谷歌 Nano Banana 上线两周生成超 2 亿张图片，带动 Gemini App 用户激增并反超 ChatGPT，引发国内 AI 领域连锁反应。文章探讨其对国产垂类 AI 的冲击，分析美图等企业的护城河与破局方向，思考行业危机与转机。

最近，一根香蕉打破了AI圈的平静。最初可能只是朋友圈病毒式传播的手办图，但随后事情似乎向着疯狂的方向发展，上线不到两周，谷歌旗下的Nano Banana已在全球生产超2亿张图片，亚太地区用户热情度居首。而英伟达CEO黄仁勋成了它的忠实用户，在伦敦，他面对一众记者，公开宣称自己是Nano Banana的忠实粉丝。

疯狂的流行带来了另一个好处，就是直接带动了Gemini App的用户增长。在短时间内，Nano Banana为Gemini App带来了超过1000万新用户。而在前不久，Nano Banana更是帮助谷歌Gemini超越了霸榜苹果应用榜很久的ChatGPT。

相关的连锁反应也在进一步加深，在海外，有报道显示，为了应对nano Banana带来的冲击，openAI以约11亿美元的全股票交易方式，收购产品实验平台Statsig。

伴随此次收购，Statsig的创始人兼首席执行官Vijaye Raji将加入OpenAI，担任新设立的“应用部门首席技术官”。

在国内，字节快速跟进推出了seedream4.0，试图通过这一方式强化豆包和即梦的用户心智。而另一边，垂类应用美图，则遭遇了危机，通用模型吞噬垂类应用的故事，影响着资本市场对其未来的判断，股价经历了巨量波动。虽然外资投行，依然为美图站台，但通用模型的势能仍好像“达摩克利斯之剑”影响着公司。

一时间，AI世界的变化，开始围绕着这一超级应用泛起波澜。其实类似的波动，让人总会想起，GPT-4o带来的吉卜力画风的时刻，而与之相对应的则是，通用模型是否会代替掉垂类AI应用的探讨。

前OpenAI研究员姚顺雨曾在播客中表达，创业公司对比大模型公司最大的机会在于能不能设计出不同的interface（交互方式），可能模型的能力会产生beyond chatgpt的交互方式，变成superAPP。

但从另一个维度来看，主流研究员则认为，长期耕耘C端业务的垂类应用，有着对用户精细化的理解，而在B端，特定场景的know-how也能为垂类应用公司垒起一定的护城河。

无疑nano Banana像是一场突如起来的变革，搅动着AI圈的神经，而到到底是促增长的功能，还是抢地盘的入侵，似乎值得一番拆解。

01 谷歌“香蕉”搅动AI圈

如果顺着姚顺雨的思路来看，Nano Banana确实正在颠覆图片创作的逻辑。在以往，大模型如果要生成图片，prompt提示词非常关键，用户需要学习结构化的提示词才能获取较好的效果。

甚至在一些场景中，需要专业的提示词才能达到应有的效果。后续的修改，无论是通过Midjourney的“Vary”功能还是DALL-E的局部重绘，都感觉像是独立的、离散的操作。而现在，Nano Banana的快速响应和自然度，让创作更像实时对话，而不是反复抽卡。

这也是许多人第一次感到，AI图像生成变得像实时创作。

用户不再需要反复调试结构化的咒语，而是通过简单的自然语言对话，就能对图像进行精确修改。Nano Banana继承了Gemini大模型的“原生世界知识”，这意味着它不仅仅是一个图像生成器，更是一个具备常识和推理能力的系统。

它能够理解和生成具有深层语义准确性的图像.在罗永浩与周鸿祎最新的对谈中，也提到了，语言对于AI帮助的核心价值。根据报道，这一切让Nano Banana在风格一致性、多图融合、精准的逐步编辑以及设计与风格迁移等多个方面上，有了出色的表现。

Nano Banana通过更精确的理解和更细致的任务拆分，实现了高度一致性的图像编辑。某种程度上，这是通过模型定义实现的一种更近似Agent的能力。

从这个角度来看，其颠覆感正如姚顺雨所说，正在改变交互的方式，这也是它为何能够震动AI圈的原因。在此基础上，Nano Banana也做到了成本低、速度快。

在Google的介绍中，Nano Banana的定价为30美元/百万token，每张图片生成所需的token在1290个左右，成本约合0.039美元。

而从另一个视角来说，Nano Banana的实现路径，似乎很难复制，在团队的访谈和公开分享里，Nano Banana的几个方向被反复提及：文字渲染、交错生成、速度哲学，以及世界知识的引入。这些关键词组成的其实是，背后强大的模型能力所带来的降维打击。

那么，另一个问题就非常值得关注了，面对如此强大的工具，以及国内已经逐渐明朗的大模型厂商格局，是否意味着，如果按照Nano Banana的思路，就可以成功颠覆垂类的AI应用呢？

02 美图们的护城河在哪儿？

在美图暴跌之后，相关券商的调研也相继出炉。9月2日，摩根士丹利研报指出，美图的增长轨迹并未受到AI模型Nano Banana的影响，其真正的价值在于提供了基础AI模型无法企及的“最后一公里”解决方案。报告强调美图凭借其在垂直领域的深厚积累、专有数据以及对核心付费功能的专注，构筑了坚实的护城河。

此外，公司对所有AI模型保持开放和中立，并已将Nano Banana等新技术无缝整合进产品中。而与此同时，也有业内人士表达，美图的C端业务主要优势在于对美颜美体的精细化理解，目前看nano的手办模型只是一种新的玩法，并不威胁C端主业。

