登录
是时候在我这里聊一下人工智能了
是时候在我这里聊一下人工智能了
疯狂的热度也该过了吧。
也是时候冷静的看待这个问题了。
这篇文章写得特别长。懒了，没有拆成多篇文章。
目录
一、个人初接触AI技术
1. waifu2x
我第一次开始接触并使用 AI 技术，应该是 waifu2x 这个图像缩放工具。
确切的说 waifu2x 并不是人工智能技术，只是使用了和目前人工智能技术相同的 「卷积神经网络」
这东西其实不用多介绍了。
这东西实用性能满足日常需求，而且本地部署也只需要不到50MB的空间，方便又整洁。
论清晰度其实 waifu2x 已经很不错了，尤其是平时出的原图的时候不符合各种破视频网站分辨率最低要求的时候，用 waifu2x 糊弄一个高分辨率图，然后再被这些破网站压缩成 320×180 的小图。
唯一想说的就是当时这个技术可是被小鬼滥用到极致，最火爆的期间各种互联网古董图片都被这些小鬼用waifu2x放大之后发到网上，然后大叫“我找到XXX的高清原图了！”。不明真相的人要是跟他讲这是“放大的”，他还会继续跟你解释“这是高清原图！”
你永远叫不醒一个装醒的人。
2. style2paints
接触到的第二个 AI 工具应该是 style2paints 。这是一个线稿上色工具。
最初接触这个软件的时候还是V3版本。
网上的AI线稿上色功能基本已经烂了，但是完成度也是稀烂，可以说根本没法用。
最早那一阵子还因为随便上色了一个线稿，画师直接就把我拉黑了。
style2paints 出 V4 的时候我写过这么一篇文章：https://blog.catscarlet.com/202002203604.html
后来 style2paints 出完 V4.5 之后，说要出 V5，而且放出了不少预览图，效果很棒，但是再也没有过下文。开发者在 GitHub 上还是活跃状态的，只不过全部都是私有提交了。
网上也再没出现过独立的开源上色工具。各个大厂虽然有各种所谓的线上AI图像处理工具，却基本上没有免费的线稿上色功能。收费的倒是一大堆，但是AI出图的效果本身就稀烂，谁知道输出一次期望中的结果之前得花多少冤枉钱。
3. rife
这算是第三个我使用的AI工具。功能是：补帧
最开始的时候这个项目还是叫做 arXiv2020-RIFE ，后来才改成 ECCV2022-RIFE 的。
但是实际上这玩意放在个人手里意义不是很大。最多就是把互联网早期的GIF表情包改得流畅一点，但是很多情况下 AI 对于补帧和人脑还是两回事。
bilibili：整了个支持Alpha图层GIF动画的放大加补帧转VP9的脚本
在有遮挡性的图像变动的时候，补帧出来的图像就会出错。4.22版本。
（我本地是有更新的模型版本的，但是执行的时候就会出现主机断电的状况。能确定不是电源供电不足，但具体是什么愿意无从得知）
现在这个技术也被滥用了。
- 网上有一堆原生30fps被补到60fps的动画资源，看着特别的果冻。也有电影，甚至 YouTuBe 上有 60fps 版本的 复仇者联盟1 看着就像游戏过场动画一样。
- 很多电视台的代理（IPTV）和电视盒上游，会把 30fps 的视频补到 60fps，看着十分的诡异。
- 最烂的当然还是显卡厂家，直接搞出 DLSS 这种帧生成的恶心玩意。
我自己看这种全局的恶意补帧视频时觉得就挺恶心的，头晕得很快。但是后来发现大多数人都是瞎子，别说补帧了，帧错误亮度错误对比度错误在他们眼珠子里都没有区别的，盯着一个坏掉的显示器看上几个小时愣没察觉到自己显示器是坏的旁边显示器是好的，瞎。
4. 其他
其他的基本上就没有接触过了。最多就是个 rembg 去背景工具，我也用不上。
