Transcription
即梦(Dreamina)会员就白充了，即梦(Dreamina)废掉了。补齐了生图这块板以后，我觉得Gemini无敌了，天下无敌。
他说：“我不是骂你一个人垃圾，我是骂所有在座的各位全是垃圾。”你这一致性真的是惊艳到我了。他就是降维打击原生超长多模态上下文，你就说谁能够做得到？更要命的是，他最后还是用自己家的优化硬件去加速了这个过程，他的成本还比别人低一个数量级的水平。
我必须得抛出今天我最想问的一个问题：他既然把这个东西拿出来，那其他厂商跟不跟？能不能跟？
今天我们来聊一个话题，聊一根香蕉。嗯，哈哈，聊一聊Nano-banana，就是我们所谓的叫纳米香蕉。其实现在已经有正式名字了，对吧？之前我们大家还有人在猜，就是这个纳米香蕉到底是谁的。其实不说也知道，最后Google认领了嘛。
现在呢，Google是发了这个新功能，把它定义为什么叫Gemini，呃，2.5 Flash image。所以这个功能出来之后真的又爆了。我看到基本全网，包括就是中文中文网，还有说这个国外的互联网，都在谈这个事。就这个事有点像咱们当年，就是突然一下子做那期吉卜力，大家有印象吧？当时咱们做那个吉卜力那期，然后我翻了一下，那已经是4个月前的事了。怎么才4个月啊？我都觉得好久了，哈哈哈。那是说明我感觉像一年前的事。对，我感觉一年前的事情了。悲哀一天是世上一年是吧？哦，确实是感觉上发生了好多事情。但是就发生这么多事情，突然一下Google出了一个新的文生图的工具，就能引起这样的大的轰动。就是你们两位怎么看呢？尤其是小苏，我想听你意见，因为你你经常在做，用这个各种生图工具嘛。咱们这个封面经常会受到好评，然后呢大家都在问你怎么搞的，怎么搞的？
主要是老美工了，老美工加AI不就起飞了吗？但是我用的工具特别多，但这一次这个Nano-banana给我就是，就是直接就震撼掉了。
首先第一个就是，我觉得即梦(Dreamina)我的会员就白充了，即梦(Dreamina)废掉了。好像还挺贵的，哈哈哈，对对。即梦(Dreamina)的会员白充了，即梦(Dreamina)废掉了。
然后第二个就是，我觉得补齐了生图这块板以后，我觉得Gemini无敌了，就真的就无敌了。他真的天下无敌。就最后这块拼图补齐了以后，他从文本到推理到编程，然后到视频到生图，基本上就是一个水桶型的AI，没有任何短板。所以这个给我非常大的一个震撼就是，我觉得现在很多AI的工具是需要重构的。
比如我原本的一些工作流里面啊，我们的照片可能是需要到GPT里面去生图，然后还要换一个工具去抠图，然后再换个工具换一，哈哈哈，再换一个工具去做表情。对啊，对对对对。其实可能要跨四五个工具，但我现在发现，哎，那我就用这个Nano-banana就直接做完了嘛。对，所以我觉得这个太强了。总体来讲，我觉得啊，我觉得我非常佩服谷歌的这一套工程技术的能力。
那为什么之前不能有一个工具能满足你所有需求呢？主要是在，就是卡点在哪呢？
呃，是这样的，就是它分为创意，然后还有制作，还有输出嘛。那其实每个环节，它的专业性要求都非常高。但创意阶段其实无所谓，对，就是你随便用个什么东西生图，用手绘能画个草图出来，能够表达出你的创意，这个就可以了嘛。
但是实际上在制作的过程中，还是有非常多，比如说矢量图，你要有专门的矢量图工具，像Sketch、Figma这种专门做矢量的。然后比如说修照片，你要有Photoshop这样子的工具，去做这种效果化的精修，然后最后合成。所以这至少我觉得要四五个工具，才能够拼接为一个完整的我们现在的封面创意。对，嗯。那其实整个工作流是非常复杂的。
那到最后输出。输出的话，我们如果只是在呃网络上、手机上用的图片，其实还好。但是呢，你如果是要出街啊，上广告的那种，嗯，要打印的，那对DPI有要求，对格式有要求，对色彩色域、颜色空间这些都有要求。那这个东西就不是AI能做的，对吧？你你现在比如说我觉得像Nano-Banana，你让它生成一个2k的、多少分辨率的，或者定向生成一个什么一个格式的，这个还是做不到的嘛。就是你只能要求它一次生成，很难再返工嘛，对不对？但是我觉得他已经离生产很近了，就非常非常近了。他已经离生产非常非常近了。
这这也是我的一个感受。就像你说的，是的，很多人会把它看成一种工具。我看到很多讨论是说，未来可能会用它生成一些这个视频，对吧？或者说生成一些创意的、创意的产品。对对。那完全不一样了。对，就是你觉得就是说，嗯，它是在技术上有突破，还只是说在工具上做了加强，还是说在什么应用层面上，有了一种新的、新的应用方式呢？
啊，我补充一下哈。你刚才这个是一个很好的点，就是其实它有很多短板，是可以靠垫图来补充的。比如说，呃，像Nano-Banana，它的这个风格化或者精细度，肯定是没有GPT好的嘛，对不对？但是我可以拿GPT生成的风格来垫图，让Nano-Banana去做更多的多角度的还原，不同的这种角色动作，然后不同的这种啊，不同的图片的风格。对，你可以，你可以用一个就是GPT的风格来垫图去做，甚至你可以把它做出来的这个图，再拿去VEO3生成视频，然后也可以获得很好的一致性。对，所以我觉得就是赢麻了嘛，这真的是赢麻了。
他不需要那么辛苦，玩得很很花呀。对，先找张PPT的图，然后呢，把那个图再变成一个特别丰富的，就是创意的一个一个东西，然后再用这个去做VEO3的那个视频。然后因为三个视频只有8秒嘛，再把最后一帧拿下来，再做成再成转场图，然后再回来再生成视频，然后连起来之后整个小就成短视频了。我靠，对对对，玩得非常滑。
所以这个我觉得正好正好串一下这个小苏说的这个事情，来讲讲我怎么看这个。这小苏说这个垫图啊，原来我不是这个美工界的，我是工程界的，我都不知道垫图是什么。听起来我我以为是那个带电的图，后来才知道是电子的，电，电一个图，然后把它。我也是兼职美工好不好，我也不是很熟了。然后，对。
