流沙之上：中国AI应用创业者的三种突围路径与生存困境
2026年，随着大厂通用Agent的推出及一级市场降温，独立AI应用公司面临“在流沙上盖房子”的生存危机，即模型能力的快速迭代极易抹平应用层的差异化优势。文章通过演语科技（Lovart）、Genspark和Flowith三家公司的案例，剖析了行业内的三种主要迁移方向：深耕专业工作流、拓展通用任务入口以及构建长期知识系统。尽管路线各异，但所有创业者均面临同一核心挑战：如何在大厂竞争和模型升级的双重压力下，将用户上下文、数据积累和工作关系转化为难以被复制的长期壁垒。
事件概述
2026年夏天，中国AI应用创业领域遭遇双重压力：一方面，互联网大厂纷纷推出通用办公Agent；另一方面，一级市场对AI应用项目的投资态度转冷。投资人林望将这种处境形容为“在流沙上盖房子”，意指建立在模型之上的应用层价值极不稳定——当底层模型能力升级时，应用层辛苦搭建的功能缺口可能瞬间消失。
在此背景下，早期进入应用层的创业公司大致分化出三条迁移路线：
- 深耕专业工作流：将模型嵌入更完整的生产过程（如Cursor嵌入编程、Lovart嵌入设计）。
- 扩大任务边界：争夺更通用的工作入口（如Manus、Genspark）。
- 构建长期系统：将知识、工具、Agent和用户上下文组织成持久的工作系统（如Notion AI、FlowithOS）。
这三条路线背后共同的核心问题是：当模型厂商和大厂向应用层推进时，独立AI应用公司如何留下不可替代的价值？
核心信息：三种典型路径分析
1. 陈冕与演语科技（Lovart）：往专业工作的深处走
背景与挑战
演语科技创始人陈冕曾负责剪映和CapCut的商业化。2025年初，尽管LiblibAI收入翻倍，但他感到焦虑，因为新一代图像模型（如GPT-Image-1）开始具备处理复杂控制的能力，导致团队此前花费近一年搭建的“节点式强控制工作流”中间层价值迅速变薄。
战略调整
- 从“搭电路板”到“设计师桌子”：陈冕意识到模型变化太快，资源必须跟随机会移动。Lovart不再增加Workflow的复杂度供用户自行配置，而是将复杂性隐藏。用户只需告知意图，后台由Agent自动完成工具选择和任务拆解。
- 持续迁移：类似AniShort、Loopit等工具一样，Lovart在单次生成能力变得廉价后，继续向脚本、交互、协作和完整生产流程延伸，试图在专业领域建立深度壁垒。
2. 景鲲与Genspark：停掉搜索，赌更大的入口
背景与挑战
Genspark创始人景鲲拥有近二十年连接人与信息的经验。2024年创办Genspark时，AI Search是自然起点，并迅速获得超200万月活用户及1亿美元融资。然而，固定的搜索流程难以处理比较方案、研究、生成PPT等复杂任务。
战略调整
- 技术信号触发转型：Claude Sonnet 3.7的出现让景鲲认为端到端Agent终于可靠。2025年4月，Genspark果断停掉拥有数百万用户的AI Search业务，转向Super Agent和Workspace。
- 向上扩大边界：产品形态从搜索升级为整合文档处理、演示文稿制作等的综合工作空间。景鲲认为，虽然这进入了大厂的主战场，但大厂能抢流量却难抢走系统中已形成的“协作关系”。
- 效率验证：开发AI Slides时，Super Agent将原本需数周的研究和设计压缩至5-10分钟，证明了新方向的可行性。
3. 倪正民与Flowith：把创作Agent做成一套系统
背景与挑战
Flowith创始人倪正民关注人机交互方式。团队发现高频使用不同大模型时，需要手动复制、比较Prompt和结果，效率低下。因此，Flowith最初以“无限画布”解决多窗口并行工作的问题。
战略调整
- 垂直领域的坚持：倪正民认为通用Agent适合模型厂商，创业机会在于垂直领域。Flowith聚焦于知识工作者和内容创作者，即使技术上能做订票点外卖等通用任务，也选择不做。
- 演进为FlowithOS：2026年初，联合创始人伊晨提出“系统”概念，将画布重塑为容纳知识、Agent和工具的生态位，命名为FlowithOS。其野心是在应用层之上、模型层之下，卡出一个“Agent调度层”的位置。
- 差异化竞争：与Genspark从通用入口向下兼容不同，Flowith是从创作任务出发，向上组装系统，两者最终可能在功能上趋同，但起点和逻辑不同。
值得关注：非安全路径与未来不确定性
增长模式的局限
当前AI产品的增长依赖“造奇观”理论，即通过博眼球获取网红认同和低成本的流量。但这种注意力难以沉淀为长期壁垒，且效果、时延和成本难以兼顾，工程优化常被下一代模型直接覆盖。
壁垒的脆弱性
三家公司虽走向不同位置，但担忧相似：如果价值仅建立在模型暂时做不到的能力上，该价值终将随模型升级而消失。
- 用户上下文的风险：虽然用户留下的文件、项目和使用关系看似不易复制，但最天然的拥有者可能是掌握办公软件、操作系统的大厂。
- Agent OS的可替代性：今天被称为Agent OS的能力，可能在下一代基础模型中成为默认配置。
结论
过去两年，AI应用公司证明了自身可以快速切换产品形态（如Search转Agent，Workflow藏入后台）。但真正未被证明的是：每次形态变化后，上一代积累的用户、数据和专业知识有多少能无损迁移至下一代。对于独立AI应用公司而言，关键不在于寻找模型永远无法抵达的地方，而在于当地面（模型能力）再次移动时，确保仍有核心资产不会归零。