在 X、Reddit 和 YouTube 上，引发创作者社群的密集讨论。从 Beta 发布至今不过两个月，它已吸引来自全球 70 多个国家的 80 多万专业设计师申请并使用。没有投广告，也没有铺量合作，几乎完全依靠使用者之间的自发传播完成冷启动。上线万人排队申请体验。

　　7 月 23 日，Lovart 正式对外开放，无需邀请码即可使用，并上线了核心功能「ChatCanvas」。当天在 X 平台上，不少 AI 创作者和设计从业者转发相关动态，KOL 之间也出现了频繁互动，形成了一个小范围的“刷屏”现象，创作者社区一时间热闹起来。

　　DG视讯·(中国区)官方网站

　　在不同语言文化圈中，用户反馈的关键词出奇一致：流畅、实用、任务导向。“再见Photoshop”“这是我第一次真正在AI工具里完成一整个项目”等评论，来自日本、阿拉伯、韩国、埃及等国家的使用者，也纷纷分享使用过程中的完整视频记录。讨论重点已不再停留在模型参数或画质风格上，而开始转向“整个创意项目是否能被AI辅助完成”。

　　不同于 DeepSeek、K2 那样靠模型能力震撼市场的“上游冲击”，Lovart 这次是用产品完成了对协作方式的重写：不是更快出一张图，而是更快交付一个完整创意项目。

　　Agent，不再是模型的附庸；应用，也不只是界面的包装。Lovart 用两个月的节奏说明，真正能跑起来的 AI 产品，靠的不是参数对比，而是明确的任务感与使用场景。

　　如果你把 Lovart 当成另一个“AI出图工具”，那你可能低估了它这次为什么能先在硅谷火起来。

　　在 AIfire 的定义中，Lovart 并非传统意义上的 AI 设计软件，而是一种全新的创作逻辑。它代表着从“单点模型能力拼接”迈向“多智能体协作系统”的转变，背后是一种范式级的跃迁，而非工具级的进化。

　　Forbes 指出，Lovart 的发布正好契合当前“AI 应用层创业热潮”的时间窗口，在“设计工作 Agent 化”这一细分方向上切入明确，具备在创作者市场快速站稳脚跟的潜力。

　　CNBC 更直接地提出，Lovart 很可能代表着 AI 正式进入内容创作行业的下一阶段。报道认为，中国团队在开源模型调用效率、产品迭代速度和工程成本结构上的优势，正在通过 Lovart 这样的新产品体现出来。

　　The Information也将 Lovart 视为“全球 AI 应用层创新的新力量”，认为它是少数同时具备工程实力与品牌视野的中国 Agent 公司之一，正借助中美之间的资源流通与市场机制，走出一条从“追赶者”转向“引领者”的路径。

　　Lovart 的底层逻辑，从来不是“谁图更高清、谁更像Midjourney”，而是一个真正由多个 AI Agent 协同完成创意任务的产品系统——它像是把一个设计工作室装进了浏览器，但每个岗位都由 AI 担任、每个环节都能被自动执行。从品牌定位到视觉物料，从脚本结构到视频风格，你只需要像导演一样描述意图，Lovart 就能调动一组 Agent 去完成落地。

　　DG视讯·(中国区)官方网站

　　你不是在“调用模型”，你是在调度一组有角色分工的智能团队。它理解上下文，有记忆能力，能反复迭代；你不用每次都“重新教它你是谁”，它会记得你是做哪个品牌、你想保留哪种风格、你之前发起过什么项目。这不是传统生成工具能做到的。

　　更重要的是，Lovart 从不强调或隐藏它用了谁的模型。这不是逃避，而是一种有意识的偏离：在模型能力逐渐“平权化”的背景下，AI应用层真正的竞争点，不再是“调用了哪个API”，而是“能不能尽快把一个创意变成可以交付的产品”。

　　它不炫参数，不卷大模型，而是用一个清晰、直给的产品形态，证明了：Agent 系统并非遥远的研究蓝图，而是可以服务创作者日常工作的现实工具。

　　放在今天的语境下看，它甚至踩中了整个 AI 创业的结构性机会：模型，是巨头的游戏。应用，是节奏与体验的竞争。而谁能最快把“点子”变成“落地”，谁就拥有这个时代少数的产品红利。

　　在实际的创作流程中，Lovart 被频繁用于品牌内容的全流程生成：用户只需给出一个意图或创意方向，系统便能自动调度内置的多个专业 Agent（如品牌视觉 Agent、海报设计 Agent、视频剪辑 Agent、3D建模 Agent），协同完成从文案编排、脚本结构、风格统一到最终交付物的生成。这不是简单的图像合成，而是一套面向真实内容生产的工作机制。

　　过去，你得找设计师、对风格、出 logo、定配色、再往下推物料模板。在 Lovart，只需要一句话描述品牌调性，它就能直接生成品牌名、LOGO、字体、主视觉、延展场景，一次性给出一整套风格统一的品牌资产包。

