<s id="awxv2"><big id="awxv2"><sup id="awxv2"></sup></big></s>
    <rp id="awxv2"><ruby id="awxv2"><u id="awxv2"></u></ruby></rp>

        <dd id="awxv2"></dd>
        <em id="awxv2"><strike id="awxv2"><u id="awxv2"></u></strike></em>
        當前位置:主頁 > 聚焦 > 正文
        Midjourney:偉大的公司只需要十一人|世界消息
        來源:創業邦作者:洞察網2023-04-26 11:27:23

        在生成式AI、云計算等技術逐漸抹平大企業與中小企業之間的技術、成本差距后,各企業真正比拼的,只剩下人才、創意與執行力。

        編者按:本文來自微信公眾號 阿爾法工場研究院(ID:alpworks),作者:舉大名耳,創業邦經授權發布。


        【資料圖】

        目前,隨著AI技術的快速迭代,各種基于AIGC(人工智能內容生成)技術的產品不斷涌向社會,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繪圖領域,看似進入了百花齊放的時代,但目前業內的頂流,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力,Niji V5不光看傻一眾吃瓜群眾,甚至驚艷了業內畫師,讓人直呼其已經具有了大師插畫的味道。

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

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

        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產出圖片的品質相當優秀,幾乎覆蓋市面上的常見風格。在此基礎上,使用者只需要微調設計,基本能夠達到大部分優秀高級原畫的工作需求。

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

        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模式,Midjourney不僅獲得了每年1 億美元的營收,并且在Discord上已經積累了1000多萬用戶。

        同為開發繪畫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了盈利,但從創建的背景來看,創始人大衛·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,和大衛的背景、經歷有著很大的關系。

        MidJourney的創始人大衛·霍爾茨

        作為一個數學專業的博士生,大衛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”。

        經過了廣泛的探索后,大衛似乎找到了自己真正的興趣所在,于是,在2010年便創立了一家研發手部跟蹤技術為主的公司——Leap Motion。

        然而,由于與之相關的VR/AR技術一直不成熟,Leap Motion也始終沒能做出有具體應用場景的產品。

        大衛之前研發的手部追蹤產品

        最終,2019年,大衛把 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在生成藝術方面取得了突破。

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

        于是,借著生成式AI的東風,大衛創建了Midjourney。

        公司團隊成員僅11人,其中1位創始人、8位研發人員、1位法務、1位財務。

        在公司的構成中,完全沒有產品經理、市場銷售人員,除了創始人、兩個支持性崗位(法務、財務),80%的人員都是研發人員。

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

        雖然這四位本科生都有一些實操甚至是創業經歷,但是確實經驗有限,而且也非畢業頂尖名校。

        剩下來的幾位研發人員,都有著比較豐富的職業經歷。

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

        大衛將公司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、筑壩發電,從而更好的生活,因此,大衛認為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,在創立時也聲稱要將自己的使命定格為成為世界領先的開源AI公司,并發揚將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,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,得解決兩大關鍵問題:

        1.憑什么讓用戶產生付費的意愿?

        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圖像生成技術開始方興未艾之時,很多使用者并不覺得這種技術是需要“付費”的。

        原因就在于,當時像Stable Diffusion這樣的行業龍頭,為了吸引大量的開發者,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、任何人都可用的。

        雖然對硬件有著一定要求,但也能在幾秒鐘內生成高清圖像。

        這樣的好處在于,開源社區會齊心協力地完善模型文檔,共同解決技術難題。這使得代碼的迭代速度非???,優化效率遠遠高于閉源系統。

        但缺點也很顯而易見,那就是商業化不夠直接,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”。

        如果說閉源系統真的有什么好處,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據集,可以根據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,大衛采取了產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量的圖片。后來團隊推出了一個做15秒生產圖片,但是質量沒那么高的版本,

        經過多輪測試,團隊了解到,速度和質量其實都只是表象,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整后,無論是創意行業設計者,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”的大眾產品。

        于是,Midjourney 獲得大量用戶后,養成了用戶使用習慣,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,大衛解決這個問題的方式很簡單,也很不可思議。

        當大衛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了封電子郵件,結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,而是看中了大衛之前的成就和聲譽。

        大衛之前的創業已經獲得了聲譽,大衛打從創辦Leap Motion的時候起就有一個觀點,他覺得技術的最大限制不是規模、成本或速度,而是人們如何與之互動。

        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鍵詞(prompt)來催動AI產出。

        這樣的理念,吸引了每一個了解大衛的人,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,設立了自己的服務器,比如韓國、日本或荷蘭等,在每個時區的夜間,當地人都在睡覺,沒有人使用GPU。Midjourney就可以充分利用這些算力,實現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。

        在算力已經愈發成為大模型訓練瓶頸的今天,如果在訓練開發環節,直接調用云端的大模型和AI算力資源,完成后一鍵分發到用戶終端上,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。

        互聯網的演進之路,已經說明,無論To B還是To C行業,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,是模型服務商實現商業化的必爭之地。

        04 總結

        從Midjourney看似不可思議的創業經歷,我們可以發現,在這次AIGC時代的浪潮中,能夠脫穎而出的企業、團隊,未必是財大氣粗的頭部大廠。

        因為在生成式AI、云計算等技術逐漸抹平大企業與中小企業之間的技術、成本差距后,各企業真正比拼的,只剩下人才、創意與執行力。

        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。因為這樣依靠少數尖端人才組建的團隊,具有大企業所沒有的靈活性、創見和魄力。

        而這類小團隊的創意、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技術的“泛用性”,決定了其絕不是針對某一行業、人群,或是某一類企業的技術。

        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。

        本文為專欄作者授權創業邦發表,版權歸原作者所有。文章系作者個人觀點,不代表創業邦立場,轉載請聯系原作者。如有任何疑問,請聯系editor@cyzone.cn。

        [責任編輯:linlin]

        標簽:

        相關文章

        評論排行
        熱門話題
        最近更新
        人妻99精品视频一区二区三区
        <s id="awxv2"><big id="awxv2"><sup id="awxv2"></sup></big></s>
        <rp id="awxv2"><ruby id="awxv2"><u id="awxv2"></u></ruby></rp>

            <dd id="awxv2"></dd>
            <em id="awxv2"><strike id="awxv2"><u id="awxv2"></u></strike></em>