业提供 AI 商拍解决方案。传统电商运营中，商家需要耗费大量成本请模特、租场地、聘请摄影师完成商品拍摄；而我们通过自研的 AI 工具，帮助商家一键换模特、换背景，高效生成商品展示图。作为国内首家、全球首批推出 AI 商拍工具的团队，WeShop 脱胎于蘑菇街的时尚电商基因，目前主要面向海外客户，以 SaaS 订阅模式收费。我个人在蘑菇街深耕产品和搜索推荐算法多年，2021 年起投身大模型研发，如今在唯象负责产品研发与大客户合作。
过去两年的创业经历，让我深刻体会到大模型浪潮下的两面性。我习惯先讲 " 坏消息 "，再分享 " 好消息 " —— 毕竟直面挑战，才能抓住机遇。
坏消息：模型即应用，创业公司的生存危机。大模型时代最残酷的现实是：" 模型即应用 " 正在成为主流。别再幻想用简单的 " 套壳 " 方式应对竞争—— OpenAI 曾向开发者预充 200 美元算力，看似扶持生态，实则可能瞬间颠覆依赖其接口的业务。这种 " 算力点到手，业务说没就没 " 的情况，在过去两年反复上演。对创业者而言，若无法将大模型能力深度融入业务，就如同在沙滩上建楼，随时可能被技术浪潮冲垮。
好消息：SOTA 魔咒与开源红利。但换个角度看，大模型领網域的 " 混乱 " 恰恰是创业者的机会。
SOTA（State-of-the-Art）魔咒：在影像和视频领網域，没有任何模型能长期占据技术巅峰。以 Hugging Face 的模型排行榜为例，曾经炙手可热的 middle journey 如今已不再稳居前列；京东团队推出的 HiDream 模型，短短数月便从无名之辈跃居第二。语言模型领網域的 " 刷榜 " 更是激烈，技术迭代速度远超想象。
开源生态的崛起：当巨头纷纷押注闭源模型时，Meta 开源 Llama 引发行业震动，催生出庞大的生态；在影像领網域，部分团队发现单纯比拼模型难以超越头部玩家，便选择开源，吸引全球开发者共同优化。虽然开源模型初期效果可能弱于闭源，但凭借社区的力量，其进步速度惊人。
关键点：创业者要学会借力开源。任何闭源模型的 " 黑科技 "，大概率会在 2-3 个月内出现开源替代品。这种快速的技术扩散，反而为中小团队提供了弯道超车的机会。
以 WeShop 为例，我们的技术迭代几乎完全受益于开源生态的推动。2023-2024 年：初期版本生成的商品图虽然让客户眼前一亮，但细节瑕疵明显 —— 服装褶皱不自然、人物面部 "AI 感 " 过重、背景合成生硬。2025 年：借助最新开源模型和微调技术，我们实现了质的飞跃。如今的商品图不仅能精准还原服装细节，还能模拟真实拍摄的光影效果，在 2K 分辨率下，生成图与实拍图的质感几乎难以区分。
再看实际案例：
场景一：商场陈列商品图。2024 年的版本只能做到基础替换，而 2025 年的模型能生成更逼真的光影、更自然的商品摆放角度。
场景二：婚纱拍摄。对比 GPT-4o 生成的结果，WeShop 的图在服装纹理、褶皱细节上更胜一筹——这对电商而言至关重要，因为商品图必须与实物 100% 匹配。
核心逻辑：20 人不到的创业团队，若不借助开源模型的力量，根本无法在短时间内实现如此快速的技术迭代。
面对大模型的冲击，创业公司如何避免被 " 淹没 "？我总结了两条关键策略：
1. 选择有 " 战略纵深 " 的场景
并非所有场景都适合创业团队切入。如果一个业务只需招聘月薪 5000 元的员工就能完成，那么它很可能成为大模型的 " 主赛道 "，被巨头迅速垄断；反之，若场景复杂度高、对专业能力要求强（例如需要月薪 2 万元甚至更高水平的人才），则意味着技术门槛高、价值量大，创业公司更有机会建立壁垒。
案例：GPT-4o 生成的商品图对普通 C 端用户来说 " 够用 "，但对电商商家而言远远不足——因为商家需要精准还原商品细节，确保用户收到的实物与图片一致。这种专业性需求，就是 WeShop 的 " 战略纵深 "。
2. 打造 " 模型友好型 " 业务
切忌与大模型正面硬刚。创业团队的核心不是自研大模型，而是让模型成为助力业务的 "Beta"。例如，当 GPT-4o 出现时，我们没有陷入焦虑，而是深入分析其技术架构（如 DR+deficient 架构在细节处理上的缺陷），并预判开源社区可能的突破方向。一旦有新的开源模型涌现，我们就能快速整合优化，在 2K、4K 等高分辨率场景下持续拉开与通用模型的差距。
关键认知：创业者必须懂 AI，深入研究模型结构、技术演进方向，甚至大量研读论文。只有理解大模型的能力边界，才能预判技术趋势，提前布局。
在用户增长策略上，AI 时代与传统互联网有着本质区别：
互联网时代：产品同质化严重，用户迁移成本低，企业不得不投入巨额预算争夺流量，" 用户永远是现在比未来贵 "。
AI 时代：技术迭代极快，新产品层出不穷，用户对 AI 工具的忠诚度几乎为零。与其耗费资源争夺存量用户，不如专注打磨产品，等待 " 杀手级应用 " 的爆发。我认为，未来的 AI 用户获取成本反而更低——因为市场尚未形成真正的垄断，新玩家随时可能通过技术创新吸引用户。
最后，我想送给创业者一句话：在 AI 浪潮中，最重要的是 " 留在牌桌上 "。AGI（通用人工智能）的到来将彻底重塑各行各业，而我们目前的想象或许只是冰山一角。作为创业团队，我们无需追求 " 大而全 "，可以像 WeShop 一样聚焦细分场景，在巨头的 " 射程之外 " 寻找机会，通过持续创新与技术迭代，为未来赢得更多可能性。
这就是我今天的分享，谢谢大家！
