文|阿爾法工場

目前，隨著AI技術(shù)的快速迭代，各種基于AIGC（人工智能內(nèi)容生成）技術(shù)的產(chǎn)品不斷涌向社會，而其中最普遍的，則莫過于大量的AI繪圖模型，如Midjourney、Dreambooth、Novel AI和Stable Diffusion等。

雖然AI繪圖領(lǐng)域，看似進入了百花齊放的時代，但目前業(yè)內(nèi)的頂流，仍然是Midjourney和Stable Diffusion為代表兩大龍頭。

今年4月，Midjourney進一步宣布推出針對二次元、動漫風格的繪圖模型Niji-journey V5。

這一模型與以往最大的不同，就是它能“取代”高級原畫師了。

憑借著出眾的造型張力和色彩使用、以及豐富的風格化表現(xiàn)力，Niji V5不光看傻一眾吃瓜群眾，甚至驚艷了業(yè)內(nèi)畫師，讓人直呼其已經(jīng)具有了大師插畫的味道。

之所以能夠如此質(zhì)變，一大原因在于相較此前版本，Niji V5 支持了風格化（stylize）參數(shù)設置。

簡而言之，在該版本下，用戶只需使用風格化命令，就能引用不同藝術(shù)家設計風格產(chǎn)出圖片。

在Niji V5的助力下，人們輕易地生成了許多“大師級”的作品。

Niji V5產(chǎn)出圖片的品質(zhì)相當優(yōu)秀，幾乎覆蓋市面上的常見風格。在此基礎上，使用者只需要微調(diào)設計，基本能夠達到大部分優(yōu)秀高級原畫的工作需求。

如此出色的技術(shù)，不禁讓人對其背后的Midjourney公司產(chǎn)生了強烈的興趣。

實際上，雖然Midjourney和Stable Diffusion同為當前AI繪畫的兩大領(lǐng)軍者，但其當下的境遇卻有著天壤之別。

Stable Diffusion背后的明星公司——Stability AI，目前正面臨嚴重的財政困境，由于沒有明確的盈利途徑，公司正面臨倒閉的危機。

相較之下，Midjourney卻運行得風生水起，憑借著付費訂閱的商業(yè)模式，Midjourney不僅獲得了每年1 億美元的營收，并且在Discord上已經(jīng)積累了1000多萬用戶。

同為開發(fā)繪畫AI的團隊，Midjourney是怎么取得今天的成就的呢？

01、延伸人類想象力

雖然Midjourney在不融資的情況下就實現(xiàn)了盈利，但從創(chuàng)建的背景來看，創(chuàng)始人大衛(wèi)·霍爾茨（David Holz），并不像那種鉆進錢眼里的人。

他為Midjourney設立了一個非常不“銅臭”的宗旨：AI 不是現(xiàn)實世界的復刻，而是人類想象力的延伸。

而這樣充滿科幻色彩的宗旨，和大衛(wèi)的背景、經(jīng)歷有著很大的關(guān)系。

MidJourney的創(chuàng)始人大衛(wèi)·霍爾茨

作為一個數(shù)學專業(yè)的博士生，大衛(wèi)曾在大學期間研究激光雷達、大氣科學和火星任務，可謂是一個涉獵甚廣，且充滿好奇心的“怪才”。

經(jīng)過了廣泛的探索后，大衛(wèi)似乎找到了自己真正的興趣所在，于是，在2010年便創(chuàng)立了一家研發(fā)手部跟蹤技術(shù)為主的公司——Leap Motion。

然而，由于與之相關(guān)的VR/AR技術(shù)一直不成熟，Leap Motion也始終沒能做出有具體應用場景的產(chǎn)品。

大衛(wèi)之前研發(fā)的手部追蹤產(chǎn)品

最終，2019年，大衛(wèi)把 Leap Motion 公司賣給了競爭對手 Ultrahaptics。隨后，他成立了一個工作室來探索新的機會，

恰巧在這時，AI在生成藝術(shù)方面取得了突破。

Transformer架構(gòu)的出現(xiàn)，徹底改寫了圖像合成的歷史。從此，多模態(tài)深度學習整合了NLP和計算機視覺的技術(shù)，成為圖像合成的藝術(shù)方法。

