文 | 刺猬公社，作者｜朗寧，編輯｜陳梅希

八月中旬，一個低調的匿名模型悄然登陸海外 AI 測評平臺 LMArena，沒有開發者標簽，也沒有品牌背書，只有一個奇怪的代號 "Nano Banana"。

雖然看起來老實巴交的，但 Nano Banana 卻在平臺的 Battle 模式中，展現出驚人的圖像一致性和自然語言編輯能力，輕松擊敗了眾多知名對手。網友們被其一騎絕塵的硬實力折服，自發為它打上 " 一致性之王 " 和 "Photoshop 殺手 " 等標簽。

很快，Nano Banana 的熱度從 AI 測評平臺蔓延至 Reddit 和 Discord 的技術論壇中，人們激烈討論模型本身的同時，都試圖揭開背后開發者的神秘面紗。

正當網友眾說紛紜、如火如荼地解謎時，谷歌 AI Studio 負責人 Logon 在 X 平臺發布了一個香蕉表情符號，DeepMind 產品經理 Naina 也分享了一張香蕉藝術貼墻作品，加上谷歌以往就有將小型模型命名為 Nano 的歷史，答案變得呼之欲出。

這場匿名模型引發的全球競猜游戲，以谷歌官宣認領而告終，但顛覆性的 AI 圖像狂潮，才剛剛開始。

Nano Banana 風暴席卷互聯網

Nano Banana 正式上線一周后，谷歌實驗室總裁 Josh Woodward 在 X 平臺透露，該模型全面推出后已累計完成超2 億次圖像編輯，為 Gemini 吸引了超過 1000 萬新用戶，其火爆程度甚至導致谷歌內部"TPU 嚴重過載，SRE 警報不停 "。

洶涌而來的熱情用戶，讓 Nano Banana 幾乎刷屏了全球各大社交媒體，人們爭先恐后參與體驗、開發新玩法、分享傳播的盛景，不禁令業內人士發出 " 好像 2023 年 ChatGPT 時刻 " 的感嘆。

率先出圈的是 Nano Banana 多元素拼接的玩法，用戶可以上傳一張多元素排布圖，并給圖中每個物品打好標簽，然后在指令中下達你想要生成的圖片概述即可。

比如一位叫 Travis David 的用戶在 X 發文稱，他將 13 個元素排布在一張圖里上傳到 Nano Banana，輕松獲得了一張堪比 VOGUE 雜志的時尚大片。

多元素拼接功能在海量用戶的開發下，很快出現各類邪修玩法。

最基礎的當屬 " 實現 OOTD 自由 "，以往需要費勁心思扒明星同款穿搭的時尚博主們，如今只要把圖片上傳給 Nano Banana，模型就能秒出穿搭清單，甚至二次元動漫角色的穿搭也能被轉化為 OOTD 圖。

實測過程中，刺猬公社發現，用戶甚至可以讓 Nano Banana 按照指令生成某種風格的模特穿搭圖，再將生成的穿搭圖拆解為 OOTD，全程僅耗時三分鐘。拆解 OOTD 過程中，它犯了一個小小的錯誤，導致 " 靴子 " 單品出現兩次，提出修改指令時，它也能 " 聽懂人話 "，只刪掉多余元素，沒有改動圖片的其他部分。

這個使用場景反過來同樣驚艷，對于日常真人出鏡拍攝 OOTD 的網紅模特來說，大可以省去畫全妝、找場地、擺 pose 等一系列為了出片所做的繁瑣工作，選一張狀態好的全身照、一張面部寫真，再把穿搭單品圖片上傳，寫真級別且無需修圖的素材轉瞬即得。

除了應用于人與物之間的圖像生成，網友們還發現 Nano Banana 同樣適用于人與人關系的拼貼，這讓一眾追星黨們直呼萬歲。

無論是遙不可及的好萊塢巨星，還是叱咤風云的商界巨擎，就算是叫囂著自己是火星人的馬斯克，只要一聲令（prompt ) 下，都得千里奔赴來跟你拍一張合照。

而更進階、也是近期最出圈的玩法，就是利用 Nano Banana 自制手辦。

簡單的操作是上傳自家毛孩子、明星、二次元偶像的圖片，直接下令生成適用手辦制作的圖像，Nano Banana 就會給出建模圖，甚至連手辦成品的細節圖乃至視頻也能獲取。

