nano-banana的更新，是一個AI創新的歷史性節點。 這個模型揭開了一塊AI行業的一塊遮羞布。 所有能打的AI繪畫模型，不是產品的原因， 僅僅是因為不懂業務，只看需求！ 他們認為，客戶的需求很重要， 於是追求完成這個需求。 但是完成這個需求，需要扎實的業務功底。 和一個巨長的業務執行流程，整個路徑非常複雜。 相當於讓一個種地的老漢，去米其林後廚做一份牛排。 大廠同行：都在追求炫酷的簡單輸入，炫技輸出。 領導很興奮，員工跑斷腿，效果打折，周期創作周期巨長。實際在業務上，能解決的問題非常有限，業務識別空缺，導致模型產品化路徑的曲折。 總是研究的放後面，能引發話題的放前面。 廢了一百年的努力，做出來一個半吊子東西。 結果：小白罵娘，從業者罵娘，行銷號捧上天，消費者寥寥無幾。 小廠同行：技術實力不足，資源不足，使了大勁滿足一點點需求，還需要強大的知識探索欲，技術實踐成本高，花幾個月時間，巨大資金成本解決一個小問題。有一部分使用基礎，熊瞎子劈苞米，消費者丟一群再拉一群。迭代根本沒法持續覆蓋。 結果：學會的用煩了，沒學會的又很難學會。 開源同行：應用做了七七八八，精神世界滿足開花，加起來服務沒幾十萬人，全都是賺到錢沒給開源創作者花。模型迭代一次，墳頭高一尺，沒準哪個模型出來，過去的技術根本沒有迭代的必要。 結果：有道義的同行人，紛紛跳坑，只剩下幾個孤兒。 懂業務，是做AI的前提。 我很早就說過，2023年我之所以用AI繪畫， 是因為我要畫分鏡，我們花了大量的努力， 在2024年初就實現了和名人合影，訓練一致性模型。 很多現在簡單的功能在一年多前都可以實現， 不懂業務的人，連看都看不懂。 今天nano-banana每一個功能都是直切業務核心點的。 他不是單純的一個模型技術的更新。 論修改，其實有很多了，方法也有很多。 但是這個模型，一次性把所有的業務關鍵打通了。 其實sora已經很厲害， 但是sora對業務的覆蓋沒那麼全面。 幾個月前，很多谷子店類的供應商， 都開始用sora做業務內容了。 但限制很多，可是從我們對模型理解來說， 開源模型是技術瓶頸， 但是對於sora這些模型，有些業務細分， 不應該是這個模型的瓶頸。 舉個簡單的例子，讓柯南從空手到拿一枝花沒有問題。 但是你讓一個手辦，手上多一個東西卻非常難。 從業務的角度講，這件事其實一點不難。 可sora就是不給你優化， 是技術不到位嗎？MJ那麼簡單的操作，實現不了嗎？ 完全就是對業務理解的偏差。 那麼我們再舉一個MJ的例子， 這個模型的審美水平強不強？ 說實話，一年以前， 我們就可以用這個模型來實現多視角服裝模特了。 還有仿真人的虛擬真人角色創建。 但是技術實現上非常討巧， 至今可能沒人能做到， 我們也不願意把這些東西傳播出去。 但大多數人的視野裡，是看不到MJ模型本身的能力的。 MJ公司追求的什麼我也不知道， 就知道他們在不斷的做，跟業務貼邊的東西， 就是不好好優化，導致這個模型的二次修正特別多。 我再說一遍，上面兩個問題，不是模型能力不行， 就是公司對各行各業需求的業務不理解。 谷歌證明給你們看了，誰也不需要反駁， 站著挨打就完事了。