其实这个是正好是它底层的能力之一，三大能力都在这里面。那我我我想先说一下，我对这个Nano-Banana整体用下来的感受。其实最形象的感受就是，很像周星驰电影里面，大师兄进来以后说：“哎，你你是垃圾。”然后别人说：“你干嘛骂我垃圾？”然后他说：“我不是骂你一个人垃圾，我是骂所有在座的各位全是垃圾。”然后所有人都上来围殴他，然后每个人都被他打飞了。大概就是这个。大师兄我就想到这个。
为什么？因为我记得最前两年，呃，我是先用Stable Diffusion嘛，就是Diffusion扩散模型。然后自己在本地搭了半天跑起来，然后那个性能是挺痛苦的，要跑好久，最后才能把一张图从马赛克一样的图，慢慢地去造，最后变成了一个OK的图。呃，这是前两三年左右的时间。然后到现在的话，其实最底层的突破，就是说把Diffusion的这个模型呢，跟Transformer先做了一个合成，它叫做那个扩散型的这个Transformer。谷歌这边做的特别好的就是它把它又进了一步，变成了多模态的扩散型Transformer，也就是MMDIT这样子的一个架构。
那这个这个架构的话，其实就会特别牛逼。因为我们其实前面有特别分析过，谷歌的一个优势就是在多模态，原生多模态这个训练上。嗯，比如说你像Grok，或者是OpenAI的GPT、GPT-4o及后面的几代，他们在做这个扩散型Transformer，也就是DIT的话，应该都有造这个架构了。但是多模态的、原生扩散型的这个Transformer的训练，这个级别，现在应该是谷歌肯定是做得最好的。所以他的这个底层是特别夯实啊，他为这个图像啊、语言的整个表征，做了各种独立的这种权重的计算。
是不是说，我其实不是只是从文字信息去学习，然后再去生图，而是我说我，我就认识这张图里面的苹果，然后我也知道说这个东西文字上它就有苹果，它是一个更三维的一个知识。对，其实如果是苹果可能还是有点抽象，我觉得用人会更明确。比如说我们三个在一起，我们跟别人讲了，我们三个叫这个小苏、老修跟闲哥，但是没有给他们看我们的照片，或者没看过我们的视频，他肯定对不上我们三个谁是谁。但其实一开始告诉他们名字的时候，就是看到我们3个人，我们3个人每个人都自我介绍了一下，他全部都看到名字，又看到你，就越来越像真实世界的、现实发生的东西了，对吧？是的是的。
他在训练的时候，当然比我们想象的要复杂，就是他相当于是一个高维度的混合空间去训练。就是他的能把这些多模态的这些信号，反正全部都用模型能够听懂的方式给到他去训练，而且也专门为图像、语音这些东西做了他的权重。那那那这样子，他的整个的混合程度是非常深的。
那这是第一步，所以他就是能够把以前，其实Stable Diffusion这种扩散模型最痛苦的就是那个理解你的复杂语义，是很复杂的。如果你们看到过那个之前的这些模型的话，都是会非常非常长的、超精确的提示词和专业的提示词放在一起，才能生成一个看起来还不是很精准的东西。这就是因为它的只有一轮嘛，但是多轮又废掉了，对不对？对，就是，而且一轮也不容易做好，就是那个PS还要做得非常专业，就是比如说用什么样的贴图，用什么样的细节，都得讲得很好才行。而且生成出来速度也很慢。你这个是因为，就是不是这种混合在一起的那个架构做的嘛。
那那像像这种就是第一步，很重要的就是理解这第一个层次。后面还有两个层次。
第一个级别就是首先他能理解你的复杂语义了，这一点是很重要的，就是智力的最重要，这个这个就是智力的最重要的部分。首先能理解你想干什么，你到做的这个东西到底要做什么东西，先理解了。但是要做出来还是有另外两层的。
另外两层的话，就是讲的是说，他要能认识和记住你做的这个东西。因为你你描述的那个东西啊，通常来讲他不太可能全部都是，就是预训练就已经都知道了。他预训练只知道一个大概，但是他真的要按照你要求那个东西做出来的话，他有一堆的，比如说经典的，有那个劳拉的那个算法，还有一些学习啊，学徒学习的算法，还有i那个IP Adafter的一些主体注入的技术等等这些东西的话，他就能够保证认识和记住你。这个东西保证他有个一致性，他不是说现在看到是这样过，搞个两轮以后都不认识了，然后跑着跑着也记不住了，这些问题的话。
你这一致性真的是惊艳到我了。因为之前玩那个GPT-4o的时候，就就觉得中途很牛了，但是你玩两轮就废了，就跟小苏说的似的。就玩两轮之后，他就已经不知道在干嘛了，然后呢越生成的质量越差，然后让你就越崩溃。对，越来越崩溃。然后后面你就觉得从这个就是有趣的，变成无聊的，然后甚至说是是让你生气的，然后最后放下来之后心情变得不好了。但这回这个，这个Nano，或者就就叫这个Gemini 2.5的Flash吧，这个嗯，它生图功能真的太牛了，然后我真的玩了一下午都没玩够。
嗯，一个是这个，一个是前段时间，你看我我就玩了一个下午吧，弦歌还是弦歌。我如果用之前的GBT，这弦歌最后变成刘德华吴彦祖了，哈哈哈，变成吴彦祖了。哈哈哈，那也不错。温哥华吴彦祖是吧？哈哈哈，是。
那这个一致性就是老邱接着说，就是他这个一致性，他到底是通过算力来实现的，还是通过算算法来实现的啊？这个地方就很有意思。它其实后面还有一层，就我刚才说其实一共三层嘛。第一层是理解的这个架构，第二层是这个刚才说整个的一些注入技术，保证它的一致性。第三层是这整个事情串在一起一直跑下去，它还有个控制层。相当于我们得有一个更高级的一些监工也好，或者说执行过程中的各种优化也好，他去控制这个东西，他的那个准确度啊。他这边他就会去自动地去优化你的本来你写的不是很好的提示词，然后他会去把它做得很好，然后做得更适合底层的东西。知道。
