打开外卖App，你会发现一个耐人寻味的现象：越来越多的餐厅招牌菜图片，看起来精致得像假的一样。对称到完美的摆盘、光泽统一到不真实的酱汁、连香菜叶的角度都像是复制粘贴的。一些顾客忍不住吐槽：“这披萨看起来像塑料模型。”还有人把这种现象直接称为餐饮界的“恐怖谷效应”。
这种让人不舒服的视觉体验，正在成为AI改写菜单设计之后的新困扰。
问题出在为完美而完美的“平均脸”
用生成式AI制作菜品图片，已经成为餐饮行业里的新潮流。商家只需要输入“一份诱人的牛排饭”，几秒钟就能得到一张色彩饱和度拉满、光影无可挑剔的图片。
问题在于，它们的“好看”高度雷同。
一个做日料的小店可能会好奇：为什么我有实体店的照片，还要去翻AI的合成图？答案很简单——许多商家觉得AI生成的图片比自己手机拍出来的更有吸引力。
但顾客看多了就开始发毛。有人发现自己常点的那家面馆，照片里的溏心蛋永远完美得像是刻出来的；有人想找一家接地气的家常菜馆，翻了半小时图，感觉每家店的鱼香肉丝“长”得一模一样，像流水线出来的壳子。吃进嘴里的东西，看着像出厂设置，让人心里一紧。
一名网友在社交平台上分享了自己的经历：他用AI连续修改一张汉堡图片，包括调整芝士的颜色、肉饼的位置、背景的光线，反反复复调整了超过100版。结果让他脊背发凉——汉堡形象开始缓慢变得怪异、纹路偏离逻辑，最终看起来几乎不再像食物。更核心的是，它失去了让人产生食欲的那种温度。
为什么AI这么执着于交出一张“平均脸”？
AI看东西，像刚学认字的孩子
现实里，安全提示语往往配有图标，帮助人们快速识别。AI看世界的方式也类似，它学习的是规律，而不是“经验”。
Reality Defender的首席技术官亚历克斯·利斯（Alex Lisle）指出，大语言模型和扩散模型的训练机制决定了它们必须有海量数据作为养分。这个学习过程，就是在无数图像中取出共性。比如连锁餐厅的菜单照片有一万张，其中八千张都带着光泽饱满的高光，AI就会得出一个结论：所谓“真实食物”，就该长这样子的。它们不是在“看见”食物，而是在“模仿”它见过最多的高频模板。
这就造成了一个很滑稽的后果——AI呈现的“美味”，不是某个厨师的独家手艺，而是全网素材取平均值的大锅饭。越精致的生成图，越是高相似度的梦。
问题被放大的关键：AI正在吃它自己
有人说，像这样的现象我们早就见过，滤镜照片和预制菜图片不是问题早就存在了吗？
现实却比那个更棘手——AI生成的照片正在大规模进入现实的信息环境，而模型学习时，又一次次把这些照片当成了新的记忆。于是，AI无形中回到一种循环中：自己喂自己，疯狂复制并强化单一审美。
这就是业内所称的“模型崩溃”风险。一旦反复迭代生成，AI产出的形象不仅愈发同质化，甚至可能开始偏离基本物理规则。埃隆大学“数字未来中心”的负责人李·雷尼（Lee Rainey）补充说，训练数据通常偏向美观和规避“冒犯性”内容，这也让图像和语言的棱角被修剪得干干净净。
某种意义上，AI是吃着精粮长大的。它不知道真实世界里，番茄炒蛋的汤汁有一天会把盘子染得深浅不一。
真实比完美值钱
德国杜伊斯堡-埃森大学的研究人员早就给这个现象敲了警钟——AI生成的食物图像，往往让人产生类似“恐怖谷”的生理性排斥反应。明明形状上无限接近真实，但你总觉得哪里“像死了一样”，感受到一种冰冷的违和感。
这种真实的吸引力，是眼下AI无法替代的价值。
未来的竞争点，或许不是比谁的AI更能渲染出无懈可击的“照骗”，而是比谁更懂得保留真实世界的细节、瑕疵与多样性。毕竟用户真正需要的那份温暖烟火气，藏在热腾腾的出锅瞬间里，不藏在光滑的塑料质感里。