แก้ไขรูปภาพด้วย AI ในปี 2026: สรุปปี
การทบทวนครบถ้วนของการเปลี่ยนแปลงครั้งใหญ่ที่สุดในการแก้ไขรูปภาพด้วย AI ในปี 2026 จากความสมบูรณ์ของ generative fill และการลบพื้นหลังด้วยคลิกเดียวถึงการแก้ไขแบบ mobile-first การก้าวกระโดดของ AI upscaling และการถกเถียงเรื่องความเป็นส่วนตัวที่กำลังเปลี่ยนโฉมอุตสาหกรรม
Content Lead
ตรวจสอบโดย Magic Eraser Editorial ·
ภูมิทัศน์การแก้ไขรูปภาพด้วย AI ในปี 2026 เคลื่อนตัวเร็วกว่าที่ผู้ปฏิบัติงานส่วนใหญ่คาดไว้ แต่ช้ากว่าที่พาดหัวข่าวการตลาดบอกเป็นนัย ทุกแพลตฟอร์มใหญ่ปล่อยอัปเดตสำคัญออกมา ความสามารถจำนวนหนึ่งข้ามเส้นจากขั้นทดลองไปสู่ความน่าเชื่อถือจนน่าเบื่อ และเป็นครั้งแรกที่กรอบกำกับดูแลอย่างจริงจังเริ่มจำกัดวิธีที่เครื่องมือเหล่านี้ทำงาน นี่คือการมองย้อนกลับ ว่าอะไรเปลี่ยนไปจริง ๆ ในการแก้ไขรูปภาพด้วย AI ตลอดปี 2026 และทำไมจึงเปลี่ยน และมันหมายความว่าอย่างไรสำหรับผู้ที่ใช้เครื่องมือเหล่านี้อย่างเชี่ยวชาญ
เมื่อมองย้อนตลอดทั้งปี มีหกการเปลี่ยนแปลงที่โดดเด่น การเติมเต็มแบบเจเนอเรทีฟเติบโตเป็นเวิร์กโฟลว์ระดับการผลิต การลบพื้นหลังกลายเป็นมาตรฐานพื้นฐาน การขยายภาพด้วย AI ก้าวกระโดดอย่างเงียบ ๆ ในด้านคุณภาพการรับรู้ การแก้ไขแบบโมบายเฟิร์สต์แซงหน้าเดสก์ท็อป การถกเถียงเรื่องความเป็นส่วนตัวย้ายจากห้องประชุมไปสู่ห้องพิจารณาคดี และเครื่องมืออย่าง Magic Eraser แสดงให้เห็นว่ากลยุทธ์ที่ชนะไม่ใช่โมเดลที่ใหญ่ที่สุด แต่เป็นเวิร์กโฟลว์ที่ใช้งานได้จริงที่สุด
- การเติมเต็มแบบเจเนอเรทีฟพร้อมใช้งานระดับการผลิตแล้ว การวาดขยายออกนอกกรอบและการขยายฉากตอนนี้รักษาแสงและพื้นผิวที่สอดคล้องกันด้วยอัตราความน่าเชื่อถือเกิน 90% สำหรับวัตถุทั่วไป
- การลบพื้นหลังกลายเป็นมาตรฐานพื้นฐาน การลบในคลิกเดียวทำงานได้อย่างน่าเชื่อถือในทุกเครื่องมือหลัก ผลักความแตกต่างไปสู่เวิร์กโฟลว์ปลายน้ำ
- การขยายภาพด้วย AI ข้ามเกณฑ์คุณภาพการรับรู้ การขยาย 4 เท่ารักษารายละเอียดใบหน้า ความอ่านออกของข้อความ และพื้นผิวที่ละเอียดไว้โดยไม่มีร่องรอยแบบขี้ผึ้ง
- การแก้ไขแบบโมบายเฟิร์สต์แซงหน้าเดสก์ท็อป กว่า 60% ของการแก้ไขรูปภาพด้วย AI ของผู้บริโภคในปี 2026 มาจากสมาร์ตโฟน
- ความเป็นส่วนตัวและจริยธรรมย้ายจากเชิงทฤษฎีไปสู่เชิงกำกับดูแล การบังคับใช้กฎหมาย AI ของสหภาพยุโรปเริ่มต้นขึ้น และการติดป้ายแหล่งที่มา C2PA ได้รับการยอมรับในวงกว้าง