而美图的B端业务主要是围绕商拍等核心功能服务大C小B的客户，优势在于对于特定场景的know-how、在商拍环节，nano主要聚焦商品多角度复制性以适应不同社交平台模板，而美图产品则聚焦商品高匹配背景及模特，这个赛道国内海外目前确实涌现出了许多创业公司，但是大家在一块全新的市场，目前的玩法、打法都不甚相同，还没有到存量竞争的状态。

尽管如此，从叙事来看，美图做为垂类应用，AI仍是其转型的关键。从2022年开始，美图率先在旗下产品Wink中上线视频画质修复技术，并逐步延伸出画质优化、视频分辨率提升、人像增强等一系列细分功能，形成完整的画质修复能力矩阵。

进入2023年，美图进一步丰富了AI功能版图，同时正式切入B端市场，为美业领域量身打造AI测肤解决方案，开启ToB业务的探索。

随后2024年，与阿里巴巴达成2.5亿美元（约合人民币18亿元）战略投资，双方明确将在电商平台、AI技术、云计算三大核心领域展开深度合作。

其中在电商合作层面，双方重点推进两大方向：

一是计划联合推出“AI试衣”功能——依托美图成熟的AI试衣技术，结合阿里巴巴平台丰富的商家服装资源，从根本上优化线上购物的体验痛点；

二是美图设计室将向淘天商家后台开放部分核心能力，例如“AI商品图”生成功能，帮助商家高效提升商品视觉呈现效果。

从以上可以看出，美图的位置非常微妙，在c端，它通过AI技术进行自我迭代与升级，在b端，则通过自身技术赋能电商用户，而无论哪一个业务，似乎都还是技术沉淀过后的串联与精细化。

从某种程度来说，美图更多的优势在于用户心智、用户经验以及精细化，而这些是否能够让其保持现有的业务模型不受干扰，似乎需要时间验证。

而另一方面，按照之前的逻辑，美图围绕着美图秀秀等垂类赛道的superapp进行着业务进行，从某种程度来说，似乎需要更大层面的交互方式的变化，才能占住更强的心智。

同时，如国内头部模型厂商开始进入到这一赛道之后，对其是否有更强的颠覆，值得一番思考。美图是AI变革下的一个典型代表，每一次当巨头模型公司发生技术溢出时，垂类AI应用就将经历考验，而这种不确定性，则会成为公司需要长期面对的命题。

03 场景赋能是终极胜负手

从硅谷的经验来看，其实大模型公司与垂类AI公司的竞争，从来都是一个经久不衰的话题，比如，anthopic旗下的cloude code与编程垂类应用cursor，其追赶的速度都是超乎寻常。

而面对这方面的竞争，似乎垂类AI的办法，并没有想象的多。

投资人朱啸虎曾在采访中坦言：AI Coding我一开始就不敢投，我觉得这肯定是大厂的天下。今年特别有意思，中国在补贴外卖，美国在补贴AI Coding，几乎都是负毛利。你收几十美金一个月的订阅费，消耗的Token可能都是几百美金，这都是拿投资人的钱在补贴程序员。而程序员这个群体是最没有忠诚度的，哪个API好用、哪个便宜，他们就用哪个。

回归到这次事件的主角，美图在此前的计划重心是在出海。

在大摩的报告中，公司设定的首个里程碑是，在三年内（2025-2028年）将整体付费率提升至8-10%——这是在2024年4.7%基础上的巨大飞跃；长期来看，其目标更指向休闲类产品付费率10%以上、生产力工具付费率20%以上的更高天花板。但要实现这一系列聚焦“用户付费转化”的目标，美图首先要应对的，正是Nano Banana所代表的通用大模型冲击：当“对话式创作”重构了用户对图像AI的交互期待，垂类应用若仍困守传统功能，此前的付费率规划便可能沦为空谈。而美图的应对逻辑——将Nano Banana技术整合进自身产品，同时联合阿里深耕“AI试衣”这类场景化服务，恰恰为国产垂类AI指明了破局方向：这场看似“巨头碾压垂类”的博弈，实则已被撕开转机的裂缝。

危机从不是大模型的技术溢出，而是垂类对自身价值的误判——误将“工具能力”等同于“用户价值”；转机也从不是与大模型比拼参数算力，而是成为大模型落地现实场景的“场景翻译官”与“价值放大器”。毕竟大模型提供的只是“通用能力底座”，而垂类沉淀的用户心智（如美图之于“美”的认知）、场景know-how（如商拍中的背景匹配逻辑）、B端服务闭环（如对接电商的商家需求），才是把技术转化为“用户愿付费的服务”的关键，也是决定AI能否真正解决痛点的“最后一块拼图”。

对国产垂类AI而言，真正的突破点从不是“造一个更好的香蕉”，而是跳出“与大模型对抗”的思维定式，像美图锚定付费率目标那样，聚焦“用大模型赋能场景”：当通用技术与垂类场景深度绑定，所谓的“危机”便会转化为“差异化竞争”的转机——毕竟AI的终极战场从不是技术榜单，而是能否击中用户愿意买单的真实需求。

也许，正如朱啸虎所说，AI时代的演化速度可能是移动互联网的三倍速，甚至更快，所以很多机会也会更快被证伪。

当年移动互联网的很多工具App还能有不错的退出，但在三倍速的AI时代，退出可能会难很多。所以创业者要用十年、二十年的眼光来看，什么东西是更可持续的，要去离大厂不只是一条马路，而是两条马路、三条马路之外寻找机会。