即刻App年轻人的同好社区
下载
置顶在AI应用领域找方向的框架：
1. AI的基本特点是什么？
* 类人级的智能（之前需要人参与才能进行的流程，现在能不能让AI来做？）
* 具有跨领域的知识
* 推理能力正在逐步增强
* 感官能力正在与人对齐
* 超越人类的信息吸收速度（之前人做不了的事情，现在有了AI，还能不能做？这个方向也是目前没有引起市场重视的点，也是可以投入精力做差异化竞争的点）
* 低廉的横向复制边际成本（之前用人来做太贵的事情，现在能不能用AI取得指数级别的成本降低？）
2. 我满足用户的什么诉求？
* 功能性诉求
* 高思考成本的场景下都取得了不错的用户反馈
* 对于有这项技能的人，AI做的不仅是提效，而是将问题的维度变了，做的是升维
* 对于没有这项技能的人，做的是自我权力的扩张
* 低思考成本的目前没有
* 情感与社会性诉求
* 第一层：关注内在，有娱乐的诉求
* 第二层：身处在一个社会群体中，面对来自四面八方的影响，人需要对生活有尽可能多的掌控感，需要通过学习或外部工具来获得掌控感或安全感
* 第三层：在群体中，每个人都想要显得与众不同，展示出自己的价值，有装逼诉求。
* 第四层：人会本能地想要与社会产生连接、融入，为了更好地融入，也会通过一些模仿性的从众行为来获得群体认可。
怎么确定要不要做这个方向？
* 规模有多大？
* 现在进去是不是合适的时机？
* 契合度怎么样？适不适合我们做？
1. AI的基本特点是什么？
* 类人级的智能（之前需要人参与才能进行的流程，现在能不能让AI来做？）
* 具有跨领域的知识
* 推理能力正在逐步增强
* 感官能力正在与人对齐
* 超越人类的信息吸收速度（之前人做不了的事情，现在有了AI，还能不能做？这个方向也是目前没有引起市场重视的点，也是可以投入精力做差异化竞争的点）
* 低廉的横向复制边际成本（之前用人来做太贵的事情，现在能不能用AI取得指数级别的成本降低？）
2. 我满足用户的什么诉求？
* 功能性诉求
* 高思考成本的场景下都取得了不错的用户反馈
* 对于有这项技能的人，AI做的不仅是提效，而是将问题的维度变了，做的是升维
* 对于没有这项技能的人，做的是自我权力的扩张
* 低思考成本的目前没有
* 情感与社会性诉求
* 第一层：关注内在，有娱乐的诉求
* 第二层：身处在一个社会群体中，面对来自四面八方的影响，人需要对生活有尽可能多的掌控感，需要通过学习或外部工具来获得掌控感或安全感
* 第三层：在群体中，每个人都想要显得与众不同，展示出自己的价值，有装逼诉求。
* 第四层：人会本能地想要与社会产生连接、融入，为了更好地融入，也会通过一些模仿性的从众行为来获得群体认可。
怎么确定要不要做这个方向？
* 规模有多大？
* 现在进去是不是合适的时机？
* 契合度怎么样？适不适合我们做？
19 06
看完 Dwarkesh Patel 最近几期关于 OpenAI 内部模型（据说是 Astra 早期版本）攻击 Hugging Face 事件的 podcast 之后，我脑子里只有一个感觉：
Feel the ASI.
Feel the ASI.
