AI Photo Editing Year Two: What the Next 12 Months Will Bring

12个月前与现在的对比：加速曲线

2025 年中，AI 照片编辑的状态令人印象深刻但参差不齐。背景移除在干净、高对比的主体上运作可靠。纯色墙前的一个人、白桌上的一件产品——但在头发、半透明织物和复杂前景等细节上吃力。Boost 能提亮和锐化，但常常过度校正，产出看起来更像被处理过而非自然。对象移除在简单情形下成功，在复杂情形下明显出现幻觉。这些工具确实能用，但你必须了解它们的局限并绕开它们。

十二个月后，局面已发生实质变化。背景移除如今能处理头发、毛发、玻璃。以一年前需要在 Photoshop 中手动抠图才能达到的精度处理半透明物体。Boost 模型学会了克制——它们改善图像却不让其看起来明显被 AI 处理过。对象移除处理多对象场景、反射和阴影，失败率约为十二个月前的三分之一。这些改进单独看并不具革命性。在整个工具栈的每个工具上累加起来，它们把用户与软件的关系从谨慎试探变为自信依赖。

加速曲线值得理解，因为它塑造了接下来该期待什么。基于扩散模型的工具的模式一直保持一致：突破之年（2023 年，商用质量的扩散模型问世），证明之年（2024-2025 年，工具必须为真实工作流展现可靠性）。累积增益之年（2025-2026 年，整个工具栈上的渐进改进累积成可用性的质变）。第二年——即将到来的十二个月——是整合之年：在这一时期，单个工具的改进不如它们如何组合成端到端工作流来得重要。

• 背景移除：从仅限干净主体，到对头发、毛发、玻璃和半透明材质均可靠。
• 增强：从激进的过度校正，到克制、看起来自然的改善。
• 对象移除：失败率在十二个月内下降约 3 倍。
• 模式：突破（2023）、证明（2024-2025）、累积增益（2025-2026）、整合（2026-2027）。

比预期更快成熟的技术——以及仍在追赶的技术

有两个能力领域超出了大多数预测。背景移除达到生产质量的速度，比模型团队之外的任何人预期的都快。到 2025 年底，月费 300 美元的修图工作室与浏览器中一键工具之间的精度差距，在 85-90% 的常见用例上已基本弥合。第二个领域是一键 boost。即提交一张平庸的照片，便在一次处理中收回曝光、白平衡、锐度和降噪都已校正的版本。2026 年的 Boost 模型产出的结果不仅在技术上有所改善，在美学上也连贯一致。这是个比听起来更难的问题。

有三个能力领域仍在追赶。视频编辑——在帧之间应用一致的编辑——对短片段（15 秒以内）可用，但对更长的内容仍然脆弱且昂贵。时间一致性（确保被移除的对象保持移除而不在帧间闪烁）是一个活跃的研究领域，尚无面向通用用途的生产就绪方案。3D 感知编辑。理解场景的空间结构并在编辑时考虑深度——已在研究论文中出现，但对商用工具尚不够可靠。而精细控制——即能告诉模型你究竟想如何改变某物，而非接受它的最佳猜测的能力——仍是 AI 编辑与 Photoshop 手动操作之间最大的差距。

精细控制的差距值得强调，因为它界定了谁能仅依赖 AI 工具与谁仍需传统软件之间的边界。如果你需要把一个对象向左移三英寸、只压暗一张脸右侧的阴影，或调整某一特定区域中某一特定颜色的饱和度，2026 年的 AI 工具要么做不到，要么做得不可靠。这些在 Photoshop 中都是常规操作。2027 年的可能走向是，通过区域级提示界面，控制的精细度将大幅提升。与手动编辑完全对等大概是 2028-2029 年的里程碑。

• 领先于计划：背景移除（85-90% 的情形达到生产质量）、一键增强（在美学上连贯，而非仅在技术上改善）。
• 落后于计划：视频编辑（超过 15 秒的片段时间一致性未解决）、3D 感知编辑（仅处于研究阶段）、精细空间控制（相对 Photoshop 的最大差距）。
• 精细控制是最能界定谁可以纯靠 AI、谁仍需手动工具的能力。

未来12个月值得关注的新兴能力

四项新兴能力已从研究好奇心走向早期产品阶段，并有望在未来十二个月内达到可用的成熟度。

定价、可及性和创作者经济影响

AI 照片编辑的价格走向清晰且在加速下行。每次编辑的推理成本在 2024 年到 2026 年间于 API 层下降了约 10 倍。这种压缩尚未完全传导到消费价格。大多数工具的无限访问仍收取每月 15-25 美元——但竞争压力与硬件成本的持续下降，将在 2027 年中前把无限个人套餐压到每月 10 美元以下。对团队而言，全功能访问的每席位价格正向每用户每月 8-15 美元收敛，而十八个月前为每用户每月 25-40 美元。

可及性的转变与价格的转变同等重要。基于浏览器的工具消除了对强大本地硬件的需求。移动优先的界面让专家级编辑在手机上可用。学习曲线也坍塌了——Photoshop 需要数周学习才能上手，而现代 AI 工具只需几分钟。净效应是可达质量的下限大幅抬升。一个用手机相机和免费档 AI 工具的初次使用者，如今能在社交媒体观看距离上产出看起来专业的成果。上限（熟练专家用高端工具能达到的水平）变化不大。在常见用例上，下限抬升到与之相接。

