AI修图技术是什么原理？一篇文章讲清楚背后的门道

修图AI的三条技术路线，一条比一条「自作主张」

AI修图技术的原理分三条路线：传统算法照公式改像素，判别式模型认出内容，生成式模型按概率补画新像素。三条路线能力完全不同，混在一起聊，才会冒出「AI修图是不是把图传到电脑上修」这种问题。这是读者今年上半年问得我耳朵起茧的一句——我计算机专业出身，写摄影器材科普第三年了，每次都得从头掰扯：传不传云端只跟第三条路线的一部分有关，跟原理本身是两码事。

最老的一层是传统算法，十多年前就成熟了。你拖动曲线工具，把暗部压下去、亮部提上来，软件做的就是给每个像素套一个固定的数学映射：输入多少亮度、输出多少亮度，白纸黑字写得明白。锐化也一样，卷积核在画面上逐格扫描，邻座像素差得越大就加得越猛，锐化数值从50拉到150，变化轨迹完全可预测。这类操作像按菜谱炒菜，同样的料谁来都是一个味，确定性的，不存在灵感。话说回来，这套老算法今天依然是Lightroom里用得最多的那批滑块，一点没过时。

第二层是判别式深度学习，大概2015年之后陆续进手机。它不管改图，只管认图——训练时看过几百万张标注过的照片，学会了分类和分割：这一块是人脸，那一片是天空，这圈头发丝属于前景。你手机里人像模式能精准把人抠出来做背景虚化，靠的就是分割模型画出的掩膜。它像小区门口认脸的门卫，只报身份，不动手改东西。

第三层才是一般人嘴里的「AI修图」：生成式模型。消除笔、AI扩图、一键换天空，背后多半是扩散模型。它的工作方式反直觉——不是从原图里「找」像素来填，而是先把你圈的区域打满噪声，再一步步「去噪」，每一步都按概率猜这块地方最像什么。像让一位修画师补被撕掉的一角：他不是从废纸篓里找回碎片，是凭经验画了一块自己认定合理的。

为什么消除笔有时补得完美，有时补得离谱？

因为生成式模型每次都在按概率猜，同一个缺口能猜出不同答案，背景越有规律猜得越准。这跟修图师手艺无关，是扩散模型的数学本性决定的。背景是重复纹理——砖墙、草坪、纯色路面——概率分布集中，猜出来八九不离十；缺口正好切过复杂结构，比如半根柱子或者半张脸，模型要同时猜出两侧怎么延续，稍有偏差就长出歪的东西。

我今年3月在桌面版PS里试过一次典型翻车：把一张街拍里的共享单车消除掉，圈选的时候多带了一条路灯杆，同样的选框生成三次，第一次地上多出一条影子朝向都不对的黑印，第二次灯杆从半截长出来还扭了个角度，第三次才算正常。同一个框，三次结果不同——传统算法绝不可能给你这种「抽卡」体验，这恰恰说明它背后跑的是生成式模型。

所以看到消除笔翻车，先别骂自己手残。模型补的是「它认为合理」的像素，不是「你拍了但被挡住」的像素，这两件事差别很大。细密边缘是重灾区，栅栏、网兜、发丝这种高频率结构，掩膜经常把缝隙里的背景也判成前景，叠了又叠还是糊。用嘴修图到底能走到哪一步，我单独做了三十天实验，两成左右的复杂场景效果不稳定，细节都记在另一篇文章里：AI帮我修图的结果怎么样？三十天用嘴修图的实验记录。

手机上跑的和云端跑的，根本不是同一个AI

手机NPU跑几亿参数的小模型，离线快但上限低；云端服务器跑几十亿参数的大模型，效果强但要传图。同一个「AI消除」按钮，底下可能是两套完全不同的系统。这也顺带回答了开头那个问题——只有走云端的那部分，才涉及「把图传出去」。

2024年之后发布的旗舰手机基本都带独立NPU，算力在几十TOPS这个量级，骁龙8 Gen 3那颗NPU官方标称大约45 TOPS。这点算力塞不下真正的大模型，厂商做的是蒸馏、量化后的小版本，INT8甚至INT4精度跑，常识判断和精细生成都打折。好处也实在：断网能用，照片不出手机，单次处理延迟一两百毫秒，拖滑块基本跟手。

云端是另一回事。服务器上的扩散模型参数量大几十倍，能理解更复杂的场景，代价是上传原图、排队等几秒到十几秒、按次计费或者订阅。8月底我拿同一张废片在手机端和网页端各跑了一次消除：手机端三次都把电动车补成了类似滑板车的怪东西，网页端一次就补对了。说实话，这个差距肉眼可见，钱花在算力上确实有效。

下次用修图功能，可以先看一眼它要不要联网。要联网的，效果上限高，但照片离开了你的设备；离线跑的，图不出手机，能力被算力锁死。这是效果和隐私之间的明码标价，各家没有例外。生成的像素既然是「猜」出来的，被拿去做假票据、改证件也就有了可乘之机，防线的部分这篇不展开，我写得更细：AI修图数字内容有多危险？发票、合同、成绩单的防线。

回到开头那个被问烦的问题。AI修图技术不是一句话能概括的东西：曲线和卷积在改数字，判别式模型在认东西，扩散模型在猜像素，手机和云端又各自跑着大小不同的版本。判断一个功能靠不靠谱，看它走哪条路线、用在哪类画面上，比看宣传页上的形容词有用得多。细密边缘的糊、生成结果的随机，这些短板眼下没解决，明年会不会解决，我不打包票。再有人问我「是不是传到电脑上修」，我大概还是会耐心掰扯一遍——毕竟这不是玄学，是可以讲清楚的工程。