最近朋友圈里突然冒出一堆“AI写真”分享，花9块9上传十几张自拍，就能生成一套堪比海马体、天真蓝的写真大片。从职场形象照到古风汉服，从韩系证件照到赛博朋克，每天一套不重样。我做了多年小程序开发，也折腾过AIGC项目，看到这个产品第一反应是——照相馆是不是真被狙击了？这9.9元背后到底藏着什么技术代差和商业逻辑？这篇文章我不聊虚的，从产品、技术、商业、行业四个维度，把这类AI写真小程序拆开揉碎讲清楚，附上我实际折腾同款项目时的避坑经验，想入局的朋友可以直接参考，想了解行业走向的朋友也能看个明白。
先说个让人惊讶的数据：去年我帮客户做过一次小范围测试，只投放了两三天，成本不到2000块，就拉来了近五千个用户，大部分人是为了那“9块9拍一组写真”。后来虽然因为审核和算力问题暂停了，但这次经历让我对这类产品的底层逻辑有了非常直接的体感。所以这篇文章里写的每一条，基本都是踩过坑之后得出来的，不是网上抄来的概念。
1. 9.9元AI写真小程序凭什么走红
1.1 定价策略和用户心理的“钩子”
9.9元这个数字，很多人第一反应是“便宜”，但做产品的人看到的是心理账户上的巧妙设计。一杯奶茶现在都要十几块，9.9元在人们心里的重量其实已经低到可以忽略不计，但它又不是免费的，还是能筛掉一部分随便玩玩的人，让用户觉得“我花了钱，要认真对待”。这种定价天然适合小额度冲动消费，用户不需要犹豫太久。
更重要的是对比锚点。线下拍一套像样的写真，少说两三百，多则上千元，还要提前预约、现场化妆、挑衣服、选片，折腾大半天。AI写真小程序把“写真”这个词从高端服务变成了白菜价快消品，用户会下意识地计算：9.9元换一组可以发朋友圈的图片，值。这个认知一旦建立，转化率自然高。早期很多同类产品甚至用“1元体验”“免费试拍”来拉新，9.9元已经算是筛选精准付费用户的价格了。
除了价格锚点，还有一个社交货币效应。用户生成的不是一张普通的图，而是一套精心调过风格、看起来很像“专业摄影作品”的照片，发在朋友圈里能收到一堆“在哪拍的”的评论。这时候9.9元就成了一个可以炫耀的谈资，用户会主动帮你做传播。产品的获客成本因此被压得非常低。
1.2 微信小程序的传播裂变优势
这类产品几乎都选择落地在微信小程序，而不是独立App，核心原因是微信生态的传播路径实在太顺了。用户拍完写真，点击分享，可以一键生成带小程序码的分享海报，也可以直接转发给微信群或好友。群里的人点开就能玩，不需要下载App，不需要注册，手机号验证都省了，这种“即开即用”的体验把使用门槛降到了最低。
我实际测试过同类产品的分享链路：用户A生成写真后，把海报发到群里，群友B扫码进入小程序，首页会出现“我也要拍”的按钮，B上传照片后，生成效果好的话，又会发起新一轮分享。这个裂变环只要照片质量不掉链子，就能一直转下去。很多产品还会设置“邀请好友解锁更多模板”，用模板数量做社交裂变激励，效果比补贴现金更持久。
当然，微信小程序也有一些限制，比如部分虚拟内容支付需要走微信支付，iOS上虚拟支付还容易踩审核坑；比如小程序对用户隐私的获取限制比App更严，拿不到相册大图时必须做二次授权。但总体而言，在获客这件事上，小程序依然是AI写真类产品的最佳载体。
1.3 效果对比：比自拍强、比影楼便宜，还能天天换风格
AI写真之所以能让用户觉得“物超所值”，很大程度在于它超越了普通自拍的天花板。手机前置摄像头拍出来的照片，受限于光线、脸型角度、表情管理，大多数人很难拍出“摄影师眼中的自己”。AI通过算法对面部结构进行优化，保留五官特征的同时，把皮肤质感、发型轮廓、光影调度都拉到一个普通人平时达不到的水准，这就是“AI美学滤镜”的魔力。
和影楼相比，AI写真在价格和效率上完全是降维打击。影楼拍一套写真的周期通常是三天到一周，AI写真从上传照片到出片，快的几分钟，慢的半小时。影楼的风格模板受限于服装、实景和摄影师的审美，AI写真的风格模板可以是无限多的，今天韩系证件照，明天复古港风，后天冰雪女王，本质上只是换了一套提示词和风格模型。这种“高频出新”的能力，是传统摄影根本无法复制的。
