📚 本文是《AIGC 人话系列》第 11 篇
系列目录：01 内容理解｜02 RAG｜03 三招选型｜04 工具清单｜05 文档问答｜06 踩坑｜07 行业观察｜08 本地跑模型｜09 Token 计费｜10 推理加速｜11 AI 生图（本篇）前面十篇，讲的全是文字模型。这篇换个模态：图。
你能一眼认出 AI 图，但说不出为什么
刷到一张图，你大概三秒钟就能判断「这是 AI 画的」。
但如果有人追问一句「你从哪看出来的」，大多数人会卡住，只能憋出一句「就是感觉」。
这个「感觉」其实很具体。它不是玄学，是五类可以拆开的视觉证据。这篇把它们一个个拆开讲，顺便说清一件事：为什么这两年 AI 图越来越难认了。
先说个根本原因：AI 在画「平均值」
扩散模型训练时干的事，本质上是学习一百万张图共同长什么样，然后从那个「共同长相」里采样出新的一张。
打个比方：把一万张好评照片叠在一起，取平均。
你会得到一张什么样的脸？皮肤没有毛孔（毛孔位置各不相同，平均掉了）、没有痘印、没有不对称、光线完美均匀、五官比例绝对标准。
这张平均脸，技术上「最正确」，但没有人味。因为它把所有人的特征都磨掉了。
「塑料感」最直观的来源就在这里：它不是画得不好，是画得太平均。
人脸上那些「不完美」——毛孔、细纹、轻微的左右不对称、油光、小痣——恰恰是最难被平均掉的，也是真人照片里最真实的部分。
五个破绽，一个个拆
破绽一：皮肤像磨过皮，而且是磨过头的。
真人皮肤有纹理：毛孔、绒毛、色斑、油光不均。多数默认设置下，AI 的皮肤是均匀的、通透的、像塑料或者蜡。
原因上面说了——纹理是高频细节，位置随机，一平均就没了。而模型的训练目标恰恰是「像大多数样本」。
破绽二：光线不讲物理。
这是最硬的一条证据。真实世界里，一个场景的光源方向、强度、色温通常是一致的（多灯布光也要服从同一套逻辑）：光源在左上方，那所有阴影都朝右下方，所有高光都在左侧。
模型不理解物理，它只理解「像不像照片」。所以它会画出：
- 脸上有窗口光，但眼神光的方向对不上
- 头发上有逆光，但背景里没有光源
- 左脸亮右脸暗，但鼻子的高光在正中间
- 多个物体的阴影互相矛盾
看阴影方向对不对，是我判断 AI 图最快的一招。
破绽三：局部会崩，而且崩得很突然。
整体看着完美，一放大就完蛋。最容易崩的地方有个共同点：结构复杂 + 训练样本少 + 细长交叉。
| 高危区域 | 为什么 |
|---|---|
| 手指 | 姿态太多、遮挡关系复杂 |
| 文字 | 需要精确的字符结构，模型只会「画得像字」 |
| 眼镜腿 / 耳环 | 细长、要和脸型正确穿插 |
| 鞋带 / 项链 | 交叉结构，容易连成一片 |
| 背景人群 | 远景人脸，分辨率不够就糊成一团 |
这类错误有个特点：远处的、小的、次要的地方往往先崩。 因为在潜空间里，小区域被压缩得更狠，能分到的像素和信息本来就少。
破绽四：构图太规矩，规矩得像教科书。
训练集在筛选时，本身就把「主体清晰、构图标准」的图留下了；后面的偏好打分又加固了一遍。模型学到的是这套「安全构图」。
于是 AI 图经常：主体常常在正中间、地平线常常水平、对称得过分、背景干净得不像话。
真人拍的照片往往是「不完美构图」——主体偏一点、地平线歪一点、背景乱一点。这种「不完美」反而成了真人味。
破绽五：色彩太亮、太饱和、太锐。
这一点跟「人类打分」有关。模型在后期会被人类偏好数据调教过，而人看到第一眼时，普遍会给「亮、艳、锐、对比强」的图打高分。
所以模型学会了：往鲜艳的方向偏一点，分数就高一点。
结果就是那股熟悉的「AI 味」：过饱和的天空、发光的边缘、HDR 感、清晰得像刚擦过镜头。
