谷歌市值沖上3萬億美元的同時，旗下的“殺手級”AI應(yīng)用也超越ChatGPT，成功登頂蘋果應(yīng)用榜第一名。

最新數(shù)據(jù)顯示，在美區(qū)AppStore中，谷歌旗下大模型應(yīng)用Gemini的下載量已超過OpenAI的ChatGPT，成為免費榜排名第一的應(yīng)用。此外，在加拿大、印度、摩洛哥等國家，Gemini同樣實現(xiàn)了登頂，打破了ChatGPT自發(fā)布以來長期的壟斷地位。

這一超越背后，離不開谷歌推出的爆款圖像編輯產(chǎn)品Nano Banana（納米香蕉）。今年8月26日，谷歌DeepMind發(fā)布新一代AI圖像生成與編輯模型Gemini 2.5 Flash Image。這一模型的代號為“Nano Banana”，在圖像質(zhì)量、編輯控制和應(yīng)用場景上有大幅改進，一推出就受到了用戶的熱烈追捧。9月4日，谷歌實驗室副總裁Josh Woodward透露，自該功能上線以來，已累計完成超2億次圖像編輯，帶動超1000萬新用戶嘗試Gemini應(yīng)用。

浙商證券研報分析稱，和此前的多模態(tài)模型相比，Nano Banana在以下技術(shù)層面有所提升。1）自然語言驅(qū)動圖像編輯：Nano Banana允許用戶通過一句簡單的自然語言指令實現(xiàn)精準(zhǔn)編輯，無需傳統(tǒng)圖層或遮罩操作。2）角色一致性與場景融合：模型在連續(xù)編輯中能夠保持人物面貌與特征一致，確保角色在不同場景和動作中保持統(tǒng)一識別度。這一特性在品牌角色創(chuàng)作、情景劇本生成等應(yīng)用中尤為關(guān)鍵。3）多圖融合與世界知識注入：支持將多個圖片在同一畫面中融合，自然過渡；同時，基于Gemini的世界知識，模型能理解復(fù)雜場景并執(zhí)行符合現(xiàn)實邏輯的編輯任務(wù)。4）降低3D建模門檻：傳統(tǒng)3D建模需專業(yè)技能，而Nano Banana生成的2D設(shè)計圖已包含結(jié)構(gòu)、光影、材質(zhì)等關(guān)鍵信息，建模師可快速將其轉(zhuǎn)化為3D文件。

記者搜索發(fā)現(xiàn)，Nano Banana自上線以來，各大網(wǎng)絡(luò)社區(qū)平臺的用戶均分享了許多由其制作的圖片，效果十分驚艷。例如上傳一張圖片，并提示“把我的寵物變成包裝旁邊的塑料玩偶”，即可生成一張高清的3D寵物手辦圖片。

再比如，輸入提示詞“將我手中的物體變成3D透明線條藝術(shù)全息圖”，Nano Banana也能準(zhǔn)確地理解提示詞的含義。

Nano Banana的火爆出圈，與數(shù)月前GPT-4o推出圖像生成功能并引發(fā)“吉卜力”風(fēng)格AI圖片創(chuàng)作風(fēng)潮十分相似。吉卜力風(fēng)格是指日本吉卜力工作室創(chuàng)作的動畫藝術(shù)風(fēng)格，該工作室由宮崎駿與高畑勛于1985年創(chuàng)立，代表作包括《千與千尋》《龍貓》等。由于過于火爆，OpenAI首席執(zhí)行官山姆·奧特曼當(dāng)時也火速換上了這一風(fēng)格的頭像。奧特曼還發(fā)貼稱，ChatGPT一小時就新增了百萬用戶，其活躍用戶、App下載和訂閱收入都在吉卜力效應(yīng)當(dāng)周創(chuàng)下了歷史紀(jì)錄。

業(yè)內(nèi)人士分析稱，谷歌Nano Banana能夠在全球走紅，源于其在AI生圖領(lǐng)域重構(gòu)了用戶的體驗范式，實現(xiàn)了從“復(fù)雜工具欄”到“一句自然語言”、從“渲染緩慢”到“秒級出圖”、從“效果不穩(wěn)定”到“跨圖一致性”等一系列突破，大幅降低了使用門檻和成本。

值得注意的是，受益于反壟斷裁決結(jié)果好于市場預(yù)期以及Nano Banana的良好市場表現(xiàn)，谷歌股價近期持續(xù)上漲。周一（9月15日）早些時候，花旗集團分析師Ron Josey將谷歌母公司Alphabet目標(biāo)價從225美元上調(diào)至280美元，理由是“隨著Gemini在廣告與云業(yè)務(wù)中的采用加速，正出現(xiàn)更快的產(chǎn)品開發(fā)周期”。

此外，Nano Banana的爆火，無疑再一次點燃了圖像生成視頻賽道的戰(zhàn)火。記者注意到，最近一段時間以來，國內(nèi)大模型廠商也紛紛對標(biāo)Nano Banana，推出了相應(yīng)的圖像生成模型。

例如，9月9日，字節(jié)跳動Seed團隊宣布推出豆包圖像創(chuàng)作模型Seedream 4.0。據(jù)介紹，Seedream 4.0可靈活支持文本、圖像的組合輸入，抽取不同圖片元素進行創(chuàng)作，還可一次生成角色連貫、風(fēng)格統(tǒng)一的組圖，實現(xiàn)表情包、連環(huán)畫等各類創(chuàng)意玩法。同日，AI創(chuàng)業(yè)公司生數(shù)科技正式推出Vidu Q1參考生圖功能，正面對標(biāo)Nano Banana，支持單次輸入最多7張圖像作為參考，可自由組合人物、背景與道具，生成細節(jié)精準(zhǔn)、風(fēng)格統(tǒng)一的高質(zhì)量圖像。

華泰證券認為，原生多模態(tài)模型架構(gòu)得到業(yè)界認可，OpenAI和谷歌的原生多模態(tài)模型已經(jīng)在性能、延時、部署上展現(xiàn)出了優(yōu)勢。整體而言，多模態(tài)為主的產(chǎn)品商業(yè)化快于文本產(chǎn)品，從大模型到多模態(tài)已是商業(yè)化的必由之路，多模態(tài)大模型和應(yīng)用發(fā)展的奇點將至。

就投資層面來看，多模態(tài)有望在算力和應(yīng)用兩方面帶來相關(guān)投資機會。算力側(cè)，供給端原生多模態(tài)模型需要比非原生模型更多的算力，需求端視頻的推理算力需求遠大于文字，視頻Agent的落地進一步催生推理算力需求。應(yīng)用側(cè)，供給端國內(nèi)的視頻生成模型領(lǐng)先，需求端廣告、零售、創(chuàng)作、教育等領(lǐng)域均有AI化需求。

校對：祝甜婷