不过，AI写真目前的短板也很明显，真实的光影层次、实景道具的质感、肢体细节的合理性，跟专业摄影棚拍还有肉眼可辨的差距。但绝大多数普通用户并不会做那么细致的对比，他们只需要一张“像我又比我好看的图”，AI写真恰好精准击中了这个需求。这也是它能走红的原因。
2. 这类AI写真小程序背后的技术实现
2.1 从一张自拍到一套写真的完整链路
很多用户以为AI写真就是把照片丢给大模型，自动出图，实际上背后的流程复杂得多。我拆解一下核心链路，方便想做同款的朋友理解。
第一步是用户上传照片。小程序端拿到照片后，先做一次预检，包括人脸数量、人脸清晰度、是否有遮挡等。这里需要调用人脸检测模型，比如InsightFace、RetinaFace，或者是轻量级的移动端检测模型。检测通过后，照片会被压缩并上传到云端对象存储，避免用户原图直接进入生成队列，既节省流量也方便后续处理。
第二步是人脸关键点分析和特征提取。系统需要从不同角度、不同表情的用户照片中提取出稳定的面部特征向量，这一步非常重要。如果特征提取得不准，后面生成的照片就会“不像本人”。实操中往往会让用户按提示做动作，比如“眨眼”“转头”“微笑”，这样能得到更多维度的人脸信息，方便后续做3D重建或特征融合。
第三步是生成阶段，这是技术含量最高的部分。现在主流方案是基于Stable Diffusion的微调模型，配合ControlNet和LoRA技术。ControlNet负责控制姿势、构图和轮廓，LoRA则用来学习某个特定风格或某个特定人物的面部特征。为了在生成结果中保持用户脸部特征，通常会先把用户的人脸编码进特征向量，在生成时通过Attention机制嵌入到模型的交叉注意力层中，再配合GFPGAN或CodeFormer做人脸修复和增强。出图之后，一般还需要做一次风格化的后处理，让画面更符合模板气氛。
第四步是结果回传。生成完成后，图片会被存储到CDN，再通过小程序内的订阅消息或轮询通知用户“你的写真已经出炉啦”。大多数产品为了避免用户一直盯着等待页，会设计一个“排队中”的动画，让用户先退出，等微信推送通知再回来看结果。
2.2 为什么说“9.9元”能覆盖算力成本
很多人好奇，9.9元连成本都不够吧？其实算力成本没有想象中那么高。以一张512×768的写真相图为例，在中等配置的GPU上生成一次，大概需要几秒到十几秒。如果采用批处理方式，一张A100或4090显卡每小时的出图量可以达到几百到上千张。业内采购的算力成本如果摊到单张，能压到几分钱到一毛钱，这还不算云厂商的闲时折扣。
当然，用户每次生成通常不止一张图，而是六张、九张，甚至一个套餐包含多组模板，那成本就要乘以照片数。但即便是这样，单用户生成成本的合理预估通常也就一两块钱。加上模板是预先设计好的，风格模型和组件可以复用，边际成本会进一步下降。9.9元定价背后，毛利率其实相当可观，前提是你控制好那几个最费钱的地方：GPU利用率、排队等待时间、无效生产次数。
我在实际项目中踩过的坑是，如果不加控制，用户点一次“生成”就发一组任务到GPU，很容易造成高峰期队列拥堵，低峰期GPU空转。后来我们引入了任务队列和动态扩缩容，把生成请求直接投递到消息队列里，由调度器按优先级和当前负载分发给Worker节点。高峰期自动扩容GPU实例，低峰期缩容到个位数，成本立刻降了一个量级。另外，用户上传的图片如果清晰度太差，可以先做超分预处理，否则草率丢进生成模型，出图效果差，用户会反复重试，等于白白烧钱。
2.3 同款小程序开发技术选型：小程序端到云端的一体化方案
做AI写真小程序，技术栈选择上没有太多玄学，关键是要接地气。前端这块，目前主流是原生微信小程序、uniapp或Taro。如果你的产品以后要覆盖抖音小程序、支付宝小程序、鸿蒙或App，我建议直接用uniapp或Taro，一套代码多端打包，能省下不少维护成本。但如果只做微信生态，原生开发在性能和调试体验上其实更好，尤其是涉及比较复杂的Canvas海报生成、图片裁剪和手势交互时，原生组件更省心。
