2026 上半年，一批曾被资本热捧的 AI 应用，正在陆续退场。不只是缺钱的初创团队，也包括 OpenAI、Google 这样的巨头，正在主动收缩此前铺开的产品线。

2026 年 3 月，OpenAI 宣布计划停用上线仅半年的 Sora 视频生成器。这款主打 " 类社交 " 体验、一度冲上苹果 App Store 榜首的应用，最终因下载量持续下滑、且每天烧掉巨额算力而被砍掉。

同月，AI 模型评测平台 Yupp.ai 宣布关停。它由 a16z crypto 的 Chris Dixon 领投、融资 3300 万美元，上线不到一年就攒下 130 万用户，却始终没能找到足够强的产品市场契合度。创始人坦言，随着模型能力快速提升、用户工作流向能调用工具与记忆的 agentic 系统迁移，基于聊天层的众包评测正变得越来越不重要。站点保留到 4 月 15 日，供用户导出历史数据。

此外，Google 也开始收缩内部 AI 应用线，6 月，Pixel Studio 的核心图像生成功能在 v2.3 更新中被关闭，用户被导向 Gemini 和 Nano Banana；浏览器 Agent 实验项目 Project Mariner 则已于 5 月 4 日关闭，其能力被并入 Gemini Agent 和 AI Mode 等更大的产品体系。

AI 应用层正在从早期的功能试验，进入更残酷的商业筛选期。

这样的出清，有不少是发生在 " 建立在单点模型能力之上 " 的应用层产品身上：有些是大厂内部的功能整合，有些是创业公司的商业化失败，有些则是实验项目被并入更大的平台。它们形态不同，但共同暴露出同一个问题：当底层模型继续升级，应用层到底有没有形成足够厚的独立价值。

Google Cloud 全球创业公司业务负责人 Darren Mowry 在接受 TechCrunch 采访时表示：如果一家创业公司只是依赖后端模型完成主要工作，这种形式几乎是在白牌化 Gemini 或 GPT-5，行业已经没有太多耐心。

所谓 " 白牌化 "，就是把别人的模型能力换上自己的界面和品牌重新包装：用户看到的是一个新应用，但真正提供核心能力的，背后仍然是依靠 Gemini、GPT 或 Claude 等头部大模型支持。

那些只靠模型红利撑起来的应用，正在失去继续独立存在的理由。

当风暴已经落地、底层模型不断下沉，应用层的护城河，应该在哪里？

1

大模型下沉之后，应用层被重新定价

很多应用层公司的倒下，并不是从一开始就没有价值。问题在于，它们的价值建立在模型还不够好用、用户还不够成熟、场景还需要被重新包装的阶段。一旦模型能力下沉到用户入口，这部分价值就会被快速重估。

Jasper AI 是最早被这种逻辑击中的公司之一。它曾经是 AI 写作应用的明星，依靠 GPT-3 自动生成创意营销内容，短时间内成为独角兽，估值一度达到 15 亿美元。但随着 ChatGPT 的使用普及，" 生成营销文案 " 迅速从一个独立应用的核心卖点，变成了大模型的基础能力。再后来，Jasper 经历了裁员、估值回调、换帅，并转向企业营销工作流。

类似的故事还出现在 Chegg 身上。

Chegg 是一家被 ChatGPT、Google AI Overviews 等 AI 工具严重冲击的在线教育公司。2026 年一季度收入 6330 万美元，同比下降了 48%，Chegg 随后裁员、收入下滑，并把重心转向 AI 和职业技能业务。

Chegg CEO Dan Rosensweig 曾公开承认，学生对 ChatGPT 的兴趣上升已经影响到公司的新用户增长。用户并不是找到了另一个 Chegg，而是直接把需求迁移到了 ChatGPT。对应用层来说，最危险的替代品往往不是同行，而是底层模型突然变成了用户入口。

在过去，模型的原始能力和终端用户的真实需求之间，横着一道鸿沟：模型很强，但难用、难选、难落地；用户有需求，却不懂模型、不会调参、不愿承担试错的成本。

而应用层的价值在于，把 " 模型能做什么 " 翻译成 " 你能用它干什么 "，并对这段 " 翻译 " 收费。这道鸿沟有多宽，它的利润空间就有多大。

但现实的困境在于，这其中的空间在无限被压缩。

一位大模型应用层的创业者表示：" 现在上游的模型厂商，也在下场做应用层。这道鸿沟正从两端同时被填平。此外，下游的企业客户，也在快速成熟。随着 AI 大模型的广泛使用，已经完成了一轮市场教育，企业清楚了主要的核心功能。更重要的是，可选供应商越来越多 "。

