3D打印热潮背后的秘密：AI技术悄然赋能，网友神作频出，究竟如何实现？
《科创板日报》9月1日讯 近日，社交平台上掀起一股“3D打印手办”热潮。不少用户在朋友圈晒出由三维建模图、手办模型和印有“Nano-banana”字样的包装盒组成的图片，内容涵盖明星角色、宠物形象等，风格统一、细节逼真，引发广泛转发与讨论。然而，这些看似出自3D打印技术的“手办”，实际上并非实物，而是由谷歌最新推出的图像生成模型“Nano-banana”所生成的虚拟图像。
这场视觉狂欢迅速蔓延至资本市场。今日早盘，A股3D打印概念股集体走强，海正生材、长江材料涨停，金橙子、思看科技等个股也大幅上涨。市场情绪明显受到“手办热”的带动，但背后的真正推手并非制造业升级，而是一场由AI图像模型引发的数字内容风暴。
事实上，所谓的“3D打印手办”只是谷歌代号为“Nano-banana”的图像生成与编辑模型的一次创意应用展示。用户只需上传人物或动物照片，并输入特定提示词，该模型即可将图像转化为具有统一风格的“手办”效果图。尽管视觉上极具真实感，但这些“手办”仅存在于数字空间中，尚未真正进入实体生产环节。
这款模型的正式名称为Gemini 2.5 Flash Image，于8月26日正式上线。凭借在图像编辑任务中的出色表现，迅速在海外AI社区走红。根据知名AI评测平台LMArena最新排名，Nano-banana以1362分高居榜首，显著领先于flux（1191分）和GPT（1170分），展现出其在多模态理解与生成能力上的领先优势。
更令人惊叹的是其多图融合能力。据3D数字艺术家特拉维斯·戴维斯实测，该模型可同时处理多达13张素材图，并将其无缝融合为一张逻辑自洽、风格统一的新图像。这一能力打破了传统图像编辑中对素材数量和结构的限制，极大提升了创作自由度。
在谷歌Gemini官方分享的案例中，用户甚至可以在地图上简单绘制一个“箭头”，Nano-banana便能结合地理常识与视觉推理，将卫星图像自动转化为具有艺术感的风景图。这不仅体现了其强大的图像生成能力，更凸显了其背后“借助Gemini世界知识”的语义理解优势。
从技术角度看，Nano-banana的核心突破在于实现了跨图一致性、多图融合、对话式精细编辑以及基于常识的智能推理。这些能力使得它不仅能“画图”，更能“理解意图”。目前，用户可通过Gemini App或API调用该模型，API定价为每百万输出token 30美元，生成单张图片成本约为0.039美元，性价比极高，具备大规模商用潜力。
值得注意的是，Adobe、WPP、Figma等国际知名企业已开始在真实业务场景中集成Nano-banana，并反馈显著提升了内容创作效率。这一现象表明，AI图像模型正从实验室走向产业一线，成为提升生产力的关键工具。华福证券指出，Nano-banana的出圈标志着多模态模型正向更高阶能力演进，预示着该领域或将迎来爆发式增长。
当前，AI图像生成已成为科技巨头竞争的核心战场。今年3月26日，OpenAI推出基于GPT-4o的图像生成功能“Images in ChatGPT”，实现了从纯语言模型向全模态智能体的跨越；8月23日，Meta宣布与Midjourney合作开发图像与视频生成技术。在此背景下，谷歌凭借Nano-banana的快速落地，再次巩固了其在多模态领域的领先地位。
华泰证券分析认为，原生多模态模型架构已获得业界广泛认可，OpenAI与谷歌的相关模型在性能、响应速度和部署效率上展现出明显优势。更重要的是，多模态产品的商业化进程明显快于纯文本模型，正逐步成为大模型落地的主流路径。可以预见，多模态大模型及其应用生态的发展已接近奇点，即将迎来全面爆发。
从投资视角来看，多模态技术的兴起将在算力与应用两个层面催生新的机会。在算力侧，原生多模态模型训练和推理对计算资源的需求远超传统模型，尤其是视频生成类任务，将进一步推高GPU等高端算力的需求；在应用侧，国内视频生成技术已具备领先优势，而广告、零售、内容创作、教育等行业对AI内容生成的需求日益旺盛，商业化前景广阔。这场由“Nano-banana”点燃的热潮，或许只是多模态时代到来的前奏。