- การผสานเวิร์กโฟลว์เข้ามาแทนที่ฟีเจอร์เดี่ยว ๆ แกนการแข่งขันย้ายจากความสามารถรายตัวไปสู่ความครบถ้วนของเวิร์กโฟลว์
- ต้นทุนต่อการแก้ไขยังคงทรุดลงต่อเนื่อง ราคาการประมวลผลระดับ API ลดลงอีก 3-5 เท่า ทำให้แพ็กเกจสมาชิกสำหรับผู้บริโภคแบบแทบไม่จำกัดเป็นไปได้
Generative Fill เติบโตขึ้น
ในปี 2024 การเติมเต็มแบบเจเนอเรทีฟเป็นฟีเจอร์ที่ทุกคนสาธิตแต่น้อยคนไว้ใจสำหรับงานระดับการผลิต การขยายภาพสินค้าให้เต็มสัดส่วนภาพที่ต่างออกไปมักทำให้เกิดการบิดเบือนของมุมมองหรือความไม่สอดคล้องของแสง เมื่อถึงปลายปี 2026 ช่องว่างระหว่างคุณภาพการสาธิตกับคุณภาพการผลิตนั้นปิดลงไปเป็นส่วนใหญ่ สถาปัตยกรรมดิฟฟิวชันปรับปรุงความสอดคล้องในระดับโดยรวมผ่านการปรับขนาดความสนใจและการกำหนดเงื่อนไขหลายความละเอียด ไปป์ไลน์การประมวลผลภายหลังเพิ่มการตรวจสอบความสอดคล้องอัตโนมัติที่จับโหมดความผิดพลาดทั่วไปก่อนที่ผู้ใช้จะเห็น
ในทางปฏิบัติ ช่างภาพอสังหาริมทรัพย์ตอนนี้สามารถขยายภาพภายในแนวนอนเป็นสัดส่วน 9:16 สำหรับสตอรีโดยมีการต่อเพดานและพื้นอย่างเป็นธรรมชาติ ผู้ขายอีคอมเมิร์ซสามารถขยายภาพสินค้าเพื่อเว้นพื้นที่สำหรับซ้อนข้อความโดยที่พื้นหลังไม่กลายเป็นนามธรรม สิ่งเหล่านี้เป็นไปได้ในเชิงทฤษฎีในปี 2024 แต่ล้มเหลวบ่อยพอจนผู้เชี่ยวชาญเลี่ยงที่จะพึ่งพา ในปี 2026 อัตราความล้มเหลวสำหรับวัตถุที่ตรงไปตรงมาลดลงต่ำกว่า 10% นั่นคือเกณฑ์ที่เวิร์กโฟลว์ถูกสร้างขึ้นรอบ ๆ ความสามารถนี้แทนที่จะมองว่าเป็นการเสี่ยงดวง
- ความน่าเชื่อถือของการวาดขยายออกนอกกรอบสำหรับวัตถุทั่วไปเพิ่มขึ้นจากราว 60% ในปี 2024 เป็นกว่า 90% ในปี 2026
- การกำหนดเงื่อนไขหลายความละเอียดและการปรับขนาดความสนใจขับเคลื่อนการปรับปรุงความสอดคล้องในขนาดผืนผ้าใบที่ใหญ่ขึ้น
- การแปลงสัดส่วนภาพสำหรับการเผยแพร่ข้ามแพลตฟอร์มกลายเป็นเวิร์กโฟลว์ขั้นตอนเดียวแทนที่จะต้องถ่ายใหม่ด้วยมือ
การลบพื้นหลังกลายเป็นโครงสร้างพื้นฐานที่มองไม่เห็น
การลบพื้นหลังเคยเป็นฟีเจอร์ที่เครื่องมือต่าง ๆ แข่งขันกัน ในปี 2026 มันกลายเป็นสิ่งเทียบเท่ากับการตรวจคำสะกด ทุกเครื่องมือทำได้ และมันใช้ได้ผล ไม่มีใครเลือกผลิตภัณฑ์เพราะการลบพื้นหลังดีกว่า 2% โมเดลการแบ่งส่วนที่ขับเคลื่อนการลบในคลิกเดียว ทั้งโมเดลที่ต่อยอดจาก SAM-2 รุ่นแปรผันของ RMBG และโมเดลกรรมสิทธิ์ภายใน Adobe, Canva และ Apple Photos ล้วนลู่เข้าหาคุณภาพที่แทบจะเหมือนกัน เส้นผม ขน และขอบโปร่งแสงที่เคยทำให้เกิดร่องรอยรัศมีที่มองเห็นได้ในปี 2023-2024 ตอนนี้ถูกจัดการอย่างสะอาดโดยทุกเครื่องมือหลัก
