本文来自微信公众号：AI新智能（ID：alpAIworks），作者：举大名耳，原文标题：《Midjourney：伟大的公司只需要十一人》，题图来自：视觉中国
目前，随着AI技术的快速迭代，各种基于AIGC（人工智能内容生成）技术的产品不断涌向社会，而其中最普遍的，则莫过于大量的AI绘图模型，如Midjourney、Dreambooth、Novel AI和Stable Diffusion等。
虽然AI绘图领域，看似进入了百花齐放的时代，但目前业内的顶流，仍然是Midjourney和Stable Diffusion两大龙头。
今年4月，Midjourney进一步宣布推出针对二次元、动漫风格的绘图模型Niji-journey V5。
这一模型与以往最大的不同，就是它能“取代”高级原画师了。
凭借着出众的造型张力和色彩使用、以及丰富的风格化表现力，Niji V5不光看傻一众吃瓜群众，甚至惊艳了业内画师，让人直呼其已经具有了大师插画的味道。
之所以能够如此质变，一大原因在于相较此前版本，Niji V5支持了风格化（stylize）参数设置。
简而言之，在该版本下，用户只需使用风格化命令，就能引用不同艺术家设计风格产出图片。
在Niji V5的助力下，人们轻易地生成了许多“大师级”的作品。
Niji V5产出图片的品质相当优秀，几乎覆盖市面上的常见风格。在此基础上，使用者只需要微调设计，基本能够达到大部分优秀高级原画的工作需求。
如此出色的技术，不禁让人对其背后的Midjourney公司产生了强烈的兴趣。
实际上，虽然Midjourney和Stable Diffusion同为当前AI绘画的两大领军者，但其当下的境遇却有着天壤之别。
最终，2019年，大卫把Leap Motion公司卖给了竞争对手Ultrahaptics。随后，他成立了一个工作室来探索新的机会。
恰巧在这时，AI在生成艺术方面取得了突破。Transformer架构的出现，彻底改写了图像合成的历史。从此，多模态深度学习整合了NLP和计算机视觉的技术，成为图像合成的艺术方法。
于是，借着生成式AI的东风，大卫创建了Midjourney。公司团队成员仅11人，其中1位创始人、8位研发人员、1位法务、1位财务。
在公司的构成中，完全没有产品经理、市场销售人员，除了创始人、两个支持性岗位（法务、财务），80%的人员都是研发人员。
而作为中坚力量的研发成员，一半（4位）都是尚未毕业的本科生。
虽然这四位本科生都有一些实操甚至是创业经历，但是确实经验有限，而且也非毕业顶尖名校。
剩下来的几位研发人员，都有着比较丰富的职业经历。
在聚拢人才后，大卫也进一步明确了自己对于Midjourney的理念。
大卫将公司Logo设计成了一艘在波浪中航行的帆船，意为水既危险，又是文明的驱动力。
懂得如何与水一起生活和工作的人类，将有能力在水中游泳、做船、筑坝发电，从而更好地生活，因此，大卫认为AI是人类想象力的引擎。
然而，在当时生成式AI的竞争格局上，有这类“雄心壮志”的团队，可不只Midjourney一家。
例如Stable Diffusion的母公司Stability.AI，在创立时也声称要将自己的使命定格为成为世界领先的开源AI公司，并发扬将AI共享于全世界的理念。
然而，口号喊得震天响，理念终归是不能当饭吃的啊。
情怀满满的大卫，之后是怎么解决一系列公司融资、盈利的问题的呢？
开源VS闭源
从今天来看，Midjourney的盈利模式看上去十分简单，即通过付费订阅的商业模式，按月向用户收取费用，其标准有3种套餐，分别是10/30/60美元/月。
不过，这样的模式要想行得通，得解决两大关键问题：
1.凭什么让用户产生付费的意愿？
2.大模型训练所需要的高昂成本怎么解决？
先来说说第一点，实际上，当AI图像生成技术开始方兴未艾之时，很多使用者并不觉得这种技术是需要“付费”的。
原因就在于，当时像Stable Diffusion这样的行业龙头，为了吸引大量的开发者，最大程度地把模型用起来，因此采取了开源的模式。
和Dall·E、Midjourney不同，Stable Diffusion是完全免费、不限次数、任何人都可用的。虽然对硬件有着一定要求，但也能在几秒钟内生成高清图像。
这样的好处在于，开源社区会齐心协力地完善模型文档，共同解决技术难题。这使得代码的迭代速度非常快，优化效率远远高于闭源系统。