还有一个就是刚才小苏提到的垫图，就是我们说的它叫参考图控制。它这个参考图控制，有一个专门的ControlNet的一个技术，去专门去控制这个参考图控制。那这个东西我就特别去试过了一下，很爽。那个我都做了一个火柴人图，就是做成这样，这个搞个比心的状态。然后，他就可以通过我手绘的一张火柴人图，去把这个图里面的人的动作都变成这个。然后你而且一致性特别强。
对，你这个你说，这我必须得插一句。就是当年我们看漫画的时候，最早看漫画说北那个鸟山明吗？鸟山明最厉害，画七龙珠吗？然后他特意搞了个鸟山明博士学学堂，就教怎么画漫画。然后有一帮人专门是做网格吗？所谓网格就是要把那个背景渲染啊什么都弄清楚吧。然后刚才就是老苏说，又突然脑子就就想到几十年前看的那个时候，当时觉得这工作太好了，能跟漫画家一起一起工作。然后现在觉得这东西太无聊了。其实很苦啊，那个工作非常苦啊。就是后来就知道很苦，但当时觉得哇塞，能跟漫画家一起每天工作，一起奋斗，创作这个传世佳作，多牛啊。那现在这个老苏老修直接比个，比个心，然后对比个是一个他，AI就搞定了他，他就搞定了你。
就过程中，我是过程中的。就是当时是做了一个图，我是搞让他去搞一个什么，我玩了一个游戏，什么刺客信条的那个，里面的那个都是刺客嘛，很严肃的。我让他怎么穿越到现代，然后到街面上搞个自拍。然后他们就来真的来个自拍，但是动作特别僵硬，人人也很凶。因为他原他们这里面原型，市面上能找到的那种，都是他很凶很酷的那种造型吧。让他们两个比个心，我要比个心他，他这个就就手绘了一个比心，然后他们就真的比了一个心。很好玩，而且是可以多张建图的。就你画一个你比心的草图嘛，然后再拿刺客信条的人物的图，然后再叫他生存在，比如说纽约什么第五大道，然后在马路中间比个心啊，类似这种。特别特别强，这个太牛逼了。卧槽，是的。
然后什么笑得不够好，跟他喊一句笑，笑灿烂一点，啪，下一秒就笑得很好了。就是很轻松，然后又很快。
这个就是第二，这个就是，还有一块，就是特别快。这点我不知道你们有没有，就咱们上一期聊聊那个，聊马马斯克嘛，对吧，聊擦边嘛。然后就说马斯克擦边，就已经刚讲这个事。对，刚讲这个事。但但这回这个Google这个，我靠，我没想到，就是说刚才咱老修说那么天花乱坠，那么复杂对吧，然后他还能做得很快，基本上几秒出图。就对，这这。我觉得马斯克那个是又黄又快，Google这个是又黄又快。对对。天下武功唯快不破，这两个都抓到了精髓。对对对。
这个其实也是我特别想说一下的啊。就我我一开始就特别好奇他，他这个速度太快了。因为我我刚才不是讲，最早我用Stable Diffusion那个，我在本地跑server，那肯定慢啊。那我理解，后来云端很强的，其实也没有办法很快。然后大家用那个GBT、GPT-4o也知道，要经常要这个几十秒的，十几秒甚至上分钟。十几秒算是快的，一般是几十秒的长情况啊，才能出。然后大家也习惯了，哎呀，搞个图过去，出去别的地方干一会再回来，对吧？就是就这个。等通知看着他一点点刷出来。对，反正基本上我觉得是尿跟尿回来，他肯定还没生成的。但是那个Gemini这个，我记得就是十几秒的时间，然后如果比较简单的动作，我感觉是几秒。比如说我就是说让大家笑一下呀，然后干嘛都不用，不用看垫图的那种，就是几秒就出来了。那一般在十几秒以内，大多数时候就是10秒以内就可以出来。哇，那这个特别的快。
然后我后面就去看了一下，他后面是怎么搞得这么快的。其实就很有意思，它是有两个事情。
第一个是，它有一个叫做潜在一致性模型（LCM）的一个东西，它是可以减少那个推理。就以前像这个Diffusion模型的它，它本身是呃，把一张图从那个噪点把它退，退到就是清晰的，一般要做25轮到50轮以上。那像他这种有优化过的，因为他是跟Transformer配在一起了啊。那配在一起的时候他做了一个优化，是他的那个步骤基本上能够减少到几步，就是十位数以内，到20，就是8到15步吧，大概是这样子的。然后那他这样子的，这个这样子的一个潜在抑制性模型的话，他就把这个推理的过程，还有速度都都减少了。
然后后面呢，加速又特别牛逼，他做了一个加速。他加速是怎么样？就是我们刚才说有这种模型以后呢，呃，还是不够快的。因为他这些模型很多是基于那个扩散的PDF模型做的。然后他就搞了一个我们在大模型经常听到的，叫蒸馏。他搞了一个潜在一致性的蒸馏技术，叫蒸馏技术。然后他这个蒸馏技术就会变到说，我这个虽然是学生，但是我做到后面就比老师快了，就大概是这样子的一个情况。然后他再加上一些其他的一些技术啊，比如说模型的压缩啊，硬件的一些加速，还有一些采样的路径什么优化等等的。就是他这里面的其他技术，就是辅助的啊，弄到一起啊，也会发挥了一些他自己自家的一些优势。
我帮老修讲一下啊。我就我听完老修这段话以后，我最大的感触，他就是降维打击，基本上那就是降维打击别人，就是全部。就是你看哈，从这个呃，我我我这几个词是一连起来的哈，大家罗列一下：谁能做到原生超长多模态上下文？哈哈哈，就这个事情。原生超长多模态上下文，你就说谁能够做得到？就你能做到超长上下文，这个事情已经非常了不起了。你还能做到原声的多模态加超长的上下文，然后在一个模型里面去做多轮的理解，然后生成再理解，然后在这一个上下文里面，然后还还还能够保持这么好的一致性跟速度。还更要命的是，他最后还是用他自家的优化硬件去加速了这个过程，他的成本还比别人低。据说最低的，可能能低一个数量级的水平。最低的某些环节全局用自家的TPU，成本比别人低一个数量级。你这个怎么跟人家搞？你搞不了啊。
对，你记得吗？就是我想问老师，这之前阿，阿里出了那个千万的那个图像编辑嘛，其实也一次性做得很好，就是就是两周前吧。对，嗯，对。他很鸡贼嘛，他在这个Banana Banana之前，他就赶紧先发出来了。然后先发出来就是他，我记得他里面讲了很多重点，就是除了一致性以外，他的这个叫做比如说汉语的这种书法，他的这种文字的理解跟还原，也都做得非常好啊。确实是这样。但是呢，呃，我自己用下来，我觉得它的一致性跟速度呢，其实是不如啊Gemini的。我还是会回到这个比喻上，真的好像一个大师兄把大家都打趴了，就是这种感觉。
