صور المنتجات بالذكاء الاصطناعي في «11.11»: أقل من يوان للصورة، فلماذا لا يزال بائعو أحذية النساء يصوّرون فعليًا؟

في 5 نوفمبر، جاب مراسل «سيتشوان أوبزرفر» أرجاء «عاصمة أحذية النساء» في ووهو بمدينة تشنغدو. وكانت إجابات التجار الذين يبثون مباشرة متطابقة تقريبًا: صور المنتجات ومقاطع الفيديو القصيرة تُصوَّر كلها في الموقع، والبث المباشر أيضًا بمشاركة أشخاص حقيقيين. قال أحد التجار بصراحة إنه جرّب الاطلاع على مواد الذكاء الاصطناعي، لكن النتيجة النهائية لم تبلغ المستوى الذي يطلبه المتجر، فلم يستخدمها حتى الآن.
في اليوم نفسه، جاء عرض سعر من مصدر آخر على هذا النحو: يشتري التاجر نقاطًا من المنصة، ويولّد صور المنتجات بنفسه داخل النظام، بتكلفة أقل من يوان واحد للصورة؛ أما الفيديو المولّد بالذكاء الاصطناعي الذي لا تتجاوز مدته دقيقة، فأعلى سعر له 1000 يوان، يُتفاوض عليه حسب الصعوبة.
بوضع الإجابتين جنبًا إلى جنب، يظهر فرق السعر. لدى استوديوهات التصوير الفعلي، تبلغ الصورة الخارجية المصحّحة مع عارضة نحو 200 يوان للصورة، وأغلب فيديوهات المنتجات من عشر إلى عشرين ثانية تتراوح بين 600 وأكثر من 1000 يوان للمقطع. أي أن الصور أرخص بالذكاء الاصطناعي بمقدار مرتبتين، أما الفيديو فالطرفان عند السعر نفسه تقريبًا.
رخيصة إلى هذا الحد ومع ذلك لم تُستبدل، وهذا يعني أن التاجر يشتري «الجاهز للاستخدام المباشر»، وأن الصورة نفسها لا تساوي ذلك المبلغ.
الرخيص هو التوليد، والغالي هو ألا تخطئ
متطلبات فئة أحذية النساء تجاه الصورة يصعب على غير المختص أن يستوعبها. كيف يعكس الجلد الضوء تحت الإضاءة، وهل شاب التقوّس عند مقدمة الحذاء، وهل كثافة الخياطة صحيحة، وهل تبدو نسبة الكعب إلى الساق واقعية بعد الارتداء؛ هذه التفاصيل هي ما يحدد إن كان المشتري سيتوقف ثلاث ثوانٍ إضافية في صفحة التفاصيل. والمكان الذي كانت فيه صور الذكاء الاصطناعي أكثر عرضة للفشل في العامين الماضيين هو هنا بالضبط: تستطيع أن ترسم «حذاءً» جميلًا جدًا، لكن ذلك الحذاء غالبًا ليس الحذاء الذي تبيعه.
ولهذا يقول التاجر إن النتيجة «لا تبلغ متطلبات الاستخدام». خلف هذه الجملة معدل إرجاع، وليس ذوقًا متشددًا. فإذا لم تطابق الصورة الحذاء الذي وصل، تحكم المنصة وتحدث الإرجاعات والتقييمات السلبية، والتكلفة أعلى بكثير من نحو 190 يوانًا جرى توفيرها.

على جانب الفيديو القصير، لا ينفتح فرق في السعر للسبب نفسه تقريبًا. أعلى عرض للفيديو المولّد بالذكاء الاصطناعي دون دقيقة يبلغ 1000 يوان، بينما يتراوح التصوير الفعلي من خمس عشرة إلى عشرين ثانية بين 600 وأكثر من 1000 يوان. وعندما تتقارب الأسعار، لا يجد التاجر سببًا لاستبدال خط إنتاج يعمل بالفعل: التصوير الفعلي يضمن أن الحذاء حذاء حقيقي، وأن الشخص شخص حقيقي، وأن الضوء ضوء حقيقي، ويأتي معه اختبار ارتداء فعلي.