　　2｜ChatCanvas 协作画布：不是交互界面，而是一个“能和你开项目”的空间

　　Lovart 的核心创新，不是生成能力，而是它提供了一个真正能支持 AI 与人“并肩工作”的空间。在 ChatCanvas 中，你可以像团队开会一样对着画布打点反馈：“这页风格太紧了”“字体松弛一点”“换成深色版”……

　　Lovart 会理解你指的是哪个部分、什么意图，并能批量执行所有修改。它不是单向的交互界面，而是一个结构化的 Agent 协作空间——任务被分解、意见被标注、上下文被记住、修改可以回溯。你不再是“使用工具”，你在“指挥一组 AI 同事”。

　　3｜社交视觉资产：不是出几张图，而是出一个能“改、迭代、复用”的素材体系

　　Lovart 不强调“图生成得多快”，而是强调“图能不能反复用”。无论是品牌 campaign、节日节点、电商促销，Lovart 都能在一次生成的基础上，批量生成不同尺寸、平台格式和风格版本，并支持你随时改图层、改排版、改情绪感。

　　Lovart 的出现，不是又一个“出图工具”的复制品，而是一种更值得关注的信号：在模型能力逐步“基础设施化”的当下，它在三件更本质的事情上走在了前面。

　　近两年，“多 Agent 系统”逐渐从技术论文走入主流产品语境。但大多数 Agent 架构仍停留在技术范式或演示层面，缺乏产品化路径。Lovart 的做法截然不同——它从一开始就不打算强调“模型用了谁”，而是将大模型看作能力组件，直接内嵌进一套有任务感、目标感、角色感的产品系统里。它不是接了一个模型，而是组织了一组能协同工作的 Agent。

　　也因此，Lovart 的真正意义，不是“功能强”，而是“结构对”。它不是将用户套进模型流程，而是围绕用户任务反过来组织模型资源。你在其中的身份不再是一个提示词工程师，而是整个创意项目的主导者。

　　如果说早期的 AI 公司像是 Anthropic、Mistral，以模型为主角，那么 Lovart 更像是 Notion、Figma，是建立在基础模型之上的产品逻辑进化。在模型日渐标准化、调用成本趋于平权的今天，“产品第一”正在成为 AI 应用创业的核心判断。Lovart 用一整套可持续运行的 Agent 系统，说明了这条路不仅成立，而且已经开始有效工作。

　　在绝大多数 AI 工具中，生成的本质是“单轮响应”：你给一个 prompt，它返回一个结果，流程结束。而创意工作恰恰相反，它是一个需要来回调整、保持上下文、维持风格一致性的持续过程。

　　它不仅要生成内容，还要能复用已有素材结构，在保持一致性的基础上提出变化和改进。这种能力本质上是一种“结构上的记忆”——不仅记得你说了什么，还知道你为什么这么说，上一次怎么改的，这次要延续什么方向。

　　正如红杉在近期分享中所指出，下一代 AI 产品的价值，不在于“效果展示”，而在于“能不能撑起一个复杂任务的完整闭环”。是否具备语境记忆、风格一致性、多角色协同的能力，不只是“体验好不好”，而是“能不能在真实工作中被使用”。

　　相比模型层的“冷启动靠算力”，AI 应用层的冷启动，本质靠的是产品节奏与用户感知。

　　Lovart 从 Beta 内测到全球上线% 来自自然流量（来源：Data.ai 与 Similarweb 2025年7月中旬数据）。没有广告投放，没有红人带货，仅靠创作者之间的推荐和作品展示，实现了广义上的“冷启动”。

　　这背后的机制，是“内容产出带动传播力”，也是“真实协作引发自传播”。它不是用营销把用户拉进来，而是用产品本身让用户留得住、用得爽、愿意推荐。正如红杉合伙人 Pat Grady 判断：“未来的 AI 软件公司，不再‘卖工具’，而是‘卖结果’。”而这个“结果”，不只是一次性的生成图，而是一套真正能交付任务的工作系统。

　　AI 创作工具从来不缺炫技的 Demo，但 Lovart 提供的，是另一种更具现实感的答案——它不是来“代替设计师”，而是重新定义你如何与一个“AI创意团队”共事。

　　如果你是创作者、品牌主、内容团队，Lovart 也许能成为你的下一个核心搭档。如果你是开发者或创业者，也可以从这款产品的节奏里，嗅到应用层竞争的走向。

　　DG视讯·(中国区)官方网站

　　不用等邀请码，不用刷榜单。只需要一个想法，就能让一组 Agent 开始帮你完成从品牌、到海报、到视频、到提案的完整项目。

　　稿件经采用可获邀进入Z Finance内部社群，优秀者将成为签约作者，00后更有机会成为Z Finance的早期共创成员。