從 AI 廢圖到原生透明：影像生成的一年，四大轉變
一年前，AI 影像對話中最響亮的詞是「廢圖」。它描述大量低成本、詭異的圖片淹沒社群動態與內容農場，那種看起來幾乎正確、卻又莫名不對勁的圖片：牙齒太多的臉、六根手指的手、邊緣溶解成雜訊的風景。這個詞之所以留下來，是因為它點出了真實存在的東西：一項已經好到能大量生產平庸之作，卻還沒好到足以重要的技術。
十二個月後，同樣的技術推出了原生透明、十圖編輯，以及可在中階 GPU 上執行的本機模型。「廢圖」時代與其說是結束了，不如說是變複雜了。當初製造垃圾的工具，正是如今產出專業人士實際使用素材的同一批工具。差異並非來自單一突破，而是四個逐步發生的轉變；如果你想理解影像生成將往何處去，就必須同時看見這四者。
第一個轉變是從新奇到工作流程。早期的影像生成器只做出一張圖就結束了。新的生成器則圍繞編輯、合成，以及產出能嵌入更大流程的素材來打造。一個帶有乾淨 alpha 通道的標誌不是完成品，而是一個元件。一個能結合十張參考圖的模型不是在生成圖片，而是在組裝構圖。產品類別已從「影像生成器」變成「影像工具」，這個變化很重要，因為工具是依據它們如何融入工作來評判，而不是依據單一輸出有多驚豔。
第二個轉變是從封閉到開放。最好的模型以前都藏在 API 後面。今年，開放模型已經追到足以讓一個在本機執行的 70 億參數模型處理以往需要付費 API 的任務。Qwen-Image 2.1 是目前的標記，但它屬於一個更長期的趨勢。開放權重、研究授權，以及整合包開發者社群，讓強大的影像生成能力成為你可以在自己擁有的硬體上執行的東西。「可在 6GB 顯卡上執行」的教學是這個轉變的象徵，也就是取用不再成為瓶頸的那一刻。
第三個轉變是從不受約束到可問責。Grok 深偽危機是這個轉變最尖銳的版本，但底層運動早已展開。監管機構不再把影像生成器視為中性工具，而開始把它們視為產品，開發者必須為自己推出的東西負責。內容溯源、將安全內建於模型而非事後補上，以及未經同意影像的責任，全都從邊緣移到對話的中心。一個能生成任何東西的工具，曾經是一項功能。如今，它是一項法律風險。
第四個轉變是從算力稀缺到算力高效。訓練變得更快，服務變得更便宜，硬體故事也多了一條第二軌，出現華為昇騰之類的替代方案。這些都不是單一突破，但累積效果是：影像生成不再只是最大實驗室才負擔得起的東西，而成為小型團隊或獨立創作者真的能編列預算的事物。像 3.6 倍訓練加速這樣的效率論文，是這個轉變的安靜引擎。
這四個轉變有趣的地方在於，它們彼此拉扯。問責轉變推向謹慎與限制、更慢的推出、更多護欄。開放與效率轉變則推向取用與速度、更多模型、更多自由。廢圖時代就是取用進展快過品質時所發生的事：每個人都能生成，但很少人能生成得好，結果就是大量平庸輸出。接下來的一年，將取決於這個領域能否同時保住四者，讓影像生成既開放又便宜，卻不會再次變成大多都是垃圾。
確實存在做不到的真實風險。開放模型現在已經好到可能讓廢圖問題先惡化再改善，因為製造低成本圖片的工具如今既免費又能在本機執行。問責機制仍在追趕，法律先例也正由 Grok 相關案件即時樹立。完全可以想像一個世界：能力進步得比保障措施更快，結果就是更多廢圖、更多濫用，以及更多反彈。這四個轉變並不指向一個乾淨的方向，而是互相拉扯。
但也有一種更懷抱希望的解讀。工作流程轉變，也就是從完成圖轉向可組合素材，本質上就是在對抗廢圖。一個設計師能交付的透明圖層、一張為行銷活動組合十張參考圖的合成圖、一個為小店生成產品照的本機模型，這些都是廢圖的相反。它們是同一項技術轉向工藝。問題不在於影像生成是否會產生垃圾——它永遠都會——而在於垃圾是否仍舊是主要印象。
「廢圖」這個詞大概會繼續存在，因為低成本輸出仍然很多，而且可能永遠都會有。但它不再是故事的全部。同樣的底層模型如今能生成設計師可交付的透明圖層、將十張參考圖合成為行銷活動影像，並在你可以在零售市場買到的顯卡上執行。這項技術與其說是逃離了廢圖時代，不如說是繞著它成長，在垃圾堆積於下方的同時，加蓋了一層有生產力的樓層。
一年內改變的，不是模型停止製造糟糕圖片。而是它們開始製造好圖片，而且格式符合人們實際工作的方式。這比任何單一模型發布都是更安靜的里程碑，長遠來看，也將是更重要的一個。花俏的展示來來去去，但能把乾淨的透明素材交給設計師，或把可生成產品照的本機模型交給小型賣家，這種進步會複利累積。再過一年，「廢圖」這個詞大概仍會存在，但它描述的將是這些工具實際所做之事中越來越小的一塊。
如果你想為這一年找一個單一框架，就是這個：影像生成長大了。這項技術從一次產生一張驚豔圖片的派對把戲，變成能在正確格式、正確限制下產出素材，且價格是一般人負擔得起的工業能力。四大轉變——工作流程、開放、問責與效率——是同一件事的四種說法。這個工具不再關於模型，而開始關於工作本身。
這種重新框架，正是為什麼今年兩大故事表面上如此不同。Qwen-Image 2.1 以其透明圖層與多圖編輯，是工具朝著有生產力的方向、朝著工藝長大。Grok 深偽危機則是工具朝著危險的方向、朝著問責長大，也就是不受約束的工具所帶來的嚴肅後果變得無法忽視的那一刻。兩者都是同一種底層成熟過程，從相反兩側看見，而一個曾經完全由模型能做出什麼來定義的領域，如今也同樣由它們如何被做出、誰能使用，以及被濫用時會發生什麼來定義。
「廢圖」這個詞大概會繼續存在，因為低成本輸出仍然很多，而且可能永遠都會有。但它不再是故事的全部。同樣的底層模型如今能生成設計師可交付的透明圖層、將十張參考圖合成為行銷活動影像，並在你可以在零售市場買到的顯卡上執行。這項技術與其說是逃離了廢圖時代，不如說是繞著它成長，在垃圾堆積於下方的同時，加蓋了一層有生產力的樓層。一年前，那層樓並不存在。如今它存在了，而這是大多數人都還沒注意到、關於影像生成最重要的一件事。