后端我尝试过的方案是用微信云开发，适合快速验证MVP，接入云函数、云数据库、对象存储，不用自己买服务器。但AI写真这类产品对算力要求高，云开发的底层资源不太适合直接跑Stable Diffusion，一般还是把生成服务部署在GPU容器或独立GPU服务器上，再通过云函数或API Gateway做转发和鉴权。数据存储方面，用户上传的照片属于敏感数据，不能堆在普通服务器上，需要单独做加密存储和访问控制。
另外一定要做好请求封装。小程序端不要每次请求都手写wx.request，应该单独封装一层，处理好Access Token自动刷新、请求统一鉴权、错误码解析、超时重试等逻辑。否则后端一旦调整接口，前端就要改一堆页面，维护成本极高。热词里提到的“小程序动态设置标题”“顶部导航栏高度适配”这些看似小事，AI写真这类C端产品其实特别在意，因为用户等待出图时，你如果能在导航栏上显示“生成进度”之类的文字，体验会好很多。
3. 从0到1做一个AI写真小程序的实操流程
3.1 产品原型与核心交互设计
如果你准备做自己的AI写真小程序，第一步不是写代码，而是把产品流程画清楚。我梳理一下这类产品最常见的MVP功能结构：
- 首页：展示示例作品轮播图，突出“9.9元体验价”“爆款模板推荐”，底部固定一个“立即上传照片”的按钮。
- 模板选择页：按风格分类，比如证件照、职业照、古风、情侣、宠物等。每个模板展示3-4张样例图，让用户知道最终效果是什么。
- 上传流程：支持从相册选择或直接拍摄，上传时做人脸检测，不合格的照片给提示“照片不够清晰，请重新上传”。这里可以设置允许使用旧照片，但要提醒用户避免使用模糊或有多个人的照片。
- 确认订单页：展示所选模板、生成数量、总价，底部提示“预计等待3-5分钟”，让用户有心理预期。
- 生成进度页：建议用动画展示“排队中”“正在生成第1张/共4张”，并提示用户“生成完成后将通过服务通知提醒你”。
- 结果页：按照模板类型展示生成的写真，用户可以预览大图、保存到相册、生成分享海报，也可以一键重试不满意的单张。
交互设计上有几个细节非常影响转化。第一，上传照片时最好自带一个示例框，用虚拟人脸演示什么角度最合适，用户照着调整，成功率会高很多。第二，生成等待时间如果超过两分钟，一定要让用户先离开，比如给一个“完成后再来看”的按钮，不要让用户一直盯着一个转圈动画，否则流失率会迅速上升。第三，结果页的分享海报设计要足够精美，因为这决定了裂变效率，至少要有品牌的Logo、模板名称和一句有分享欲的文案。
3.2 后端接口与生成任务调度
后端接口设计上，至少需要这几个核心接口：上传图片接口、创建生成任务接口、查询任务状态接口、模板列表接口、订单支付回调接口。其中生成任务调度是重头戏。
我们采用的是异步任务模型，前端创建生成任务后，后端立刻返回一个taskId，然后把具体的生成参数写入消息队列。Worker从队列里取任务，调用模型服务，生成结束后再把结果图片地址写入数据库，更新任务状态。前端通过轮询或者订阅消息来获知进度。这里有个坑：如果用户发起生成请求后在小程序里退出，再回来时我们需要能恢复“我的生成记录”，所以任务数据必须和用户ID做绑定，而不是只靠临时缓存。
任务状态机建议设计成：PENDING -> QUEUED -> PROCESSING -> SUCCEEDED / FAILED，外加一个CANCELED状态。用户如果因支付失败或主动取消订单，要给一个“关闭任务”的接口。在任务状态从PROCESSING变为SUCCEEDED时，向用户发送微信订阅消息，这是一个非常有用的召回方式。
小程序内请求封装要统一处理登录态自动刷新、token过期重试和错误码提示。别忘了设置超时时间，生成服务出图正常情况下不会超过60秒，如果超过90秒还没有新消息，前端应该提示“系统繁忙，请稍后查看”，而不是让用户傻等。另外，页面列表加载更多时要注意防抖，类似“加载更多通知记录”这种功能，不要一滑到底就狂发请求。
