李子柒复出的消息弹出来时，我正在用 Python 的 tkinter 手动调整 Rembg Pro 的滑块容差参数，从0.1调到0.09，就为了背景抠图时发丝边缘能少一个像素的杂色。AI泛滥？我太懂了。现在随便一个套壳网站，丢张图进去，调用个 API，三秒出结果，用户觉得“哇好智能”。但那种结果经不起放大看，边缘是糊的，复杂背景像狗啃的，商业级交付根本不能用。这就是现状：底层大模型能力越来越强，而上层交互和细节打磨却越来越糙，因为大家都觉得“有 AI 了，差不多就行”。
我盯着代码里那个 `threshold=0.09` 的变量，想起两年前第一次用 SAM 模型时那种被颠覆的恐慌。当时觉得，完了，我花了几年研究的传统图像处理算法、OpenCV 那套东西，在分割一切的大模型面前就是玩具。那种技能焦虑卷土重来，逼着我必须跳进去，弄明白 Diffusion、CLIP、LoRA 到底是怎么工作的。但学得越深，越发现另一个问题：工具链太他妈散了。你想做一个能稳定交付的抠图工具，光模型好没用，你得处理各种奇葩的输入格式，得设计预处理和后处理流水线，得让用户用最少的点击达到最好的效果——这恰恰是当前 AI 应用最缺失的一环。
所以我现在深夜抠的，根本不是 UI，是“确定性”。AI 本身是非确定性的黑箱，但产品必须给用户确定性的体验和结果。比如这个滑块，从 0.1 到 0.09，变化微乎其微，普通用户根本感知不到。但我必须做，因为我知道，对于电商那些要抠珠宝、抠毛绒玩具的客户，这一点点差异就是“能用”和“完美”的区别，是他们愿意付高价和觉得你只是个玩具的区别。这就是工匠精神在 AI 时代的具体形态：不是抗拒 AI，而是用人的经验和偏执，去约束和引导 AI 的野性，把概率性的输出变成稳定的交付物。
李子柒停更这几年，市面上模仿她的视频无数，滤镜、运镜、甚至内容框架都能用 AI 辅助生成，但为什么没人能成为第二个李子柒？因为内核的东西抄不了。那种对季节变化的敏感，对手工劳作节奏的掌控，对食材纹理的真实触感，是长时间沉浸在一个真实物理世界里才能养成的“肌肉记忆”。做产品也一样。现在用 GPT-4 十分钟能生成一个产品需求文档，用 Midjourney 能出一套 UI 概念图，但真正的产品内核——对用户隐性痛点的洞察，对交互流程中每一个摩擦点的体感，对技术边界和体验平衡的拿捏——这些依然需要你像老工匠一样，在无数个深夜，亲手去“磨”出来。
我保存了代码，跑了一次测试。一组五十张带复杂藤蔓植物的图片，批量处理。之前通用 API 扣出来的，藤蔓间隙里的天空总会有残留的蓝色像素点，像噪点。现在，调整了预处理的光照归一化算法，加上后处理的形态学闭运算，蓝色点几乎没了。这个过程毫无“智能”感可言，就是枯燥的试错、观察、再调参。但当我看到最终输出文件夹里那些干净得不可思议的 PNG 透明背景图时，有种很扎实的满足感。这种满足感，和看到流量暴涨、用户激增完全不同，它是一种安静的、确信的、属于创造者自己的反馈。
AI 终将成为水电煤，成为基础设施。到那时，真正的壁垒是什么？不是谁调用 API 更快，而是谁更懂在哪个具体场景下，该把阈值设为 0.09 而不是 0.1；是谁更能把一系列不确定的 AI 工具，组装成一个确定性地解决真实问题的产品。李子柒回归，她面对的也是一个被短视频和滤镜高度同质化的内容世界。她的壁垒，依然是那一方真实的土地和岁月。我的“土地”，就是这行代码，这个像素，这个深夜还在反复打磨的交互细节。泛滥的是技术，稀缺的永远是注入其中的、人的专注与时间。
