扩散模型：从实验室噪声到生产工具，藏在效率背后的真实账本

上周跟杭州某服饰电商的视觉总监吃小龙虾。

他说去年还在跟上海的摄影团队掰扯，一组秋冬款的家居服棚拍要价8万，从选模特、搭景到修图要等整整两周，今年初换了组微调过的扩散模型，同样的场景、同样的品牌色调，800块的显卡算力成本，12小时出27张图，投到信息流广告的点击率比之前棚拍的版本还高28%。

我当时第一反应是，这钱也太好赚了。

不过话说回来，这不是什么新鲜事。从2022年Stable Diffusion开源到现在，整整三年，所有人都在聊扩散模型，有人吹它是生成式AI的终极答案，有人骂它是偷作品的盗贼，很少有人真的沉下来算一笔账：这东西到底能创造多少真实的产业价值，又有多少被吹出来的泡沫？

被神化的”噪声生成”，其实是个反常识的笨办法

很多人对扩散模型的印象，还停留在”输入一句话，AI就能画出你想要的图”，觉得这是AI突然开了窍，学会了像人一样创作。

错了。

它的技术逻辑跟人的创作完全反过来。训练阶段，模型要做的第一件事，是把一张清晰的图片，一步一步往上面加高斯噪声，加到最后整张图全是雪花点，跟老电视没信号的状态一模一样。然后反过来，训练模型学习怎么从这堆完全随机的雪花点里，一步一步把噪声去掉，最终还原出最初那张清晰的图。

说穿了，这根本不是什么”创造”，就是个熟练的擦除工。

很多人吹模型的生成能力有多强，却故意不提它的技术边界：扩散模型的核心能力从来不是”从零创造”，而是在已知数据分布里做高效插值。什么意思？就是你喂给它1000张同风格的家居图，它能给你变出1001、10000张看着像那么回事的，但你要是让它凭空造一个从来没人见过的家居结构——比如能自动给猫爬架集成重力感应喂食器的原创设计，它大概率会给你拼个四不像，把猫爬架的腿画得跟喂食器的管子拧在一起，比例全错。

因为它根本不知道”原创结构”是什么。它只知道把见过的元素揉碎了重新拼。

这就是技术的天花板。

产业链的真实水位：没有谁靠”通用大模型”赚到大钱

现在打开科技媒体的头条，全是某通用文生图模型又迭代了，参数又涨了，生成的图又逼真了。但翻一翻真实的交易数据就会发现，现在产业链上真正的利润，从来不在通用大模型的层，而是在垂直场景的落地服务层。

上游的玩家，靠卖算力优化工具赚钱。毕竟扩散模型的推理成本比之前的GPT类文本大模型高3-5倍，很多中小企业刚上手的时候，跑一次批量生图要花大几千的算力费，根本扛不住。专门做推理优化的团队，能帮客户把单张高清图的生成成本从几毛钱压到几分钱，光这一项服务，去年国内不少小团队的营收就破了千万，客户复购率能到60%。

中游的玩家，靠做定制化微调赚钱。通用模型出来的图，看着好看，根本不符合企业的实际需求——电商要的是商品图没有变形，颜色跟实物完全一致；影视要的是概念图能匹配导演的镜头语言，不要乱加特效；建筑要的是效果图符合真实的结构规范，不要给你画个悬浮的阳台。这些需求靠通用模型根本满足不了，必须用企业自己的存量素材做微调，一次微调的客单价从几万到几十万不等，比卖通用模型会员费赚多了。

下游的玩家，靠垂直场景的工具落地赚钱。比如给电商做的商品图生成工具，给剧组做的分镜生成工具，给建筑事务所做的效果图生成工具，这些场景的付费意愿是真的强，毕竟能实实在在帮企业省成本。

别信那些吹”通用生成模型颠覆所有行业”的软文。去年某估值百亿的通用文生图平台，B端营收占比连15%都不到，剩下的全是9块9包月的学生用户，账上的钱烧得比模型生图的速度还快。

对吧？

藏在效率背后的暗礁：没人愿意为”版权模糊”买单

现在整个行业最头疼的问题，根本不是模型好不好用，是版权。

你训练扩散模型的那几亿张图，有没有拿到原作者的授权？

从Stable Diffusion开源到现在，已经有不下十起集体诉讼——Getty Images告它偷了自己的几百万张商用图，国内的插画师、摄影师集体投诉几个主流文生图平台，说自己的作品被偷偷拿去喂模型，生成的图跟自己的风格几乎一模一样，还反过来抢自己的商单。

更麻烦的是，现在的法律框架根本没覆盖这块的模糊地带：AI生成的图到底算不算有著作权？如果是基于别人的作品微调出来的模型生成的图，版权归谁？平台？做微调的技术团队？还是原来的原作者？

全是问号。

举个真实的例子。去年某快时尚品牌用扩散模型生成了一组印花图案，卖了300多万，结果被某独立设计师起诉，说那个印花的核心元素跟她三年前的原创作品90%相似，最后法院判了赔8万。但品牌方到现在都不知道，自己买的那个微调模型，是从哪个渠道爬了这个设计师的作品训练出来的。

版权规则的落地，才是扩散模型从”玩具”变成”生产工具”的真正转折点。

这颗雷，迟早要炸。

很多人预测未来3年扩散模型会取代一半的设计岗位，我反而觉得不会。

首先，版权问题一定会在2026年之前有明确的落地规则。不管是强制要求训练数据全量公示，还是建立原作者的自动分成机制，这个坎绕不过去。到那时候，靠爬数据训模型的野蛮生长阶段就结束了，所有想商用的模型，都必须拿得出合法的训练数据来源。

其次，通用扩散模型的能力会停在”辅助工具”的层面，不会真的取代人。真正能跑出来的产品，一定是深度绑定垂直场景的：比如给建筑事务所做的、能直接对接CAD导出结构的扩散模型，给影视剧组做的、能直接匹配镜头语言的分镜生成模型，给电商做的、能直接对接商品SKU的主图生成模型。这些工具不会抢设计师的饭碗，只会把设计师从重复的素材拼接里解放出来，把精力放在真正的创意上。

还有，推理成本会降到什么程度？大概3年之后，单张4K高清图的生成成本会比现在低90%，到那时候，普通的小商家根本不需要专门请全职设计团队，打开后台就能生成符合自己品牌调性的图。但反过来，真正有原创能力的设计师，会比之前更值钱。

为什么？

因为当所有人都能用AI批量生产”差不多”的内容的时候，独特的、有个人风格的原创内容，反而成了稀缺品。

技术从来不会取代人。

只会淘汰不会用技术的人。