我最早关注这个所谓的Nano Banana的时候，就是咱们上期咱们做那个嗯，马斯克那期嘛。然后我做调研的时候看到了，然后他最早不就是在一个国，国外的斗图，应该叫什么AI的一个一个Arena嘛，对吧，一个拼图网站，一个竞技场。竞技场上，对。然后大家在做，当时千万也是拿自己的生图工具去做嘛，然后呢也获得了一些好评。但是，但是，在那个时候其实就已经在说了，就说这个纳瓦丹呢，当时还没有说一定是Google的嘛，已经是就是碾压级的了嘛，对吧，有巨大的这个领先优势。
对，然后其实我必须得判出，抛出今天我最想问的一个问题了：他既然把这个东西拿出来，正式发布出来了，那其他港厂商跟不跟？能不能跟？就这个。
其他人会不会就像当时DeepSeek一样？对吧，当时DeepSeek是因为开源了，把自己的技术开源之后，无数人都开始，大家都开始在推理方面进行，就是更深度的研究了。那这回刚才小老修已经说了好几个，他的模型的这优化，以及很多地方的这种，就是说从技术层面到硬件层面的这种，这种升级。那其他公司呢，在生图这方面，或者说在这个层面上，大家跟还是不跟？还是会走出一个新的路线来？我很想知道会怎么样。
我觉得我觉得有分为两点。一个是我觉得Google的意不在此，就是你跟或不跟，I don't care，就跟我没关系。因为他是最后才放出来的。你看一下，别人是先放了一个很牛逼的生图模型，再放出一个什么视频模型，再这样渐进的嘛。但是Google，你想一下，他最近，你们去回顾我们最近做的节目嘛，他先做了什么？先做了虚拟3世界模型，然后呢又做了VEO3，对吧，视频模型反馈都非常好。然后完了以后呢，呃，在那个NotebookLM上面，又上线了这个video overview。对，然后又在那个即梦(Dreamina)上线了这个Storybook，就是生成那个儿童绘本。那个也太好玩了，我靠，我玩了三天。呃，其实那个东西上面，已经体现了非常好的一致性了。假设一个10页的绘本，你要保持角色的一致性跟风格的一致性，这个东西其实很蛮难的。而且它很快就能够生成。最最难的，我觉得还不是不是一致性和速度，是在你在修改的时候，我真的是对一个绘本连续修改了20次，然后他竟然还能保持，保持，就是说整个故事连贯性和一致性，而且他只改，真的是只改。我说那块，这这在这就是这，在GPT上是完全不能实现的啊。
所以问题来了，人家是把这些应用场景跟可能性都展现出来了以后，最后就是弱弱地丢了一个难道banana出来，然后我就扔了，扔掉出来，哎，认领一下。对，是我的。对。然后你们去调API嘛，你们就去调API就好了，还免费用。对对对对对。你们你们如果是做这种啊Photoshop，或者你们是阿多比，或者是什么哪一家做生图的，你们就调我API去用就好了。然后我我我结束了，我结束了。对，然后他他不care这个事情，对吧？
那第二个我觉得别人其实很难。我们刚才讲到了原生超强多模态上下文加上TPU，就这种是降维打击的碾压。我觉得这个是很难。哪怕你能够在硬件技术投入能够跟上，你别忘了他还有个巨大的生态在那里。我觉得这个Google这个生态其实是呃更要命的。他想是什么场景，他想是什么能力，其实在他这个生态里面我觉得都跑不掉。你像那个Notebook LM的就好了，他这个Storybook这个功能很快就出圈了，听说一个晚上生成200万本绘本，对吧？对对。是的，你你跟他怎么比啊？你还贡献了，都贡献10本了。对啊，哈哈哈。你跟他怎么比啊？
所以我我觉得我如果是别的厂家，我看到的其实就是赶紧追赶了，就是把他技术路线研究清楚，赶紧追赶了。
我问题是，我的问题其实就是大家跟还是不跟？追得了吗？就老修你觉得其他家能追得了吗？比如说GBT指，比如说Llama之类，他们会追，还是就首先会不会追？对吧，就是老小苏丹的意思，就是说肯定要追。那肯定要追，技术上能追得上吗？或者说从这个现在各硬件各方面的话，能不能再有优化的空间？还是说只能达到他现在的水平了呢？
我感觉要追是就是他们就是会比较慢，就是不会追不上。因为因为这个，因为这里面的技术其实不会说呃，全部是那种独占的哎，就是独占的，或者黑盒的。其实谷歌一直在干一个事情，就是它大部分的大的最重要的这些革新都是提前发论文，提前做很多事公开了的。只是你看谁能够把这个事情干出来啊。这个九阴真经不是藏着的是吧？就在那搁着。对，愿意翻就翻。对，翻。对对对对对。然后，对。
然后像我既然说我，我能查到这些资料，不可能大家各个公司自己专业的查不到这些资料，对不对？不然千问就不会提前发了，对吧？是的是的。就就因为大家解决的问题不在一个层面上嘛。其实这个所以还是要那个的。所以大家还是要要想要想办法，就是说找到自己的生态位，去解决一些问题嘛。对吧，就是你也不可能一家一家，这个他够强，所有的事情都能解决。其实也也没有到这个程度。只能说他的综合实力确实没有短板，这个人是是这样子的。
然后他的技术，其实我觉得说，哪怕是刚才讲到硬件的一个组合，呃，人家比如说OpenAI，其实呃，最近也在买谷歌的TPU啊。他也在买是吧？对，有在买，有在买，有有个地方有在讲，说他有在买一部分那个谷歌的TPU，在替代那个Nvidia的那个一些一些卡。大概是这样子。
就是我插播一个消息，就是类似这样的一些新闻，大家可以在YouTube来订阅我们的会员。那你可以获得呢，第一个，每天两封的JustSayAI早晚报，一个能够用听的AI语音播报。我们每天从2,000多条信息里面，帮你精选两封邮件，然后AI双人主播读给你听。每天呢，多听10分钟，少刷手机两小时，中美AI资讯零时差。我觉得这个是非常非常棒的一个感觉。棒棒，一定要拥有。对对对。
