春天要来了，大家有打算养花花草草吗？
如果问老外，大概率会得到一个肯定的“yes”。西方国家的花园文化深厚，每个家庭都有一个小花园。并且西方人也乐意为自家的花园“烧钱”，比如美国家庭在园艺上平均一年就要支出近5000人民币。
如此大的一个市场，却也有不少未被满足的用户需求，比如“识别植物”。
“每一株花卉都不便宜，我怎么知道在这个天气下，植物这个状态是正常还是不正常呢，万一养死了怎么办啊？”
“徒步碰到很喜欢的，没见过的植物，想了解一下，看看能不能栽在自家花园里，可同伴都往前走了，还没网，难道又要错过给花园添稀罕品种的机会？”
从国外博主的一些vlog中可以发现，原来热爱自然不等于了解自然，老外还有这样的烦恼。
在这个需求点位上，一款由“浙大系”团队开发的AI识别植物软件Picture This，在海外市场反响热烈，全球用户规模已达 2 亿。2025年这款软件在国产非游戏类出海应用收入榜第二位，排名仅次于字节跳动。
Picture This的母公司是杭州睿琪软件有限公司，创始人为罗欢、徐青松、陈明权三人。目前这支团队围绕Picture This为中心，开发了 19 款 AI 产品，年收入超 10 亿元。
一款以植物识别为核心功能的 AI 应用，为何能实现年收入超 10 亿元的业绩？其亮眼的出海营收背后，是市场机遇下的快速崛起，还是长期布局后的集中释放？
从一朵鲜花到十九产品矩阵
PictureThis的故事，先要从一家名叫Trilogy 的美国软件公司说起。
据媒体报道，这家软件公司以“只招最优秀的人、实行快速淘汰机制”而闻名，被视为人才培养的高标准典范，并且拥有“天才才能生存”的企业文化。睿琪的创始团队成员罗欢、徐青松、陈明权都曾在这家公司工作。
从Trilogy离开后，三人成立了睿琪。 刚开始，睿琪接一些软件外包工作，其中不乏一些知名软件如winzip等等。转折的契机发生在陈明权在陪孩子的时候，由于答不上植物的名称，便想着用图像识别技术来解除这种尴尬，因此有了开发这款软件的念头。
2015年左右，深度学习与卷积神经网络（CNN）已经成熟并落地应用，从技术阶段来看，CNN、TensorFlow 等框架已开源，企业级应用快速推进，但 To C 端普及还在初期。迁移学习让小样本训练成为可能，形色正是用 CNN + 迁移学习（如微调 GoogLeNet）训练植物识别模型。
于是PictureThis 的国内版“形色”诞生了，它以AI为辅助，主要通过“自研VC + chatgpt”的模型，让用户通过拍照来“辨认”植物。
不过这款软件在国内反响平平，从2015年到2025年，用了整整十年形色才在国内突破下载量千万大关，实属小众软件。
命运的转折点再次扣响了睿琪的大门，在一次为某欧美园艺公司提供图像识别解决方案时，发现高达80%的欧美独栋住宅家庭，愿意为自家草坪和花园花钱。
在“园艺文化”的熏陶下，欧美人对自然和植物兴趣浓厚，在欧洲的一些小学和初中，老师会专门带孩子们去上“森林课”“田野课”，来教小朋友们辨认植物，然而，当时主流识别软件准确率不足 60%。
于是形色出海了。
图说/PictureThis国内版本“形色”，页面还会显示和植物相关的诗词
图源/睿琪官网
2017年，形色以PictureThis的名称上线国外，首战是日本，但是并未取得预期的成功。之后又转战美国市场，随即爆火。很快，PictureThis又进入欧洲市场，反响依旧热烈。
产品一开始主要通过自然流传播，发现爆火后，PictureThis在海外社交媒体营销上开始发力，投放了 1000 多条视频素材。如今，PictureThis的ins有高达97.5万粉丝，日常更新一些关于养护，和选取植物的小常识来获得点赞与互动，同时引流至下载app的官方渠道。
同时，它还非常注重在 Google Play 和 APP Store 等应用商店的优化，让自己在应用商店的搜索排名更靠前，更容易被用户发现。
据Sensor Tower 数据显示，全球范围内，PictureThis 每月的下载量大约在 60 万至 100 万次之间，在苹果商店中的累计下载量超过一亿。月流水稳定在 500 万美元左右。
在点点数据发布的中国非游厂商出海的榜单中，睿琪公司在25年很长一段时间内仅次于字节跳动，在26年最新的榜单上名列第三。
当睿琪看到PictureThis的成功后，迅速用一套核心的 AI 算法，在十几个不同的领域开发了相应的产品，比如识别鱼类，识别鸟类，识别蝴蝶，甚至识别硬币等等，之后还进军了健身类应用，试图用较低的边际成本，攻占更多的“智能识别”场景。其中有几个app同样跑出了很不错的收益，但PictureThis仍然是这个系列中的营收冠军。
图说/部分睿琪公司搭建的产品矩阵，包含识别昆虫、鱼类等等
图源/睿琪官网
从传统的 SaaS 模式一路走向 AI 时代，很难说睿琪是一个典型的AI企业，因为它既没有攻克什么技术难关，在产品设计思路上，也没有令人足够划时代亮点。之后的产品矩阵，更像是一个用软件思路来做AI产品的企业。
PictureThis的故事中，AI更像是一个功能性上的辅助，这款产品真正的亮点，还是在于它切中了欧美用户的痛点。
国内不火，国外火——易被忽视的跨文化需求
为什么PictureThis在国内不火，却能在国外稳居排行榜前三呢？