2 00
Nano Banana将永远改变人像摄影行业
（下图中的证件照、各种不同风格的写真均使用Nano Banana生成）
最近Google发布了预热已久的Nano Banana图像生成模型，让大家最为惊喜的是，它的人物一致性得到了非常大的提升。
之前我们用GPT-4o或者Gemini 2.0 Flash来修改人像，很明显地可以看出来AI改后的图片跟原来图片中的人差距很大。我们在社会中生活，每天都要与熟悉或不熟悉的人打交道，对于人脸的一致性具有极高的敏感度，如果照片中的人脸与自己印象中的脸有一些细微的差别，很容易就会察觉出来。在使用之前的模型时，这个现象就很明显。为了弥补这方面的缺陷，往往会加一层「换脸」的后处理环节来提高人脸辨识度，尽管如此，效果也不尽如人意。
除此之外，我们还会发现，Nano Banana更「聪明」了。要理解这一点，我们首先要知道，Nano Banana的全称是Gemini 2.5 Flash Image。和GPT-4o的原生图片输出能力类似，图片输出是Gemini 2.5 Flash模型的一项全新能力，这就意味着，它与2.5 Flash都共享用大量文本训练出的基座世界观和一定的推理能力。有了这些之后，我们会发现，首先在输入层面，它能够更好地理解我们给出的复杂指令，而且也能更好地理解参考图片，即使有时候你给它一个比较抽象的2D插画，它也能理解图中表达的意思。在输出方面，它的真实性也大大提升，在细节上的处理更加接近真实世界，这也是图片原生输出能力的一大优势。
那么这一切跟人像摄影行业有什么关系呢？
我们先从证件照说起。大家肯定都有去拍证件照的经历，一般情况下，我们会提前收拾一下发型，调整一下着装，找家附近的照相馆，站在他们的摄影棚里，咔擦一声，拍照结束。经过各种PS技法处理，我们看着那张不怎么认得出自己的精修证件照，扫码付款三四十块钱。对于某些比较高端的摄影机构，还会附带一点化妆和换装服务，价格在上百元。
而使用Nano Banana，你只需要找个光线好的地方拍一张自拍，就可以一键生成摄影棚级别的证件照，而成本是多少呢？按照我目前接触的API代理商的价格，一张图片在3分钱左右，假设我们生成10次，从里面挑一张最满意的，那也只有3毛钱。与原来去摄影机构的三四十元、上百元相比，成本降低了2-3个数量级。
这个数量级的成本差距，没有悬念地将会对原始行业造成毁灭性打击。
但人像摄影当然不止于证件照，写真照是一个单价更高的领域，不过这里得分三种情况。
对于有些人来说，拍写真是为了记录生命中美好的时刻、记录不同阶段的自己，提供情绪价值。对于这部分群体来说，Nano Banana可以用来优化光线、场景、人像细节，但能做的始终有限，毕竟还是需要有专业摄影师来拍照，成本不会有太大的变化。
对于另一部分人来说，拍写真是为了实用价值。比如说公司网站需要有一些看似比较「高端」的个人照片，再比如说社交媒体上需要有一些「更有吸引力」的照片，再比如说新品衣服需要有模特来试穿。这种场景对作品的质量要求比较高，一般的拍摄机构可能都无法满足需求，需要去找更专业的人，这也意味着成本急剧上升，几千元起步。而现在借助Nano Banana，这个成本可以降低至少3个数量级。
此外，还有一个更广阔的用户群体——那些从未体验过专业写真摄影的人。之前受限于高昂的拍摄成本，大多数人根本没有机会拍专业的写真照。但是，现在他们只需要几块钱就可以拥有一套高质量的写真照，不仅可以更换不同的服装，还可以成为不同电影的主角。想象一下，这些写真不仅仅是照片，他们让用户看到了一个「更好的自己」，一个「仿佛是平行时空的自己」。这种感觉非常奇妙，但凡体验过的人，都很难抵挡住分享的诱惑。如果大多数人都愿意分享，那这就是一个绝佳的病毒传播机会。
上面所说的这些，核心其实只有一点：成本的指数型降低所带来的行业革命。对于任何一个行业来说，当新玩家的生产成本比老玩家的生产成本低好几个数量级时，这已经变成了一场非常不公平的竞争。
其实不仅仅局限于证件照、写真照，正如我4月份在文章《LLM原生图片输出能力的影响仍远远被低估》（m.okjike.com）中写过的，所有与图像相关的领域都会受到冲击。
未来已经到来，只不过还不太平均。但最终，会相对比较平均。
