美国未来学家罗伊·阿玛拉提过一个著名的结论：人们往往高估技术的短期效益，却低估其长期影响。

在商业世界里，这个定律显得尤为残酷——那些试图兑现短期红利的公司，大多没能坚持到长期变革到来的那一天。

1月9日，Lovart的创始人陈冕坐在罗永浩的播客镜头前，谈起过往几年，语气里有一种出乎意料的平淡。这位历经了移动互联网整个周期的老兵，彼时的处境远非“平淡”二字可以概括：公司账上曾只剩4000元现金，核心产品遭遇过无预警下架，在投资人门前吃闭门羹更是常态。

用罗永浩的话说，那时他“很狼狈”，如同站在一场惨烈补贴战争后的废墟上，四下望去，还看不见隧道尽头的光。

转机发生在2025年5月，Lovart发布即迎来“大爆”，推特上出现近 5000 条讨论帖，官方视频播放量近百万，甚至连马斯克都点了赞。24小时内，waitlist 申请人数超过 2 万。从谷底到峰巅，转折快得像一部精心剪辑的创业电影。

但如果只把它看作一个绝地求生的幸存者故事，似乎又显得过于简单。2025年的生成式AI，卡在一个微妙的临界点——从一个令人惊叹的“昂贵玩具”，蜕变为真正可靠的生产力工具。Lovart的这次“意外”走红，恰恰成了观察这个转折的最佳样本。

Lovart 在海外的意外突围，不仅关乎生存，更是在回应一个行业质疑——在模型巨头的阴影下，应用层公司究竟只能做短期的流量生意，还是能长出独立于模型之外的核心竞争力。

在Midjourney依然统治着“抽卡式”绘图的当下，Lovart选择了一条更重的路径：它不再满足于单点的“内容生成”，而是试图接管复杂的“工作流（Workflow）”。这是所有AI应用想要落地的必经之路，但回顾互联网历史，那些优化工作流的工具，往往也是最先听到倒计时钟声的。

陈冕将公司搬到了离AI震中最近的地方。在那里，他和他所代表的这批来自中国的应用层创业者，都面临着同一个问题：他们所擅长的“极致工程化与产品化”能力，即被戏称为“缝合”的智慧，究竟足以演化出一套独立的“创意操作系统”，还是说，一切仅仅是在巨头阴影彻底吞没赛道之前，最后一段尽力的狂奔？

大厂思维遭遇AI“原生”问题

陈冕的履历，是一份标准的中国移动互联网“成功学”样本。

从腾讯、百度、360、到滴滴、字节跳动，这份名单几乎囊括了中国移动互联网时代所有的巷战与荣光。对他而言，那十年是一场漫长的“创业预备役”，也教会了他一套关于“认知领先”与“极致执行”的方法论。

然而有趣的是，这位深谙大厂规则的老兵，在AI时代却发起了一场小小的“兵变”：在Lovart，他拿掉了产品经理（PM）的位置。

陈冕的逻辑自洽且激进。他认为在AI改写生产力规则的当下，产品的壁垒正从“交互体验”的细腻，转向“垂直行业知识”的密度。因此，懂行业 Know-how 的专家，理应比管理需求的通才更有话语权。

这背后有着一层未曾言明的自信，或许源于他作为摩拜产品总监的过去——当创始人自己就是最顶尖的产品经理时，自然会觉得“需求翻译”这个角色，有时略显多余。

这就好比雷军作为集技术、产品与营销于一身的“超级节点”，也曾让小米在很长一段时间里呈现出类似的特质：顶层意志能够穿透组织直接定义产品时，依靠一个全知全能的大脑来压缩决策链条，往往被视为效率的最优解，而那些负责按部就班的中间层，则容易被视为一种效率的磨损。

在陈冕的构想中，工具的智能化将终结“需求管理者”的使命，而将舞台完全留给“需求定义者”。

正如今天的 Lovart 一样，在极致的效率与大众的易用性之间，留下了一道需要用户自行跨越的鸿沟。它赌用户愿意为了更深度的专业能力，去主动爬升学习的陡坡；也愿意押注“专家的密度”能够压过“人性的惰性”。表面上看，数据似乎为陈冕这套“专家逻辑”提供了阶段性的佐证：Lovart的日活稳定在5–20万区间，且保持增长；赛道同行 LiblibAI 的大额融资，也在印证专业级工具的市场热度。

当然，硬币的另一面被隐晦地折叠了。 设计师掌握的是“供给侧的 Know-how”（如何画好一张图），而产品经理往往负责“需求侧的 Know-how”（用户愿意花几秒钟解决问题）。

在传统互联网产品中，正是 PM 站在“小白”的视角，将专家的能力降维翻译成“一键操作”，从而完成了对用户惰性的最大妥协。失去了这层过滤，Lovart 更像是设计师为自己定制的自动化工具，而非面向大众的消费级产品。

这种供需视角的错位，最终投射在了产品形态上。Lovart 呈现出一种极客式的精致——Web 端复杂的 Canvas 画布，图层、蒙版、Inpainting 等专业术语一应俱全。

