日前，支付寶上線了全新AI視覺搜索產(chǎn)品“探一下”。用戶遇到感興趣的事物，就能夠讓AI通過攝像頭，“探一探”花草動物潮玩、做旅游的隨身講解、查詢商品藥品詳情等。

距離螞蟻集團正式提出AI戰(zhàn)略僅一年時間，AI對傳統(tǒng)應(yīng)用的覆蓋已如此全面而深入。就拿支付寶App來說，2024年以來，支付寶接連發(fā)布“支小寶”等AI獨立應(yīng)用以及智能體開發(fā)平臺，支付寶App當(dāng)中也集成了各種智能助理。支付寶此次的“探一下”則是聚焦視覺多模態(tài)賽道的一次嘗試，其體驗到底如何呢？

不是機械的畫面解讀，而是用戶的“隨身解說”

進入“探一下”主界面后的第一件事就是定格攝像頭獲得的畫面并開始生成分析結(jié)果，這一套操作差點讓小雷沒有反應(yīng)過來。但換個角度想想，“探一下”本身是集成在支付寶掃一掃當(dāng)中的擴展能力，并不是獨立的App，通過搜索進入可能不是最好的交互方式。

功能劃分上，“探一下”主要有“探知識”“探靈感”“探文字”“AR”四個選項，最后兩個其實是常規(guī)的文字識別和AR顯示，小雷認為前兩個功能才是“探一下”的核心能力所在。

（圖片來自雷科技攝制）

“探一下”和其它主流視覺識別型AI的工作原理相差無多，都是通過識別并分析攝像頭傳來的畫面，不同之處在于，“探一下”會在捕捉畫面主體后主動生成識別結(jié)果，還可以根據(jù)圖片特征關(guān)聯(lián)商品信息，像是結(jié)合了拍圖搜物的能力。后者則是需要用戶向發(fā)起提問，比如希望獲得畫面當(dāng)中的什么信息，AI才會分析，但可能由于沒有對應(yīng)的接口，一般不會生成具體的產(chǎn)品型號等信息。

和常規(guī)的視覺識別大模型APP不一樣，“探一下”在生成識別結(jié)果之后會進一步發(fā)散，識別的范圍很大，綠植、飲料、食物等都可以識別。比如小雷識別了眼前的腸粉之后，“探一下”會基于識別結(jié)果提供額外的生成選項，例如“腸粉的起源地”“腸粉與廣東早茶文化有何聯(lián)系”之類的。個人感受來說，如果當(dāng)下小雷遇到從未見過但又很好奇的事物，“探一下”的探知識能力的確會是一種相對有效的引導(dǎo)。

（圖片來自雷科技）

網(wǎng)傳“探一下”能夠準確識別各個版本的奧特曼，小雷用一個動漫手辦嘗試了一下，結(jié)果并沒有網(wǎng)傳的厲害，大概是數(shù)據(jù)庫沒有對應(yīng)的角色。

換作是菊花茶這種有明顯商品特征的識別結(jié)果，“探一下”會在探知識的選項當(dāng)中接入商品鏈接，這就是小雷前面提到的拍圖搜商品的能力，這在日常中可能會用得比較多。只不過目前“探一下”識別結(jié)果的準確性還有提升空間，就比如它會將小雷手上的華為nova 13 Pro識別成華為P50 Pro，猜測識別的準確性與數(shù)據(jù)庫、攝像頭畫面有一定的關(guān)聯(lián)。

（圖片來自雷科技）

小雷還發(fā)現(xiàn)“探一下”在識別上的一些細節(jié)，當(dāng)系統(tǒng)直接框選或摳出重點物體時，識別結(jié)果和發(fā)散內(nèi)容可能會多一些（增加探商品、探實物等詞條），如果保留原始畫面，一定程度上說明識別結(jié)果不一定準確。

而“探靈感”則類似于看圖配文，提供“幽默”和“治愈”兩種文本生成風(fēng)格，前者會以漫畫對話氣泡展現(xiàn)，有點像是物品的“內(nèi)心OS”之類的，看起來還算有趣，“治愈”就是正能量文本輸出，這些文本內(nèi)容都是基于AI對畫面內(nèi)容識別之后延伸出來的答案，把視覺識別與AI幫寫結(jié)合在了一起。

簡短體驗下來，小雷認為支付寶“探一下”更像是一種帶有玩樂和創(chuàng)意屬性的生成式AI輕應(yīng)用，它不會針對畫面內(nèi)容輸出具體的識別結(jié)果，而是簡化識別結(jié)果，并以科普、搜同款、AI創(chuàng)意文案這幾點為核心，可以把它看作是“隨身講解”。

（圖片來自雷科技）

但本質(zhì)上小雷認為“探一下”的出現(xiàn)還是支付寶對本土服務(wù)的整合，比如以圖搜商品之類的，再通過AI視覺識別和知識科普、文字靈感推薦這樣的親民玩法，帶動更多人使用AI功能，亦或是引導(dǎo)用戶養(yǎng)成一種全新的搜索習(xí)慣。

對戰(zhàn)理想同學(xué)、智譜：視覺識別能力強大

前面聊了關(guān)于支付寶“探一下”的體驗和玩法分析，為了弄清楚和常規(guī)的視覺模型App區(qū)別在哪里，小雷找來了理想同學(xué)、智譜兩款支持視覺識別的App進行簡單對比。