ความแตกต่างเชิงการแข่งขันย้ายไปสู่ปลายน้ำ Magic Eraser และเครื่องมือคล้ายกันตระหนักแต่เนิ่น ๆ ว่าคุณค่าไม่ได้อยู่ที่การลบเอง แต่อยู่ที่สิ่งที่ตามมา ได้แก่ การประมวลผลภาพสินค้าหลายร้อยภาพเป็นชุดด้วยการตั้งค่าที่สอดคล้องกัน การแทนที่พื้นหลังด้วยการตั้งค่าที่เหมาะกับฉาก และการส่งออกในรูปแบบเฉพาะของแต่ละแพลตฟอร์ม เครื่องมือที่ถือว่าการลบพื้นหลังเป็นฟีเจอร์เด่นของตนพบว่าตัวเองถูกทำให้กลายเป็นสินค้าโภคภัณฑ์ ส่วนเครื่องมือที่ถือว่ามันเป็นขั้นแรกของเวิร์กโฟลว์ที่ผสานกันพบว่าตำแหน่งของตนแข็งแกร่งขึ้น
- การลู่เข้าหากันของโมเดลการแบ่งส่วน โมเดลที่ต่อยอดจาก SAM-2 รุ่นแปรผันของ RMBG และโมเดลกรรมสิทธิ์ ล้วนจัดการเส้นผม ขน และความโปร่งใสด้วยคุณภาพที่แทบจะเหมือนกัน
- แกนการแข่งขันย้ายจากคุณภาพการลบไปสู่เวิร์กโฟลว์ปลายน้ำ ได้แก่ การประมวลผลแบบชุด การแทนที่ฉาก การส่งออกเฉพาะแพลตฟอร์ม
- ต้นทุนสำหรับผู้ใช้ลดลงเหลือแทบเป็นศูนย์เมื่อการลบพื้นหลังกลายเป็นความสามารถที่รวมมาด้วยแทนที่จะเป็นผลิตภัณฑ์เดี่ยว
AI Upscaling ก้าวกระโดดอย่างเงียบๆ
การขยายภาพด้วย AI ได้รับความสนใจน้อยกว่าในปี 2026 แต่การปรับปรุงคุณภาพอาจมีนัยสำคัญกว่าสำหรับเวิร์กโฟลว์ของผู้เชี่ยวชาญ ปัญหาของการขยายภาพยุคปี 2024 คือคุณภาพการรับรู้ ใบหน้ากลายเป็นแบบขี้ผึ้ง ข้อความเล็ก ๆ กลายเป็นอ่านไม่ออก พื้นผิวผ้าเลอะเป็นพื้นผิวที่ดูเหมือนพลาสติก ผลลัพธ์ 4 เท่าคมชัดกว่าในเชิงเทคนิคแต่ดูผิดเพี้ยนเล็กน้อย
ในปี 2026 โมเดลการขยายภาพนำการเสริมที่นำทางด้วยอ้างอิงมาใช้ โดยอาศัยความรู้ก่อนหน้าที่เรียนรู้มาเกี่ยวกับประเภทเนื้อหาเฉพาะ ใบหน้าใช้ความรู้ก่อนหน้าเกี่ยวกับโครงสร้างใบหน้า บริเวณข้อความใช้การเพิ่มความคมที่นำทางด้วย OCR และพื้นผิวผ้าอ้างอิงโมเดลเฉพาะวัสดุ ผลลัพธ์คือการขยาย 4 เท่าที่ดูเหมือนภาพถ่ายความละเอียดสูงขึ้นมากกว่าภาพที่ถูกประมวลผลขึ้นอย่างหลอน การผลิตงานพิมพ์จากภาพที่ถ่ายด้วยสมาร์ตโฟน การบูรณะภาพเก่าเชิงจดหมายเหตุ และการขยายภาพสำหรับอีคอมเมิร์ซจากภาพซัพพลายเออร์ความละเอียดต่ำ ล้วนกลายเป็นเรื่องที่ทำได้จริงโดยไม่มีร่องรอยที่มองเห็นได้