但缺点也很显而易见，那就是商业化不够直接，可能为别人“做了嫁衣”。
而相较之下，Midjourney却采用了不那么开放的“闭源系统”。
如果说闭源系统真的有什么好处，那就是针对性更强了。
因为模型闭源，并通过庞大的用户量积累了独有的数据集，可以根据用户需求不断地针对性训练模型，长期来看更有利于建立竞争壁垒。
在探索用户需求这点上，大卫采取了产品上线后边测试边改进的办法。
例如Midjourney模型最开始很慢，需要20分钟才能出一张高质量的图片。后来团队推出了一个做15秒生产图片，但是质量没那么高的版本。
经过多轮测试，团队了解到，速度和质量其实都只是表象，因为不同用户的选择，实际上是多维度的。
在针对用户需求进行调整后，无论是创意行业设计者，还是普通爱好者，都能通过Midjourney满足自身的绘画需求。
除了了解用户需求外，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，对显卡和硬件性能也几乎没有要求。
虽为闭源，但Midjourney在使用难易度上，却更像一个“亲民”的大众产品。
于是，Midjourney获得大量用户后，养成了用户使用习惯，且在开启付费订阅后就进一步加强了用户粘性。
算力难题
刚才提到，Midjourney在硬件方面，对用户几乎没什么要求。而这样的原因，则是由于Midjourney所有的图片都是在云上完成并训练的。
但如此庞大的云计算量，必然需要高昂的成本，这就回到了刚才的第二个问题：
在没有融资的情况下，在云上进行大模型训练所需要的高昂，该成本怎么解决？
实际上，大卫解决这个问题的方式很简单，也很不可思议。
当大卫需要找到一个云供应商提供一万个GPU时，他直接给云供应商的负责人发了封电子邮件，结果对方就直接给到了这些资源，完全不需要风险投资。
看到这儿，也许有人惊得下巴都掉了，这种事在现实中真的可能吗？
当然，供应商并不是抽风了，而是看中了大卫之前的成就和声誉。
大卫之前的创业已经获得了声誉，大卫打从创办Leap Motion的时候起就有一个观点，他觉得技术的最大限制不是规模、成本或速度，而是人们如何与之互动。
Leap Motion的手势互动是一个尝试，到了Midjourney这里，他开始使用更短的绘画关键词（prompt）来催动AI产出。
这样的理念，吸引了每一个了解大卫的人，也让他得到了云供应商的支持。
然而，在获得了供应商的鼎力支持后，大卫也仍然要面对算力捉襟见肘的问题。
从成本来说，Midjourney大约10%的云成本用于训练，90%是用户制作图像的推理。所以几乎所有的成本都在制作图像上。
为解决这一点，Midjourney在世界上八个不同的地区，设立了自己的服务器，比如韩国、日本或荷兰等，在每个时区的夜间，当地人都在睡觉，没有人使用GPU。Midjourney就可以充分利用这些算力，实现GPU负载平衡。
在算力已经愈发成为大模型训练瓶颈的今天，如果在训练开发环节，直接调用云端的大模型和AI算力资源，完成后一键分发到用户终端上，就可以大大降低成本，减少工作量。
因此，Midjourney“云上计算”的这一步棋，着实是摸准了时代的方向。
互联网的演进之路，已经说明，无论To B还是To C行业，都在追求越来越集约精简的终端硬件、越来越低门槛的交互入口、越来越轻盈的软件应用。
所以说，大模型从云入端，是模型服务商实现商业化的必争之地。
总结
从Midjourney看似不可思议的创业经历，我们可以发现，在这次AIGC时代的浪潮中，能够脱颖而出的企业、团队，未必是财大气粗的头部大厂。
因为在生成式AI、云计算等技术逐渐抹平大企业与中小企业之间的技术、成本差距后，各企业真正比拼的，只剩下人才、创意与执行力。
而这也是为什么， Midjourney这类仅有寥寥十几人的小团队能脱颖而出的原因。因为这样依靠少数尖端人才组建的团队，具有大企业所没有的灵活性、创见和魄力。
而这类小团队的创意、灵感，若要真正在市场、社会中扎下根，就离不开对用户多样化、个性化需求的追踪。
这是因为，AIGC技术的“泛用性”，决定了其绝不是针对某一行业、人群，或是某一类企业的技术。
只有在这多样化的需求中，尽可能地满足不同层级用户的特定需求，一款产品才能真正地具有长远的生命。
既服务所有人，又不忽视每一个特殊的人，这或许就是Midjourney成功的最大原因。
本文来自微信公众号：AI新智能（ID：alpAIworks），作者：举大名耳