然后呢，你还可以获得我们每一次做视频的深度研究报告的文档，以及呢，获得我们三个人撰写的主播专栏的邮件推送。所以呢，请大家多多支持我们的YouTube会员。对，请我们的精神股东们、精神董事们尽快行动起来，加入我们。对对对。期待大家能用起来的话给我们更多的产品反馈，因为我们这边就是为了能够持续迭代，让大家都拿到自己比较满意的这个资讯。是的是的，是的是。所以请大家一定要，就是多多关注一下我们的频道，然后不定期升级福利，请不要错过。
这个这个我就是在那里面看到的，就是嗯，OpenAI是有大概三分之一吧，还是四四分之一的一个最近期的一个采采购里面，是直接在买TPU了。然后那个因为TPU本身也是定制的嘛，他就是可以去定制成他自己要的那个样子。那他因为TPU现在明显是已经在，就是说一些特定的环节，我猜像这个多模态里面，应该可能就是一个啊，现在不知道，因为这没有人披露啊。然后那个呃，他某些环节的优势已经是比Nvidia要好，就是比英伟达的那个要做得要好。所以这块的话，呃，我相信是有追赶的机会的，只是说他作为这个后来者，他的压力肯定会更大。因为毕竟你想，谷歌这边是从从头到尾全自己干了嘛，那这个他肯定会有他的优势。对，嗯。
哎，我我我感觉OpenAI它应该不是直接采购硬件，它应该还是之前迁移到一部分到那个Google Cloud上面，然后直接就是用它的这种硬件来做某一些，就是垂直领域上的训练呢。我我觉得可能是这样，就我的猜测哈，对。但是我觉得，在这种多模态的这种模型上面，应该Jeremy或者Google的基建是有非常，我觉得应该有非常大的优势的。就至少说比对比像Nvidia这这这这块的话。然后而且加上Google自己用，那好了，那我同样是卖API，对吧？那我的成本肯定是比你们低呀。对，哪怕你还是用我的TPU，或者用Google Cloud这一套生态去训练出来的，我成本还是比你低。对，所以我觉得他也Don't care。所以这里就是到时候会偏，会变成一种产品力的比比拼吧。
就我们对说谷歌强也吐槽过很多次了，他这个产品经常不好用，这是是正正常的一个情况。但是比如说我们就就油喷AI为例，你看上一次聊他那个吉卜力的这个破圈，他至少说他整个产品的那个体验上面，大家会感觉唉，还是可以的，对吧？在他那个框架里面。那如果后面这种呃，随着那个往接着往下走嘛，因为最近不是奥特曼也自己退，退下来了，没有做CEO嘛，他就专门去搞这个融资件大事。其中一件大事，就是要推荐他的那个硬件，AI的原生硬件，native硬件啊，不是说跟苹果的那个老哥啊，设计师老哥，可能要去搞一个突破性的硬件之类的。就是你可能会在有其他的体验上面去突破，然后背后呃，那你自己的这个模型也许没有谷歌那么强，成本没有它那么低，但是可以从别的产品的溢价上把这个东西挣回来吧。我觉得这个是这样。是是这样。
我我就突然你讲到产品这个事情啊，就我觉得，真的是产品是Google的一个短板啊，或者我觉得他们可能也看不起做产品这件事情吧。不是不是。
短的问题，你看你看OpenAI的图片啊，修图啊，你至少你把这张图打开，你可以圈脸，对吧？圈手，然后圈点哪里，然后让他做下一轮修改。你你不管这个是真的假的，就他有时候一次性是不好，你圈了也没用，圈了也没用。但是这个让我感觉是我在修图，你知道吗？这个对我有尊重。然后像Gemini，像Google这这些东西没有，什么界面都没有，什么工具界面都没有，就一个框，就一个文本框。对对，就是羞辱你，你直男他妈的把话给我讲清楚。对，别叫我做功能，他妈把话讲清楚，讲清楚了我才做功能。我只有商业价值，没有情义价值。很拽嘛，就很拽。
但是我觉得有时候我转念一想啊，我觉得这样也是对的，对吧？因为你在多轮的用户的这种对话里面去修改，其实你可以得到很多叫做负面反馈的这种数据嘛。那再用来做训练，包括像编程里面也是，很多用户过程的数据训练，其实非常好的。你像简易呃那个吉梦，他的这些数据是完全没鸟用的，因为是受限到模型的问题。你这个再给他提多少轮都是垃圾话，都是说你上一轮生成的，不像你再给我重新做一次，你这个一次性不好，你再给我做。他每次就都是重复的，这种没有价值的低价值信息。本质上在于它模型不好。所以我觉得他这个动机是在于说，可能他的信条里面，他会觉得说这个模型能溢出的能力大过天，就大过产品的能力。但是没有对错。我很相信，我觉得OpenAI是个产品公司，因为我觉得它的产品其实是做得很好的。但是我觉得Google它更像一个模型公司。这可能跟大家的常识有有悖哈，但我觉得就是体验下来，这是我的感觉啊。
嗯，但是啊，就说这个Google自己把Gemini这个生图功能升级之后，我觉得最紧张的其实不是各个模型大厂，不是各个AI大厂，是这个Adobe，是Photoshop。因为我看到，就是看到有人，就直接就叫它叫AI界的Photoshop吧。而且就是从股价上也反映出来了，如果对比过去就是四个月的股价的话，这个Google是往上走，然后呢Adobe是往下走。而且这个东西很很明显。
我看到一句话啊，就是我觉得很有代表性，就是说，大家现在对于公司估值的AI上面，主要集中在算力，还有就是模型的能力上面。而对于这些所谓的这种SaaS公司的估值，就变得很谨慎了。就AI SaaS公司，公司就变得很谨慎了。就这句话，其实反映出一个，我觉得一个时代的特点，就是大家会觉得模型的能力一出之后，一些SaaS公司所所所引以为傲的产品能力，或者说像产品的功能就不那么重要了。大模型顺到手可能就把这件事给做了。这也是之前我们谈论过一个，就说你一定要在大公司后面嘛，对吧，你去嗯他掉点什么东西，你捡起来都是好的。但你要在他前面，可能就被碾得连渣不剩。我不知道你们二位是不是也这么看啊？反正我就有一种深深强烈的感觉，就是真的，以后有了这个一两个好使的AI工具之后，好像其他的工具都没那么重要了。
