AI 正在改写传统软件的生意经。

过去二十余年，创意软件主要依靠授权、订阅和功能升级变现，收入增长更多取决于用户规模、产品迭代和续费率。生成式 AI 的出现，则改变了软件的价值单位。软件从单纯的工具箱，逐渐变成连接模型、算力与内容生产的 "AI 工厂 "，用户付费也从购买软件使用权，延伸至剧本、图片、视频等内容的持续生成。

AI 积分、Token 和按量计费成为行业商业化的新模式。用户按实际需求购买 AI 能力，软件厂商则有机会将 AI 使用深度转化为新的收入来源。其中，AIGC 软件 A 股上市公司万兴科技（300624.SZ），正是这一变化的代表性样本。

从 Wondershare Filmora 等创意工具起步，万兴科技过去主要依靠授权和订阅实现商业化。如今，随着 AI 能力向文档、图片及视频内容生产场景渗透，公司正探索从传统工具订阅向 AI 积分消费延伸。

本质上，这是一个行业共同面对的问题：当软件从工具变成内容生产系统，产品价值如何计量，商业模式又该如何与 AI 时代的使用方式重新匹配？

一、软件产品形态加速变化

生成式 AI 出现后，创意软件行业先变的不是收费方式，而是软件本身的角色。

过去，剪辑、修图、排版、绘图，各管一段；用户要完成一部作品，往往要在多个工具之间来回切换。现在，越来越多软件开始把脚本生成、画面生成、分镜拆解、配音字幕、本地化适配这些环节，直接拉进同一个工作流里。软件开始更深度地参与内容生产的全过程。

创作方式的改变是表象，更深层的变化在于，AI 正在重新定义创意软件的价值，不再比拼谁的功能点更多，而是更看谁能帮助用户完成更完整的任务，更深入地理解用户的目标，并且组织各个生产环节，交付一个可以继续修改、传播甚至变现的结果。

这一趋势已经开始反映在产品形态上。Adobe 将生成式 AI 嵌入 Photoshop、Premiere 等成熟工具，Canva 则把文字生成图片、演示文稿和视频等能力整合进设计流程。国内厂商也在从视频、设计、文档等单点工具出发，将 AI 向更长的生产链路延伸。

从行业演进来看，这一过程大致经历三个阶段：单点工具 AI 化、工作流整合、内容生产系统化。

第一阶段，是在传统软件中加入生成、识别、抠图、补帧、扩图等 AI 能力，提高单个环节的效率；

第二阶段，AI 开始连接脚本、素材、生成、编辑、协作和交付，软件从 " 解决一个问题 " 转向 " 完成一项任务 "；

第三阶段，则是进一步向内容生产、传播乃至商业化延伸，承接更长的内容价值链。

沿着这条路径看，万兴科技是一个具有代表性的观察样本。随着生成式 AI 快速渗透，公司正在不同产品线上寻找 AI 重新组织生产流程的方式。Wondershare Filmora、万兴 PDF、万兴脑图、万兴图示等存量产品持续引入 AI 能力，Media.io 则承接更加轻量化、在线化的创作需求。与此同时，公司进一步将产品边界推向内容生产端。

（万兴科技旗下视频剪辑软件万兴喵影内置 AI 续写、AI 智能抠人像、AI 提升画质等功能）

今年 3 月，万兴科技推出 AI 驱动的一站式精品影视内容创作平台万兴剧厂，将剧本创作、角色设计、场景与道具资产生成、智能分镜、视频生成以及后期制作等环节串联起来，并集成 ViduQ3、Seedance 2.5、Kling 3.0 4K、TGI-2、TNBPro 等模型能力。相比单一的 AI 生成工具，其更强调对完整内容生产流程的承接。目前，万兴剧厂已服务多部亿级播放量 AI 剧项目，产品客户粘性持续加强，上半年客户复购率超 85%。

如果说万兴剧厂代表 AI 向影视内容生产链路延伸，那么全新推出的 Filmora.TV，则体现了 AI 向专业商业内容制作进一步渗透。

TVC 制作长期存在流程复杂、协作成本高、修改周期长等问题。传统 AI 视频工具往往解决的是素材生成这一单点环节，但专业制作真正需要的，是从 Brief、脚本、分镜到素材、剪辑、评审和交付的完整流程。

Filmora.TV 将 AI 创作画布与多轨剪辑结合，覆盖 Brief 解析、脚本创作、分镜生成、画面设计、素材编辑、团队评审和成片交付，并支持时间线编辑及 XML 工程互通，使 AI 生成内容能够继续进入专业后期制作。据测算，相关工作流可使视频制作时间最高缩短 90%，创作成本最高降低 80%。

从万兴科技的产品演进可以看到，创意软件正在经历一次从 " 工具 " 到 " 工作流 "，再到 " 生产系统 " 的变化。AI 时代，软件从创作者手里的工具，逐渐成为创作者的协作伙伴、生产中枢，甚至是连接内容生产与传播的基础设施。

二、AI 商业化的下一关

软件形态发生变化之后，下一步的考验是 AI 商业化能否跑通。

传统软件的成本结构相对稳定，新增用户通常不会带来同比例的边际成本增长；而生成式 AI 呈现出明显的 " 使用即成本 " 特征，用户每一次生成、修改和处理，都可能对应模型调用、Token、GPU 及服务器资源消耗。

相比之下，AI 积分更适合生成式创作的商业化探索。用户可以按照实际创作需求购买和消耗 AI 能力，软件公司也能够将 AI 使用深度转化为新的收入来源，找到订阅之外的全新商业化模式。