لذلك فإن من يشتري مواد الذكاء الاصطناعي فعليًا اليوم هم غالبًا الفئات التي لا تشترط «تطابقًا صارمًا مع الواقع»، أو من يحتاج فقط إلى لقطات أجواء، أو توسيع مشاهد، أو تغيير خلفيات موسمية في صورة واحدة. وفي ذلك الشارع داخل عاصمة أحذية النساء، يفضّل التجار انتظار التصوير في الاستوديو على استخدام صورة جميلة تجلب الشكاوى.
جملة المستهلك هي في الحقيقة اشتراط تنظيمي
موقف المستهلكين في التقرير ليس رفضًا، والقلق الجوهري واحد: خشية ألا يطابق المنتج الوصف. قال أحد المستهلكين إنه يقبل الصورة المولّدة بالذكاء الاصطناعي شرط أن تنقل مظهر المنتج بأمانة وتتفق مع الواقع.
تبدو هذه الجملة تفضيلًا، لكنها في القانون التزام. فـ«قواعد وضع علامات على المحتوى المولّد أو المركّب بالذكاء الاصطناعي» تُلزم المنصات التي تقدم خدمات توليد محتوى بالذكاء الاصطناعي بإضافة علامات إلى المحتوى المعني؛ وعلى الناشر، حين ينشر محتوى مولّدًا أو مركّبًا بالذكاء الاصطناعي، ولا سيما في الإعلان والتسويق والدعاية، أن يضع من تلقاء نفسه عبارة «مولّد/مركّب بالذكاء الاصطناعي».
وأضاف المحامي الذي قابلته المادة، تشن تسو جيون، طبقتين. الأولى المسؤولية: فالذكاء الاصطناعي أداة مساعدة في الإبداع فحسب، ولا يعفي بالضرورة مستخدم المحتوى من المسؤولية القانونية، وقد ينتهك المحتوى المولّد حقوق مؤلف أو حقوق صورة أو حقوق اسم، وقد يشكل إعلانًا مضللًا أو منافسة غير مشروعة. والثانية الترخيص: فبعض أدوات الذكاء الاصطناعي تضع قيودًا واضحة على الاستخدام الشخصي والتجاري وترخيص المواد، وعلى المستخدم التحقق من اتفاقية خدمة المنصة ونطاق الترخيص قبل الاستخدام التجاري، والاحتفاظ بوثائق الترخيص.
هاتان الطبقتان تكثر مشكلاتهما في مواسم الشراء المركزة مثل «11.11». فالمتجر يشغّل عشرات المواد في الوقت نفسه، ويستطيع موظف التشغيل بنقرات في لوحة التحكم إخراج نسخة جديدة، ولا أحد يراجع بندًا بندًا شروط الاستخدام التجاري لأداة التوليد. وحين تتلقى العلامة شكوى، يظهر أمامها كومة صور لا يُعرف من أي حساب خرجت.
في الأسبوع نفسه، كان المصممون يحسبون حسابًا آخر
انطلقت الدورة العاشرة من «أسبوع زانكو للتصميم» في مطلع نوفمبر، وتزامنت مع الذكرى العشرين لتأسيس زانكو، وكان شعارها جملة منفية: «في عصر الذكاء الاصطناعي، أنا لا أصمم بهذه الطريقة». وحضر أكثر من ألف مصمم، وتغيّر محور النقاش عن العامين الماضيين: فقبل سنوات كان الجدل حول الاستخدام من عدمه، أما هذا العام فالقول إن «الذكاء الاصطناعي صار أمرًا معتادًا، كما لم يعد أحد يتحدث عن فوتوشوب».
أشار الفنان الرقمي Tudou_man في القاعة إلى مقارنة: في سنواته الأولى في قطاع الإعلان، كان رسام توضيحي من الطراز الرفيع يتقاضى 50 ألفًا إلى 200 ألف يوان عن العمل الواحد، واليوم قليل من يستطيع الوصول إلى هذا الدخل. والسبب ليس معقدًا: عندما يصبح الإنتاج سهلًا جدًا، يصعب إقناع العميل بأن هذا الشيء يستحق ذلك المبلغ.