- การเสริมที่นำทางด้วยอ้างอิงเข้ามาแทนที่การเพิ่มความละเอียดแบบดุ่ม โดยใช้ความรู้ก่อนหน้าเฉพาะประเภทเนื้อหาสำหรับใบหน้า ข้อความ และพื้นผิว
- การผลิตงานพิมพ์ ภาพที่ถ่ายด้วยสมาร์ตโฟนตอนนี้ขยายได้ถึงคุณภาพรูปแบบขนาดใหญ่โดยไม่มีร่องรอยที่มองเห็นได้
- อีคอมเมิร์ซ ภาพซัพพลายเออร์ความละเอียดต่ำขยายได้ถึงมาตรฐานขั้นต่ำของมาร์เก็ตเพลซโดยไม่มีการสูญเสียคุณภาพที่ตรวจจับได้
การแก้ไขแบบ Mobile-First ชนะสงครามปริมาณ
การเปลี่ยนไปสู่การแก้ไขแบบโมบายเฟิร์สต์ก่อตัวมาตั้งแต่ Apple และ Google ฝังเครื่องยนต์ประสาทไว้ในชิปเซ็ตของตน ปี 2026 เป็นปีที่มันแซงหน้าเดสก์ท็อปในด้านปริมาณอย่างชัดเจน การประมาณการของอุตสาหกรรมชี้ว่ากว่า 60% ของการแก้ไขที่ใช้ AI ช่วยมาจากสมาร์ตโฟน ปัจจัยขับเคลื่อนได้แก่ โทรศัพท์คือที่ที่ถ่ายภาพ NPU สมัยใหม่ประมวลผลการอนุมานได้เร็วพอสำหรับการแก้ไขแบบเรียลไทม์ อินเทอร์เฟซแบบสัมผัสง่ายกว่าเครื่องมือเดสก์ท็อป
Apple Intelligence ใน iOS 19, Magic Editor ของ Google บน Pixel และ Galaxy และแอปอย่าง Magic Eraser ล้วนทำการแก้ไขด้วย AI อย่างมีสาระ การลบวัตถุ การแทนที่พื้นหลัง การเติมเต็มแบบเจเนอเรทีฟ มีให้ใช้เป็นประสบการณ์มือถือแบบเนทีฟที่ทำงานบนเครื่องยนต์ประสาทของอุปกรณ์ เครื่องมือเดสก์ท็อปยังคงสำคัญสำหรับเวิร์กโฟลว์ของผู้เชี่ยวชาญและแบบชุด แต่จุดศูนย์ถ่วงของการแก้ไขในชีวิตประจำวันย้ายไปสู่มือถือ เครื่องมือที่ไม่สามารถส่งมอบประสบการณ์มือถือที่มีความสามารถได้สูญเสียการเข้าถึงตลาดการแก้ไขส่วนใหญ่
- กว่า 60% ของการแก้ไขรูปภาพด้วย AI ของผู้บริโภคในปี 2026 มาจากสมาร์ตโฟน เพิ่มขึ้นจากที่ประมาณ 35-40% ในปี 2024
- เครื่องยนต์ประสาทบนอุปกรณ์ทำให้การแก้ไขด้วย AI ที่แท้จริงเป็นไปได้โดยไม่ต้องพึ่งคลาวด์ ทั้งออฟไลน์ ในเสี้ยววินาที และเป็นส่วนตัวโดยค่าเริ่มต้น
- เดสก์ท็อปยังคงจำเป็นสำหรับเวิร์กโฟลว์มืออาชีพและแบบชุด แต่มือถือกลายเป็นค่าเริ่มต้นสำหรับการแก้ไขในชีวิตประจำวัน
ความเป็นส่วนตัวและจริยธรรมเปลี่ยนจากการถกเถียงสู่กฎระเบียบ