上游模型厂商掌握核心能力，可以随时把能力下放为原生功能；下游客户越来越懂行，开始压价格、要效果、看 ROI；旁边还有无数替代品，从 ChatGPT、Gemini、Copilot 到云厂商和办公软件；更麻烦的是，新的竞争者几乎随时都能进场。

因此，夹在中间的应用层，正在从 " 技术红利的放大器 " 变成 " 价值证明的重灾区 "。

1

活下来的应用层，不只是 " 单卖 AI"

在 Sora、Yupp.ai、Pixel Studio 这一连串关停的另一面，是一个仍在爆发的市场。据 Sensor Tower 的数据，2025 年生成式 AI 应用的下载量同比翻倍至 38 亿次，应用内购买收入接近三倍增长、超过 50 亿美元；Sensor Tower 还预测，到 2026 年，生成式 AI 应用收入有望突破 100 亿美元。也就是说，钱和用户都在，倒下的并不是行业，主要是一批 " 站错了位置 " 的产品。

那么真正活下来、甚至活得很好的应用层产品，到底做对了什么？

通过 a16z 在 2026 年 3 月发布的第六版生成式 AI 消费应用榜单，我们拆开看发现：真正跑出来的 AI 应用层，产品形态已经变了。核心主要有三类：

第一类应用，是成为默认入口的超级应用。

比如 ChatGPT、Gemini、Claude 等这样的横向 AI 产品，已经不是传统意义上的工具，都在纷纷争夺 AI 入口。用户们把这些工具当作新的工作台：问问题、查资料、写代码、做表格、连日历、接邮箱、调用外部应用。a16z 特别提到，ChatGPT 和 Claude 都在建设 connector 和 app 生态。当一个用户把自己的邮箱、日历、CRM、文档、工作软件都接入某个 AI 助手，切换成本就会迅速上升。

第二类应用，本来就占据高频场景或者垂直场景的应用。

以 CapCut 为例。作为月活超过 8 亿的视频剪辑工具，它最受欢迎的几个功能，比如抠图去背景、AI 特效、自动字幕、文字转视频，都由 AI 驱动。但用户不是冲着 "AI" 来的，看中的是本身剪视频的功能，AI 只是让原本要花十分钟的操作变成一键完成。

还有 Notion AI，让 AI 进入企业知识库、项目管理、会议记录和自动化流程。也正因为如此，Notion AI 的付费渗透率能快速提升：用户不只是在额外购买一个新工具，核心是在原本离不开的系统里，为更高效的工作方式付费。

第三类活下来的产品，已从工具走向 " 替用户做事 " 的 Agent。

a16z 在这版榜单中特别强调，Agent 已经开始出现。比如 Lovable、Cursor、Bolt、Replit、Claude Code 代表的是开发场景里的 agentic 行为：它们已经开始帮助用户构建产品、修改代码、分析项目、推进任务。Manus、Genspark 这类横向 Agent，则让用户交出更开放的任务，比如研究、表格分析、幻灯片生成，由 AI 端到端完成一段工作流。

这几类产品形态不同，但活下来的逻辑是同一条：它们都不仅是靠 " 我有 AI" 来获客，核心是把 AI 接进用户已经离不开的入口、场景和任务里。

1

AI 应用层没有收缩，只是门槛变高了

所以，今天我们讨论 AI 应用层的倒闭和收缩，不能简单理解为 "AI 应用层在收缩了 "。

真正退场的，是一批把单点功能包装成独立产品的轻应用；继续扩张的，是那些嵌入高频场景、占住用户入口、进入真实工作流的应用层产品。它们不一定还以 "AI 应用 " 的名义出现，核心是 AI 早已融入，成为剪辑软件、办公套件、浏览器、设计工具等不同产品形态的一部分。

消失的是那种只靠一个单点功能就能独立收费的宽松时代。

AI 应用层的故事还在继续。

接下来的 Agent 时代，应用层的门槛会进一步抬高：未来的单点功能会变得更不够用，真正有价值的产品能否进入流程、连接系统、承接责任、安全可控，把模型能力变成一段可执行、可追踪、可衡量的业务闭环。

在开发者场景，我们能看到这一变化已经推进了一大步。OpenAI Codex、Claude Code 等工具，正在把 AI 从 " 代码补全 " 推向 " 软件开发代理 "。这些 Agent 开始理解代码仓库、修改文件、排查错误、生成测试，甚至围绕一个开发任务持续推进。

这样的能力很难被一个通用聊天框直接替代。真实的软件开发，需要在复杂工程系统里连续完成判断、改动、验证和交付。产品一旦使用时间足够长，就会积累项目上下文、团队习惯、历史问题和操作记录，和用户的日常工作越绑越深。

这场筛选还会继续。今天活下来的产品，也仍要不断回答同样的问题。潮水退去之后谁还站在赛场，答案要交给时间。

文章转载于腾讯科技