阿里Qwen-Image-Layered发布：AI生图自带图层，PS遭降维打击？

type

status

date

slug

summary

传统的扩散模型在生成图像时，是将所有元素“焊死”在同一张画布上的。对于模型而言，主体、背景、文字都是同一层像素的集合。这意味着，当你想要修改画面中的某一部分时，模型必须重新“猜测”被遮挡或修改区域的像素应该长什么样，这不可避免地会导致画面的崩坏或扭曲。

Qwen-Image-Layered 的核心突破在于，它在生成图像的同时，能够在内部实现图层的拆解。它生成的不再是一张JPG，而是一组带有透明通道（RGBA）的图层集合。AI终于“看懂”了什么是前景的主体，什么是漂浮的文字，什么是作为底色的背景。

这种技术逻辑的转变，让许多以前让AI抓狂的操作变得轻而易举。因为有了独立的RGBA通道，AI在处理图像时天然具备了物理隔离的属性。

基于分层生成的逻辑，Qwen-Image-Layered 带来了所谓的“零漂移编辑”体验，这对于追求精准控制的专业设计领域来说，无疑是一个巨大的诱惑。

精准换色与材质替换：如果你想给画面第一层的人物换件衣服颜色，模型只需要处理该图层的像素，底层的背景和顶层的文字层完全不受影响，根本不会发生传统AI重绘中常见的“光影偏移”。

元素自由移动与缩放：由于物体是独立的图层，你可以在AI生成的画布里自由拖拽物体、放大缩小，甚至删除某个元素。在传统的扩散模型里，移动物体必然会在原位置留下空洞或扭曲的伪影，但在 Qwen-Image-Layered 中，模型知道每一层后面“盖着”什么，因此能实现无缝衔接。

尽管功能听起来像是设计师的福音，但阿里的这个“黑科技”目前并非人人都能触手可及。根据技术报告和社区反馈，要在本地流畅运行 Qwen-Image-Layered，硬件门槛极高。

目前在16位浮点精度下，该模型需要消耗高达 31GB 的显存。这意味着，绝大多数消费级显卡（如RTX 4090）都难以在本地满血部署，除非你拥有昂贵的专业计算卡。这一硬件门槛，暂时将绝大多数普通用户和独立设计师挡在了门外。

此外，该模型目前更像是一个针对特定场景（如UI设计、海报制作）的“专家”。对于边缘清晰、语义明确的平面设计，它的分层效果惊人；但面对光影关系极其复杂、虚实结合的艺术摄影或绘画，其拆图精度和融合度仍有待提升。目前的逻辑更接近于“拆图重绘”，即在追求极致精准时，用户依然需要面对AI生成的不确定性。

Qwen-Image-Layered 的出现，引发了一个行业深思：AI厂商拼命往PS的地盘里钻，究竟是想取代专业软件，还是仅仅在为现有的生图流程打补丁？

对于设计师而言，真正的需求不仅仅是生成一张好看的图，而是需要“可编辑的素材”。不可编辑的图片在商业交付中往往等同于废纸。Qwen-Image-Layered 能够完成换色、移动、分层输出，这标志着AI资讯领域关注的焦点正从“生成质量”向“可控性”转移。

虽然目前30多GB的显存门槛让其难以普及，但随着模型开源，社区的优化力量不可小觑。未来大概率会出现经过量化、蒸馏的轻量化版本。一旦显存门槛降至12GB或16GB的主流水平，Photoshop苦心经营多年的“图层”护城河，恐怕真的会开始松动。

届时，设计师的工作流可能真的会变成：动动嘴发布Prompt，让AI生成分好层的源文件，然后在图层面板里进行简单的微调。这种只给结果、极大简化过程的创作方式，是会解放创造力，还是制造更多的工业流水线产品，值得我们持续关注。

想要了解更多关于大模型、OpenAI动态以及前沿AI新闻，请持续关注 AIGC.BAR，我们为您提供最新鲜的AI资讯和深度解读，助您在人工智能时代保持领先。