雖然還沒有用戶實測做出手辦的分享，但刺猬公社發現在萬能的電商平臺上，已有商家開始承接基于 Nano Banana 生成圖像的手辦制作。經我們詢問，該商家表示 AI 生成的手辦建模圖只能作為參考，實物做出來仍有差距。

很多人看到這里也許已瞠目結舌，但 Nano Banana 的全部實力遠不止于此，比如它在地圖和建筑領域的空間推理圖像再生效果，就讓很多專業人士嘖嘖稱奇。

Nano Banana 的地圖視覺推理能力之強，可以在只上傳一張平面地圖的情況下，按照用戶打的標簽和指令，平地起高樓般生成地圖對應的實景。

相對應地，如果用戶上傳一張城市建筑實景圖，Nano Banana 又能清晰地給出圖中建筑的模型圖，或者按照用戶的要求標注圖片建筑的相關信息。

不僅如此，有網友實測這個功能同樣適用于數碼電子產品甚至智能汽車。

隨著 Nano Banana 的走紅，層出不窮的創意玩法以日為單位被開發出來，利用模型做漫畫分鏡、給線圖上色，甚至直接生成有連貫劇情的電影畫面…… .

上述一切的發生只用了短短兩周時間，其爆發速度甚至超越了當年橫空出世的 ChatGPT。

剝開 Nano Banana 的香蕉皮

剝開這款 AI 產品的香蕉皮，就會發現 Nano Banana 能夠風靡社交媒體，絕非僅是互聯網營銷的勝利，更是一場技術范式的突破。

通俗來說，Nano Banana 的技術突破可以理解為一整套針對" 理解 - 生成 - 保持一致 - 快速迭代 "閉環的工程化解決方案。

在理解上，早期的 AI 模型往往 " 偏科 " 嚴重，ChatGPT 有很強的文字讀寫能力，但不太懂圖像；而 Midjourney 和 DALL-E 3 為代表的模型，繪圖能力雖強但對文字的解讀卻很淺顯，經常把指令的需求搞錯。

原因在于這些傳統模型更像一個 " 翻譯官 "，它將用戶的指令（prompt）轉化成一個中間的、抽象的數學表示，然后圖像生成模型再根據這個數學表示來繪圖。

這種單向管道式的工作原理，一方面不可避免地會在 " 中間表示 " 環節丟失大量原始指令的細微語義；另一方面，它很難原生地處理圖像輸入，當用戶上傳一張圖片進行編輯時，模型需要先將圖片 " 反向翻譯 " 成中間表示，然后再進一步繪圖。

而 Nano Banana 則像一個生于多語言環境的人，從訓練之初就以文本、圖像、代碼等數據給模型學習，因此它不再需要將一個模態 " 翻譯 " 成另一個模態，而是天然就具有多模態語義對齊能力。正是這種在文字和圖像之間無縫絲滑的切換能力，使得用戶可以用日常對話的形式（模糊指令），無痛用嘴修圖。

Nano Banana 的技術突破遠不止于此，它在交錯式生成與一致性保持上，也對傳統模型進行了降維打擊。

顧名思義，交錯式生成指模型能夠在一個連續的、多步驟的會話中，綜合理解所有上下文的能力，包括用戶之前下達的文字指令、上傳的圖片，以及模型自己生成的歷史結果；而一致性保持則指模型在多次生成和編輯中，保持特定主題（人物、物體、風格）的核心能力，也是 AI 圖像模型長期競逐的 " 圣杯 "。

用一個例子來呈現 Nano Banana 與傳統模型的差距，假設任務是為哈利波特創作一組不同場景下的插圖。

傳統模型就像是與多位獨立的插畫師合作，每次下達任務前，你都需要用文字重新描述哈利的全部特征 " 黑頭發、綠眼睛、圓眼鏡，額頭有閃電傷疤 "，但令人抓狂的是，每個插畫師對文字的理解不盡相同，最終得到的每張圖片的哈利雖然都有上述特征，但看起來并不像同一個人。

不僅如此，獨立插畫師之間對彼此的風格并不了解，如果你想讓插畫師 B 繪制 " 哈利在圖書館復習的場景，且與插畫師 A 負責的魁地奇球場分鏡風格一致 "，這幾乎是不可能完成的任務，因為插畫師 B 既不知道魁地奇球場什么樣，也不知道插畫師 A 的風格是什么。