没有，我我觉得我觉得不会。我分享一个，等下老师可以那个补充。我分享一个我早上听到我们的JustSayAI早晚报的一个观点啊。他说，现在的模型已经趋向白菜价定价了，然后deep呃，DeepSeek的定价已经是对标电费了。哈哈哈，但我不知道是真的假的。这个是音频，他自，自己有待有待核实。有待核实哈，有待核实。大家可以点进去看信息源。对，你可以对对对，听完之后点进去看我们的信源。我早上听完这个新闻，我还没去看那个具体的信源的参考啊。但是假设假设这个比喻哈，就是是到位的。那如果说DeepSeek定价都已经对标店价了，那其实就是做模型跟做SaaS，他其实就已经真的回到我们前几前，呃，去年在讲的，就是他就是提供底层能力了，给到这些工具厂商。模型厂商很好去调用，就真的变成云服务了。对，那我觉得还是又回到了，就是过去大家各显神通的时候了。
那至于像阿多比这种公司，真的是很难被AI取代的。对，就单单的在商业标准呢，在色彩标准呢，在格式标准上面，这么几十年积累下来的这种壁垒，然后工业的配套，整个上下游，我觉得没那么容易的，没那么容易的。
然后你最简单的就是你今天AI在做，做在手机上的图可以的，在电脑上图可以的。但这个东西你去做成户外海报，做成喷绘，做成印刷品啊，我觉得，这个还有很多工业化的标准的路要走。但是，他成为Adobe这样的工具里面的一环哎，我觉得那是很好的。至少说对于我做设计的人来讲，我是不需要再跳工具的嘛。如果你Adobe都集成了像啊，难道Banana这样的功能，我可以啊，直接的修图风国画。那我原本在耳朵比上面，可能10步的操作，变成两步，我也觉得很香啊。对，时间节省了，反倒变得更更便宜了，相当于说。而且你可以卖出溢价嘛，你在这个API的成本上面你加个30%、50%，你做好更好的产品的体验，你在你产品内模板做好你的上下文。我觉得这个钱我是愿意付的，就是这个溢价，我是愿意去付这个API溢价的。对吧，并不是说我，我就就是就是直接去用Gemini去解决所有问题。我觉得还很难，因为模型是模型，工具是工具。我这是小小苏，作为老美工还是对Photoshop情有独钟。哈哈哈，还是你不用Photoshop。我不用Photoshop。我不用Photoshop，对。
因为因为Photoshop我虽然我用得很熟，但我这几年我是完全是不用的了啊。对，所以我觉得这个东西已经，我不知道他在做什么了，就做得太臃肿。然后有一些风格化的过于专业化了，可能叫对对。其实Mac上面有一些更好的这种专业工具，稍微学一下也也可以。对，我其实现在是不太用Photoshop啊。最近一次我有冲动用是几年前，他在做了一个本地神经网络，可以支持抠图嘛。嗯，哈哈哈，但是但是我后面觉得安装实在是太麻烦了，我也不用了。我我后面就是用用那个一些原生的啊，Mac一些一些原生的功能，去解决这些问题了啊。嗯，对。
而且我我我说一下我对这个东西的观点啊。就是显哥问的这个问题，到底有没有可能后面变化那么大啊？我是想类比一下。因为我自己不常用这些工具，但我的观点是类比AI-coding一样，就是我们说的这个氛围编程。因为我自己在产研这一块，我觉得对AI-coding还是比较熟的。我我会相信跟这个类似，因为都是有工具属性的东西。
那AI-coding就是，我相信从二位看来，可能感觉，唉呀，是不是这个编码现在真的可以即兴编程一下，至少可以做一些东西了。那虽然我们聊过很多它的局限性，但是大家肯定觉得AI-coding确实已经可以做一些东西了。但从我们真正的实做实际做起来来看，AI-coding真的还是在，就是说让你的快速原型这个engineering这个过程变快。但是你真的要做一个呃，就是我们说的严肃的企业交付，对，真正的一个engineering工程化，就他还远远不够。就是他过程中间，你不管说用磕手Claude Code，还是你用直接用大模型Claude啊，或者说国内有DeepSeek啊，千万的coder等等，你不管用哪一个模型，再加上哪一个牛逼的IDE啊，AWS亚马逊的Kero什么的，都能可都可以。你全部搞上来，所有的工具，首先不可能一家工具摆平所有问题。第二，所有的工具，我现在还是拼凑在一起的，都很难摆平一个问题啊。对，头顶也是这样啊，一样的，很难的，很难的。
因为其实有工具的很多部分呢，它其实是不熟悉的。就是因为我们这里面的生产环节，工程化的生产环节有很多环节。每个环节，其实大模型首先预训练不够，第二就是过程训练也还不够，还在还在这个这个过程中。那就算都够了，我相信也会形成说，因为各家的数据不一样，预训练的数据和过程训练的数据不一样，最后这个工具还是各有所长的，你没有办法一家做下来。
那回到最近，我记得是OpenAI的那个，那个那个创始人，那个应该是Grok吧，啊那个，那那个唉，Grok应该是那位，那位老哥，好像有点忘了，还是叫叫什么名字。然后他他讲的一个事情，就是说他们看到的AGI也一定不是大家想象中的一个模型干所有的事情，还是多个模型凑在一起把你的事情给干了，只是你看起来他是一个东西而已。对，就我相信是这种，是这样的一个过程。也就是说，呃，你看到不管说再好的工具，它其实也是解决具体的问题的。那你要解决一个综合的问题，还是一个综合工具组合。是是是，组合的问题。对，这你就讲这个很好，这个启发就AI-coding的核心不是Web，是coding是要先会coding先会Web。对，它本AI-coding的核心还是engineering。那它现在解决的是快速原型engineering这个部分，其他总体的还得听老修。
当这段话让我想到咱经常说那个嘛，就是不要拿你的爱好去挑战别人的专业。就是虽然有些时候，比如你看用借助AI工具，我们可以把一个东西哎开始上手了，然后咱一是爱好级别，或者业业余级别的，但你不要觉得自己就能解决专业问题。对。