ในปี 2026 ความเป็นส่วนตัวและจริยธรรมกลายเป็นความจริงเชิงกำกับดูแล กฎหมาย AI ของสหภาพยุโรปกำหนดข้อกำหนดการเปิดเผยสำหรับเนื้อหาที่แก้ไขด้วย AI มาตรฐานแหล่งที่มาของเนื้อหา C2PA ซึ่งได้รับการสนับสนุนจาก Adobe, Microsoft, Google และ BBC ย้ายจากเมตาดาตาที่เป็นทางเลือกไปสู่ข้อกำหนดการเผยแพร่บนแพลตฟอร์มใหญ่ Meta เริ่มติดป้ายภาพที่แก้ไขด้วย AI บน Facebook และ Instagram รูปแบบนี้สะท้อนการเปลี่ยนไปสู่ HTTPS เริ่มแรกเป็นทางเลือก จากนั้นเป็นสัญญาณการจัดอันดับ จากนั้นเป็นความจำเป็นในทางปฏิบัติ
การถกเถียงด้านจริยธรรมยังเข้มข้นขึ้นรอบ ๆ ความยินยอมเรื่องข้อมูลฝึก คดีความของ Getty Images การฟ้องร้องแบบกลุ่มของศิลปิน และข้อเสนอทางกฎหมาย ได้สร้างกรอบกฎหมายที่เป็นรูปธรรมมากขึ้นเรื่อย ๆ สำหรับผู้ใช้ปลายทาง บทสรุปนั้นใช้ได้จริง เครื่องมือที่ฝึกบนข้อมูลที่ได้รับอนุญาตอย่างถูกต้องและเครื่องมือที่ฝังแหล่งที่มา C2PA มีความเสี่ยงทางกฎหมายและการเผยแพร่ต่ำกว่าสำหรับการใช้งานเชิงพาณิชย์ ความคลุมเครือหดตัวลงในทุกคำตัดสิน
- การบังคับใช้กฎหมาย AI ของสหภาพยุโรปเริ่มกำหนดให้ต้องเปิดเผยเนื้อหาที่แก้ไขด้วย AI ในบริบทเชิงพาณิชย์
- การติดป้ายแหล่งที่มา C2PA ได้รับการยอมรับใน Adobe, Google, Meta และ BBC ในฐานะมาตรฐานการเผยแพร่โดยพฤตินัย
- คดีความเรื่องข้อมูลฝึกได้สร้างกรอบกฎหมายที่เป็นรูปธรรมมากขึ้นเรื่อย ๆ สำหรับภาพเชิงพาณิชย์ที่แก้ไขด้วย AI
การรวมเวิร์กโฟลว์กลายเป็นคูเมืองทางการแข่งขัน
การเปลี่ยนแปลงระดับเมตาที่สำคัญที่สุดของปี 2026 คือ การแข่งขันย้ายจากฟีเจอร์รายตัวไปสู่เวิร์กโฟลว์ที่ผสานกัน เมื่อถึงปี 2026 โมเดลพื้นฐานลู่เข้าหาความเกือบเท่าเทียมกันในงานส่วนใหญ่ ความแตกต่างด้านคุณภาพระหว่างโมเดลลบวัตถุที่ดีที่สุดกับอันดับห้านั้นมองไม่เห็นสำหรับผู้ใช้ส่วนใหญ่ สิ่งที่ไม่ลู่เข้าหากันคือเวิร์กโฟลว์รอบ ๆ ความสามารถเหล่านั้น ได้แก่ กี่คลิกจากภาพดิบไปสู่ภาพสินค้าที่พร้อมลงประกาศ คุณสามารถประมวลผลภาพ 500 ภาพเป็นชุดข้ามคืนได้หรือไม่ เครื่องมือส่งออกในทุกรูปแบบที่แพลตฟอร์มของคุณต้องการหรือไม่
แนวทางของ Magic Eraser ที่ถือว่าความสามารถ AI แต่ละอย่างเป็นขั้นตอนที่ประกอบกันได้ในไปป์ไลน์แบบครบวงจร สอดคล้องกับทิศทางที่ตลาดเคลื่อนไป สำหรับผู้ใช้ที่เลือกเครื่องมือ คำแนะนำตามมาโดยตรง หยุดเปรียบเทียบคุณภาพการลบวัตถุ (ล้วนดีพอแล้ว) และเริ่มเปรียบเทียบเวิร์กโฟลว์ เครื่องมือที่ช่วยคุณประหยัดเวลามากที่สุดตลอด 100 การแก้ไขต่อสัปดาห์คือเครื่องมือที่มีไปป์ไลน์กระชับที่สุดสำหรับความต้องการด้านปริมาณและรูปแบบเฉพาะของคุณ