图说/中国非游厂商出海收入榜，睿琪在26年1月下滑至第三
图源/点点数据
国内家庭庭院面积普遍较小，园艺更多以少量绿植、蔬菜种植为主，整体需求有限。而在欧洲，近 80% 的家庭拥有私家花园，当地园林市场规模高达 280 亿欧元，约为红酒行业的 3 倍。
同时，欧洲用户更偏爱徒步、森林骑行等亲近自然的户外活动，进一步提升了对植物相关工具的使用场景，催生了植物识别这个潜在的巨大蓝海市场。
根据Market Growth Reports的预测，全球植物识别应用市场规模在 2024 年为3.8106 亿美元，到 2033 年将达到11.8829 亿美元，年复合增长率为13.47%。
在这一市场空白期，长期缺乏能够精准匹配用户需求的产品。因此，PictureThis 的成功，AI 技术更多是基础支撑，产品能成功的关键点在于其产品定位与市场判断。
从使用上来说，睿琪能够被欧洲广大用户“种草”的一个点，在于既“专业”，又“小白”。
在专业度上，由于不同的国家的气候不同，导致植物的生长情况和呈现状态会有差异，所以不少AI软件会发生“误”识别的情况，比如拍的是A植物，但是识别出来是B植物。
在这一点上，Picture This 的翻车概率比较小，准确度可以达到98%。据报道，PictureThis团队会在不同的地区去收集数据、完善模型，比如收集某一种月季在不同气候下的生长状态的图片，以达到更准确地识别。
图说/PictureThis的一些识别功能，通过落叶来识别树的种类
图源/PictureThis海外社媒
但是，和背靠中科院的“微软识花”比起来，Picture This就没有那么专业了。“微软识花”用了“科-属-种”的层级化识别方式，而且还配上了拉丁文。相比之下Picture This在内容策略上更加白话，去掉了学术性的内容，给人一种“新手入门，了解就好”的感觉。
尽管放弃专业路线，但是Picture This却做到了多功能。比如，Picture This不仅页面内置百科全书，还可以给植物“看病”，比如现在这株植物光照充不充足、应该放入什么酸碱度的土壤，有没有可能生虫，以及是否对你家养的宠物有害等等。
图说/PictureThis的识别害虫功能展示
图源/PictureThis海外社媒
面对一个软件的功能越多，就可能导致使用复杂，从而降低体验感的情况。睿琪公司围绕植物识别设计了一个产品矩阵，比如植物疾病检测PlantAI，植物生长记录工具GrowIt等，搭建一条从识别到养护的完整生态链的同时，也丰富了自己的营收结构。
从商业模式来说，PictureThis使用传统的订阅制，订阅费用是月费 7.99 美元，年费 39.99 美元（约320元人民币）。最开始团队抱着“尝试”的心态采取订阅制，但不料国外用户的付费意愿强烈，公司实现了规模化流水。
不过在吸引用户付费上，该应用也存在一定争议。在一些社区网站上被老外抨成“诈骗”。因为PictureThis引导用户付费的方式是提供“7 天免费试用全部高级功能”，但那个“关闭”或“跳过试用”的按钮，通常被设计得非常小，颜色很浅，放在右上角，很容易被忽略。如果用户忘记去系统设置里手动取消，订阅就会自动续费一整年。在Reddit社区中，能见到不少因此愤怒的用户。
但总体来说，Picture This还是很受老外欢迎的。在不少国外论坛里，老外羡慕Picture This在中国是免费版。RB认为，与其说是Picture This选择了西方市场，不如说是西方市场选择了 Picture This。一些巨头曾经眼红这块蛋糕，但是由于Picture This较早地占据了用户的心智，因此未能成功抢夺市场。
在AI社群中，不少AI创业者这样评价它：“这无疑是款幸运的软件，而幸运的起点，在于出海。”
结语：
有人说PictureThis是歪打正着。
的确，这款软件最初在国内成绩平平，不料出海却能爆火。火了之后母公司又连续出了十几个底层逻辑差不多的AI产品继续盈利，在非游出海榜单中力压多个巨头，排名仅次于字节。
这些给PictureThis蒙上了一层“乱拳打趴巨头”的感觉。
有不少AI的C端应用，虽然从技术角度看起来平平无奇，没有什么惊天动地的突破，但是在商业化落地上，却有成果。PictureThis就属于其中的一类。它的成功不在于技术颠覆性，而在于对用户场景的深度了解。没有过于复杂的训练，而是精准切入了尚处于空白的地区。
曾经IT圈有一句很出名的话“Talk is cheap, show me the code.”（讨论不值钱，把代码拿来）在开源早期、技术蛮荒时代，这是程序员对抗嘴炮的经典话术。
然而在AI时代下，这句话逐渐变成了“Code is cheap, show me the talk.”(代码不值钱，给我讨论过程)。
或许这是因为在AI到来之前，在拼代码的领域中，“嘴炮”太多，真的能够coding出高质量成果的人太少，而随着行业的变化，coding贬值，能写代码的人太多，能把事情讲清楚、卖出去、带起来的人太少。
一个AI产品能否商业化落地，依靠的还是对产品设计，能否切中用户痛点，能否在特定领域解决用户的什么问题。而这些也是一个时代真正贵的东西。
或许PictureThis的出海成功，是“AI是用来托举人”的最好注解。
hanna.zhou 