坦白来讲，这的确是一个完美的“桌面端工作站”，却可能并非是“For Everyone”的最优解。对于那些真正的目标用户：疲于奔命的电商店主、绞尽脑汁的市场专员，或是只想快速出图的甲方。真实的高频场景往往并不是配置双屏显示器的工作台，相较于一套严丝合缝的“强大工作流”，他们更迫切需要的，其实是在碎片化的几十秒内，获得一个确定性结果的即时交付。

这像是一种典型的大厂后遗症：善于建造精密、复杂的系统来解构世界，却偶尔会忘记，“简单”本身才是商业史上最强大的颠覆力。技术演进的方向，永远是门槛的消融与直觉的胜利。Lovart果断地消灭了PM，也顺手拆掉了连接“专业深水区”与“大众浅滩”的最后一座桥梁。

它在专业圈层赢得了尊重，却也用这份“专业”，悄然为自己设置了增长的天花板。

在义乌，这种“错位”被具象化，一位经营饰品的小商家向我们展示了她的困惑：面对 Lovart 复杂的“图层混合模式”，她最终还是切回了美图秀秀，“我只想改个背景色，为什么不能点一下就行？”

陈冕选择了一条更难的路，试图教育用户像设计师一样思考。这是一种令人敬佩的理想主义，但市场往往更偏爱那些顺应人性的妥协者。

这或许解释了Lovart当前微妙的处境：它成为了一个更好的工具，但尚未长成一个更大的产品。

Manus“出题”，Lovart“解题”

在谈论Agent领域的先行者Manus时，陈冕的“感谢”流露出一种复杂的敬意。

在Manus以现象级产品点燃市场之前，关于AI Agent的顶层认知，在硅谷与中关村的咖啡厅里早已不是秘密。大家心照不宣，却大多停留在精致的PPT与谨慎的观望中。

本质上，是Manus充当了那个品尝“第一只螃蟹”的勇者，用真金白银和产品验证了市场“毒性”与用户热情。它支付了最高的市场教育成本，才为后来者如Lovart扫清了认知上的迷雾，将一场冒险变成了有路可循的竞赛。

科技创投圈从不缺聪明的头脑，缺的是将共识押上牌桌的决绝。Lovart展现的速度——在风口被确认的瞬间便抛出成熟产品，无疑是另一种珍贵的才华，一种极致的执行力。

陈冕的坦诚在于，他并不讳言这份“激进”的底气，部分正源于站在了Manus验证过的安全区之后。创新的光谱里，有时“时机”比“发明”更关乎生存。当陈冕感慨“是时代在呼唤这个产品”时，他含蓄地略去了前提：是Manus率先扯开了时代的幕布，让人们看见台下早已坐满了观众。Lovart是那个迅速登台、并且表演精彩的演员。

Manus提供的，是一个让所有应用层创业者心跳加速的剧本。即便被贴上“套壳”的标签，只要能精准锚定需求，中间层不仅能生存，更能爆发式盈利，这也昭示着一个颠扑不破的道理：在技术变革的早期，一个定位锋利的好工具，往往比描绘宏大蓝图的底层基建，更快触达真金白银。

Lovart精准地捕捉到了这个路标。专注海外市场的策略使Lovart在美国市场获得了三分之一的用户与收入，根据2025年10月的数据显示，其DAU稳定在20万级，预测ARR达到3000万美元。

这种漂亮的财务模型，让Lovart成了一级市场回暖潮中的“最大公约数”，这某种程度上是VC们的一种“被动选择”。当底层模型的战争演变为千亿美金入场券的巨头游戏，红杉与高瓴们已无法再投出一个OpenAI。于是，无处安放的热钱只能向下溢出，涌向Lovart这样具备现金流与数据的应用层。

但这与其说是VC们笃信应用层的光明未来，不如说是身处巨大泡沫之中，他们迫切需要一些能体现在报表上的ARR数字来安抚LP（有限合伙人）的焦虑。Lovart成为了这个时间窗口下的最佳标的——它的概念或许不够感性，不够具备颠覆性，但至少它足够“像”一个赚钱的正经生意。

然而，这种建立在资本“避险情绪”与海外SaaS土壤之上的确定性，在跨越国界时遭遇了断崖式的失效。

随着国内AI创业团队集体出海，Lovart也试图进行一次逆向的“出口转内销”，推出了国内版“星流Agent”。但现实显得颇为骨感，在缺乏引路人以及海外那种成熟路径依赖的情况下，星流APP在APP store的排位并不理想。截至发稿，星流APP甚至在图形与设计分类也仅排名45位。

所谓“水土不服”的背后是中美科技生态深层势能差的直观体现。海外市场，是付费习惯、开放生态与工具价值的复合体；而国内市场，则意味着惨烈的价格内卷、薄弱的付费意愿，以及巨头用围墙精心构筑的花园。