（下图中的证件照、各种不同风格的写真均使用Nano Banana生成）
最近Google发布了预热已久的Nano Banana图像生成模型，让大家最为惊喜的是，它的人物一致性得到了非常大的提升。
之前我们用GPT-4o或者Gemini 2.0 Flash来修改人像，很明显地可以看出来AI改后的图片跟原来图片中的人差距很大。我们在社会中生活，每天都要与熟悉或不熟悉的人打交道，对于人脸的一致性具有极高的敏感度，如果照片中的人脸与自己印象中的脸有一些细微的差别，很容易就会察觉出来。在使用之前的模型时，这个现象就很明显。为了弥补这方面的缺陷，往往会加一层「换脸」的后处理环节来提高人脸辨识度，尽管如此，效果也不尽如人意。
除此之外，我们还会发现，Nano Banana更「聪明」了。要理解这一点，我们首先要知道，Nano Banana的全称是Gemini 2.5 Flash Image。和GPT-4o的原生图片输出能力类似，图片输出是Gemini 2.5 Flash模型的一项全新能力，这就意味着，它与2.5 Flash都共享用大量文本训练出的基座世界观和一定的推理能力。有了这些之后，我们会发现，首先在输入层面，它能够更好地理解我们给出的复杂指令，而且也能更好地理解参考图片，即使有时候你给它一个比较抽象的2D插画，它也能理解图中表达的意思。在输出方面，它的真实性也大大提升，在细节上的处理更加接近真实世界，这也是图片原生输出能力的一大优势。
那么这一切跟人像摄影行业有什么关系呢？
我们先从证件照说起。大家肯定都有去拍证件照的经历，一般情况下，我们会提前收拾一下发型，调整一下着装，找家附近的照相馆，站在他们的摄影棚里，咔擦一声，拍照结束。经过各种PS技法处理，我们看着那张不怎么认得出自己的精修证件照，扫码付款三四十块钱。对于某些比较高端的摄影机构，还会附带一点化妆和换装服务，价格在上百元。
而使用Nano Banana，你只需要找个光线好的地方拍一张自拍，就可以一键生成摄影棚级别的证件照，而成本是多少呢？按照我目前接触的API代理商的价格，一张图片在3分钱左右，假设我们生成10次，从里面挑一张最满意的，那也只有3毛钱。与原来去摄影机构的三四十元、上百元相比，成本降低了2-3个数量级。
这个数量级的成本差距，没有悬念地将会对原始行业造成毁灭性打击。
但人像摄影当然不止于证件照，写真照是一个单价更高的领域，不过这里得分三种情况。
对于有些人来说，拍写真是为了记录生命中美好的时刻、记录不同阶段的自己，提供情绪价值。对于这部分群体来说，Nano Banana可以用来优化光线、场景、人像细节，但能做的始终有限，毕竟还是需要有专业摄影师来拍照，成本不会有太大的变化。
对于另一部分人来说，拍写真是为了实用价值。比如说公司网站需要有一些看似比较「高端」的个人照片，再比如说社交媒体上需要有一些「更有吸引力」的照片，再比如说新品衣服需要有模特来试穿。这种场景对作品的质量要求比较高，一般的拍摄机构可能都无法满足需求，需要去找更专业的人，这也意味着成本急剧上升，几千元起步。而现在借助Nano Banana，这个成本可以降低至少3个数量级。
此外，还有一个更广阔的用户群体——那些从未体验过专业写真摄影的人。之前受限于高昂的拍摄成本，大多数人根本没有机会拍专业的写真照。但是，现在他们只需要几块钱就可以拥有一套高质量的写真照，不仅可以更换不同的服装，还可以成为不同电影的主角。想象一下，这些写真不仅仅是照片，他们让用户看到了一个「更好的自己」，一个「仿佛是平行时空的自己」。这种感觉非常奇妙，但凡体验过的人，都很难抵挡住分享的诱惑。如果大多数人都愿意分享，那这就是一个绝佳的病毒传播机会。
上面所说的这些，核心其实只有一点：成本的指数型降低所带来的行业革命。对于任何一个行业来说，当新玩家的生产成本比老玩家的生产成本低好几个数量级时，这已经变成了一场非常不公平的竞争。
其实不仅仅局限于证件照、写真照，正如我4月份在文章《LLM原生图片输出能力的影响仍远远被低估》（m.okjike.com）中写过的，所有与图像相关的领域都会受到冲击。
未来已经到来，只不过还不太平均。但最终，会相对比较平均。
19 110