阿里近日正式开源全新图像生成模型Qwen-Image-Layered，该模型首次在架构层面实现了类似Photoshop的图层理解能力，标志着视觉大模型从"像素堆砌"向"空间重组"的重大突破。这一创新技术通过引入分层处理机制，使AI生成图像的可编辑性达到专业设计工具水准，有望重塑数字内容创作流程。
传统视觉大模型长期面临"扁平化认知"困境，其处理图像时将所有元素视为紧密耦合的像素矩阵，难以理解物体间的空间关系。这种局限导致图像编辑如同"开盲盒"——修改某个元素往往引发全局变化，例如移动画中猫咪时，背景纹理会完全重构而非自然填补。这种不可控性严重制约了AI在商业广告、UI设计、影视后期等需要精准控制的场景应用。
Qwen-Image-Layered通过三项核心技术突破解决这一难题。首先研发团队自研RGBA-VAE编码体系，在传统RGB色彩模式基础上新增Alpha透明度通道，使模型具备图层分离能力。其次创新的VLD-MMDiT架构配合3D位置编码技术，让AI能自动推理被遮挡区域的背景纹理。最关键的是，模型训练阶段直接解析海量PSD源文件，学习专业设计师的分层逻辑，形成"空间认知"本能。
实测显示，该模型可实现近乎零误差的图层编辑：设计师能独立调整特定图层元素的位置、尺寸甚至重新绘制，而其他图层保持完全不变。这种"内在可编辑性"彻底改变了创作模式——以往需要数小时的精细抠图工作，现在通过AI原生支持即可瞬间完成。某动画工作室测试表明，使用新模型后角色动画制作效率提升40%，背景修改耗时从平均2.3小时缩短至8分钟。
Qwen-Image-Layered分层处理机制示意图
技术开源方面，该模型已在魔搭社区和HuggingFace平台全面开放，支持商业用途免费下载。此举延续了阿里在开源领域的领先布局——截至目前，千问系列已开源近400个模型，全球下载量突破7亿次，衍生开发模型超18万个。在企业服务市场，通义大模型以超百万家客户规模占据中国企业级市场首位，成为应用最广泛的国产大模型。
行业分析师指出，Qwen-Image-Layered的分层处理能力将引发连锁反应：设计工具可能向AI原生架构转型，数字内容生产流程面临重构，甚至催生新的创作职业形态。随着模型在影视、游戏、广告等领域的深度渗透，专业设计工具的市场格局或将迎来新一轮洗牌。