那为什么现在越来越难认了
如果你拿 2023 年的模型和现在的比，会明显感觉进步。原因有三个，都不是玄学：
第一，架构换了。 从 U-Net 换到 DiT（Diffusion Transformer）：U-Net 以卷积为主，感受野要靠层数一层层堆；DiT 每一步都能直接看全图，全局的一致性因此稳得多。这是架构层面的变化，不是调参调出来的。
第二，文字理解强了。 文本编码器换成更强的模型之后，它对「逆光」「抓拍」「手机拍的」这类摄影语言的理解变准了——你让它不完美，它真的会给你不完美。
第三，也是最关键的：人类偏好的对齐。 大量「哪张更像真的」的人工标注，直接把「AI 感」当成了负样本在压制。
所以现在的情况是：在小图、社交媒体尺寸、快速滑动的情况下，你已经很难分辨了。 只有在放大看手指、看文字、看阴影逻辑时，才会露出马脚。
10 秒判断顺序：从最容易露馅的地方开始
说了这么多，真到用的时候只需要一个顺序。我自己的习惯是从「最硬的证据」往「最软的印象」排：
- 先看阴影方向。 一个场景里的光只有一个主方向，所有阴影必须朝同一个反方向，高光和光源位置要能对上。这条最快，也最不容易误判。
- 放大看手，和画面里出现的文字。 手指数目、关节朝向；文字只要出现了，放大看笔画有没有粘连、有没有「像字但不是字」。
- 扫一遍远景。 背景人群的脸、耳环、眼镜腿、鞋带——模型投入最少的地方，往往崩得最明显。
- 最后才看皮肤。 有没有毛孔、细纹、油光不均。这一步已经开始接近「感觉」了，别第一个用。
- 构图和色彩放最后。 太居中、太对称、太艳，只能算加分项，当不了决定性证据。
顺序反了最容易误判：先看皮肤觉得「挺真实」，再看构图觉得「有点假」，最后得出一个自己都不确定的结论。
记住一条：只有前三步能找到「具体错在哪」，才算证据；后两步只能算怀疑。
如果想让自己的图「不那么 AI」
四个真能起作用的操作，按效果排序：
| 做法 | 具体怎么做 | 效果 |
|---|---|---|
| 提示词里写「不完美」 | 加：抓拍、自然光、轻微噪点、胶片颗粒、皮肤纹理、手机随手拍 | 最有效 |
| 降低引导强度（CFG） | 从 7 降到 3～5，模型更「放松」，不那么刻板 | 明显 |
| 破坏对称构图 | 明确写偏构图、俯拍、手持视角、主体靠边 | 中等 |
| 后期加噪 / 二次压缩 | 叠 1%～2% 噪点，或重新压一次 JPEG，破坏「过度锐利」 | 中等 |
表里的数值是经验区间，不是官方推荐值——不同模型的甜点不一样，按自己的模型微调。
更常见的坑在提示词本身，而且正反两个方向都在往里推：
- 正向提示词里堆「光滑、完美、超清、HDR、8K」——等于直接点名要塑料感
- 反向提示词里写「噪点、颗粒、模糊、低质量」——等于把真实纹理当成缺点压掉
很多人一边这么写，一边抱怨图太假。
泼点冷水
第一，这份破绽清单会过期。 上面每一条，都在被下一版模型针对性地修。拿它当科普可以，当鉴定标准不行。
第二，「像 AI」不能当证据。 已经出现过把真人照片、手绘插画误判成 AI 的事。真正的鉴定要看生成痕迹、元数据、以及多张图之间的一致性——不是靠「感觉像」。
第三，最该警惕的不是假图，是「平均审美」。 当越来越多人用同一个模型出图，我们看到的东西会越来越像。技术问题会修好，这件事不会。
👋 这个系列叫《AIGC 人话系列》，目标是把 AIGC 讲成人话：不背术语、不堆榜单，每篇只讲清一件事，配一个能直接抄走的判断方法或模板。对你有用的话点个关注。
你最近一次认出 AI 图，是靠哪个细节？手指、文字，还是阴影方向？评论区说说，我整理一份「一眼识图」的对照表。
