ChatGPT
Perplexity
Claude
Gemini
再也没人相信完美的画面了。一段时间以来，每个新图像和视频模型的卖点都如出一辙：更锐利、更干净、更逼真、更少瑕疵。分辨率不断攀升，人脸在越来越多场景中保持连贯，光照也比两年前正确得多。而就在这一切进步之中，奇怪的事情发生了：技术上的完美不再是可以炫耀的资本。
早在生成式模型出现之前，摄影师们就遇到过完全相同的矛盾，而他们所选择的方向正是图像与视频生成走向的最清晰预告。Fstoppers 的 Alex Cooke 一直在 追踪变化 among working photographers away from flawless retouching and toward images that keep their rough edges, things like a missed focus point, an unretouched tear, a hand slightly blurred mid-motion. His argument is that AI didn't just get good at photography, it got good at the specific kind of photography that used to signal skill. Once software can smooth skin, fix a horizon, and match color across a hundred images in the time it takes to make coffee, flawless execution stops signaling that a professional made something and starts signaling that it might have been generated instead. Cooke's point isn't that photographers should get sloppy; it's that the thing a viewer used to read as competence now reads as 可疑，而曾经看起来像是错误的东西，如今却读起来像是 实证 真的有人到过现场。
类似的情况也在 AI 图像生成本身发生，只不过更高一个层次：随着模型越来越擅长渲染一张脸或一个场景的客观正确版本，它们也越来越像什么都不是。这就是人们一眼就能看出、并称之为 AI 垃圾的那种特有的、光滑到发亮、过度对称的质感。SCAD 美容与香氛商业项目系主任 Dominica Baird 指出 摄影术刚诞生那会儿，画家们花了好一阵子想在写实上超越相机，最后才放弃这场较量。他们转而走向抽象、象征与表现——去做一切相机做不到的事。如今大致相同的转变正在发生，只是登上了更高一级台阶：AI 吸收了「技术上正确」的部分，而技艺则转向那些具体、经过挑选、略带瑕疵的东西——除非你主动要求，模型不会自己生成的那种。
在美学之下真正起作用的，与其说是外观，不如说是它证明了什么。一张裁切略有偏差、带点颗粒感、节奏拖长了半秒的图像，会让人读出背后有人在做决定：一遍，再一遍，选择把某个东西留下，而不是抹平它。粗制内容之所以显得粗糙，并不是因为它丑。很多粗制内容在技术上堪称完美无瑕。 它之所以显得粗制滥造，是因为一眼就能看出这是 一键完成，一次生成而已，无论背后的 prompt 写得多用心。 正是这些不完美，向观众传达出从创意到眼前作品之间经历了不止一次决策，而这道差距——单次生成与精心雕琢之间的差距——正是真正好作品与普通作品的分界所在 赢得 能赢得几秒钟注意力的作品，和赢不来的作品。
同样的机制也开始出现在视频领域，只是比图像稍慢一拍。摄影和图像生成率先走通了这条路，视频还在摸索中，但追赶得足够快，今年的动态设计报道里已经开始出现同样的说法。 Envato 自家的 2026 趋势报告将"通过不完美体现真实感"列为 是当下视频领域最具代表性的转变之一：用手持镜头的晃动取代云台般的顺滑运镜，保留原始剪切而非把它修掉，把自然的停顿和背景杂音留在成片里，用“无稳定器、无布景”拍出的可穿戴 POV 画面。Envato 对其原因的解读很直白：“不完美本身已成为一种美学。它传递出信任、亲近感与真实感。”
就连开发 AI 视频工具的公司，也从内部得出了同样的解决方案。 invideo 的创意总监 Hridaye 描述了他们的工作流程 比如加一点模糊、再叠一层颗粒感，直到生成的片段更接近实拍电影，而这套思路几乎和 Cooke 关于摄影的观点完全一致。正如 invideo 自己的解释所说，AI 画面「没有传感器噪点，没有化学结构，没有有机瑕疵」，正是这种缺失「让人还没说清原因，就先觉得‘假’」。
不过，这一切都不是勾选一个复选框就能搞定的，有必要坦诚地看清这个想法的局限所在。传播策略师 Shaunta Garth 曾 提出了相反的观点 关于品牌刻意制造的不完美：一旦粗糙感变成公式，仅仅因为趋势报告这么说而被套用，它就不再是某种决策的印证，而变成又一个预设，和它所取代的那份光滑一样空洞。给一张原封未动的初次生成图叠上颗粒滤镜，仍然只是一步到位的产物，只是换了个滤镜而已，因为这份不完美本身就是 从不 真正的重点。真正重要的，是它背后的反复打磨。
Which is the actual craft lesson, for images and video both: the goal isn't imperfection for its own sake, it's a body of decisions a model wouldn't have made on its own. Describe the conditions of capture instead of the result, not "a beautiful portrait" but the specific lens, the specific light, the specific flaw you want in the frame, and do the same with motion: not "cinematic camera movement" but the sway of a hand actually holding something, the pause before someone speaks, the cut that runs a beat long because that's how it happened. Push past the first clean output. The second or third pass, where you start pulling the piece away from its most polished default, is usually where the real decisions live, and that's true whether you're working in GPT Image 2 and Nano Banana Pro or Kling 3.0 and Seedance 2.0.
这些都不是关于 AI 作品该长什么样的硬性规定。很多作品本就该干净、明亮、精致，这也是完全正当的选择——只要它是用同样的方式做出的：出于本意，经过几轮打磨，而不是一次成型。重点从来不是说干净是错的，而是干净已不再能证明任何东西，因为模型无需你动手就能给你一张干净的画面。真正依然需要付出的，是那些选择。 你，这些细节单靠一次生成是做不出来的，除非你回头去反复打磨，而正是这些细节让作品开始有了独属于某个人的印记，也是观众判断它是否 值得一看.