一、" 相机 +AI" 会碰出什么火花？

在聊如何改造今天的手机上的相机之前，我们先来回顾一小段相机发展的历史——

1913 年 6 月，德国工程师奥斯卡 · 巴纳克设计了一款轻型相机，这款相机创造性地使用 35 毫米电影胶片作为底片。

而在此之前相机都使用巨大的 8*13 厘米玻璃底片，使用这种底片的相机体积巨大，需要装在笨重的木盒里使用大型三脚架才能固定。

所以，在巴纳克的发明之前，照相是一种室内行为，人们在照相馆里拍摄表情僵硬的肖像，而巴纳克的发明让相机第一次变得便捷。

人类第一次可以随意在户外拍摄鲜活、真实的画面，这款相机被命名为 "Leica"。

是滴，1913 年，徕卡改变了人们使用相机的方式，从实用主义的产品哲学出发，真正提高了相机的使用频次。

令人吃惊的是，他的方法并不是提升相机的拍照质量，而是彻底革新了相机的使用场景。

今天，AI 给了相机一个 " 徕卡 " 级别的机会，让充当 " 眼睛 " 功能的相机能真正接入 " 大脑 "。

这就是这次百度 AI Day 上文库和网盘发布 "AI 相机 " 想要做的事情——打造存储、搜索、修图、扫描、翻译、创作一体的全模态超级入口，全面覆盖存、管、用、创、享各环节能力。

二、到底什么是真正的 "AI 相机 "？

" 覆盖存、管、用、创、享的全模态入口 " 到底是什么意思？

或者说，和手机自带的相机相比，百度的这个 "AI 相机 " 有什么特别之处？

大部分人使用相机的一个常规操作是，先用手机原生相机拍照，然后到修图应用修图，到扫描应用识别，到翻译应用翻译，然后同步到云盘存储管理。

这个体验是割裂的，是分散的，是有成本的，是存在摩擦的。

而 "AI 相机 " 就是要解决这个问题——用一站式、用 All in One 的方式。

直观地说，就是拍只是起点，围绕拍之后的一系列 AI 动作才是核心——修图美颜、拍照识别、解题、文字提取、翻译、扫描、合同检查等一系列 AI 功能，一站式解决用户 99% 的对照片的存储、拍摄、处理、管理等需求。

无论是生活场景的景点讲解、植物识别、商品识别，还是工作场景的文件扫描、票据存档，还是学习场景的拍照解题、错题讲解，AI 相机都可以一条龙解决。

更重要的是，它还能「即拍即存」，所有拍摄云端直存，释放出大量手机内存，让用户彻底告别内存焦虑，真正帮助用户实现 " 拍、存、管 " 一体。

而它的长期管理功能，比如分享、智能分类、智能搜图等功能则进一步增加了它的实用性——按地点、人物、事物、照片类型、资料类型等多维度智能分类。

甚至不少明星工作室、明星后援会都用百度网盘的相关功能来拉动与粉丝之间的互动。

AI 相机 All in One 的设计

三、为什么说百度文库网盘在打造 AI 时代的瑞士军刀？

事实上，AI 相机是文库网盘敢说自己全模态输入、处理输出在输入层面的一个缩影。

而在我看来，百度文库网盘现在做的事情就是在打造 AI 时代的瑞士军刀。

瑞士军刀有什么本质特征？

因为它体现了技术设计的根本原则：通过合理整合提升实用性。

在工具稀缺的时代，我们追求每个工具的极致性能，但在工具过剩的时代，我们追求工具的整合性、便携性和实用性——用户不想在很多个不同的 AI 工具之间跳来跳去。

百度文库和网盘希望做到：在你需要 AI 帮助的时候，它总是在那里，而且你不需要思考该用哪个工具。

它们的目标，是让 AI 不再是零散的工具，而是能一站式解决问题的 " 超级生产力 "。

就像一百多年前，一名士兵需要的不是一把最锋利的刀、一个最坚固的螺丝刀和一把最精准的剪刀，而是一把能随时解决所有问题的瑞士军刀。

具体而言，百度通过 " 打点、连线、结网 " 的方式做到了全模态输入、处理到输出的完整交付。

如何理解？

我们逐一来看——

先看全模态输入—— " 啥都能接住 "。

输入的背后是需求，而全模态输入可以最大范围锁定用户需求——全天候、全方位接受并响应用户需求、启动任务，支持各场景、各地区、各客户端、各设备的键盘、AI 麦克风、AI 相机、AI 视频等全模态输入方式。

举个例子，很多 AI 产品是不支持用户输入网址的，也就是用户丢一个 http 开头的链接进去，它只知道这是一串字符串，根本没办法解析背后的内容，而这会严重限制用户的输入带宽。

毕竟一个用户的任何需求都不是凭空产生的，而是有起点的，这个起点大概率是基于某个已有的材料：一段视频、一篇文章、一期播客，然后衍生 AI 需求，而全模态的需求则可以最大程度接住这种需求。