再往前还有 AlphaGo，谷歌在打完围棋之后跑去打星际争霸，然后难产了好一阵子。最后不了了之，在网上搜谷歌AI打星际的视频，只能搜到一个播放列表，是 ArtosisTV 解说的 AlphaStar vs Serral，但是解说内容是基于非星际争霸玩家的，AI的每个行为以及星际争霸的每个兵种和技能都要解说一遍，中间夹杂着各种暂停和战术解释，节奏超级慢，12分钟的游戏解说了半个多小时，根本看不下去。这其间谷歌的AI就彻底凉了。
那几年 AI 爆火的时候 Python 从个只是底层干活的脚本语言一跃成为 不学 python 你就落伍了 这种骗术主流。我是懒得去学，这玩意个人学了也是屁用没有。AI 这种技术注定要被大厂捏得死死的。
二、爆火的 DeepSeek 把国际 AI 大厂的股票打废了
国产的 DeepSeek 把以 Nvidia 为首的国际AI大厂打废了，这是事实。但理由并不像国内鬣狗自媒体和阿Q人一样，因为鬣狗阿Q的思路就是成功啦崛起啦疯狂嗷嗷叫，谁叫得声音大谁有理。
Nvidia和其他大厂之所以市值蒸发，是因为他们一直声称的 需要更多硬件更多算力 是 扯蛋 。
确切的说， Nvidia 摆烂也不是有 AI 才开始的。先是在挖矿潮期间摆烂，后又开搞各种与游戏算力不相关的各种糊弄人的技术。其他各厂基本上也是一样，微软在那搞的 onnx 的也是稀烂（之前我参与修复的 rembg 不能正确使用硬件加速的 bug 就是 微软 onnxruntime 和 Nvidia-CUDA 联手造成的，可见其代码是有多烂）。
而一个名不见经传的 DeepSeek 却用了很普通的过时硬件做出来一个捅了行业技术天花板的产品，这直接戳破了 英伟、微软、英特尔 这么多年来一直给市值吹肥皂的核心理念。 算力不是最重要的 不需要什么大厂技术也能做 一直吹牛逼的玩意其实屁都不是 ，这乐子直接打得 Nvidia 的50系显卡一点都不香，微软的 Win12 不知道该怎么塞烂功能，英特尔的 Ultra 系列定位完全翻车。 活该！
至于 DeepSeek 究竟怎么样？看着那个推理过程好似挺有趣的，但其实推理流程过于营销号，复杂一点的问题就开始胡说，网上难搜到的东西就开始瞎编，就和其他 AI 一样。
（部分错误引用和内容均用红框标注）
这表现实在是太像一个初中没毕业结了婚有了娃，娃娃问你一些客观存在但你完全不知道的知识时，就在那瞎引用瞎推理瞎解释，着实一个爹味浓厚的鬣狗阿Q，着实让本来就生活在这种恶劣环境的人反胃。
三、目前的 AI 到底能做些什么？
首先这个得分场景考虑，也就是，AI 这项技术在谁的手里时才有什么用。
1. 大型IT企业
首先一个前提得讲清楚：
目前的 AI 技术就是 给一个算法喂数据养模型，当相应的数据是 由人类创作的 情况下就十分有争议，说难听点就是 抄袭 。编程AI抄代码，绘图AI抄绘画，医疗AI抄病例，这也是目前相当多一部分人反AI的核心理由。
我的个人观点是：
- 以一定的目的使用特定的数据训练AI并以此谋私利，那就是 抄袭 ！
- 将整个互联网数据全部用来训练AI，并公开数据模型，供所有人无偿使用，那不叫抄袭，那叫 人类的知识库 。
很可惜 人类的知识库 在目前的商业环境下实现不了。想使用 将整个互联网数据 的就只有大型IT企业，而目前的这些企业都是清一色的自私自利行业毒瘤，他们的存在多数都是对行业弊大于利，唯一的那点利也知识为了保住他们的自身地位罢了。（举例的话就是微软英特尔之流目前在开源界贡献的代码排在首位，但是他们贡献的全他妈的是他们自家用的驱动代码和调用代码，对整体行业有个屁用啊）
2. 中小型IT行业企业
首先中小型企业很少能有能力自己研究算法，在有限的资金和精力之下无法对行业技术作出突破性的贡献。你也不能怪罪他们，很多公司本身为了能正常运营就已经很努力了。
这才是行业真实现状。他们的产出才是老百姓真正能接触到和获益的。
