很多人判断 AI 产品时，还停留在一个问题： 这个聊天机器人回答得准不准？ 但用户真正愿意下载、打开、分享的功能，可能正在从“聊天”转向“视觉”。 TechCrunch 引用 Appfigures 的报告说，图像模型发布给 AI 移动应用带来的下载增长，是传统模型升级的 6.5 倍。 这个数字很有意思。 因为它说明一件事：普通用户对 AI 的感知，不一定来自“模型参数更强了”，而是来自“我马上能看见效果”。 比如一张图能不能生成海报？ 一张截图能不能读懂？ 一张表格能不能整理？ 一个网页截图能不能还原成 HTML？ 这些事情比“模型推理能力提升 10%”更容易被用户理解。 这也是 DeepSeek 识图模式值得关注的原因。 目前公开报道里提到，DeepSeek 正在网页端和 App 端灰度测试“识图模式”，可以上传图片，做 OCR、表格解析、网页截图转 HTML 等任务。但也有报道提醒，它在部分任务里仍然存在幻觉和过度推理问题。 所以我不会把它讲成“DeepSeek 已经全面补齐多模态”。 更准确的说法是： DeepSeek 正在补一个很关键的入口。 过去 AI 的主入口是文字输入框。你要会提问，会描述需求，会把问题拆清楚。 但视觉入口不一样。 用户不需要解释太多，只要上传截图、拍照、丢一张表格，AI 就可以直接进入任务现场。 这对普通用户更友好，也更容易形成传播。 我觉得未来 AI 应用的竞争，会越来越像这样： 文字问答负责深度思考，视觉模型负责低门槛入口，Agent 负责把结果真正执行下去。 谁能把“看见、理解、操作”连起来，谁就更接近真实生产力工具。 你平时最想让 AI 帮你处理哪类图片：截图、表格、票据，还是设计图？ #AI #DeepSeek #多模态AI #图像生成 #人工智能 #小红书科技AMA #AI人工智能 #AI工具 #大模型 #ai