Google 做了淘宝的事

 

这两天又得到了一个新玩具---今天文章的题图是我之前用 Midjourney 生成的女生，后续所有​图片都是基于这张图片的修改。这里，我展示了换衣服颜色、变化人物姿态，以及更换衣服款式​。

想要实现很简单，就是用 Google 最新发布的Gemini 2.0 Flash Experimental 下的图片编辑。我只需要输入文字指令，Gemini​ 就可以针对我之前指定的图片进行修改。如你所见，今天的这些图片无非是用了一张原始的黑毛衣照片，然后我输入「把人物衣服换成白色」、「让人物手拿一杯咖啡」、「让人物换一身婚纱」，诸如此类很简单的话语，然后就可以交给 AI，大约 10 到 15 秒之后 新的图片就​生成出来。

我这里女性读者占多数，所以我猜看到这里许多人已经遏制不住地动了邪念。大家想得没错，的确可以上传自己的一张​照片，然后就可以实现换装，换发型。对了，这也意味着还可以把一些重要个人时刻里的失败穿着打扮​终于换成自己满意的样子，​把心头的陈年皱褶彻底熨平......

啊，我真是擅长这种恶魔​的耳语。

事实上，玩了一会儿这个 Google 的新玩意儿之后，我不禁产生了一个疑问​：怎么感觉是 Google 做了淘宝​该做的事情呢？阿里在做通用型 AI 大模型，​有这样的雄心壮志很好。但是从实用的角度来看，也许一个换装 AI 正是网购的人们现在所需的。虽然这样的一个专业 AI 模型很小，但是它对应着真实的需求，也有真实的用户去使用，于是这个小东西也许因此会得到许多反馈，得以快速的迭代，发展出​现在我们无法想象的前景来。

我总是觉得需求驱动是一件好事，一开始再小，未来都有很大的发展空间，因为人们的确需要，人们的确会用。而规划路线和绘制蓝图​虽然很是鼓舞人心，一开始就很大，未来如何却是不可预测的。就像是人们经常说的那样​：「用户对于 AI 没有忠诚度」​。是没有忠诚度，因为甲乙丙丁各家做的都差不多，谁突破一点点，谁的费用降低一点点，人们就把家当打个包袱，用小棍儿挑起来背着立即搬​去投奔。

但我就不大可能换掉我公众号后台的腾讯元器智能体---我的 AI 助手，因为它的确帮我解决了读者模糊搜索过往文章的问题，也帮我解决了回复读者给予解答和安抚的工作---它对我有用。与此同时，其他家 AI 大模型拿不到我的所有公众号文章，就无法建立起一个我的私人数据库（RAG），也就无法真正根据我的内容针对性地回复我的读者---​它有护城河。所以，我的 AI 助手是基于微信公众号数据，提供的一个新产品，这让它有了实用性，也有了​竞争壁垒。

当然，今天我贴的这些图​有些唬人的意味在。Gemini 并没有那么强，今天这些图都是我好中挑好，优中选优的结果，还有大量扭曲、抽象的人体姿势​我没有放出来。我只能说处理换装已经可用了，然而改变身体姿态，或者改换视角还存在很大的问题---这些都是人们在换装时在意的事情。

但我认为这种优劣互现的局面是个好事，因为想换装看看的冲动，可以抵消那些糟糕结果​带来的失望，做的不够完美没那么重要。同时，正因为优劣互现，说明这个领域内​还有挖掘的空间。如果 Gemini 它们真的做得丝滑顺畅，准确无误，那其实就没大家什么事了，等着用它就好。

这几年玩 AI 下来，我隐约有一种感觉：这个领域内​一直都是做出一些玩具来是不对的。如果 Midjourney 不能保证稳定可靠并且兼具审美地产出图片，只是不断展示可以挑战不同风格的画作或者照片，那我不可能​付费订阅到现在。作为对比，AI 生成视频到今天都是 5 秒，那么我尝试几次之后就没有多大兴趣了，因为 5 秒不够完成一部作品，或者应该这么说： 5 秒内可以完成的作品难度极高，​不是我能做的事情。没有实用价值，这是最为致命的地方。

那句网上流传极广的吐槽​其实道出了用户的真理：「我以为有了 AI 我就可以去画画写诗，AI 去洗衣做饭。结果现在是 AI 在画画写诗，而我却在洗衣做饭」。洗碗做饭是用户真正需要帮助的事情，天天和大模型对话，看大模型炫耀新功能的 Demo，这些事情又有什么​意义呢，它们和生活又有什么关系呢？大多数人又不是文员，并不需要写文章改文章。大多数人也不是学生，并不需要和 AI 聊到深夜，​因为现实里没有人鸟自己。大多数人也不是程序员，并不需要 AI 帮着写代码，而且对于低阶程序员而言，AI 是否能够辅助​自己还是两说。

当然，会有人反驳我说​：少用庸俗的实用性阻碍创新​。​是的，过早强调实用性会带来局限乃至阻碍，不能压榨童星，​不能让小朋友去跑马拉松。​但是小朋友天天参加文艺汇演也是个问题，读书考试很庸俗，文艺汇演很高雅，但最后还是得​读书考试的，不是么？不能让别人欣赏自己的理由始终是同一个：那么小的孩子能做到这一步真棒​！​说真棒，只是因为人们从未指望。

------