而要接住每一种模态的的输入，其实依赖非常系统的基建，接住这些需求一方面既消耗大量的 token，另一方面也依赖非常产品在细节层面的优化。

再看全模态处理—— " 一个完整健全的神经系统 "。

这里的全模态处理，其实核心是基于沧舟 OS 实现的，沧舟 OS 核心就是三个模块——首先智能高效的调度系统，其次是海量公私域内容数据，最后是全面的 AI 能力。

一个直观的比喻就是——沧舟 OS 是一个完整的 " 神经系统 "，它不直接创造，但它感知、协调和调度。

它连接着各种功能模块——那数百个 AI Agent，有的是 " 眼睛 "（AI 相机，负责视觉输入），有的是 " 大脑 "（大模型，负责思考规划），有的是 " 手 "（PPT Agent、文档 Agent），还有的是庞大的 " 记忆体 "（文库和网盘的数据库），最后形成合力，应对不同的全模态需求。

最后看全模态交付—— " 拒绝半成品：打通交付最后一公里 "。

" 用户要的不是一把电钻，而是墙上的那个洞。"

没错，对于 AI 产品也一样，用户要的不是一个点的交付，而是一个完全体的交付，要的不是食材，而是一盘菜。

以新功能 "GenFlow 超能搭子 " 为例，你就只需要输入如下需求——

" 最近逛商场看到好多卖动漫二次元周边的店，现在这个很火热吗 ? 我也是学设计的，能靠这个创业吗 ? 帮我写个市场调研报告 "

几分钟之后，一份 27 页、2.3 万字、8 个图表的详细调研报告就完成了，而且这个报告还支持代码模式进行查看，这就是全模态交付的重要性。

是滴，大部分用户通常需要图文并貌的文章、有专业图表的 PPT、带声音的视频，以及这些内容的组合。

然而对于大部分 AI 产品，用户拿到的都是原材料或者是半成品，需要做很多后续工作。

就好像给一堆乐高积木块，然后说：" 看，你可以用它搭出任何东西！"

但用户真正想说的是：" 我不想搭，我想要那座已经搭好的城堡。"

没错，通过打点、连线、结网，百度文库网盘将工具基建有机地整合成一个整体，而用户只需要便捷地享用一站式服务。

四、被低估的百度文库网盘

很多人 AI 前沿的从业者会有一个有意无意的倾向——追新，即认为新诞生的 AI 产品天然就更加 AI Native，而从传统工具转型 AI 的产品则没有那么性感。

我是不支持这个论调的，在我看来，用户用脚投的票才是判断一个 AI 产品的核心。

从这个意义上，我想分享在我看来百度文库和百度网盘做的很好的两个点——

1. 善用信任的惯性

的确，在前 AI 时代，大量用户已经把他们非常珍贵的数字资产——家庭照片、工作文档、学习资料——交给了百度文库和百度网盘。

比如百度文库 14 亿专业文档、1000 亿 GB 存储量——这些数字背后是真实的用户需求和使用场景。

这种基于信任的长期关系，正是百度网盘、百度文库直接用 AI 重构现有产品的出发点——不另起炉灶，而是延续信任的惯性。

百度的聪明之处在于：他们没有要求用户学习全新的工具，而是在用户已经熟悉的文库和网盘中无缝集成 AI 功能，解决实际问题，这大大降低了用户的心理门槛和冷启动难度。

2. 独有的数据是重要的护城河

没错，OpenAI 的山姆奥特曼在最近也多次强调 "Memory" 对于 ChatGPT 的重要性。

在他看来，这是将用户长期留在 ChatGPT 这个产品里的关键点，谷歌也在 Gemini 产品中强调了搜索记录等数据的重要性。

而文库的公域知识库、网盘的私域数据库和用户记忆库则构成了更立体的数据，它更深层次的意义在于，可以为 AI 提供了个性化的上下文，而这是其独有的、不可复制的资产。

随着百度文库网盘在 AI 内容创作、内容消费、个人知识库等领域继续深耕，探索大模型行业从深度思考走向 " 深度交付 "，其在与用户海量交互中升级的立体数据会成为产品深厚的护城河。

的确，用户用脚投票的数据是最诚实的，目前百度文库 AI 月活用户达 9700 万。

而百度网盘的 AI 月活用户超 8000 万，在 6 月 3 日的 AI 产品榜中，百度网盘 APP MAU 超 1.5 亿，位列应用榜国内总榜第一、全球总榜第二，仅次于 ChatGPT。

结语

百度文库网盘这个 " 全模态输入、处理、输出系统 " 其实是一个承诺，这个承诺就是——

" 告诉我你的想法，剩下的交给我。我会用我所知道的一切（文库），和你拥有的一切（网盘），把它搞定。"

对于泛知识工作者而言，这是一个非常有吸引力的承诺，它意味着更少的摩擦，更多充满确定性的创造，有望通过完整的交付重塑 " 超级生产力 "。

—— End ——