特别就创作者经济而言，这种平民化是一把双刃剑。一方面，更多人能产出看起来专业的内容。它降低了新创作者、小企业和个体创业者的进入门槛。另一方面，胜任的视觉内容供给增加，抬高了脱颖而出的门槛。如果人人的产品照片都干净且光线良好，差异化便从生产质量转向创意视野、品牌一致性和叙事。第二年中获益最多的创作者，不是最先采用工具的人（那种优势已在第一年兑现），而是把工具融入独特创作工作流、产出令受众一眼认出是其专属的人。

• 预计无限个人套餐到 2027 年中降至每月 10 美元以下；团队套餐向每用户每月 8-15 美元收敛。
• 基于浏览器和移动优先的访问消除了硬件门槛；学习曲线门槛随之坍塌。
• 在常见用例和通常观看距离上，可达质量的下限抬升至专业上限。
• 差异化正从生产质量（如今已商品化）转向创意视野、品牌一致性和叙事。

企业采用和监管格局

AI 照片编辑的企业采用沿着可预测的行业脉络加速。电商领先——每周处理数千张产品图的零售商，对自动化编辑流水线有着最清晰的投资回报理由。房地产紧随其后，受虚拟布景经济性的推动（在自动化工作流中从每张 40 美元降至每张 2 美元以下）。媒体制作公司是第三个快速行动者，利用 AI 工具大规模加速广告、编辑和社交内容的后期制作工作流。

三个垂直领域的模式相似：企业从狭窄的用例起步（产品图的背景移除、房源的虚拟布景、广告创意的批量 boost），衡量成本与质量的结果，再在 6-12 个月内扩展到更广泛的工作流自动化。多数企业采用中的阻碍不是技术能力而是集成。把 AI 编辑流水线接入组织已在使用的现有 DAM（数字资产管理）、PIM（产品信息管理）或 CMS。第二年赢得企业客户的工具，将是拥有最佳 API 接口和集成业绩的工具，而未必是单张图演示最惊艳的那些。

在监管方面，有两项进展将塑造未来十二个月。首先，欧盟《AI 法案》针对 AI 生成与 AI 修改内容的透明度要求，在 2026-2027 年从指引转为执行。这意味着修改图像的工具将需要嵌入来源元数据。最可能通过 C2PA（内容来源与真实性联盟）标准——表明编辑过程中使用了 AI。其次，多个美国州（加利福尼亚、伊利诺伊、纽约）正在推进立法，要求对房地产、广告和产品列表中的商业图像披露 AI 标注。实际影响：到 2027 年中，不嵌入来源元数据的工具将在受监管的垂直领域面临合规摩擦。尽早构建 C2PA 支持的工具将拥有结构性优势。

• 电商、房地产和媒体制作是企业采用最快的三个垂直领域。
• 企业的阻碍是集成（DAM/PIM/CMS 连接），而非能力——最好的 API 胜出。
• 欧盟《AI 法案》的透明度要求在 2026-2027 年转入执行；C2PA 来源元数据成为基本门槛。
• 州一级的 AI 标注立法正在加利福尼亚、伊利诺伊和纽约就商业图像推进。
• 尽早嵌入来源元数据的工具将获得结构性的合规优势。

Magic Eraser正在构建的方向

Magic Eraser 对第二年的方针，反映了本文所述的同一论点：价值正从单个工具的能力转向一体化工作流的质量。我们的产品路线图围绕三条原则展开。第一，工作流层面的思考——让串联移除、增强、扩展变得轻松。把 Fill 纳入可重复的流水线，而非将每项当作独立工具对待。第二，把速度当作功能——持续压低推理延迟，使编辑感觉像交互而非事务。第三，可及性优先的设计——确保工具在移动端运作良好、无需学习曲线。在第一次尝试而非第三次就产出专家级成果。

具体而言，Magic Eraser 未来十二个月将包括面向电商和房地产工作流的更深入批处理能力、面向更复杂生成场景的扩展 AI Fill、对 AI Enhance 的持续改进——侧重看起来自然的输出而非激进的处理。实时编辑界面的早期工作。我们也在朝 C2PA 来源支持迈进，因为我们相信内容真实性元数据将成为基本期待，而非高级功能。

更宏大的愿景很简单：每一个需要编辑照片的人。无论是在上架产品、推广业务、创作内容，还是整理一张个人图像——都应能在几秒内、在任何设备上、以无需商业理由来证明其合理性的价格，获得专家级的成果。第一年证明了技术可行。第二年则在于让它处处可用、人人可用，并成为人们已在使用的工作流的一部分。

• 工作流层面的整合：把移除、增强、扩展和 fill 串联成可重复的流水线。
• 把速度当作功能：把推理延迟推向实时交互式编辑。
• 可及性优先：在移动端、第一次尝试、无需学习曲线即得专业成果。
• 即将推出：更深入的批处理、扩展的 AI Fill、看起来自然的 AI Enhance、早期实时编辑，以及 C2PA 来源支持。