登頂蘋果應用榜！谷歌火遍全網的“納米香蕉” 憑啥擊敗ChatGPT？

谷歌市值沖上3萬億美元的同時，旗下的“殺手級”AI應用也超越ChatGPT，成功登頂蘋果應用榜第一名。

最新數據顯示，在美區AppStore中，谷歌旗下大模型應用Gemini的下載量已超過OpenAI的ChatGPT，成為免費榜排名第一的應用。此外，在加拿大、印度、摩洛哥等國家，Gemini同樣實現了登頂，打破了ChatGPT自發布以來長期的壟斷地位。

這一超越背后，離不開谷歌推出的爆款圖像編輯產品Nano Banana（納米香蕉）。今年8月26日，谷歌DeepMind發布新一代AI圖像生成與編輯模型Gemini 2.5 Flash Image。這一模型的代號為“Nano Banana”，在圖像質量、編輯控制和應用場景上有大幅改進，一推出就受到了用戶的熱烈追捧。9月4日，谷歌實驗室副總裁Josh Woodward透露，自該功能上線以來，已累計完成超2億次圖像編輯，帶動超1000萬新用戶嘗試Gemini應用。

浙商證券研報分析稱，和此前的多模態模型相比，Nano Banana在以下技術層面有所提升。1）自然語言驅動圖像編輯：Nano Banana允許用戶通過一句簡單的自然語言指令實現精準編輯，無需傳統圖層或遮罩操作。2）角色一致性與場景融合：模型在連續編輯中能夠保持人物面貌與特征一致，確保角色在不同場景和動作中保持統一識別度。這一特性在品牌角色創作、情景劇本生成等應用中尤為關鍵。3）多圖融合與世界知識注入：支持將多個圖片在同一畫面中融合，自然過渡；同時，基于Gemini的世界知識，模型能理解復雜場景并執行符合現實邏輯的編輯任務。4）降低3D建模門檻：傳統3D建模需專業技能，而Nano Banana生成的2D設計圖已包含結構、光影、材質等關鍵信息，建模師可快速將其轉化為3D文件。

記者搜索發現，Nano Banana自上線以來，各大網絡社區平臺的用戶均分享了許多由其制作的圖片，效果十分驚艷。例如上傳一張圖片，并提示“把我的寵物變成包裝旁邊的塑料玩偶”，即可生成一張高清的3D寵物手辦圖片。

再比如，輸入提示詞“將我手中的物體變成3D透明線條藝術全息圖”，Nano Banana也能準確地理解提示詞的含義。

Nano Banana的火爆出圈，與數月前GPT-4o推出圖像生成功能并引發“吉卜力”風格AI圖片創作風潮十分相似。吉卜力風格是指日本吉卜力工作室創作的動畫藝術風格，該工作室由宮崎駿與高畑勛于1985年創立，代表作包括《千與千尋》《龍貓》等。由于過于火爆，OpenAI首席執行官山姆·奧特曼當時也火速換上了這一風格的頭像。奧特曼還發貼稱，ChatGPT一小時就新增了百萬用戶，其活躍用戶、App下載和訂閱收入都在吉卜力效應當周創下了歷史紀錄。

業內人士分析稱，谷歌Nano Banana能夠在全球走紅，源于其在AI生圖領域重構了用戶的體驗范式，實現了從“復雜工具欄”到“一句自然語言”、從“渲染緩慢”到“秒級出圖”、從“效果不穩定”到“跨圖一致性”等一系列突破，大幅降低了使用門檻和成本。

值得注意的是，受益于反壟斷裁決結果好于市場預期以及Nano Banana的良好市場表現，谷歌股價近期持續上漲。周一（9月15日）早些時候，花旗集團分析師Ron Josey將谷歌母公司Alphabet目標價從225美元上調至280美元，理由是“隨著Gemini在廣告與云業務中的采用加速，正出現更快的產品開發周期”。

此外，Nano Banana的爆火，無疑再一次點燃了圖像生成視頻賽道的戰火。記者注意到，最近一段時間以來，國內大模型廠商也紛紛對標Nano Banana，推出了相應的圖像生成模型。

例如，9月9日，字節跳動Seed團隊宣布推出豆包圖像創作模型Seedream 4.0。據介紹，Seedream 4.0可靈活支持文本、圖像的組合輸入，抽取不同圖片元素進行創作，還可一次生成角色連貫、風格統一的組圖，實現表情包、連環畫等各類創意玩法。同日，AI創業公司生數科技正式推出Vidu Q1參考生圖功能，正面對標Nano Banana，支持單次輸入最多7張圖像作為參考，可自由組合人物、背景與道具，生成細節精準、風格統一的高質量圖像。

華泰證券認為，原生多模態模型架構得到業界認可，OpenAI和谷歌的原生多模態模型已經在性能、延時、部署上展現出了優勢。整體而言，多模態為主的產品商業化快于文本產品，從大模型到多模態已是商業化的必由之路，多模態大模型和應用發展的奇點將至。

就投資層面來看，多模態有望在算力和應用兩方面帶來相關投資機會。算力側，供給端原生多模態模型需要比非原生模型更多的算力，需求端視頻的推理算力需求遠大于文字，視頻Agent的落地進一步催生推理算力需求。應用側，供給端國內的視頻生成模型領先，需求端廣告、零售、創作、教育等領域均有AI化需求。