于是，借著生成式AI的東風，大衛(wèi)創(chuàng)建了Midjourney。

公司團隊成員僅11人，其中1位創(chuàng)始人、8位研發(fā)人員、1位法務、1位財務。

在公司的構(gòu)成中，完全沒有產(chǎn)品經(jīng)理、市場銷售人員，除了創(chuàng)始人、兩個支持性崗位（法務、財務），80%的人員都是研發(fā)人員。

而作為中堅力量的研發(fā)成員，一半（4位）都是尚未畢業(yè)的本科生。

雖然這四位本科生都有一些實操甚至是創(chuàng)業(yè)經(jīng)歷，但是確實經(jīng)驗有限，而且也非畢業(yè)頂尖名校。

剩下來的幾位研發(fā)人員，都有著比較豐富的職業(yè)經(jīng)歷。

在聚攏人才后，大衛(wèi)也進一步明確了自己對于Midjourney的理念。

大衛(wèi)將公司Logos 設計成了一艘在波浪中航行的帆船，意為水既危險，又是文明的驅(qū)動力。

懂得如何與水一起生活和工作的人類，將有能力在水中游泳、做船、筑壩發(fā)電，從而更好的生活，因此，大衛(wèi)認為AI是人類想象力的引擎。

然而，在當時生成式AI的競爭格局上，有這類“雄心壯志”的團隊，可不只Midjourney一家。

例如Stable Diffusion的母公司 Stability.AI，在創(chuàng)立時也聲稱要將自己的使命定格為成為世界領(lǐng)先的開源AI公司，并發(fā)揚將AI共享于全世界的理念。

然而，口號喊得震天響，理念終歸是不能當飯吃的啊。

情懷滿滿的大衛(wèi)，之后是怎么解決一系列公司融資、盈利的問題的呢？

02、開源VS閉源

從今天來看，Midjourney的盈利模式看上去十分簡單，即通過付費訂閱的商業(yè)模式，按月向用戶收取費用，其標準有3種套餐，分別是10/30/60美元/月。

不過，這樣的模式要想行得通，得解決兩大關(guān)鍵問題：

1.憑什么讓用戶產(chǎn)生付費的意愿？

2.大模型訓練所需要的高昂成本怎么解決？

先來說說第一點，實際上，當AI圖像生成技術(shù)開始方興未艾之時，很多使用者并不覺得這種技術(shù)是需要“付費”的。

原因就在于，當時像Stable Diffusion這樣的行業(yè)龍頭，為了吸引大量的開發(fā)者，最大程度的把模型用起來，因此采取了開源的模式。

和Dall·E、Midjourney不同，Stable Diffusion是完全免費、不限次數(shù)、任何人都可用的。

雖然對硬件有著一定要求，但也能在幾秒鐘內(nèi)生成高清圖像。

這樣的好處在于，開源社區(qū)會齊心協(xié)力地完善模型文檔，共同解決技術(shù)難題。這使得代碼的迭代速度非常快，優(yōu)化效率遠遠高于閉源系統(tǒng)。

但缺點也很顯而易見，那就是商業(yè)化不夠直接，可能為別人“做了嫁衣”。

而相較之下，Midjourney卻采用了不那么開放的“閉源系統(tǒng)”。

如果說閉源系統(tǒng)真的有什么好處，那就是針對性更強了。

因為模型閉源，并通過龐大的用戶量積累了獨有的數(shù)據(jù)集，可以根據(jù)用戶需求不斷地針對性訓練模型，長期來看更有利于建立競爭壁壘。

在探索用戶需求這點上，大衛(wèi)采取了產(chǎn)品上線后邊測試邊改進的辦法。

例如Midjourney模型最開始很慢，需要20分鐘才能出一張高質(zhì)量的圖片。后來團隊推出了一個做15秒生產(chǎn)圖片，但是質(zhì)量沒那么高的版本，