3.3 成本控制、性能优化与效果调试
成本控制的核心是算力调度和质量拦截。初期可以租几台按量付费的GPU，用Kubernetes或简单的脚本做Autoscaling，根据队列长度自动增减Worker节点。千万不要买包月GPU闲着，AI写真有明显的波峰波谷，晚上8点到11点是高峰，凌晨基本没人，动态扩缩容能省至少40%成本。
效果调试上，最直接影响成片质量的因素有三个：底模、LoRA、提示词。底模决定了整体画风和细节质量，常见的有Realistic Vision、ChilloutMix等，但国内直接用这些模型要注意合规，最好自己训练或微调一个专用底模，避免出图风格不可控。LoRA负责锁定用户的五官特征，训练时不要用太多样本，一般20-50张不同角度的清晰照片就够了。提示词方面，正面提示词可以写“detailed face, skin texture, soft lighting, professional photography”，负面提示词一定要写“bad hands, extra fingers, deformed face”，不然生成的手部细节一塌糊涂。
预设模板可以大幅降低调参门槛。每个模板本质上是一组固定的提示词、ControlNet姿态图、LoRA叠加权重和风格模型的组合。模板设计得越精细，普通用户与专业摄影棚拍之间的差距就越小。我建议每天盯着生成失败日志，把失败率高的模板找出来，单独调参数，而不是用一套参数走天下。
3.4 上线前必须处理的合规问题
合规问题做不好，分分钟被下架。第一是用户协议和隐私政策，必须写明用户上传的照片会用于AI生成，并约定肖像权授权范围。第二是深度合成标识，根据《互联网信息服务深度合成管理规定》，利用AI生成的图片应当进行显著标识，不能让用户误以为是实拍。小程序里要在成片角落打上“AI生成”水印，或者至少写清楚“本图由AI合成”。
第三是未成年人保护，AI写真这类产品很容易被未成年人使用。在小程序后台必须开启实名年龄限制或内容过滤，至少要有一个明显的未成年人使用须知。上传照片时做一次人脸识别年龄估计，如果检测到疑似未成年人，需要监护人同意才能继续生成，虽然这个流程会损失一些用户，但比被平台处罚好得多。
第四是内容安全，生成的图片如果出现畸变或者违规内容，要能够自动识别并拦截。一般可以在生成后加一张图像安全检测打分，分数不合格的直接不返回给用户，并且后台记录日志，防止被恶意利用。这些内容在热词里其实也有提醒，比如“深度合成在哪里”，就是说要在小程序后台配置好合成内容的标识和监管接口。
4. 照相馆真的危险了吗？传统摄影如何接招
4.1 AI写真替代不了的部分：真实光影、妆造、互动、场景细节
实话实说，如果只看成片效果，AI写真在“精致感”上已经能追上不少影楼精修图。但摄影从来不只是输出一张图，它背后的服务流程、现场体验、情感互动，是AI给不了的。女孩子去拍写真，其实是在享受一整个“被认真对待”的过程：化妆师根据脸型设计妆造，摄影师引导你摆姿势、找角度，灯光师不断调整光影，这种人和人之间的协作体验，本身就是消费的一部分。
从物理世界看，实景拍摄能做到很多AI做不到的事：婚纱裙摆被风吹起来的自然弧度、真实阳光穿过树叶的光斑、孩子奔跑时扬起的灰尘，这些都是模型在二维图像空间里很难准确建模的。哪怕现在的AI视频生成技术越来越强，真实世界的随机性和质感依然无法被完美复刻。所以AI写真真正替代的，是那些标准化流程的“快照式写真”，而不是高端定制摄影。
另外，传统照相馆还有一个AI产品没有的能力：交付实体产品。一本有温度的相册，一张可以挂在墙上的装裱照片，一个定制的相框礼盒，这些需要线下工艺完成的实物，AI再厉害也变不出来。也就是说，AI写真冲击的是“拍电子照片”这个环节，但照相馆完全可以往“实物影像产品”上延伸。
4.2 传统照相馆的应对策略：把AI变成增值服务而不是敌人