目前据我能看到的，超市电子秤 可以说是一个不错的例子：传统的大型商超的果蔬摊位基本上都是要有个 负责称重的功能，有些是有专人上秤打标签，有些则是自主称重。现在很多超市都是AI电子秤，把果蔬放上去之后，能直接识别到品名（可能会识别到多种，再人工选择），这个工作量要比纯手选低多了（一个果蔬商超一般都有几十种甚至上百种标签）。当然，具体是如何实现的，我不知道，可能是电子秤公司自己训练模型，也可能傻屌公司每次都得调用一次大厂的云服务进行图像识别。
当然了！
也可能反过来，因为这些企业的领导人可能就不是IT行业出身的，很可能就是个投机人。
你甚至可以尝试阅读这篇文章的中文AI总结：《财富》：程序员就业降 – 豆包
事实上国内中小型IT行业企业的产品质量也已经进一步滑坡了，你可以看一下这个 用户端验证时间 的神奇逻辑：《海航888元的随心飞偷跑了！》，基本就是什么人要写个需要验证时间的代码结果直接丢给AI就复制粘贴了，人脑里连产品设计的逻辑基础都没有。
3. 非 IT 行业的企业
首先摆烂的一定不会是普通老百姓。
https://weibo.com/2645861077/Pi3jJBv1w
普通老百姓摆烂都抢不到热乎的。
更别说还有人人喊打的 AI 客服了。
四、目前的 AI 在个人手中到底能做些什么？
1. 作为问答式搜索引擎
因为目前的AI就是一个特速算法的搜索引擎，所以当搜索引擎用是最基本的功能。尤其是在如今搜索引擎（不论中外）的搜索结果质量都暴跌，很多人都期望能在AI上得到好一些的结果。
只不过AI也是从搜索引擎拿结果的……
啊不是，我要是自己愿意自己逐像素框选的话那我还问你干球？
这是怎么把一个街机游戏识别成 999 和 11eyes 的？还把俩游戏标题合并到一起了？
Jay Smith 的 Bad Romance 与 Lady Gaga 的 Bad Romance 是什么关系？你这 DeepSeek 这是要往哪里推啊？
我已经无语了。
不得不说很多问题有时候答案是烂得不行。
2. 写垃圾文案
简直是官僚主义形式主义的辉煌！废话文学的巅峰！狗屁不通高考满分作文上树！
当然我也找到了点正经有点用的功能，那就是语法检测。
这玩意对于非母语用户还行，就是也很喜欢在有得没得的地方反复胡扯。没有中文版是个遗憾。国内的产品会拿你的文档做训练，所以千万别用。
3. 编程
・项目
作为一个差不多快被社会淘汰的程序员，说实话，我到现在 IDE 还是在用 Pulsar （原 GitHub 被微软收购后被抛弃的 Atom 的社区派生版本）。什么AI插件我都没安装。
我对于 AI 编程不是很了解，我也不知道这玩意现在到底能干啥。反正大家都吹得天花乱坠的。于是找了某之名 AI 编程 IDE ，cursor，在本地试了一下。
我这手里有一些对我来说解决起来很麻烦的问题，就是不是我自己写的旧代码不兼容新环境的问题，工程量太大，业务逻辑完全不知道，我也不想去研究这些项目的具体实现。
我就想着，AI工具既然可以导入项目，那可不可以直接让AI把代码过一遍，然后针对新环境的版本把旧代码中不兼容的地方全找出来改掉。
想得美！现在的AI编程工具和搜索引擎一样，还是问答式的。
试着导入了一个项目，然后 cursor 一直不停的有得没得一直在废话一些毫不相关的东西，对于因新环境和新框架不兼容的问题一个都没发现。
不得不说，很多人活得非常的 人机 。
・功能片段
那既然，AI编程这玩意仍然是问答式的，那就干脆继续当搜索引擎用就罢了，根本不需要什么编程插件或IDE编辑器，更不需要什么按量付费编程接口。
事实上，AI在问答式编程输出的结果还挺不错，尤其是在很多 理论上可行且应该有人实现过，但周围所有认识的人都没接触过对应技术 的场景下极为有效，而作为一个腐朽的程序员，我没事就会遇到这种 技术上应该能实现但是我不知道对应技术的入口在哪，而身边完全更是没一个比我更了解响应技术领域的人 ，这时要是在像文中 《我是救兵请来的猴子》 提到过的环境下，至少身边人都会想办法帮你找对应的资源，但是事实上现在国内大部分公司，同事人人自危根本顾不上你，甚至有人巴不得你翻车然后下次被优化的就是你，领导更是觉得「员工遇上瓶颈」乃是天大的 职场PUA 机会，绝对不会放过。
