进入新年之后，市场持续热议“大模型吞噬应用”的叙事，其中Adobe、Figma以及美图旗下的一系列影像产品也成了焦点。知名投资机构a16z团队近日通过一份报告对此发表了不同看法，认为在AI生成图像、视频、音频等媒体内容领域，并不会出现“一统天下”的单一模型。该机构指出，未来真正的竞争力在于能否“整合多种模型能力，并将它们编排成流畅的工作流程”。

不同于“大模型吞掉应用”的普遍论调，a16z分析认为，AI生成技术确实能把过去需要拍摄团队耗时数周、加上漫长剪辑周期的工作流程，简化为几条提示词和一个可直接投入生产的素材库。但在AI图像、AI视频等领域，并没有出现类似大语言模型领域那样的垄断现象——用户往往会同时使用几十个模型，而且很难通过一次简单的推理调用就获得真正高质量的成品素材。

a16z对此解释说，这是因为该领域的每个模型都各有所长，比如有些擅长写实风格，有些则在动漫表现上更出色，还有一些在物理模拟方面能力突出。但这并不意味着用户只用其中一个模型就能同时完成背景移除、声音生成或多镜头叙事场景等复杂任务。在实际操作中，开发者常常需要将多个模型串联起来使用：先生成图像，再移除背景、放大分辨率、重新着色、保持风格统一……经过一系列处理，才能达到品牌级别的一致性和质量。这显然不是输入一次提示词就能做到的。换句话说，真正的工作单元并不是靠“单个模型”完成的，而是通过“一整套工作流程”实现的。

a16z进一步表示，基于上述多样化的需求，用户真正需要的其实是一种工作流平台或软件。这类平台不仅要能快速调用各类模型、高效响应用户请求，还要能够把多个步骤编排成高效的流水线并顺畅执行，同时随着技术演进不断更新迭代其中的模型。

在a16z看来，随着大模型厂商推出的模型能力日益强大，那些能够接入多种模型、并将其编排成完整工作流的公司，将进一步巩固自身核心竞争力。而且，它们还能帮助模型厂商从原型开发真正步入规模化生产一线。