上線只活了180天，AI應用層的泡沫被戳破了

2026上半年，一批曾被資本熱捧的AI應用，正在陸續退場。不只是缺錢的初創團隊，也包括OpenAI、Google這樣的巨頭，正在主動收縮此前鋪開的產品線。

2026年3月，OpenAI宣布計劃停用上線僅半年的Sora視頻生成器。這款主打“類社交”體驗、一度沖上蘋果App Store榜首的應用，最終因下載量持續下滑、且每天燒掉巨額算力而被砍掉。

同月，AI模型評測平臺Yupp.ai宣布關停。它由a16z crypto的Chris Dixon領投、融資3300萬美元，上線不到一年就攢下130萬用戶，卻始終沒能找到足夠強的產品市場契合度。創始人坦言，隨著模型能力快速提升、用戶工作流向能調用工具與記憶的agentic系統遷移，基于聊天層的眾包評測正變得越來越不重要。站點保留到4月15日，供用戶導出歷史數據。

此外，Google也開始收縮內部AI應用線，6月，Pixel Studio的核心圖像生成功能在v2.3更新中被關閉，用戶被導向Gemini和Nano Banana；瀏覽器Agent實驗項目Project Mariner則已于5月4日關閉，其能力被并入Gemini Agent和AI Mode等更大的產品體系。

AI應用層正在從早期的功能試驗，進入更殘酷的商業篩選期。

這樣的出清，有不少是發生在“建立在單點模型能力之上”的應用層產品身上：有些是大廠內部的功能整合，有些是創業公司的商業化失敗，有些則是實驗項目被并入更大的平臺。它們形態不同，但共同暴露出同一個問題：當底層模型繼續升級，應用層到底有沒有形成足夠厚的獨立價值。

Google Cloud全球創業公司業務負責人Darren Mowry在接受TechCrunch采訪時表示：如果一家創業公司只是依賴后端模型完成主要工作，這種形式幾乎是在白牌化Gemini或GPT-5，行業已經沒有太多耐心。

所謂“白牌化”，就是把別人的模型能力換上自己的界面和品牌重新包裝：用戶看到的是一個新應用，但真正提供核心能力的，背后仍然是依靠Gemini、GPT或Claude等頭部大模型支持。

那些只靠模型紅利撐起來的應用，正在失去繼續獨立存在的理由。

當風暴已經落地、底層模型不斷下沉，應用層的護城河，應該在哪里？

圖片由AI工具生成

1

大模型下沉之后，應用層被重新定價

很多應用層公司的倒下，并不是從一開始就沒有價值。問題在于，它們的價值建立在模型還不夠好用、用戶還不夠成熟、場景還需要被重新包裝的階段。一旦模型能力下沉到用戶入口，這部分價值就會被快速重估。

Jasper AI是最早被這種邏輯擊中的公司之一。它曾經是AI寫作應用的明星，依靠GPT-3自動生成創意營銷內容，短時間內成為獨角獸，估值一度達到15億美元。但隨著ChatGPT的使用普及，“生成營銷文案”迅速從一個獨立應用的核心賣點，變成了大模型的基礎能力。再后來，Jasper經歷了裁員、估值回調、換帥，并轉向企業營銷工作流。

類似的故事還出現在Chegg身上。

Chegg是一家被ChatGPT、Google AI Overviews等AI工具嚴重沖擊的在線教育公司。2026年一季度收入6330萬美元，同比下降了48%，Chegg隨后裁員、收入下滑，并把重心轉向AI和職業技能業務。

Chegg CEO Dan Rosensweig曾公開承認，學生對ChatGPT的興趣上升已經影響到公司的新用戶增長。用戶并不是找到了另一個Chegg，而是直接把需求遷移到了ChatGPT。對應用層來說，最危險的替代品往往不是同行，而是底層模型突然變成了用戶入口。

在過去，模型的原始能力和終端用戶的真實需求之間，橫著一道鴻溝：模型很強，但難用、難選、難落地；用戶有需求，卻不懂模型、不會調參、不愿承擔試錯的成本。

而應用層的價值在于，把“模型能做什么”翻譯成“你能用它干什么”，并對這段“翻譯”收費。這道鴻溝有多寬，它的利潤空間就有多大。

但現實的困境在于，這其中的空間在無限被壓縮。

一位大模型應用層的創業者表示：“現在上游的模型廠商，也在下場做應用層。這道鴻溝正從兩端同時被填平。此外，下游的企業客戶，也在快速成熟。隨著AI大模型的廣泛使用，已經完成了一輪市場教育，企業清楚了主要的核心功能。更重要的是，可選供應商越來越多”。

