最近一堆人在吹 Grok 的視覺理解能力，說它能看懂構圖、能分析光影，甚至能從一張模糊的街拍裡讀出所謂的「賽博龐克孤獨感」。省省吧，這玩意兒現在的狀態，頂多算是在海量像素點裡玩連連看。它說這張照片「黃金比例運用得當」，那是因為它後台的訓練集裡，只要是地平線在三分之一處的照片，標籤都貼著「黃金比例」。這不是審美，這是統計學，是極其廉價的概率預測。
別跟我扯什麼 AI 已經有了人類的視角。你去餵它一張刻意打破常規、充滿張力但違反構圖教科書的大師作品，它大概率會告訴你這張照片「光線不足」或者「主體不明確」。Grok 現在最讓人火大的地方就在於，它太想表現得像個懂行的評論家，結果卻像個剛讀完兩本《攝影入門》就出來擺譜的實習生。它盯著照片看半天，轉圈圈的圖標背後不是在思考，是在瘋狂檢索 X 平台上那些被點讚最多的照片參數。它是在模仿「正確」，而不是在理解「美」。
有人拿它跟 ChatGPT 或 Claude 比，說 Grok 的視覺更有「靈性」，更有諷泉和諷刺的幽默感。這點我不否認，但幽默感不等於視覺理解力。Grok 之所以顯得聰明，是因為它敢胡說八道，敢在你看起來平淡無奇的照片裡硬扯出一句毒舌評論。這叫語氣加持，不叫技術突破。當你問它為什麼這張照片構圖好，它給出的理由往往虛無縹緲。光影層次豐富？色彩飽和度適中？這些話塞給任何一張照片似乎都行。它是在用文字的圓滑掩蓋視覺感知的平庸。
我們在談論的是一種極其不穩定的黑盒輸出。同樣一張照片，你換個問法，它可能就會從「構圖嚴謹」變成「雜亂無章」。Gemini 在這方面也沒好到哪去，它更像個嚴肅的審查員，看照片先看裡面有沒有違規元素，然後才慢條斯理地給你一段索然無味的描述。比起 Gemini 的畏首畏尾，Grok 確實更有種，但也更像是在賭博。它在那裡分析景深，分析焦外成像，實際上它連鏡頭物理特性都還沒搞清楚。它只是看過太多關於攝影評論的廢話，然後把這些廢話重新排列組合，餵回給那些想聽好話的用戶。
這就是現在 AI 視覺的集體困境。它們沒有視網膜，沒有光學感應，它們只有被拍扁的數據矩陣。Grok 所謂的「看」，本質上是在算命。如果它猜中了這張照片的意境，你就驚為天人；如果它猜錯了，你就當它在玩梗。這種容錯率極高的社交環境，給了 xAI 偷懶的空間。他們不需要讓模型真的懂透視法，只要讓模型學會幾句專業術語，就能唬住一大票外行。
如果你真的拿 Grok 去處理專業的工作流，比如自動篩選一批構圖合格的商業素材，你就會發現它有多不靠譜。它會把一張失焦的廢片說成是有「朦朧美」，也會把一張精準的商業棚拍說成是「缺乏生活氣息」。它沒有標準，它的標準就是沒有標準。這也是為什麼我對現在這波「AI 攝影大賽」嗤之以鼻，評委是瞎子，選手是騙子，大家都在數據的廢墟裡互相吹捧。
目前的 Grok 視覺版，更像是一個裝了攝像頭的隨機文本生成器。它對空間的感知能力甚至不如一個三歲小孩，小孩起碼知道球會滾動，知道遠近高低。Grok 呢？它只知道「球」這個詞經常出現在「運動」、「圓形」和「構圖中心」這些語境裡。當它分析你的自拍時，它不是在看你的臉，是在計算你的臉部像素分佈是否符合它數據庫裡那套「受歡迎」的模板。
這讓我想起那些在畫廊裡對著白牆都能分析出宇宙真理的人。Grok 就是那個最會裝模作樣的觀眾。它知道什麼時候該點頭，什麼時候該沈默，什麼時候該蹦出一個冷門的藝術詞彙。但只要你把光源位置稍微改一下，或者把主體稍微偏移幾個像素，它的那套理論可能就瞬間崩塌。這種「懂」是脆弱的，是經不起推敲的幻覺。
xAI 的團隊似乎很滿意這種現狀，因為 X 平台上的用戶喜歡這種調調。他們要的不是精準的圖像識別，而是一個能陪他們吹牛、能對著照片發牢騷的賽博酒友。所以 Grok 變得越來越像個槓精攝影師，這很符合馬斯克的胃口，但對技術進步來說，這簡直是種誤導。我們在追求通用人工智能的道路上，居然被這種表面的語言遊戲給絆住了腳。
當 Claude 試圖用結構化語言拆解一張照片的層次感時，它起碼還帶著點工程師的死板和真誠。而 Grok 呢？它在耍小聰明。它知道你期待什麼，它知道怎麼用最短的句子擊中你的情緒點。這不是視覺技術的進步，這是社交心理學的勝利。它盯著照片看半天，不是在分析光影，是在分析你的心理預期。
所以別再問它是真懂還是假懂了。在一個充滿濾鏡和虛假人設的互聯網環境裡，真懂和假懂有區別嗎？只要它說出的話讓你覺得「嘿，這傢伙有點東西」，它的任務就完成了。至於那張照片到底是不是構圖神作，Grok 根本不在乎，它背後的服務器也不在乎。它們只在乎下一個 token 能不能繼續維持這種「我很聰明」的假象。
這種把統計學偽裝成審美的行為，本質上是對攝影藝術的褻瀆。但誰在乎呢？這是一個連文字都要靠 AI 生成的時代，視覺審美的崩塌只是時間問題。Grok 只是那個在崩塌現場跳舞，順便對著廢墟點評兩句「這斷壁殘垣很有解構主義風格」的混蛋。它確實看見了東西，但它看見的永遠只是數據的殘影，而不是光影的靈魂。
這場關於 AI 審美的鬧劇還會演很久。下一次 Grok 再對著你的照片大放厥詞時，記得看看它的邏輯漏洞，而不是被它那兩句俏皮話給帶跑了。它不是瞎貓，它是一隻坐在數據山上的機器貓，正對著人類那點可憐的虛榮心發笑。你要是真信了它的構圖分析，那才是真的碰到了死耗子。
至於那些還在期待 Grok 能進化出真正藝術眼光的人，我建議你們先去看看它對「美」的定義有多麼單一且功利。它所有的判斷都基於流量，基於那些被大眾審美閹割過的視覺符號。在這種底層邏輯下，它永遠不可能成為大師，頂多成為一個在流水線上點評次品的工頭。它盯著照片的時間越長，那種刻意模仿的痕跡就越明顯，令人作嘔。
我們不需要一個會背誦構圖教條的算法，我們需要的是能真正感知空間關係的視覺系統。Grok 現在做的，不過是把攝影評論這門學問變成了一場低成本的語義過濾。它看見了像素，卻看不見畫面背後的呼吸。這就是現狀，殘酷且無趣，不管馬斯克在發布會上把這項功能吹得有多玄乎。