- คุณภาพของโมเดล AI พื้นฐานลู่เข้าหากันในเครื่องมือหลัก ความเท่าเทียมด้านความสามารถกลายเป็นบรรทัดฐาน
- ความแตกต่างย้ายไปสู่ความครบถ้วนของเวิร์กโฟลว์ ได้แก่ ความเร็วจากอินพุตสู่เอาต์พุต การประมวลผลแบบชุด และความครอบคลุมของรูปแบบ
- กรอบการตัดสินใจของผู้ใช้ เปรียบเทียบเวิร์กโฟลว์และเวลาต่อ 100 การแก้ไข ไม่ใช่เกณฑ์มาตรฐานของฟีเจอร์รายตัว
ปี 2026 หมายถึงอะไรสำหรับปี 2027
การเปลี่ยนแปลงทั้งหกจัดเวทีสำหรับสิ่งที่จะตามมา ความเป็นผู้ใหญ่ของการเติมเต็มแบบเจเนอเรทีฟหมายความว่าพรมแดนของปี 2027 ขยับไปสู่วิดีโอ คือการเติมเต็มที่สอดคล้องกันข้ามเฟรมของคลิปสั้น การกลายเป็นสินค้าโภคภัณฑ์ของการลบพื้นหลังผลักการสร้างคุณค่าไปสู่ปลายน้ำสู่การจัดการแบบชุดอย่างชาญฉลาด การครอบงำของโมบายเฟิร์สต์หมายความว่าการปรับปรุงโมเดลบนอุปกรณ์คือการลงทุนโครงสร้างพื้นฐานที่สำคัญที่สุด แรงผลักดันเชิงกำกับดูแลหมายความว่า C2PA และเครื่องมือแหล่งที่มาจะกลายเป็นสิ่งที่ไม่ใช่ทางเลือกสำหรับการใช้งานเชิงพาณิชย์อย่างจริงจัง
สำหรับผู้ปฏิบัติงาน บทเรียนของปี 2026 คือการมองการแก้ไขรูปภาพด้วย AI เป็นโครงสร้างพื้นฐานแทนที่จะเป็นเวทมนตร์ ช่วงเวทมนตร์จบลงแล้ว ช่วงโครงสร้างพื้นฐาน ที่เครื่องมือเหล่านี้น่าเชื่อถือและผสานเข้ากันได้เหมือนกับส่วนอื่นใดในเวิร์กโฟลว์การผลิตของคุณ คือที่ที่เราอยู่ตอนนี้ เรียนรู้เวิร์กโฟลว์ สร้างพรีเซ็ต ทำให้ขั้นตอนที่ทำซ้ำเป็นอัตโนมัติ สงวนพลังสร้างสรรค์ของคุณไว้สำหรับการตัดสินใจที่ยังต้องอาศัยวิจารณญาณของมนุษย์ นั่นคือที่ที่มีพลังงัด และปี 2026 ได้พิสูจน์มันอย่างเด็ดขาด
- พรมแดนของปี 2027 การเติมเต็มแบบเจเนอเรทีฟสำหรับวิดีโอ การจัดการแบบชุดอย่างชาญฉลาด และการปรับโมเดลบนอุปกรณ์ให้ลึกซึ้งยิ่งขึ้น
- แหล่งที่มา C2PA และการปฏิบัติตามจริยธรรมเปลี่ยนจากทางเลือกไปสู่สิ่งที่ไม่ใช่ทางเลือกสำหรับการใช้งานเชิงพาณิชย์
- บทสรุปสำหรับผู้ปฏิบัติงาน มองการแก้ไขด้วย AI เป็นโครงสร้างพื้นฐานที่น่าเชื่อถือ ลงทุนในการทำเวิร์กโฟลว์ให้เป็นอัตโนมัติ และมุ่งวิจารณญาณของมนุษย์ไปที่การตัดสินใจเชิงสร้างสรรค์
แหล่งข้อมูล
- Artificial Intelligence Index Report 2025 — Stanford HAI
- C2PA Technical Specification: Content Provenance and Authenticity — Coalition for Content Provenance and Authenticity
- State of AI Report 2025 — Air Street Capital