但是啊，我我想把这话题往回拉一拉啊。就这期节目可能快结束之前，往回拉一拉。就是当当你们看到，就是这个生图工具已经已经这么惊艳的时候，包括那个Storybook吧，我把这两个人放在一块来讲的话，就是就是AI的工具已经达到了这么好的一致性，然后能够做一些真正的创作了，把脑海中一些简单的想法，都能变成一些很真实的东西的时候，就是这个对于很多我们这种，就是升斗小民，我们这些普通用户来讲，是不是一个很好的机会呢？
你就就就以我自己举例啊，比如说以前我跟我，我回我跟我闺女玩的时候画画，她说让我哎，让我画个小兔啊，她来涂颜色。我画那兔子巨丑，跟耗子一样，然后呢被被就是被全家人笑话。但是现在有了AI工具之后，我可以直接在这上面生成一个。然后比如说这个Storybook上，前两天你介绍给我之后，我马上试了，真的是我从10晚上10点开始弄，一直弄到晚上3点多，我还不睡呢，太兴奋了啊。真的就是你看我举个我自己的例子，因为我家闺女不爱在幼儿园不爱喝水，经常回来时候水壶就是说只喝了一点点，让我们经常生气。但你又不能说跟他总是发脾气。那后来我就用那个故事画了一个，就说他他那个什么不喝水，结果着火了，然后然后呢，就是怎么怎么样的救火的一个小故事。然后他们同学们怎么变成一个消防栓，然后呢帮他救火的故事。那你说我有这个故事很好，我可能就是说那个，想给他告诉他一种就是形象化的东西，让他注意要喝水，别给别人添麻烦，别给自己添麻烦，尤其自己身体更重要。但是如果我以前靠说教是不行的，所以我做了一个十几页的小绘本给他。哦，看得嘎嘎的。用他的形象做的对吗？对啊，对啊。我直接上传，上传他和他小朋友的照片嘛，然后呢，就是包括他那个他幼儿园的情况嘛。所以他看着非常熟悉，他觉得，就说这个东西几乎在真和假之间了。he对他来讲，他觉得他太有意思了。然后第二天早起起来之后他他看嘛，他看完之后拉着他哥哥看，就是前前后后看了9遍。然后后来后来就说这件事，对就这件事。就是就是就是给我感觉就是说哦，我做了一件很伟大的事情。对我个人来讲我很有成就感。所以如果没有这个工具的话，我的这种想法永远只是个想法，不可能把它能够体现出来之后去影响别人。就是我只影响我的闺女嘛。但是有没我相信在中国，或者说像在我们中国文化里面，有太多文化瑰宝。然后呢，对，真的是，相当于就说我们深入宝山人不不自知。那这些东西以前可能很难提，就是传播出影响更多人。我们不说影响上亿人，上上上万人，你就影响10个人、100人都很难，对吧？因为你受到表达的局限，然后受到形式的局限。但现在有了这种工具之后，我是非常非常看好，就是个人表达的黄金时代的到来。
嗯，但是，就是独乐乐跟众乐乐是不一样的嘛。就我们独乐乐自己做，其实我们会特别有成就感，特别高兴，哪怕把打印出来分享给他的同学，一人送一本，这个事情都是非常好的一件事情。太好玩了。对，太好玩了。
但是你涉及到一群人，然后做一个产品给一群人的时候，这是一个工业化生产的流程，对吧？我最近看了一个国内的一个电影，叫《浪浪山小妖怪》，我不知道你们看过没有。我上上上，美国上海，对，上海那个美术电影厂的那个啊。我我我的两个感觉哈，就我觉得这个背后的团队很多可能是呃90后或者00后。我觉得他好多都是用这种表情包的这种语言来做这个动画的，跟观众的沟通。然后第二个就是他的整个风格化又很传统，然后就是大量的这种水墨，有点像我当时小时候玩到《天之痕》这款游戏的那个震撼，就是背景是水墨的，然后游戏是电子的啊。就是这种这种感觉啊，整个美感呢，风格化做得特别好。然后他在打斗里面我记得很很清晰，就还加入七龙珠的那种打斗的镜头，一个人飞到高空，然后放一个那个大招下来什么的，地板炸了一个洞。哈哈哈，我就觉得这个东西做的就是这三个东西合起来是一个很神奇的感觉。虽然我觉得故事的套路在工业化上面的套路不成熟，对。但是它的整个这种啊感觉让我觉得，哇，这个东西应该还要有更多这样的东西出来。
那这个时候我觉得单靠一个团队，一个故事，做三年做五年，我觉得这是不可能的。嗯，而且对对对对，有可能商业机会。如果时代如果以此为打样，然后让AI快速地介入各种的分镜脚本，然后去用它一致性的能力，赶紧介入这个这个创作的工作。我我觉得在工业化上面有非常非常大的空间。那原本比如说三年一部的这种动画，你又可以可能可以提效到一年。一年里面可能还有半年时间是在审核。那这个东西就我觉得就就太好了，就这个效率就就非常的高了。无论是在影视还是在游戏，对吧？往，甚至说在这个这未来机器人等等方面，在我觉得AI的进步，都是不只是就是一个量级的，一个量级是真的是指数级在往上增长。对，那这个是不能只靠模型公司的。你不能说我模型解解决了，一致性的能力，然后应用到工业化生产的时候我不管了，或者应用到工业化生产的时候Google派了一个团队去驻场给你搞，不可能嘛，对不对？还是要靠那些原本我们在画动画的过程中用到的那些工具，他自己去接入Gemini，去接入Google，接入OpenAI，去实现他在这个工具内的这种一致性。我觉得才是合理的嘛，对吧？否则Google是不可能去给你驻场搞这些嘛。想都别想助长。这绝对不可能。也不可能嘛。对啊，你不可能说我接了一个影视公司的大单，然后我Google去去帮你做，这不是他想做的事情。他我觉得他还是想卖模型。
你说那个是需要是三两年前，20年前这个这个叫什么，好莱坞的卢卡斯，对吧？工作室你还记得吧？给所有的这什么做做特效的这种工业化的方式。现在是AI时代了，真的是真的是再一次的工业，这这技术革命啊。所以要赶紧去解决精度啊，去解决这种这种商用的问题啊，而不是说噢，我们停留在一致性上面，然后大家再来卷模型。我觉得模型有个两三家够了，对吧？所以那些SaaS公司就赶快把API接好，对吧，在自己原有的优秀基础之上，再把好的工具用好，让更多人能够使用起来。