經(jīng)過多輪測試，團隊了解到，速度和質(zhì)量其實都只是表象，因為不同用戶的選擇，實際上是多維度的。

在針對用戶需求進行調(diào)整后，無論是創(chuàng)意行業(yè)設計者，還是普通愛好者，都能通過Midjourney滿足自身的繪畫需求。

除了了解用戶需求外，在使用流程方面，Midjourney也并不像Stable Diffusion需要本地部署，操作十分便捷，對顯卡和硬件性能也幾乎沒有要求。

雖為閉源，但Midjourney在使用難易度上，卻更像一個“親民”的大眾產(chǎn)品。

于是，Midjourney 獲得大量用戶后，養(yǎng)成了用戶使用習慣，且在開啟付費訂閱后就進一步加強了用戶粘性。

03、算力難題

剛才提到，Midjourney在硬件方面，對用戶幾乎沒什么要求。而這樣的原因，則是由于Midjourney所有的圖片都是在云上完成并訓練的。

但如此龐大的云計算量，必然需要高昂的成本，這就回到了剛才的第二個問題：

在沒有融資的情況下，在云上進行大模型訓練所需要的高昂，該成本怎么解決？

實際上，大衛(wèi)解決這個問題的方式很簡單，也很不可思議。

當大衛(wèi)需要找到一個云供應商提供10,000個GPU時，他直接給云供應商的負責人發(fā)了封電子郵件，結(jié)果對方就直接給到了這些資源，完全不需要風險投資。

看到這兒，也許有人驚得下巴都掉了，這種事在現(xiàn)實中真的可能嗎？

當然，供應商并不是抽風了，而是看中了大衛(wèi)之前的成就和聲譽。

大衛(wèi)之前的創(chuàng)業(yè)已經(jīng)獲得了聲譽，大衛(wèi)打從創(chuàng)辦Leap Motion的時候起就有一個觀點，他覺得技術(shù)的最大限制不是規(guī)模、成本或速度，而是人們?nèi)绾闻c之互動。

Leap Motion的手勢互動是一個嘗試，到了Midjourney這里，他開始使用更短的繪畫關(guān)鍵詞（prompt）來催動AI產(chǎn)出。

這樣的理念，吸引了每一個了解大衛(wèi)的人，也讓他得到了云供應商的支持。

然而，在獲得了供應商的鼎力支持后，大衛(wèi)也仍然要面對算力捉襟見肘的問題。

從成本來說，Midjourney大約10%的云成本用于訓練，90%是用戶制作圖像的推理。所以幾乎所有的成本都在制作圖像上。

為解決這一點，Midjourney在世界上八個不同的地區(qū)，設立了自己的服務器，比如韓國、日本或荷蘭等，在每個時區(qū)的夜間，當?shù)厝硕荚谒X，沒有人使用GPU。Midjourney就可以充分利用這些算力，實現(xiàn)GPU負載平衡。

實際上，這種依靠云端服務器來降低成本、加快模型訓練的做法，與目前騰訊訓練大模型的策略十分相似。

在算力已經(jīng)愈發(fā)成為大模型訓練瓶頸的今天，如果在訓練開發(fā)環(huán)節(jié)，直接調(diào)用云端的大模型和AI算力資源，完成后一鍵分發(fā)到用戶終端上，就可以大大降低成本，減少工作量。

因此，Midjourney “云上計算”的這一步棋，著實是摸準了時代的方向。

互聯(lián)網(wǎng)的演進之路，已經(jīng)說明，無論To B還是To C行業(yè)，都在追求越來越集約精簡的終端硬件、越來越低門檻的交互入口、越來越輕盈的軟件應用。

所以說，大模型從云入端，是模型服務商實現(xiàn)商業(yè)化的必爭之地。

04、總結(jié)

從Midjourney看似不可思議的創(chuàng)業(yè)經(jīng)歷，我們可以發(fā)現(xiàn)，在這次AIGC時代的浪潮中，能夠脫穎而出的企業(yè)、團隊，未必是財大氣粗的頭部大廠。

因為在生成式AI、云計算等技術(shù)逐漸抹平大企業(yè)與中小企業(yè)之間的技術(shù)、成本差距后，各企業(yè)真正比拼的，只剩下人才、創(chuàng)意與執(zhí)行力。

而這也是為什么， Midjourney這類僅有寥寥十幾人的小團隊能脫穎而出的原因。因為這樣依靠少數(shù)尖端人才組建的團隊，具有大企業(yè)所沒有的靈活性、創(chuàng)見和魄力。

而這類小團隊的創(chuàng)意、靈感，若要真正在市場、社會中扎下根，就離不開對用戶多樣化、個性化需求的追蹤。

這是因為，AIGC技術(shù)的“泛用性”，決定了其絕不是針對某一行業(yè)、人群，或是某一類企業(yè)的技術(shù)。

只有在這多樣化的需求中，盡可能地滿足不同層級用戶的特定需求，一款產(chǎn)品才能真正地具有長遠的生命。

既服務所有人，又不忽視每一個特殊的人，這或許就是Midjourney成功的最大原因。