الأرقام على الجانب الآخر جاءت من فرق منشئي المحتوى بالذكاء الاصطناعي. أنتج فريق «يِه بو سا» أربعة إعلانات بالذكاء الاصطناعي لسلسلة كأس العالم للأندية لصالح Hisense، وكان كل مشروع بثلاثة أو أربعة أشخاص فقط، يُنجز في أسبوعين إلى ثلاثة، وتبلغ كلفة الحوسبة عادة 5% من ميزانية التنفيذ. وعند Adobe، بعد ربط وكيل التصميم بـ Illustrator، يكفي جدول بيانات لتوليد 50 نسخة دفعة واحدة.
بترتيب هذه الأرقام معًا، تصبح الحسبة قبيحة: كلفة التوليد صارت قريبة من الصفر، بينما لم تنخفض كلفة التسليم. اختيار النسخة الصالحة، والحكم على سبب صلاحيتها، وتعديلها إلى الحد الذي يوقّع عليه العميل، كلها ما زالت على البشر. وحين عملت Mai Ju على اختيار الممثلين بالذكاء الاصطناعي لمسلسل، فكّكت «الوجه الراقي» إلى أربعة أبعاد: العظم والجلد والشكل والروح، ثم طرحت خمسة أسئلة ثنائية على الأكثر لمطابقة الطلب، مثل: حيوي أم رصين، ومجسّم أم صغير. وبعد محاذاة الطلب يأتي دور النموذج في التوليد.
ما يشتريه التاجر فعلًا
بالعودة إلى ذلك الشارع في عاصمة أحذية النساء. إذا نظرنا إلى سعر الوحدة وحده، فميزة صور المنتجات بالذكاء الاصطناعي كبيرة إلى حد لا يقبل النقاش؛ أما إذا نظرنا إلى «هل يمكن تعليق هذه الصورة للبيع مباشرة»، فالجواب يعتمد على ثلاثة أمور: هل بُني هيكل المنتج خطأً، وهل أُضيفت علامة المنصة، وهل يمكن تقديم وثائق الترخيص عند الخلاف.
الأمران الأولان تقنيان وإجرائيان، والثالث إدارة ملفات. وحين تتحقق الثلاثة تصبح صورة الذكاء الاصطناعي رخيصة حقًا؛ وينقص واحد منها فتعود التوفيرات في صورة إرجاعات وشكاوى.
ولهذا، وبعد كل هذه الحرب السعرية، فإن الأكثر ازدحامًا ليس أرخص الفئات. ففي 3 نوفمبر أدرجت SiliconFlow نموذج MOSS-Image في واجهة API بسعر 0.3 يوان للصورة؛ وفي النقاشات المحيطة بالتاريخ نفسه، كانت القدرة التي تتكرر هي رسم النصوص الكثيفة بالصينية والإنجليزية والتحكم في التخطيط عبر JSON. ما يراقبه الناس هو «هل يمكن تقليل عدد مرات التعديل»، ولا أحد يناقش تلك البضع سنتات.
التاجر مستعد أن يدفع مقابل «تعديل أقل». والتصوير الفعلي لا يزال قائمًا بفضل هذا البند نفسه: غالٍ، لكنه صحيح من المرة الأولى.
مقالات ذات صلة
الوكلاء ينتقلون إلى السحابة: المهمة تكمل بعد أن تغلق حاسوبك، بأدواتك الناقصة
المهمة تكمل في آلة سحابية بعد إغلاق الحاسوب، لكن ما تفقده هو أدواتك الداخلية، وما لم يُحل بعد هو من يوافق على الأفعال الخطرة.
إنفيديا تنشر أربعة نماذج عالم بـ16 مليار معامل، ثم إطار فك ترميز أسرع 25 مرة في الهندسة
أربعة مولّدات عالم بـ16 مليار معامل مع وصفات التدريب، وإطار فك ترميز يصدر الهندسة في طلقة واحدة. والتقييم ما زال ناقصاً.
المهارات تحتل ربع قائمة GitHub الرائجة، وكل مستودع يطلب طريقة تثبيت مختلفة
المهارة مجلد فيه تعليمات، لكن تثبيتها صار أربع طرق مختلفة، والفوضى تبدأ حين تتكرر المهارة نفسها في وكيل واحد.
نموذج بـ594 مليار معامل يتصدر النتائج، والأوزان التي تثبت ذلك ليست متاحة
نموذج قوي وأرقام جيدة ووصفة تدريب تستحق القراءة، لكن الأوزان التي تجعل الادعاء قابلاً للتحقق لم تُشحن بعد.