Lovart在海外习得的“精英工具”打法，在国内大众市场的狂野平原上，多少显得有些曲高和寡。

此种情形，令人不禁想起曾经的网景（Netscape）。它开创了浏览器的时代，完成了用户启蒙，但最终其核心功能被操作系统无缝吸纳、内置。

历史固然不会简单重复，但逻辑却时常押韵。当AI从生成炫酷图片迈向接管企业核心工作流，数据主权、技术依赖与生态锁定将成为更严肃的议题。

留给Lovart们的时间，既是资本的耐心，也是技术迭代的周期，更是巨头从观望到下场之间，那段微妙而珍贵的寂静。在这段寂静被打破之前，Lovart还需要完成一次关键的身份跃迁。

是工具，也是“编排者”的胜利

虽然外界常以“缝合”概括Lovart的形态，但在更严谨的技术语境下，这种能力被定义为“编排（Orchestration）”。

这不是说简单地把GPT-4、Sora等巨头的模型API串起来，而是构建了一套基于多模态思维链（MCoT）的“创意推理引擎”。它的任务是在毫秒之间，理解用户模糊的意图，拆解出所谓的“品牌调性”，然后像乐队的指挥一样，精准调度不同的模型声部，合成最终的可见的“乐章”。

商业的本质，有时是相通的。滴滴不生产汽车，美团也不做饭菜，但它们通过算法掌握了调度权，从而握住了生态的阀门。Lovart的逻辑异曲同工，通过ChatCanvas实现的图文分离与局部重绘（Inpainting），本质上是在解决生成式AI最大的痛点——不可控。它的野心，是把Midjourney那种充满随机惊喜的“黑盒抽卡”，驯化成一条稳定、可预期、可回溯的工业级SOP（标准作业程序）。

《新立场》一直的观点都是，进入2026年，底层模型逐渐走向同质化，对工作流（Workflow）颗粒度的极致理解，成为了应用层真正的壁垒。Midjourney代表了上一阶段的“生成范式”：结果惊艳但如同开盲盒，修改一个杯子的颜色往往意味着重绘整张图片。而Lovart标志着产品逻辑从“单点工具”向“系统化SOP”的进化。

这种进化在ChatCanvas中得到了具象化体现：图文分离、分层提取、实时协作。用户不再是“生成后离场”，而是可以在平台内完成多轮编辑与交付。这种将AI能力无缝嵌入SOP，让随机灵感变为确定性资产的能力，正是陈冕所强调的“AI Native”。

陈冕对此很清醒：“我知道和巨头硬碰硬是什么下场。” 因此，Lovart的选择是“向深处走”，去挖那些又脏又累的垂直沟壑。巨头们喜欢一望无际的平原，喜欢用通才模型覆盖最大公约数。而Lovart则蹲在那些需要手工介入、流程琐碎、ROI算不过来的细分场景里，构筑自己的迷宫。在这里，通用大模型的“暴力美学”容易失效，而Lovart积攒的垂直Know-how，便成了唯一的通行证。

当然，作为建立在顶尖API之上的应用层，Lovart始终面临着一种结构性的紧迫感。1月13日，Anthropic发布的Claude Cowork仅用一周半时间开发完成，展示了底层模型在通用场景下惊人的推理与规划能力。

这无意间为不久前那场震动硅谷的并购案增添了几分黑色幽默，Meta重金将Manus收入囊中，但Anthropic却用不到两周的开发周期证明了：应用层引以为傲的壁垒，在原生模型的进化速度面前，或许薄如蝉翼。如果仅仅停留在浅层的调用，中间层的“编排价值”极易被不断进化的Foundation Model（基础模型）稀释。

尽管陈冕将愿景设立为“创意操作系统”，Lovart目前仍处于从“生成驱动”向“交付驱动”跨越的关键期。在格式兼容、团队协作等交付闭环上，Lovart面临的挑战不言而喻，而这些正是Adobe等传统软件巨头的腹地。

但商业的戏剧性也在于此，巨头背负着历史的包袱与生态的枷锁，而Lovart们，则拥有轻装上阵的速度和近乎鲁莽的决绝。

陈冕与Lovart的故事，是中国AI时代应用层创业者的一份典型样本。他们是移动互联网大厂体系培养出的“优等生”，也继承了上一代互联网战争中磨练出的敏锐嗅觉、战术素养，还有极致的动员能力：在风口确立的瞬间，迅速组织资源，以体验优秀的产品承接溢出的流量，并高效地兑现商业回报；以及面对大公司收购邀约时坚定的决心。

依靠ChatCanvas带来的体验红利，Lovart暂时在Adobe与Midjourney之间，挤占了一个微妙的生态位。

当然，独立的代价也是昂贵的。为了避免被上游模型厂商“顺手整合”的命运，《新立场》认为，Lovart的当务之急是向深处下潜——介入LoRA模型、渲染引擎以及私有化数据闭环的自研。即便在拼资源、拼算力、拼周期的阵地战中，这是巨头最擅长、而创业者最容易力竭的领域。

正如刘慈欣《山》里写到，“山在那儿，总会有人去登的”，既然Manus能到达，为什么Lovart不能努力往那儿走呢？

*题图及文中配图来源于网络。