面对AI写真小程序的走红，传统照相馆如果选择视而不见，确实会丢一批年轻客群。但如果直接把AI当敌人，死磕“手工精修”和“技术壁垒”，只会把自己逼进死角。我见过不少做得好的摄影工作室，已经开始把AI当生产力工具来用。比如在修图环节，摄影师会用AI一键抠图、AI换天空、AI放大像素，这些原本要花大量时间的工序，现在几分钟就能完成，修图师可以把精力放在真正的皮肤质感和眼神刻画上。
更聪明的玩法是把AI写真作为引流的钩子。线下影楼可以推出一款低价AI体验套餐：用户在线上传照片，AI生成一套形象照，到店可以免费领取一张6寸照片和一组实体样品。如果用户对实体样品满意，再补差价升级到传统棚拍。这样一来，AI写真的成本被压缩到很低，但它为线下门店带来了真实的到店客流。很多顾客到店之后，会顺手了解一下婚纱照、全家福，客单价反而上去了。
还有一类思路是“数字分身”服务。传统影楼最核心的资源是摄影师、服装、场地，这些在AI时代会变成训练素材。影楼可以做客户专属的数字形象采集：邀请顾客到店拍摄一套多角度、多表情的照片，然后利用这些素材训练一个专属LoRA模型，以后顾客想要任何风格的写真，都可以在线让AI生成，但生成出来的脸部和姿态细节，比普通小程序用几张自拍硬生成的更像本人。这个服务可以定一个较高的价格，比如几百到上千元，因为它提供的是高精度数字资产。
4.3 两种模式的融合：AI拍摄体验馆与本地服务+线上小程序
从趋势上看，未来不太存在“纯线上AI写真”和“纯线下照相馆”的对立，更多是融合。AI拍摄体验馆是一个正在兴起的业态，线下门店设置几个风格化棚拍场景，用户到店后由专人用单反拍一组素材，然后门店利用AI生成几十种风格的写真，用户当场选片、打印或者发送到手机上带走。整个过程大概四五十分钟，客单价可以收到两三百元，和传统写真套餐价格差不多，但用户拿到的是一套AI生成的高保真数字写真，体验又比纯线上小程序更有仪式感。
这种模式天然适合本地生活类平台，可以结合“到店核销”功能做团购推广。小程序作为用户入口，承接预约、选模板、下单、查看成片等环节，线下门店负责素材采集和实体服务交付。线上线下的流量可以互相导流：线上AI写真用户，被推荐到线下拍专业素材；线下体验过AI拍摄的用户，回家后又能在线持续使用数字分身体验新风格，形成循环。
对于创业者来说，如果手头有摄影相关资源，我建议不要只做一个线上小程序，而是设计一个线上AI写真的“轻量版”和一个线下体验的“深度版”，用线上低价获客，用线下服务盈利。如果没有实体资源，那就老老实实先把线上小程序的模板质量和服务体验做到极致，依靠技术能力和运营手段做出差异化。
5. 实操中的常见问题与排查技巧
5.1 用户反馈“生成的照片不像我”，怎么调？
这是AI写真产品最核心的投诉点，处理不好口碑会崩。不像的原因通常有几个：一是用户上传的照片单张覆盖角度太少，特别是只有正面照时，模型无法准确建模侧面轮廓；二是生成时模型权重偏向了模板风格，导致脸部被“成人化”或“网红化”；三是后处理阶段人脸增强算法改变了骨相。
我的调试经验是，尽量引导用户上传至少5到10张不同角度、不同表情、光线自然的照片。如果用户坚持只传一张正面照，就只能在生成时提高人脸特征权重参数，同时降低风格迁移强度。还有一个技巧是，在提示词里明确加上“same face as reference, high similarity”，并把负面提示词里加上“high contrast, different face”。每次调整完参数后，要人工抽检一批结果，把相似度不达标的图片标记出来，看是哪个环节出问题。
5.2 生成内容违规或畸形，如何内容安全拦截？
AI生成图片最容易出现的问题包括：手部畸形、五官扭曲、产生不适宜内容。畸形问题可以通过负面提示词和CFG Scale调节来缓解，但如果模板本身有bug，还是要从底模和LoRA训练数据上解决。合规风险方面，建议在生成结果返回给用户之前，必须过一次图片安全检测。市面上有腾讯云的内容安全、阿里云的内容审核，也可以自己部署一个开源NSFW分类模型做二次过滤。
