图片与多模态抓取档案
图片搜索的量级在 2024-2025 年跨过一个临界点：Google Lens 月视觉搜索达 200 亿次——这个数字 2024-10 在 Alphabet 财报电话会上首次公布，I/O 2025 重申（2023 年为 120 亿次），其中约 20% 带购物意图。当视觉查询的频次逼近文本搜索的量级，图片就不再是大内容的附属品，而是 AI 的直接输入通道。本页拆三件事：量级锚与两个配套入口、官方的控制面清单、以及 alt 文本在多模态时代的身份变化——它的价值正在从「排名信号」迁移为「给模型的图片语义标注」。多模态检索的底层机制不在本页展开，见多模态检索机制。
量级锚：Lens 200 亿与它的两个配套入口
单一数字之外，三个入口的矩阵才是完整的量级图景：
| 入口 | 量级口径 | 时点 |
|---|---|---|
| Google Lens | 月视觉搜索 200 亿次（2023 年 120 亿），约 20% 带购物意图 | 2024-10 财报电话会首报，I/O 2025 重申 |
| Circle to Search | 覆盖超 2.5 亿台设备，用量增长近 4 倍 | 2025 Q1 财报电话会（2025-04-30） |
| AIO（承载层） | 月活 15 亿用户 | 2025 Q1 口径 |
第三个入口是关系变量：2025-07 起 AI Mode 接入 Lens 与 Circle to Search——视觉查询的链路从「识别加结果」升级为「识别加 AI 回答」（AI Mode 的产品档案见AI Mode，AIO 的量级与机制另见AI Overviews）。这条接线的含义是：图片检索正在复用文本检索已经走过的路（从结果列表到生成式答案），图片侧的「AIO 时刻」是已经接线、等待铺开的现实，而不是假设。对站方的直接推论：图片的机器可读性建设，受众从「图片搜索」扩到了「AI Mode 的视觉输入」。
官方控制面：从 max-image-preview 到图片 sitemap
图片侧的官方控制工具并不密集，逐条列清：
| 控制项 | 规格 | 作用 |
|---|---|---|
max-image-preview |
none / standard / large |
控制搜索与 Discover 里图片预览的最大尺寸 |
| 图片发现通道 | Googlebot-Image 与图片 sitemap 扩展 |
声明图片入口，配合页面 sitemap |
| alt 文本 | 官方图片指南的正式建议项 | Google 理解图片的正式输入 |
| 文件名与路径 | 描述性命名 | 语义补充信号 |
max-image-preview 的三档值决定图片在搜索生态里的呈现上限，large 是 Discover 流量的前提档；robots meta 层的通用约束（响应头注入、对非 HTML 资源只能走 HTTP 头）与X-Robots-Tag 档案同源，本页不重复。alt 文本在表里的定位值得圈出来：它不是元数据装饰，是官方文档写明的理解输入——这个身份在多模态时代还在加重，见下节。
alt 文本的新身份：给模型的语义标注
传统图片 SEO 的比拼清单是 alt 文本、文件名、结构化数据——目标读者是排名算法。多模态模型改变的不是清单，是读者的性质：模型能直接「看懂」图片内容之后（机制基础见多模态检索机制），alt 文本的角色从「帮排名算法猜这张图是什么」变为「给模型一段可校验的语义标注」（机制判断）。写法上的差异可以用一组对照说清：
| 旧身份写法（给排名） | 新身份写法（给模型） |
|---|---|
alt="装修 装修公司 北京装修" |
alt="89 平两居室客厅完工实拍，含全屋定制柜体布局" |
| 关键词堆叠，图里没有的信息 | 描述图片实际内容与它帮检索者判断的事 |
| 所有图共用模板 alt | 逐图独立，与图片内容严格一致 |
这个新身份有三层实操含义。其一，模型看图与读文互相校验，alt 与图片实际内容不符从「优化不到位」升级为「语义冲突信号」——标注与像素打架时，可信度扣的是整页的。其二，alt 的写法基准从关键词转向「描述这张图对检索者的用处」——模型要的是用途描述，不是关键词堆叠。其三，纯装饰图的 alt 处理照旧（空 alt），但在多模态语境下装饰图的判定要更严格——凡可能进入视觉检索池的图，都值得一段真实的标注。
中文对照：拍立淘的多模态重构
中文侧的对照样本是淘宝拍立淘：2014 年上线，2021 年起重构为「大规模多模态同款搜索 AI」——从早期的图像特征匹配，走向多模态模型直接理解图片语义。这个演进路径与 Google 侧「视觉输入接入 AI Mode」是同一个方向的两条实现线：购物意图都是最大的场景（Lens 约 20% 带购物意图，拍立淘的场景天然全是购物）。对中文商家与内容站的迁移建议只有一条：把商品图与场景图当作语义资产经营——主图规格化（背景、角度、信息层级稳定，便于模型建立类目对应），场景图补足使用语境（安装效果、上身效果、空间搭配），两类图的 alt 与周边文字分别承担「是什么」与「用在哪儿」的语义分工。中文内容生态里图片语义信号的基建水平参差，电商与本地生活类站点的图片语义标准化程度，会直接影响其在中文多模态检索入口的可读性，中文内容平台的技术面见抖音与头条平台档案。
对站长的操作清单
- 核心图片逐张补真实用途描述的 alt：读者是模型，写「这张图帮检索者解决什么」，不写关键词串。
- alt 与图片内容严格一致：多模态模型会看图校验文，图文语义冲突是新风险而非优化瑕疵。
max-image-preview按流量目标选档：要 Discover 流量的站点保持large，确认响应头或 meta 层没有误设。- 图片 sitemap 扩展给核心图库配齐，与页面 sitemap 并行提交——发现通道不嫌多。
- 购物类图片按 20% 购物意图的量级单独建视觉检索验收：主图、场景图、对比图三类分开看曝光。
- 站内图片语义统一入台账：文件名、alt、周边文字三处描述保持同义，给模型交叉校验留一致信号。
限制与待核实
- Lens 200 亿/月为财报电话会口径的报道转引，I/O 2025 keynote 原文直链待补（2026-10 状态）。
- 拍立淘「日均用户数千万级、日均请求超亿次」未核实官方出处，本页不引用其规模，仅采其重构方向。
- 「alt 文本从排名信号变为语义标注」为机制判断，模型实际使用 alt 的权重无公开数据。
- AI Mode 接入 Lens/Circle to Search 后的引用展示形态无系统实测。
引用来源
- Google 图片 SEO 官方指南（Image SEO best practices）
- Google robots meta tag 官方文档（max-image-preview）