小雷前面有提到，支付寶“探一下”不需要用戶主動發(fā)文，也不會輸出攝像頭畫面的具體分析結(jié)果，而是跳過這一步驟，直接提供知識科普、AI個性化文案這樣的發(fā)散選項。作為對比，常規(guī)的視覺大模型App先是收集畫面內(nèi)容，再等待用戶提問，往往能夠得到十分具體的畫面解讀。另外，“探一下”不支持文字輸入，它就是單純的視覺識別。

都是畫面識別，“探一下”走的是一條不同于常規(guī)視覺大模型的道路，后者強調(diào)看到了什么內(nèi)容，前者強調(diào)的是物體背后的內(nèi)容（購物鏈接、歷史背景等）。面對同樣的現(xiàn)代風(fēng)格建筑畫面，理想同學(xué)和智譜的解答方向是一致的，智譜的解答更詳細，具體到畫面周邊的元素，以及建筑表面可能會被植被覆蓋這樣的細節(jié)，甚至還會進一步猜測這張圖片所處的環(huán)境。

（圖片來自雷科技，圖一為“探一下”，圖二為理想同學(xué)，圖三為智譜）

而“探一下”直接跳過了畫面分析這個步驟，直接擺出“石材的使用如何提升建筑物的視覺質(zhì)感”“玻璃幕墻在節(jié)能方面有哪些技術(shù)優(yōu)勢”等，來引導(dǎo)我們進一步了解。事實上，對于正在游覽景點的人而言，這種發(fā)散式的知識科普可能比游園內(nèi)的講解器還有用。

識別花花草草，支付寶的“探一下”還是有點實力，和理想同學(xué)、智譜的對比當(dāng)中，“探一下”和理想同學(xué)都能準確識別眼前的花卉的品種（千日紅），而智譜輸出成雞冠花。實際上千日紅和雞冠花兩個品種的顏色比較接近，只在造型上有明顯區(qū)分，更考驗AI對畫面內(nèi)容識別的準確性。

（圖片來自雷科技，圖一為“探一下”，圖二為理想同學(xué)，圖三為智譜）

至于文字生成、圖片生成一類的，我們就沒有必要折騰支付寶的“探一下”了，它和理想同學(xué)、Kimi、豆包之類的大模型App并不在一條賽道上，并不具備查詢資料、寫作、畫圖之類的生產(chǎn)能力，本質(zhì)上還是一個更趣味的以圖搜索的輕量AI工具。

單論視覺識別的話，雖說視覺模型對具體產(chǎn)品的識別能力普遍比較弱，但支付寶“探一下”的識別水平至少不弱于主流，得益于背后有本土服務(wù)等數(shù)據(jù)資源，它的周邊搜索能力可能還比常規(guī)的視覺模型更強，比如識別到具體的飲料或藥物，適合什么時候、什么人群服用，“探一下”更集中于這些日常生活的服務(wù)。

AI視覺爆發(fā)，“探一下”掀起視覺搜索大戰(zhàn)？

2023年，螞蟻戰(zhàn)略集團對外宣布了AI提速戰(zhàn)略，確定了“AI First”，正式將AI作為公司發(fā)展的核心戰(zhàn)略之一。如今，除了最近上線的“探一下”視覺AI產(chǎn)品外，支付寶今年也完成了AI智能助理的布局，出行、健康、政務(wù)等30多項場景服務(wù)當(dāng)中，都接入了AI大模型能力。

支付寶推出“探一下”AI視覺產(chǎn)品，本身不是為了和智譜、Kimi等主流大模型展開競爭，嚴格來說，支付寶和他們完全不在一條賽道上。在小雷看來，無論是智能助理還是“探一下”，又或者是“支小寶”等AI獨立應(yīng)用，幫助我們解決問題，

廠商狂卷AI大模型規(guī)模的“玩概念”時代已經(jīng)過去，如何讓AI落到實處，引導(dǎo)用戶使用AI能力，才是當(dāng)下行業(yè)普遍關(guān)注的重點。

官方表示，人類獲取的信息有超過80%來自視覺，以視覺為中心的人工智能產(chǎn)品，可以極大地降低人與AI交互的門檻。事實上，AI大模型供應(yīng)商也在加緊視覺模型的鋪開和開發(fā)，Google Lens、理想同學(xué)、智譜等視覺模型，利用廣泛知識庫識別、理解視覺內(nèi)容，已經(jīng)成為一種新浪潮。

（圖片來自雷科技攝制）

再加上“探一下”這種本身帶有一定趣味性的視覺AI產(chǎn)品，主打普及知識和娛樂性，而不是常規(guī)AI大模型那種冰冷的文字輸出，一定程度上更容易讓普羅大眾接受，甚至是將其作為常用的內(nèi)容搜索方式。

另外考慮到當(dāng)前的功能豐富度，小雷并不認為“探一下”具備獨立出來的條件。

就目前來看，視覺作為“探一下”唯一的識別手段和生成依據(jù)，準確度上還有待加強，畢竟它的任務(wù)就是做大家的“AI眼睛”，更需要完善背后的知識庫，錯誤的識別結(jié)果有時候也會誤導(dǎo)用戶，這是“探一下”當(dāng)前需要完善的地方。

25年1月7日，CES（國際消費電子展） 2025 即將盛大開幕，雷科技報道團蓄勢待發(fā)，即將飛赴美國·拉斯維加斯現(xiàn)場全程報道，敬請關(guān)注。