其本质并非简单改变收费单位，而是将软件收入与用户实际的 AI 使用量绑定，使 AI 能力从传统订阅中的增量功能，逐步转化为独立的收入来源。但 Token 消耗增长并不天然等同于商业模式成立，真正决定商业价值的，是 AI 能否持续降低用户的创作时间和人工成本，并形成稳定的付费与复购。

换言之，AI 软件的竞争正在从 " 功能增加 " 进一步转向单位有效产出的成本控制。当前，模型迭代速度已远超传统软件的产品周期，每隔数月即有更先进版本发布。与其长期押注某一家模型，不如保持对模型生态的开放，快速完成产品适配——这更接近 AI 时代的产品能力本质。

万兴科技给出的解法，是 " 自研能力 + 外部模型 " 的双模驱动。

一方面，公司持续迭代万兴天幕音视频多媒体大模型，上半年围绕视频超清、视频擦除、视频抠像、音频检测等场景完成超过 60 个垂类能力升级，通过自研能力覆盖高频、标准化任务，以降低特定场景下的调用成本；另一方面，公司开放接入外部通用大模型，以更快速度将前沿能力引入产品，提升产品迭代效率。同时，公司推进视频成片类 Agent Harness 框架建设，通过 "1 套底座 +N 个垂类应用 +Skills 资产库 " 沉淀可复用能力，进一步提升多模型能力的组织和调用效率。

这套思路的关键并不是什么都自己做，而是让不同模型各司其职，自研能力可沉淀核心关键流程和体验，外部模型可补充能力和加快迭代节奏，再由产品侧统一调度和组织，从而在模型效果、上线效率与算力成本之间取得平衡。

万兴科技 2026 年半年报显示，上半年，公司的 AI 服务器调用量超 9 亿次，同比增长超 80%；6 月份日均词元消耗量超千亿，词元经济商业化闭环加速形成。

不久前刚刚发布的 Filmora.TV，已在品牌广告领域落地应用，联合茶颜悦色打造了其全新饮品 " 冷香凝 "TVC 广告。

（万兴科技旗下 Filmora.tv 延伸至广告领域，联合茶颜悦色打造 " 冷香凝 " 品牌 TVC）

三、AI 时代，软件公司重塑护城河

产品形态和商业模式完成重构之后，创意软件行业面临的下一个问题，是竞争优势还剩下什么。

生成式 AI 正在快速降低软件公司的技术进入门槛，模型能力也正在快速公共化。通过 API 调用即可获得生成能力，第三方模型也开始直接进入成熟创意平台。Adobe 已在 Firefly 中接入 Google、OpenAI、Runway、Kling 等外部模型，Runway 同样同时提供自研与第三方模型。模型越来越像一种可被调用的基础设施，而不再天然构成应用层公司的独占壁垒。

真正难以复制的，反而是模型之上的产品价值：用户规模、品牌认知、渠道网络、使用习惯，以及长期积累的创作场景。模型可以被快速替换，但用户不会因为底层模型更新，就轻易迁移整个创作环境。

这使传统软件公司的既有优势获得了重构的机会。AI 时代，与用户有关的资产，又成为新技术快速获得真实用户和场景的重要入口。在创意软件领域，这一点尤其明显，用户不会因为某个新模型出现就放弃已经使用多年的剪辑、设计和资产管理体系，AI 更可能首先成为原有能力集的扩展，而非替代。

能同时拥有这种存量基础并持续投入新技术的公司并不多。以万兴科技为例，一端是 WondershareFilmora 等产品长期积累的全球用户和渠道，另一端则是万兴天幕、AI 原生产品以及新内容场景的持续投入。其中，规模化的存量用户基础，为 AI 能力提供了丰富的落地场景。AI 功能不需要重新寻找用户，而是直接进入已有的视频、设计、文档等创作流程；与此同时，新产品又向影视、广告等专业生产领域延伸，成为极具想象力的业务增量。

数据显示，WondershareFilmora 全球累计活跃用户已超过 4 亿；同时，万兴科技的海外收入占比长期保持在九成以上，业务已覆盖全球 200 多个国家和地区。

行业竞争由此出现一个值得关注的分化方向：AI 原生公司产品迭代更快，却需要从零建立用户关系和渠道；传统软件巨头拥有庞大的客户基础，但产品体系、组织结构和既有收入模式也更复杂。

处在两者之间的公司，反而存在另一种可能——既利用存量用户降低 AI 商业化的获客成本，又利用 AI 重新激活存量产品的使用频率和付费空间。

万兴科技正在尝试这种 " 双向改造 " 路径，一方面将原有产品作为 AI 能力的用户入口，让 AI 反过来改变产品的使用方式和收入结构；另一方面，通过海外渠道承担市场扩张，为新 AI 产品寻找影视、营销等增量场景。过去沉淀的用户、品牌和渠道，也开始成为 AI 时代继续扩张的基础。

"AI 原生公司取代传统软件公司 " 曾是一个广为流传的观点，但随着 AI 演进，我们发现，更现实的竞争，可能发生在两种能力的结合，一边是快速吸收技术变化，一边是把这种变化规模化地送到用户手中。

模型能力决定技术起点，存量用户决定落地速度，品牌与渠道决定商业化半径，而能否把这些资产重新组织起来，则决定企业最终能获得多大的 AI 红利。新技术并没有让过去的积累失去价值，反而让真正拥有用户和场景的公司获得了一次重新构建护城河的机会。