比如 《从豆包下载无水印图片》 这个用户脚本的核心理念是 跨域下载并重命名图片 。本身下载并重命名图片是 HTML5 协议中<a>的的一部分，但是掺合上跨域后就报废了。理论上这是个安全无风险的功能，但是实际上就是做不到，封死了。绕路办法，如果在网上搜，大部分资源都是告诉你使用 <canvas> 对图片进行跨域下载，但实际上却有更好更干净的办法。这个的确在AI中可以搜到，而在传统搜索引擎搜索的时候，搜索结果却会被 <canvas> 的结果淹没。
・繁琐复杂又没技术含量的代码
在编程开发这一块中，有很大一块工作内容都是 繁琐复杂又没技术含量的代码，尤其是前端开发，经常要计算渲染后图像的位置，或者单个元素的样式。这一块基本没人愿意写，但是很多时候不写不行。
这种工作交给 AI 却是非常的巴适。
有些时候国内AI编程的确会给出点惊艳的地方，比如需要临时文件或文件夹的时候知道 mktemp 。微软这种背靠 GitHub 的 Copilot 甚至都只会原地拉屎。
但是却并不 100% 可靠。
・复杂逻辑的编程
上一点复杂逻辑，AI编程就很容易挖坑。
比如AI会犯最经典 初级程序员错误 ，第二次循环时忘记把标志位重置。
（原链接找不到了只剩下文件了）
以及基础命令经常想当然，上下文对应不上。
红框位置的 type -f 对应的是 文件 ，但是上下文里写得清清楚楚的是在处理 软链接，应该改使用的是 type -l 才对。
只要上一点逻辑，那出错的情况就特别多。而且由于这代码不是你亲自写的，所以你要重新读一遍所有代码才能理清其逻辑，之后才能找到 Bug 所在。
经典的 编程即是10%的时间写代码，90%的时间找bug，那 10% 才是编程的真正乐趣。而大范围引入AI进行编程后，编程是1%的时间写代码，99%的时间找bug。
把编程唯一的快乐送给AI，把屎留给自己吃。
4. 绘画
这一块既是最有争议的一块，亦是我用到的最多的一块。
说来也挺可乐的，程序员在AI领域用到最多的功能不是AI编程……但话又说回来，我自己会编程我为什么还要找一个不靠谱的AI给我添麻烦？没上过班没被同事坑过还是怎么回事？
其实2022年那阵我就接触过 dalle-mini ，然而当时AI绘图基本上只能到这个程度：
怎么说呢，有些输出的确是带着灵魂的，但是整体上一塌糊涂。你可以看到每个输出中都或多或少带着核心细节。
现在AI出图已经今非昔比了。
・尝试本地化
首先当然是尝试在本地部署这玩意。在网上搜了下，基本都在说 comfyui 。这玩意我看了一下，支持 Docker ，那就毫不犹豫部署了。
然而实际使用效果不太乐观。
comfyui 的默认模型出图基本是这样的：
离实际能使用差太多了。
而目前可以在线上无限次数使用的AI生成图像工具，我找到了两个：豆包和百度，他们的出图效果是这样的。
豆包：
百度：
百度英文解析：
（豆包不支持纯英文解析）
百度的出图效果要比豆包差一些，但是在关键字很少的情况下精度比豆包要高，但但是关键字超过一个限度之后百度的精度就急转直下彻底崩了。
我检查了一下，comfyui 应该是需要手动添加模型。但是我尝试了几个例子看起来很不错的模型，在执行到 VAE Decode 时，主机就会直接断电重启。
我个人认为应该不是电源供电不足的问题，因为在 KSampler 阶段，显卡就已经跑满 200w 了。同样的问题也在 rife 上出现过（前文也提到了），使用 4.22 模型就正常，使用 4.25 模型就会断电重启。虽然我也怀疑是显存不够的问题，但是 comfyui 比较小的模型只有 2G 多就会导致我断电重启，而 rife 4.25 模型与 4.22 模型都只有不足 20M ，这就不太像是显存不够的情况。而且我的显卡是 GTX1080 8G 版本的，实测最多也只用掉 6G 多一点。