上游模型廠商掌握核心能力，可以隨時把能力下放為原生功能；下游客戶越來越懂行，開始壓價格、要效果、看ROI；旁邊還有無數替代品，從ChatGPT、Gemini、Copilot到云廠商和辦公軟件；更麻煩的是，新的競爭者幾乎隨時都能進場。

因此，夾在中間的應用層，正在從“技術紅利的放大器”變成“價值證明的重災區”。

1

活下來的應用層，不只是“單賣 AI”

在Sora、Yupp.ai、Pixel Studio這一連串關停的另一面，是一個仍在爆發的市場。據Sensor Tower的數據，2025年生成式AI應用的下載量同比翻倍至38億次，應用內購買收入接近三倍增長、超過50億美元；Sensor Tower還預測，到2026年，生成式AI應用收入有望突破100億美元。也就是說，錢和用戶都在，倒下的并不是行業，主要是一批“站錯了位置”的產品。

那么真正活下來、甚至活得很好的應用層產品，到底做對了什么？

通過a16z在2026年3月發布的第六版生成式AI消費應用榜單，我們拆開看發現：真正跑出來的AI應用層，產品形態已經變了。核心主要有三類：

第一類應用，是成為默認入口的超級應用。

比如ChatGPT、Gemini、Claude等這樣的橫向AI產品，已經不是傳統意義上的工具，都在紛紛爭奪AI入口。用戶們把這些工具當作新的工作臺：問問題、查資料、寫代碼、做表格、連日歷、接郵箱、調用外部應用。a16z特別提到，ChatGPT和Claude都在建設connector和app生態。當一個用戶把自己的郵箱、日歷、CRM、文檔、工作軟件都接入某個AI助手，切換成本就會迅速上升。

第二類應用，本來就占據高頻場景或者垂直場景的應用。

以CapCut為例。作為月活超過8億的視頻剪輯工具，它最受歡迎的幾個功能，比如摳圖去背景、AI特效、自動字幕、文字轉視頻，都由AI驅動。但用戶不是沖著“AI”來的，看中的是本身剪視頻的功能，AI只是讓原本要花十分鐘的操作變成一鍵完成。

還有Notion AI，讓AI進入企業知識庫、項目管理、會議記錄和自動化流程。也正因為如此，Notion AI的付費滲透率能快速提升：用戶不只是在額外購買一個新工具，核心是在原本離不開的系統里，為更高效的工作方式付費。

第三類活下來的產品，已從工具走向“替用戶做事”的Agent。

a16z在這版榜單中特別強調，Agent已經開始出現。比如Lovable、Cursor、Bolt、Replit、Claude Code代表的是開發場景里的agentic行為：它們已經開始幫助用戶構建產品、修改代碼、分析項目、推進任務。Manus、Genspark這類橫向Agent，則讓用戶交出更開放的任務，比如研究、表格分析、幻燈片生成，由AI端到端完成一段工作流。

這幾類產品形態不同，但活下來的邏輯是同一條：它們都不僅是靠“我有AI”來獲客，核心是把AI接進用戶已經離不開的入口、場景和任務里。

1

AI應用層沒有收縮，只是門檻變高了

所以，今天我們討論AI應用層的倒閉和收縮，不能簡單理解為“AI應用層在收縮了”。

真正退場的，是一批把單點功能包裝成獨立產品的輕應用；繼續擴張的，是那些嵌入高頻場景、占住用戶入口、進入真實工作流的應用層產品。它們不一定還以“AI應用”的名義出現，核心是AI早已融入，成為剪輯軟件、辦公套件、瀏覽器、設計工具等不同產品形態的一部分。

消失的是那種只靠一個單點功能就能獨立收費的寬松時代。

AI應用層的故事還在繼續。

接下來的Agent時代，應用層的門檻會進一步抬高：未來的單點功能會變得更不夠用，真正有價值的產品能否進入流程、連接系統、承接責任、安全可控，把模型能力變成一段可執行、可追蹤、可衡量的業務閉環。

在開發者場景，我們能看到這一變化已經推進了一大步。OpenAI Codex、Claude Code等工具，正在把AI從“代碼補全”推向“軟件開發代理”。這些Agent開始理解代碼倉庫、修改文件、排查錯誤、生成測試，甚至圍繞一個開發任務持續推進。

這樣的能力很難被一個通用聊天框直接替代。真實的軟件開發，需要在復雜工程系統里連續完成判斷、改動、驗證和交付。產品一旦使用時間足夠長，就會積累項目上下文、團隊習慣、歷史問題和操作記錄，和用戶的日常工作越綁越深。

這場篩選還會繼續。今天活下來的產品，也仍要不斷回答同樣的問題。潮水退去之后誰還站在賽場，答案要交給時間。

文章轉載于騰訊科技，作者：李海倫

點個“愛心”，再走 吧