一张1200万像素的照片，以未压缩的BMP格式存储，数据量是36兆字节。这段数据若逐字翻译成文本，相当于600本长篇小说。任何人扫一眼这块屏幕上显示的图像，花费的时间不超过300毫秒。视觉系统在这300毫秒里完成的识别任务，换作大型语言模型逐像素扫描分析，需要数秒甚至更久。这种效率鸿沟定义了数字图像时代最本质的矛盾——机器存储和传输的信息，与人类实际接收的信息，衡量刻度完全不同。
技术世界里，图像的"信息量"有一套精确的计算公式。分辨率乘以色彩深度乘以通道数，得到的是原始比特流的总长度。RAW格式保留传感器捕获的全部数据，文件体积动辄20兆起步。JPEG把这个数字压缩到2兆以内，靠的是离散余弦变换和量化表设计。高频细节被除以一个系数然后四舍五入，低频轮廓保留完整。1280×720的屏幕上看不出差别，放大到200%则出现块状伪影。这些伪影就是被丢弃信息的坟场。有损压缩的本质是对人类视觉弱点的系统性利用。
人类视觉系统采用的策略完全相反。视网膜上1.2亿个视杆细胞和600万个视锥细胞采集原始刺激，但视神经只有100万根纤维通道。这个物理瓶颈决定了信息必须被大幅压缩后才能抵达大脑皮层。视觉皮层的第一层V1区域只响应边缘和朝向，进入V4区域才处理颜色和形状，抵达颞叶下回才有面孔和物体识别。每一层级都在做激烈的信息筛选。最终抵达意识的，说不定只有寥寥几百个比特的语义描述。这种机制解释了为什么一张图片可以在一瞬间被理解，也解释了为什么视觉错觉能蒙骗所有人。
信息冗余的价值被严重低估。一张纯色背景的海报，技术上信息熵极低，视觉上却承载着氛围、情绪、品牌联想等厚重内容。摄影师拍摄人像时追求背景虚化，实质是主动抹除高频率信息，让观者的注意力剥夺式地聚焦于主体。界面设计里大量留白，不是浪费像素，而是给视觉系统减压。图像质量的另外一个维度，不在于信息的量，而在于信息的编排结构。有效的图像表达，总是在信息密度与认知负载之间寻找一个精确的平衡点。
重新定义图片信息的概念，需要把两套刻度同时放在桌面。一套是香农信息论里的熵，衡量数据的不可预测程度。另一套是生态心理学里的可供性，衡量图像能支撑多少种行动可能。一张平淡无奇的蓝天白云照片，像素熵可能接近完全随机分布，但语义可供性非常有限。一张精心设计的路牌，像素简单到极点，却承载清晰的导航意图。未来的图像理解系统若想真正逼近人类水平，必须抛弃单一的信息映射模型，走向一种混合表达——像素层面保持物理保真，语义层面建立意图解码。到那一天，图片信息的定义会从"储存了什么"转向"唤起了什么"。