既然回到了书房，我就把 Rembg Pro 的核心算法优化了 30%。这玩意儿是去年疫情最猛的时候，为了给几个健身教练客户做线上海报工具，顺手写的。当时用 Python 的 rembg 库，抠个人像要 3 秒，CPU 风扇能起飞。现在？我把它压到了 2 秒以内，内存占用砍了快一半。
优化过程没什么诗情画意，就是死磕。原来的库在预处理图像缩放时，用了双线性插值，我换成了 Lanczos 重采样，边缘锯齿少了，给后续的 U2-Net 模型减轻了负担。模型推理那块，我用了 ONNX Runtime 替代 PyTorch 原生推理，针对 CPU 做了线程绑定和缓存优化。最狠的是后处理，原版用了一大堆形态学操作来平滑边缘，我直接写了个小网络，用轻量级 CNN 去学习边缘过渡，虽然训练费了点劲，但推理速度没增加，效果肉眼可见地干净。这些改动，单个拎出来可能就提升 5%，但堆在一起，30% 的性能提升就出来了。
这 30% 意味着什么？对正经做内容的健身教练、小电商店主来说，可能就是快那么一点，体验流畅一点。但对那些搞“批量搬运”、“矩阵号”的灰产团伙来说，这是致命的。他们的核心模式是“量”：一天要处理几万张图片，批量去水印、换背景、伪原创。我优化前，他们一台服务器吭哧吭哧一天可能处理两万张；我优化后，同样的机器能逼近三万张。但问题是，我的 SaaS 服务涨价了——因为我提供了更稳定的 API 和更清晰的文档，我开始按调用次数和并发数收费，不再卖断脚本。
灰产要的是极限成本，一分钱掰成两半花。我这边性能提升带来的成本优势，完全被我的定价策略吃掉了。他们算不过来账，自然会去找更便宜、更糙的解决方案，或者自己吭哧吭哧去魔改开源版。这正好，帮我把这些“流量蝗虫”过滤掉了。去年我还可能为了那点流水，捏着鼻子接他们的单，半夜被他们的超频调用搞崩服务器。现在？我服务器日志都清静多了。
庆幸啊，真的庆幸。2020 年组团队做外包那会儿，什么单都接，其中不少就是这种灰产擦边需求。那时候觉得有流水就是爷，管他黑猫白猫。结果呢？人困马乏，账面上有点钱，但心里虚得厉害，不知道哪天项目就暴雷，或者平台一波清洗就团灭。身心俱疲那段时间，腰椎颈椎全报警，才彻底明白，用健康换这种钱，太他妈不值了。
所以从今年断尾求生，缩回书房开始，我就铁了心往“白产 SaaS”转。服务对象变成那些有自己品牌、想长期经营的个人或小团队，比如健身教练、营养师、独立设计师。他们付费能力可能没灰产那么“野”，但需求稳定，认可专业价值，愿意为更好的工具和节省的时间付钱。我跟他们沟通，是在讨论如何提高效率，而不是在琢磨怎么绕过平台规则。
这 30% 的算法优化，就是我的“技术壁垒”和“价值宣言”。我不再吹嘘自己一天能帮客户扒多少张图，我开始讲我的算法如何让边缘更自然，如何节省他们宝贵的创作时间，如何通过 API 无缝嵌入他们的工作流。溢价就从这里来。他们买的不是“抠图”，而是“稳定、省心、能融入自己品牌工作流的专业工具”。这种关系是长期的，我优化一次，他们的体验就好一分，我的品牌口碑就厚一寸。
搞灰产流量像吸毒，剂量要越来越大，平台一抖算法就断粮，心里永远慌。做白产 SaaS 像种树，长得慢，但根扎得深，自己看着也踏实。虽然现在收入规模远不如去年团队膨胀的时候，但晚上睡得着了，腰椎也没那么痛了。我知道路还长，AI 这行当变化又快，但至少现在，我是在给自己的院子砌墙，而不是在别人的地盘上抢食。
