專訪Prisma創辦人:爆紅的速度太快,其實有點困擾
專訪Prisma創辦人:爆紅的速度太快,其實有點困擾

有句話是這麼說的:

2016年,全世界的人一半在抓皮卡丘,另一半在用Prisma修圖。

Prisma有多紅?它一上線就風靡全球,至今拿下9,000萬的下載量,處理超過50億張照片。Prisma還一舉拿下蘋果App Store、Google Play等年度應用的獎項。

圖/ 愛范兒

這背後發生了什麼?

我們受到百度百家號和極客公園GIF大會邀請,專訪了Prisma的創辦人艾列克謝· 莫伊謝延科夫(Alexei Moiseyenkov),讓他來親自告訴你Prisma背後的故事。

紅得太快,曾是Prisma最大的困擾

如果你還不了解Prisma,可以看看這篇文章

簡而言之,它能夠把任何呆板無趣的照片,在幾秒內轉換成像畢卡索、梵谷等著名畫作的風格,幫你在濾鏡遍地的社群網站裡突圍而出。

俄羅斯總理梅德維傑夫也是它的粉絲,他在Instagram上曬出了用Prisma處理的照片,拿下超過8萬個讚。

俄羅斯總理梅德維傑夫prisma.png
圖/ 愛范兒

Prisma的創辦人Moiseyenkov悄悄告訴我們:

其實Prisma上線不久,就已經像病毒一樣傳播開來⋯⋯我們的總統普京沒有Instagram帳號,所以我一直在等總理梅德維傑夫用Prisma發圖片。

而Prisma風光的數據也佐證了Moiseyenkov所言非虛:

  • 只用了9天,它衝上了俄羅斯、烏克蘭等10個國家的App Store榜首。
  • 兩週內,下載量超過了160萬次。
  • 一個月後,它的活躍用戶已經超過了100萬。
圖/ 愛范兒

除此之外,Moiseyenkov還向AppSo透露了一些「小秘密」,和大家分享一下:

  • 儘管有著如此亮眼的數據,Prisma沒有在行銷宣傳上花費過一分錢,行銷人員也只有1位;
  • Moiseyenkov認為開發Prisma過程中最大的困難是**「它紅得太快了」**,使用人數太多,伺服器不堪重負;
  • Prisma最受歡迎的3個濾鏡是:Tears、Mononoke 和Surf
  • 據說Prisma Labs是世界上第一個做到在手機上離線運行人工智慧風格轉換的團隊;
  • 截止到目前為止,Prisma Labs團隊一共有15人,絕大部分都是程式工程師及AI研究員
圖/ 愛范兒

你用的不是「濾鏡」而是人工智慧

我想將最先進的技術,放進每個人的口袋裡。

Prisma處理圖片用的不是濾鏡,而是人工智慧。

創辦人Moiseyenkov向AppSo解釋:

我們創造了自己獨特的演算法在裝置上運行神經網路⋯⋯人工智慧提取了名畫的風格,然後應用到圖像上,將你的照片重繪後,就成了你看到的樣子。

Prisma創辦人.jpg
用Prisma處理後的Moiseyenkov肖像。
圖/ 愛范兒

Prisma 會通過「多層卷積網絡」,提取名畫風格和你照片風格的畫面特徵,將它分離表現出來。

圖/ 愛范兒

之後,自然是對紋理進行一層又一層的重繪、渲染。

圖/ 愛范兒

提取不同的名畫風格重複上述步驟,就會呈現不同的效果。

圖/ 愛范兒

其實有一個名為Deep Art的網站也能實現這樣的效果,但由於服務收費且耗時過長(需要等待20分鐘),沒能像Prisma一樣大紅大紫。

Moiseyenkov告訴AppSo:

沒有人想為一張照片等待那麼久。

所以,Prisma的更新一直圍繞「提高速度」進行,不斷改進圖像處理的演算法。目前一張1080×1080的高解析度圖片,半秒內就能完成風格轉換。

Prisma的新方向是什麼?

Prisma現在不只是一個專注於風格轉換的修圖app了。

從3.0版本以來,我們都能窺視它轉型社交平台的內心。

打開Prisma,原來的上傳照片的界面已經變成了拍攝,新增了拍攝影片的功能,有8款「濾鏡」可供選擇。

向左滑,我們發現Prisma增加了Feed的功能,入口很小,但裝載的功能卻很多:

  • 自建主頁,和Instagram差不多,你還能分享個人主頁的連結;
  • 達人推薦,你可以在這里關注感興趣的PO主,並在Feed裡看見他們的更新;
  • 看「趨勢」及「最新」欄目,發現更好的照片。它還加入了一個叫「Jump to Location」的功能,你能透過它遊覽各地。
圖/ 愛范兒

Moiseyenkov說,照片流是一個非常重要的功能,而且它的實現是以定位為基礎的。

一旦你發布了一張照片,那麼就只有你附近的人可以看到。如果有人點讚,那麼這張圖片就會流傳到更遠的地方。獲得的讚越多,那麼照片傳播得更遠。

發佈在Feed裡的照片,還配有一個「點讚地圖」,你能清晰地看見照片在哪個國家比較受歡迎,甚至是它的傳播軌跡。

圖/ 愛范兒

據外媒Mashable報導,Prisma也在開發VR功能,這段360°影片,就預示了它即將可能達到的VR效果。

圖/ 愛范兒

可以看出,新的功能也將沿用原來的圖像風格。這樣,我們就能戴著「濾鏡」看世界,一切都將變得與眾不同,是不是還挺有趣的?

問及Prisma未來有什麼規劃,Moiseyenkov沒有透露太多,只說會有很多更新更好玩的功能會上線。

讓我們拭目以待吧。

本文授權轉載自:愛范兒

關鍵字: #人工智慧
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