《The Verge》9月4日的一篇报道，把最近社交媒体上疯传的AI食物图整理成了一个专题：面条卷曲得像虫子，汉堡表面布满密密麻麻的孔洞，冰淇淋质感像混凝土，还有分不清是甜甜圈还是虾的怪东西。这些图大多来自餐厅、咖啡馆和小品牌的菜单和外卖软件，它们本想用AI省下摄影费，结果先在网上出了丑。
问题不是这些模型"不会拍照"。真正原因藏在扩散模型的生成顺序里：结构先定型，纹理最后才补上。低成本批量出图，和能拿去真正卖货，是两件不一样的事。
面条为什么会变成虫子
主流图像生成器多用扩散模型，从一屏纯噪声开始，一步步去噪、还原画面。牛津大学计算机视觉学者Chris Russell解释，模型先恢复出粗略结构，细节纹理是最后一步才叠上去的。早期结构一旦判断错了，后面的纹理只会让错误更显眼。这跟AI画人手多出一根手指，是同一类毛病。
那不勒斯费德里科二世大学的行为科学家Giovanbattista Califano补充了另一层：扩散模型天生不擅长处理细长、连续、需要收尾的结构。面条、丝状物、条纹恰好全是这种几何形态，模型常常不知道该在哪里停下，纹理就"漫出"到不该出现的地方。气泡、种子这类重复图案也一样容易越界，密集孔洞让人不适的原因就在这里。
AI学到的是"长相"，不是"为什么这样摆"
更根本的原因是，模型不理解自己在画什么。苏黎世大学的Roland Meyer说得直接："AI图像生成复现的是外观，而没有关于世界的真正知识。"它知道汉堡统计学意义上长什么样，却不知道面包、肉饼、酱汁为什么要以那种方式叠放。
伦敦国王学院的Michael Cook提到一个具体现象：一些让人反胃的AI食物，其实是把建筑材质的纹理错放到了食物身上。这些纹理放在建筑场景里可能完全正常，一旦想象成食物就出问题。
训练数据本身也添乱。食品摄影原本就高度风格化，高光、饱和色、夸张构图司空见惯，有些商业摆拍用的甚至不是真食物。社交媒体上疯传的怪异图片和梗图混进训练素材，模型统计到的"食物长相"，很可能已经偏离日常认知——这一点目前还缺乏系统验证，只能说是一种合理推测。
商家的成本账，消费者的信任账
AI宣传图的吸引力很直白：不用请摄影师、不用布光搭景，几分钟出一批图。但食品营销恰恰是对结构和材质要求最高的场景之一，顾客要凭一张图判断"这东西能吃、看起来好吃"，容错空间比风景图或抽象海报小得多。
| 维度 | 真人食品摄影 | AI生成食品图 |
|---|---|---|
| 结构可控性 | 摄影师现场调整摆盘、光线 | 依赖训练数据统计，面条、孔洞类结构易失控 |
| 成本 | 较高，需摄影师、场地、后期 | 较低，可批量快速出图 |
| 适合场景 | 主菜特写、外卖详情页近景 | 氛围图、背景装饰、非特写场景 |
| 主要风险 | 拍摄预算压力 | 图文不符，拉低顾客信任 |
对小成本商家来说，现实一点的做法是分场景用图：门店氛围图、社交媒体背景图可以让AI顶上；但主打菜的近景、外卖平台的详情页主图，风险太高，出问题直接影响下单转化。
对消费者来说，识别信号并不难：面条卷曲方向整齐重复、孔洞过于均匀、高光反常鲜亮，大概率是AI出品，不是厨师的手艺。接下来值得盯的，是外卖平台会不会开始要求商家标注AI生成配图，以及是否会出现专门针对食品结构训练的图像模型——现阶段看不到这类信号。