（来源：上观新闻）
系好安🈚🥌全带吧🇧🇭🌳 其实，Imag👏e 2已经火了🥊🚧一段时间了🇷🇴。他还反🥢驳了软件公☘🐟司会被AI👨🦲消灭的悲观论🐷：他认为AI 😓🔕Agen⚜⛲t数量🥿☑会指数🍜级增长，工具调🍕用量也📝㊗会随之暴增🕥😃。抖音集团副➕总裁李亮亲自🗒下场发🙉🎦文，明确指出👍该报道严📼重失实😞。02 为什👩🦱么“光会说😏”不够？ 🦐🚃传统大模5️⃣型本质上是一本百🏴🗽科全书，在文字🏞🖥级别的互动和问答🤩上没有问题，但⛎✏存在短板：被⛑🚶动式，无法主动🦒；工具🇸🇽能力弱；也不是👩为学习🍕场景做专业设🗨👩👩👦👦定🤼♀️。在模型🏗🙋♂️架构上，Fit🦓♓-VTO基🥪😯于Flux🇲🇻.1-dev👜🌵的多模🚒🇺🇾态扩散变换器↩🌓骨架，人物😡参考图的编📔码与目标图片在🎴通道维度上拼🦃🧪接（因为两🇺🇾者在空间上是像素👨✈️对应的📧），而🈵🚖服装图的编码则🚏与其他信息在🇪🇨‼序列维度上拼接👩👩👧👧🏴（因为服装图在🕘空间上并不🧓直接对应🏚👑目标图🗄片，需🕳要先经过模型自🕦行"对齐"）🏊。
简单来说，就🧜♂️❓是将数据拆解🏢成机器👩👩👦👦🐋人更易“消🃏化”的结构🐘🍭化信息： 🇬🇼🇯🇴宏观层（意图🎓🛋）：自然语言描🏄述整体任💟务目标🌩🕉，如“抓取并🍺🥌放置苹果📂”⏹。对于像设计这🔻类场景来说，文字🙋本身就是🦢📸除视觉之外很重👩👦要的一个信📰🌶息模态💋。作为真格基🙃💦金00☹后计划的🏘负责人，在他看💥来，创业🚵者难以🈲💤被“孵化”，🍍🌀创业的本质❇↪是“干中🇹🇳🏝学”，很难通过🇱🇮🙎提前设计路🎄🇹🇨径来完成🏖🧂。
