从 AI 泔水到原生透明：图像生成的一年，四次转变

一年前，AI 图像讨论中最响亮的词是“泔水”。它描述的是充斥社交信息流和内容农场的低投入、诡异图像洪流：那种看起来几乎对、却又莫名不对的图片——一张有太多牙齿的脸，一只六根手指的手，一片在边缘溶解成噪点的风景。这个词之所以留了下来，是因为它指出了一个真实的东西：一项技术已经好到足以批量生产平庸，却还没好到真正重要。

十二个月后，同样的技术正在交付原生透明度、十图编辑，以及能在中端 GPU 上运行的本地模型。“泔水”时代与其说是结束了，不如说是变得复杂了。制造垃圾的工具，也正是如今产出专业人士真正使用的素材的工具。区别不在于某一次突破，而在于四次逐渐发生的转变；如果你想理解图像生成将走向何方，就必须同时看到这四次转变。

第一次转变：从新奇到工作流。早期图像生成器只做一张图，然后就停了。新的生成器围绕编辑、合成和产出可嵌入更大流程的素材来构建。一个带有干净 alpha 通道的 logo 不是成品画作，而是一个组件。一个能结合十张参考图的模型不是在生成一张图片，而是在组装一个构图。产品类别从“图像生成器”变成了“图像工具”，这一变化很重要，因为工具的好坏取决于它如何融入工作，而不是单次输出有多惊艳。

第二次转变：从封闭到开放。最好的模型过去都藏在 API 后面。今年，开源模型追赶上来了，一个本地运行的 70 亿参数模型就能处理过去需要付费 API 的任务。Qwen-Image 2.1 是当前的标志，但它属于一个更长的趋势。开放权重、研究许可证，以及集成包制作者社区，让强大的图像生成成为你能在自己拥有的硬件上运行的东西。“在 6GB 显卡上运行”的教程是这一转变的象征，标志着访问权限不再是瓶颈。

第三次转变：从无约束到负责任。Grok 深度伪造危机是其中最尖锐的版本，但底层运动早已在进行。监管机构不再把图像生成器当作中立工具，而是开始把它们当作产品，开发者要为其交付的内容承担责任。内容溯源、将安全内置于模型而不是事后补上、对未经同意生成图像的责任，都从边缘移到了对话中心。一个能生成任何东西的工具曾经是功能。现在它是一项法律风险。

第四次转变：从算力稀缺到算力高效。训练更快了，服务更便宜了，硬件故事也多了第二条轨道，比如华为昇腾等替代方案。这些都不是单次突破，但累积效应是：图像生成不再是只有最大实验室才负担得起的东西，而成了小团队或独立创作者真正能编入预算的事情。像 3.6 倍训练加速这样的效率论文，是这一转变安静的引擎。

这四次转变有意思的地方在于，它们彼此存在张力。责任转变推向谨慎和限制，更慢的发布，更多护栏。开放和高效转变则推向可及性和速度，更多模型，更多自由。泔水时代之所以发生，是因为可及性跑在了质量前面：人人都能生成，但很少有人能生成得好，结果就是平庸产出的洪流。下一年将取决于这个领域能否同时握住这四者：让图像生成既开放又便宜，同时又不让它再次主要成为垃圾。

确实存在它做不到的风险。开源模型现在已经足够好，以至于泔水问题可能在好转之前先变得更糟，因为生产低投入图像的工具现在免费且本地化。责任机制仍在追赶，法律先例正由 Grok 案件实时确立。完全可以想象这样一个世界：能力比保障措施进步得更快，结果是更多泔水、更多滥用、更多反弹。这四次转变并不指向一个清晰的方向，它们相互拉扯。

但也有一种更乐观的解读。工作流转变——从成品图片转向可组合素材——本质上就在对抗泔水。一个设计师可以交付的透明图层、一张用于营销活动的十参考合成图、一个为小店生成产品图的本地模型，这些都与泔水相反。它们是同一项技术转向了工艺。问题不在于图像生成是否会产生垃圾，它总会产生，而在于垃圾是否仍是主要印象。

“泔水”这个词很可能会继续存在，因为仍然有大量低投入产出，而且可能永远都会有。但它不再是全部故事。同样的底层模型现在可以生成设计师能交付的透明图层，把十张参考图合成一张营销活动图片，并运行在你可以在零售渠道买到的显卡上。技术与其说是逃离了泔水时代，不如说是围绕着它生长，在垃圾于下方堆积的同时，增加了一个富有生产力的上层。

一年里改变的不是模型不再生成糟糕图像。而是它们开始生成好的图像，而且格式符合人们实际工作的方式。这比任何单次模型发布都更安静，但从长远看，它才是更重要的里程碑。炫目的演示来来去去，但能把干净的透明素材交给设计师，或让小卖家用一个本地模型生成产品图，这种进步会不断复利。再过一年，“泔水”这个词可能仍然存在，但它所描述的，将只是这些工具实际功能的越来越小的一部分。

如果要用一个画面概括这一年，那就是：图像生成长大了。这项技术从一个一次只产出一张惊艳图片的派对把戏，变成了一种工业能力：以正确的格式、在正确的约束下、以普通人负担得起的价格产出素材。这四次转变——工作流、开放、责任和效率——是用四种方式说同一件事。工具不再关乎模型，而开始关乎工作。

这种重新框定，正是为什么这一年两个最大的故事表面上看起来如此不同。Qwen-Image 2.1 凭借透明图层和多图编辑，是工具朝着富有生产力的方向、朝着工艺成长。Grok 深度伪造危机则是工具朝着危险方向、朝着责任成长，是无约束工具的成年后果变得无法忽视的时刻。两者都是同一种底层成熟过程，只是从相反两面看到；一个曾经完全由模型能做出什么来定义的领域，如今同样由它们如何被做出、谁能使用它们，以及它们被滥用时会发生什么来定义。

“泔水”这个词很可能会继续存在，因为仍然有大量低投入产出，而且可能永远都会有。但它不再是全部故事。同样的底层模型现在可以生成设计师能交付的透明图层，把十张参考图合成一张营销活动图片，并运行在你可以在零售渠道买到的显卡上。技术与其说是逃离了泔水时代，不如说是围绕着它生长，在垃圾于下方堆积的同时，增加了一个富有生产力的上层。一年前，这个上层还不存在。现在它存在了，而它是图像生成中最重要、却大多数人尚未注意到的事情。