而 Nano Banana 則像一位與你長期合作的資深插畫師，你只需要在最開始工作時告訴他哈利的特征，然后就能與老友對話般輕松和流暢的方式，讓這位記憶力絕佳的藝術家，聽從你的調遣。

此外，Nano Banana 還有著遠超傳統模型的快速迭代能力。

任何好模型若無法快速響應用戶，都會極大降低破圈與普及的潛力。在對用戶指令的響應與快速迭代上，傳統模型就像用打字機寫作，任何一個修改都可能需要重打整頁紙，而 Nano Banana 則進化到了 word 寫作，可以隨時刪除 / 修改局部，并立刻看到整篇文章（圖像）的新面貌。

Nano Banana 能實現這一突破，不僅在于團隊將模型壓縮優化到實際產品中以秒級響應（實測約 13 秒 / 張）返還高清圖像，上述多模態語義對齊、交錯式生成和一致性保持等優勢的加持，也是 Nano Banana 對用戶指令快速響應迭代的重要原因。

顛覆、重塑與共生

從問世到席卷全球的兩周時間，Nano Banana 的沖擊波同樣撼動了資本市場與產業端的神經。

谷歌發布 Nano Banana 當日，創意軟件巨頭 Adobe 的股價就應聲下跌約 2%；比即時波動更關鍵的是長線走勢，據 Business Insider 報道，Adobe 的股價在過去一年累計下跌了 35%，主要原因之一就是極速發展的人工智能帶來的顛覆性變革。

顛覆帶來的危機感隨著網友不斷解鎖 Nano Banana 的新玩法，傳導至更多職業領域。

一位剛入行的電商服裝模特告訴刺猬公社，原本中小商家聘請模特拍攝每天成本約 1500 元 / 人，上架時間至少以周為單位，而 Nano Banana 能將這一整套流程壓縮至分鐘級，" 如果 AI 生成圖像的細節繼續完善下去，未來肯定不需要這么多真人模特了 "。

還有很多電商攝影師、后期修圖師，乃至視覺設計師，也紛紛在社媒平臺發帖調侃稱眼看著被 AI 搶了飯碗，準備轉行去賣咖啡、送外賣、開滴滴。

AI 在產業端造成的轟動不僅發生在圖像賽道，就在谷歌上線 Nano Banana 的前一天，翻譯界的最高學府蒙特雷國際研究學院宣布關閉，這家曾培養了大量外交官、翻譯專家和國際 NGO 組織負責人的頂級名校，自 ChatGPT 問世以來生源大幅銳減，最終陷入財務困境。

但歷史上的技術革命告訴我們，創新從未單純地使某個行業消亡，舊生產關系被顛覆的同時，必然伴隨產業重構和新職業的誕生。

模特行業不會消亡，但將走向分化，" 批量平替 " 需求勢必會被 AI 取代，但只有人類才能表現出的 " 故事性 " 與 " 情感細節 "，始終是市場的稀缺資源。

與此同時，商業攝影師、修圖師和設計師的角色也在被重塑，他們的核心價值不再局限于操控相機或軟件，而是延展到審美判斷、敘事構思和情緒引導，以及最關鍵的新能力：駕馭 AI 實現創作意圖。

而對于 Adobe 在內的工具型平臺而言，摩根士丹利分析師認為，這些應用軟件在 AI 時代的價值，在于提供 " 最后一公里 " 服務。

事實上，互聯網用戶對于圖像和文字生成的需求，無論是千人千面的多樣化程度，還是用戶基數決定的龐大且碎片化的指令數量，都決定了通用 AI 模型很難提供端到端的完美解決方案。

因此就像物流運輸公司負責中途貨運，最后一公里交由快遞站點配送一樣，Adobe 等平臺目前也開始接入第三方基礎大模型，并基于自身的數據與資源進行后期訓練，最終打造出更貼合用戶需求、更專業的 AI 落地產品。

換一種視角看，這場技術浪潮并不是一場零和游戲。Nano Banana 的出現加速了產業洗牌，但同時也在打開新的機會窗口。無論是創作者、設計師還是企業，真正的挑戰并非如何抵擋 AI，而是如何找到與之協作的路徑。

工業革命時期的機器擴展了人類的肌肉力量，如今的生成式 AI 則在延展人類的想象力和表達力。或許我們正在進入一個全新的內容創作階段，在這里，人與 AI 并非對立的兩極，而是互為補充的伙伴關系。

與 AI 共生的時代，正緩緩拉開帷幕。