如果检测到违规内容，不要直接把图片发给用户，而是返回一个友好提示：“这张照片生成失败，请重新生成”。同时把失败的图片记录下来，分析是模板问题还是用户输入问题。用户上传照片阶段也要做一次预审，防止有人上传非本人、敏感或违法图片，这是平台责任，千万不能偷懒。
5.3 小程序审核被拒，常见原因有哪些？
微信小程序审核对AI类产品格外严格，常见被拒原因有几个：类目不符，AI生成内容需要选择“工具-图片处理”或“IT科技-其他”等类目，但不同类目对资质的要求不一样，需要提前咨询；隐私政策不完整，没有明确说明用户照片的保存和使用方式；虚拟支付问题，iOS端虚拟内容购买不允许直接用微信支付？实际上微信小程序iOS端虚拟支付被限制很厉害，需要谨慎处理。
我遇到过最头疼的问题是，小程序审核员对“AI生成”字样的要求会变化。有的时期要求在页面明显位置标注“AI生成”，有的时期要求成片必须有水印，还有的要求分享海报要有免责声明。解决方案是后台做一套配置开关，针对审核版本开启全部合规提示，审核通过后再动态调整展示样式，但要保证核心合规项不缩水。
另外，“小程序年审”这事听起来无关紧要，但AI写真类产品一旦年审过期或主体信息变更，影响非常大。如果主体不是自己名下，一定要提前确认小程序归属权和认证状态，避免辛苦做起来的产品最后因为主体问题被冻结。
5.4 高并发下如何避免GPU打满和服务宕机？
上线前你永远不知道用户会涌进来多少。我做过一次活动，半夜发了条推广，第二天早上醒来发现队列里堆了一万多条生成任务，当时只准备了6张GPU卡，瞬间被榨干。后来我们做了三件事才算稳住：第一，前端增加排队进度反馈，而不是无限loading；第二，后端做一个简单的限流算法，当队列长度超过阈值时，新请求直接返回“当前人数较多，请稍后再试”，把一部分用户分流到非高峰时段；第三，启用按量付费的云GPU自动扩容，把等待时间控制在两分钟以内。
扩容策略上，我建议用“队列长度+任务时效”双指标触发扩容。不是队列一长就扩容，因为GPU冷启动需要时间，频繁扩缩容会导致成本浪费。可以在队列超过500个任务且平均预计等待超过3分钟时，批量扩容一批实例，并在队列清空后延迟几分钟再缩容，避免任务刚被取走就释放机器。宕机后的降级方案也要提前准备，如果生成服务完全不可用，至少要保证用户上传的照片和支付记录不丢，等恢复后自动重新生成。
5.5 一些容易被忽视的小程序开发细节
开发过程中有很多细节，看着不起眼，实际影响用户体验。比如“微信小程序设置缓存时间”，AI写真结果页如果缓存过期，用户再次进入时图片加载失败，体验就很差。建议对成片图片设置合理的CDN缓存时间，并在小程序内做一层本地缓存，防止重复加载。
再比如“微信小程序顶部导航栏高度”适配问题，有些带挖孔屏、灵动岛的手机，导航栏高度和状态栏高度不一样，如果直接写死数字，在部分机型上会出现标题遮挡。用胶囊按钮的边界来自适应调整才是靠谱方案。
还有“微信小程序单选框”这类基础组件的使用，在模板选择页如果单选状态下切换太快，会出现样式闪烁，最好用防止重复点击的锁。以及“微信小程序如何监听用户离开小程序”，当用户从生成页退出时，后台任务其实还在跑，这时候我们可以在onHide事件里记录离开状态，等订阅消息回来后再提醒用户。这些细节表面上看是小程序技巧，但放在AI写真这种“等待-离开-返回”的高频场景里，直接影响用户对产品专业度的感知。
最后说点我个人的体会。9.9元AI写真小程序走红，本质上不是技术突然开窍，而是生成式AI到了一个成本和质量都能被普通人接受的临界点，然后被微信小程序这个放大器推到了大众面前。照相馆短期内不会消失，但整个摄影行业的定价逻辑、服务模式、人才结构，都会因为AI而重构。我自己的判断是，未来能活得好的摄影从业者，一定是那些愿意把AI当成合作伙伴、而不是竞争对手的人。如果你正在酝酿做一个AI写真相关项目，别急着追求大而全，先把一个小众风格做到极致，再慢慢扩展，这是成本最低、成功率最高的玩法。