但我觉得这个可以让老修来讲，你你就算你是Adobe，你今天接入Gemini，你在你的应用内做到就是，就是有这种非常惊讶的能力，其实是还是很难的，对不对？对，当然当然非常非常困难。其实你就是这些顶级的模型，要用好其实就很很不容易了。我我还是会要类比编程领域，因为编程是现在最确定性最强，又能省钱又能省人力的东西啊，这样提高效率的。但是你实际上大家已经是默认Claude应该是做得最好的模型，但是问题是，能把Claude用好的程序员其实是很少的。嗯，其实是很少的。然后Claude Code它也呃作为它的一个，相当于是呃，更集成化的一个一个一个就是比比模型要更进一步嘛，相当于是个集成环境了一样的，一个一个东西。它也是很不容易被用好的。就是这个，还得不断地有Claude里面的人，不管是做大模型的，还是做Claude Code这个集成产品的人出来一直分享，哎呀，我怎么用这个东西，才会有更多的人来用。就是他还是是一个产品化的过程。那你看这些，即使他是发明者，他其实想要让别人用好他自己的工具，都不很都很不容易的。那你从一个外部的公司，要去用好别人的东西，其实整合也也是需要花这个精力的，都不是那么容易。而且是多模型的拼接的。对，就不是那么简单的。
有可能我一部分对，一部分用OpenAI，然后我怎么样让这两个模型的API很好的能够在我的产品里面同同时服务一个任务，这个事情我觉得是才是就是重点。而并不是说模型厂商干掉了应用厂商，或者是完全不是这么回事，不是这个的，对。因为这个的体验其实很深啊。我们刚才提到的这个，我们自己的这个JustSayAI早晚报这样这个小东西，我原来真的以为是小东西，我外部扣定一下搞出来了。问题是真正的把它做到能交付出来，给大家公开用，因为原来我们自己内部用嘛。能给大家公开用，我们搞了几个月，应该六六月份到现在了吧，这个都三个月了。然后里面用的大模型，我们用了5个大模型吧，这国内国外的全部都得用上，因为互相都有掉链子的时候。然后揭秘哪一个，因为我们的新闻也是涵盖全球的嘛，华语的加上那什么中文英文的都有嘛。对对，比如说Gemini，原来是想全靠Gemini，哎，这个就是个典型。原来就想靠Gemini全部干完了啊，对吧？然后确实他能干，问题是他不稳定，干一把就出问题了。知道干几把是出更多问题。然后后面还有一个，就是他的语音也不是很自然了。比如我们中国人听他的中文，还是有点别扭的，对吧？还是挺别扭的。而且一成不变的很多东西。那像这里面，最后我们还是会去组合中国的服务啊，像MiniMax啊等等，对吧？然后各种样的模模型拿出来用。那它最后才会好，嗯，才会觉得说这个产品基本上啊，过了及格线而已，也就是及格线。就这样我们还会这个产品，很多产品你单看界面Web就可以做出来，但是后台的拼接可能就得花好多的时间。对。
然后其实每个模型它掉链子的时候，你还都得考虑一些fallback。就是杰米奶不行的时候，谁去给他兜住？那国内的模型不行的时候，哪个国外的模型兜住他？这个是会有互相的一些兜底的策略在里面才行的。其实是时不时就会有些都出问题。你就像我们刚才说的，编码Claude最强，Claude每天都出incident啊。每天他那Claude四点几不行了，拿个东西又不行了。一会outage，一会他outage的时候你怎么办？就是他不能用的时候你怎么办？你这个时候正在生成，那你肯定得换一个模型赶赶紧干。所以这里面就是有一堆的很现实的那个工程化的问题。就是你你要保证这个产品的连续性，就我们自己产品服务的连续性，和生产的连续性。它这个就是呃，产品的工程化生产和工程化运营，都是，都是需要多多模型多应用去协作的。那大大家互相backup，这个产品才有一个稳健性。
所以回到闲哥刚才那个问题，我觉得现在这个Nano Banana出来的这个阶段，我真的是还是蛮兴奋的。就作为一个老美工嘛，对吧，大家。就是你要理解我这个兴奋，就是原本我十几十几步在Photoshop上面跨5个工具的操作，我可现在可能两个工具我就可以搞定了。我当然很高兴。但是这个事情，是让大家看到了一个希望，觉得说卧槽，我也可以。但是当你真的想去做的时候，你会发现这里面就是荆棘密布，对吧，前路漫漫。有很多，做的过程中你就会发现问题都来了，问题都在，都在这个过程。但是你不要看到一个结果是哦，原来我也可以。对。但我觉得可能这个过程还是路漫漫的。
对，但是我我个人角度觉得，有了这个工具之后让我信心满满。让我觉得以前就是憧憧憬了20年、30年的东西，因为从看漫画开始，就希望自己能画漫画嘛。然后呢，突然有一天真的能够上手参与去做，而且还能够影响别人。这让我真的在这个年纪，然后发现觉得自己又行了这种感觉。所以完全人最重要是什么？信心，对不对？
我我觉得最重要是，大家一定要开始用AI产品，无论你用哪一款，没有行，无论你想干什么，先尽快用起来。然后呢，最最重要的还是订阅我们的会员，每天从几千条信息里面，帮你精选出两篇的邮件，然后还可以用AI主播对话的方式播给你听。然后呢，每天多听10分钟，少刷手机两小时，中美AI资讯零时差。我觉得这个是非常非常棒的一个感觉。棒棒，一定要拥有。对对对。
然后呢，你还可以获得我们每一次做视频的深度研究报告的文档，以及呢，获得我们三个人撰写的主播专栏的邮件推送。所以呢，请大家多多支持我们的YouTube会员。对，请我们的精神股东们、精神董事们尽快行动起来，加入我们。对对对。期待大家能用起来的话给我们更多的产品反馈，因为我们这边就是为了能够持续迭代，让大家都拿到自己比较满意的这个资讯。是的是的，是的是。所以请大家一定要，就是多多关注一下我们的频道，然后不定期升级福利，请不要错过。
对，好。
那今天要不然先收在这吧，这个话题真是越聊越兴奋。嗯，好的，聊了好久了。大家主要啊，就是听，听完之后听了个乐。大家一定要看我们的会员，关注我们的会员。好，感谢大家，下期再见。好，下期再见。拜拜，拜拜。