AI绘画领域正面临一场范式革命，何恺明团队的最新论文《Back to Basics》直指扩散模型的核心缺陷，提出了颠覆性的x-prediction解决方案。本文深度剖析了当前主流AI绘画模型因目标错配导致的技术债务，并揭示JiT架构如何通过回归本质目标，实现从复杂组件堆砌到极简端到端设计的范式转变，为行业带来成本结构和生态布局的全新思考。