只能怀疑是驱动问题了，毕竟 GTX1080 这个老显卡是诞生得比挖矿潮还早。但没有办法了，我之前把系统升级后（从 Linux Mint 20.3升级到 Linux Mint 22.1，基于Ubuntu20.04到Ubuntu24.04），驱动版本还是550，CUDA也只是从12.2升级到了12.4而已，而最新版本貌似是12.8。我也不清楚到底是 GTX1080 只能装这么高，还是有什么其他限制。Nvidia 官网倒是有一个 575版本，Linux Mint官方没说正式支持，我也不想试。毕竟即使跑 comfyui 的默认模型，显卡的噪音都超大，温度直达 70 度以上（风扇57%转速，再提高那噪音就真的难以忍受了），而仍然要等很久才能出一张图。
本地化部署这事只能暂时放弃，等有新电脑新显卡再说吧。
・放大图片工具
出图只能用线上工具，那顺带看看线上工具都有哪些功能，结果发现百度放大图片的功能效果竟比我本地的 waifu2x 要好。
（左图：百度放大。右图：本地 waifu2x 放大）
这我可接受不了。立刻把本地的图片放大工具换成 Real-ESRGAN ，测试一下。
把图片缩小，然后再用 Real-ESRGAN 放大，然后离谱的就来了。
（左图：Real-ESRGAN animevideov3 模型。右图：原图）
animevideov3 不知道为何图片变得有点鲜艳了？
（左图：Real-ESRGAN x4plus 模型。右图：原图）
x4plus 放大后竟然比原图还清晰！太离谱了。
这让我想起了网上传闻的「断崖上未融化的雪块被相机AI补全成坠崖的白色尸体」的乐子了。
・去背景工具
本地化了 rembg ，因为命令行真的太好用了，比起线上工具实在太方便。然而 rembg 的代码质量稀烂，依赖的环境（onnxruntime，cuda-cudnn）更是烂到彻底。为此做了不少工作。我根本就不是个写 Python 的。
反正最后调通了，而且把模型更新到了 birefnet ，效果比默认的 u2net 好非常多。
（左图：u2net 模型。右图：birefnet 模型）
（左图：u2net 模型。右图：birefnet 模型）
・线上出图工具
前文也讲了，我找到的可以在线上无限次数使用的AI生成图像工具有两个：豆包和百度。豆包出图效果比百度强一点。
只不过除了模型比较强大以外，豆包仍然有着所有AI图像生成工具都有的毛病：不听话
这完全不日系赛璐璐芳文社好吧，这都给干到韩国去了。
特别喜欢给妹子穿过膝袜。裤袜搞错就已经很烦了，裤子都给你忽略了。
我之前想搞一个倒霉OL妹子的插画想做个有连续剧情的系列，比如妹子加班后下班下大雨，顶着雨去地铁站，结果豆包不会画折叠雨伞，我总不能让妹子淋雨吧？这个就算是情节也实在太不礼貌了，结果发现豆包也不会画「湿衣服」，可乐。
百度却非常的会画「湿衣服」，不仅如此，貌似百度画出来的衣服全都是湿的。
发觉百度的输出都特别的色情……
然后是如果遇到AI完全不能理解的内容，出图就特别的诡异。
（开车很困难）
有时候干脆就是精神污染……
不仅如此，线上工具还有敏感词屏蔽词和谐词汇，而且理由也过于欧亨利了。
这是有多怕有人用AI生成「铁链女」的照片啊？
你就只能靠中国人的聪明才智绕过屏蔽词。
另一大问题就是让图像上拥有超过1个的关键性事物。
一个人拿着一个有特性的事物，或者两个人，就会出错。
貌似这个问题是AI的通病，AI不听话乃是日常，因为人类一句话能讲讲明白一件事情哪个关键词轻哪个关键词重是主观的，两个人能顺利交流那是电波对上了，不能顺利交流那至少一个人看另一个人是傻逼。AI 不一样，AI 没得交流，现在的 AI 只是「训练」出来的。
