谷歌市值冲上3万亿美元的同时，旗下的“杀手级”AI应用也超越ChatGPT，成功登顶苹果应用榜第一名。
最新数据显示，在美区AppStore中，谷歌旗下大模型应用Gemini的下载量已超过OpenAI的ChatGPT，成为免费榜排名第一的应用。此外，在加拿大、印度、摩洛哥等国家，Gemini同样实现了登顶，打破了ChatGPT自发布以来长期的垄断地位。
这一超越背后，离不开谷歌推出的爆款图像编辑产品Nano Banana（纳米香蕉）。今年8月26日，谷歌DeepMind发布新一代AI图像生成与编辑模型Gemini 2.5 Flash Image。这一模型的代号为“Nano Banana”，在图像质量、编辑控制和应用场景上有大幅改进，一推出就受到了用户的热烈追捧。9月4日，谷歌实验室副总裁Josh Woodward透露，自该功能上线以来，已累计完成超2亿次图像编辑，带动超1000万新用户尝试Gemini应用。
浙商证券研报分析称，和此前的多模态模型相比，Nano Banana在以下技术层面有所提升。1）自然语言驱动图像编辑：Nano Banana允许用户通过一句简单的自然语言指令实现精准编辑，无需传统图层或遮罩操作。2）角色一致性与场景融合：模型在连续编辑中能够保持人物面貌与特征一致，确保角色在不同场景和动作中保持统一识别度。这一特性在品牌角色创作、情景剧本生成等应用中尤为关键。3）多图融合与世界知识注入：支持将多个图片在同一画面中融合，自然过渡；同时，基于Gemini的世界知识，模型能理解复杂场景并执行符合现实逻辑的编辑任务。4）降低3D建模门槛：传统3D建模需专业技能，而Nano Banana生成的2D设计图已包含结构、光影、材质等关键信息，建模师可快速将其转化为3D文件。
记者搜索发现，Nano Banana自上线以来，各大网络社区平台的用户均分享了许多由其制作的图片，效果十分惊艳。例如上传一张图片，并提示“把我的宠物变成包装旁边的塑料玩偶”，即可生成一张高清的3D宠物手办图片。
再比如，输入提示词“将我手中的物体变成3D透明线条艺术全息图”，Nano Banana也能准确地理解提示词的含义。
Nano Banana的火爆出圈，与数月前GPT-4o推出图像生成功能并引发“吉卜力”风格AI图片创作风潮十分相似。吉卜力风格是指日本吉卜力工作室创作的动画艺术风格，该工作室由宫崎骏与高畑勋于1985年创立，代表作包括《千与千寻》《龙猫》等。由于过于火爆，OpenAI首席执行官山姆·奥特曼当时也火速换上了这一风格的头像。奥特曼还发贴称，ChatGPT一小时就新增了百万用户，其活跃用户、App下载和订阅收入都在吉卜力效应当周创下了历史纪录。
业内人士分析称，谷歌Nano Banana能够在全球走红，源于其在AI生图领域重构了用户的体验范式，实现了从“复杂工具栏”到“一句自然语言”、从“渲染缓慢”到“秒级出图”、从“效果不稳定”到“跨图一致性”等一系列突破，大幅降低了使用门槛和成本。
值得注意的是，受益于反垄断裁决结果好于市场预期以及Nano Banana的良好市场表现，谷歌股价近期持续上涨。周一（9月15日）早些时候，花旗集团分析师Ron Josey将谷歌母公司Alphabet目标价从225美元上调至280美元，理由是“随着Gemini在广告与云业务中的采用加速，正出现更快的产品开发周期”。
此外，Nano Banana的爆火，无疑再一次点燃了图像生成视频赛道的战火。记者注意到，最近一段时间以来，国内大模型厂商也纷纷对标Nano Banana，推出了相应的图像生成模型。
例如，9月9日，字节跳动Seed团队宣布推出豆包图像创作模型Seedream 4.0。据介绍，Seedream 4.0可灵活支持文本、图像的组合输入，抽取不同图片元素进行创作，还可一次生成角色连贯、风格统一的组图，实现表情包、连环画等各类创意玩法。同日，AI创业公司生数科技正式推出Vidu Q1参考生图功能，正面对标Nano Banana，支持单次输入最多7张图像作为参考，可自由组合人物、背景与道具，生成细节精准、风格统一的高质量图像。
华泰证券认为，原生多模态模型架构得到业界认可，OpenAI和谷歌的原生多模态模型已经在性能、延时、部署上展现出了优势。整体而言，多模态为主的产品商业化快于文本产品，从大模型到多模态已是商业化的必由之路，多模态大模型和应用发展的奇点将至。
就投资层面来看，多模态有望在算力和应用两方面带来相关投资机会。算力侧，供给端原生多模态模型需要比非原生模型更多的算力，需求端视频的推理算力需求远大于文字，视频Agent的落地进一步催生推理算力需求。应用侧，供给端国内的视频生成模型领先，需求端广告、零售、创作、教育等领域均有AI化需求。
易速宝提示：文章来自网络，不代表本站观点。
相关文章
沪深京指数
热点资讯