网上传闻 FLUX 就要靠谱很多，但是本地部署的要求则高得更加离谱。本来在研究这玩意期间发现需要研究的内容就不仅仅是 ComfyUI，还有 LoRA、ControlNet、IP-Adapter 这一堆看着就乱七八糟的玩意就烦了，我又不是专门画图的画师，专门画图的画师也不会用这种完全是另一个领域的工具坑自己。烦了烦了，不研究了。
・线上改图工具
这算是出图工具的子集。
百度的出图效果就巨烂，改图效果更是差劲。事实上百度的那个AI图像编辑废柴得不行。
而豆包则超可笑的只要看到特朗普就生成失败。
最后单独生成了个图片然后用 rembg 去掉背景后再用 GIMP P上去。
五、目前我的态度
1. 对个人
我目前个人认为，AI 在个人手里最多只是个大玩具。
讲了这么多工具类的产品，没有多少是能在生产生活中切实获益的。或许像抠背景这种工具在艺术照或者COS照方面能有点用途，或者黑白老照片上色（但是能本地化的上色工具我又没找到）。
可能做创作时可以用 AI 做一些单页插画。但是做漫画就很困难，因为内容的连续性基本无法维持，很容易崩坏。
编程方面，虽然有牛逼吹说有人完全靠AI开发了APP，我觉得那是真吹牛逼。仅是编程环境搭建这一块在任何人面前都是令人生畏的第一座大山，大部分人根本走不到 Hello World 这一步就早早崩溃了。
剩下的就只能用来做坏事了。
2. 对各个企业
・国际
英伟达微软英特尔，仨破玩意早崩早开心。就是不清楚先被 DeepSeek 揭开丑陋真面目后又被川普背后捅刀子的股票崩溃后，到底能对这仨死玩意有多大伤害。
其实我觉得 英伟达 内心是害怕的。当年挖矿潮，捅他刀子的并不是显卡商，而是 ASIC 。我觉得再过一段时间他就得挨真刀子，所以他得把 CUDA 这一块跟 微软 绑得死死的。
（至今我们仍然不知道 ASIC 将如何跨过 AI运行环境 这个门槛）
就是不知道其他大厂到底和英伟达是不是一条心。
而微软的 onnx 烂得曾让我想干脆把看到的 AI 小项目都改写成 腾讯 ncnn 的。这玩意如果要做对比的话：
- onnxruntime 和 cuda 组合起来的运行环境一般需要 2GB 到 几十GB 的硬盘空间（不包含模型文件），启动速度超级慢，安装各种依赖包很可能搞崩溃你的系统。跨平台安装有完全不同的安装依赖。在日常主机上安装高风险高困难，只有使用 Docker 这种容器才能安全的保证主机不被污染。
- 腾讯的 ncnn 则完全不需要用户安装任何依赖包，只要操作系统的驱动正确就可以了，整套环境是基于 Vulkan API 实现的，。整个运行环境大概在 几十MB 左右（不包含模型文件），非常的轻量。跨平台只要预编译对应的二进制文件即可。纯绿色。
然而一个巨大的门槛挡住了我，ncnn需要的编程语言基础是C系，对我来说完全是另一个领域，搞不定。
・国内
百度风投 和 DeepSeek 一栋楼。
腾讯有着最好的 ncnn 但是学习门槛略高，而且很明显国际老流氓们都提防着这个山寨王。
阿里？谁他妈的为了个问答系统还要专门安装一个浏览器，甚至产品主页都没适配PC端的桌面浏览器。烧钱疯狂投广告搞得各个平台都跟得了癣病似的。能滚多远滚多远。
国家超算互联网中心？我跟你讲要不是因为秋风于渭水写的这一篇DeepSeek R1 可免费/白嫖网页版一览，我都不知道这玩意存在。这玩意是来搞笑的吧，自己建了一个 DeepSeek 服务但是这鸡巴什么玩意？
互联网的里程碑在这破玩意嘴里被贬成了 在国际上的影响力相对较小
六、结论
个人观点，仅供参考。
这篇文章写到中途的时候发觉内容太多太长。想过从中间拆开，分成多篇文章发布，但想了半天，去他妈的。
The post 是时候在我这里聊一下人工智能了 first appeared on 石樱灯笼博客.
