去年9月23日，美国红杉在官网上发布了一篇报告《生成式AI：一个创造性的新世界》，文章插图全部在Midjourney上生成。同月，在美国科罗拉多州博览会艺术比赛上，一名没有任何绘画基础的参赛者通过Midjourney生成的《太空歌剧院》斩获一等奖，这也将人工智能创造内容（即AIGC）成为了传媒领域的新热点。Midjourney，这款AIGC现象级应用，你对它了解多少，欢迎阅读。

文生图赛道是 AIGC 概念下商业模式较成熟的领域，而 Midjourney 是其中最具竞争力的选手，是将 AIGC 技术成功产品化的代表。Midjourney 创始人坚持AI 不是现实世界的复刻，而是人类想象力的延伸，塑造了充满科幻色彩的产品定位。因最早开放公众测试，能通过简单的 prompt 生成独具艺术感的图片而收获大量用户。Midjourney 用户数量飞速增长，并具有很强的盈利能力。其产品搭载在 Discord 上，拥有了超1000 万社区成员，是目前用户最多的服务器，年营收约为 1 亿美元。

但 AI 技术发展日新月异，如近期出现的 ControlNet，将推动文生图进一步深入设计工作流；而未来多模态模型的出现势必会进一步颠覆目前的产品形态。虽通过差异化产品定位拥有了早期数据积累及活跃社区，但作为上层应用，Midjourney 并没有建立起稳固的护城河，时刻面临着挑战。

虽然无法确定该行业的终局，但我们认为 Midjourney凭借着惊艳的图片生成效果、活跃的 Discord 社群、通过数据飞轮建立的早期壁垒以及逐步的设计工作流渗透，在一定时间内能够保持较强的盈利能力；其团队的快速迭代能力也使其能够紧跟技术的进步，保持产品的竞争优势。

01 Thesis

1. Midjourney 图片生成效果惊艳，艺术风格在市场上具有差异化优势。

Midjourney 的 prompt 简短，具有明显的科幻性，因图片精美而具有更强的商业可行性，锁定基数大、付费意愿强的创意设计用户群，被大量实践证明能显著提高工作效率。相比之下，DALL-E2 偏写实风格，Stable Diffusion 无风格偏向，但需要更长的 prompt 和更多的尝试才能获得好的图片效果。

2. Midjourney 巧妙地通过 Discord 社区搭建产品，具有社区优势。

社区共创是艺术创作中不可缺少的要素，Discord 的交互形式也是吸引、留存用户的一大要素。目前 Midjourney 已成为 Discord 用户最多的服务器，拥有了超 1000 万名社区成员。

3. Midjourney 已形成数据飞轮，有利于建立竞争壁垒。

Midjourney 最早开放 Openbeta 版本，通过庞大用户量积累了独有的数据集，形成数据飞轮，根据用户需求针对性地训练模型并快速迭代产品，长期来看更有利于建立竞争壁垒。

4. 目前商业化仍在早期，潜在市场空间巨大。

目前采取 SaaS 订阅制模式，价格为 10 – 60 美元/月。虽未公布具体付费用户数量，但根据客户访谈可知用户付费意愿较强。以目前用户数量保守估计，年营收能到达约 1 亿美元。付费用户主要为创意设计人群和个人爱好者，若对标 Canva 的用户群，以 Midjourney 目前订阅价格计算，未来收入能达到约23 亿美元。技术的不断迭代会改变目前的产品形态。如 ControlNet 的发布增强了生成图片的可控性，进一步深入设计工作流；多模态模型会改变目前的单点产品现状。未来 Midjourney 计划开发多功能产品，创造更丰富的应用场景，进一步扩大市场想象空间。

5. Midjourney 团队技术和产品并重，具有“创业基因”。

创始人 David Holz 为连续创业者，曾是 Leap Motion 创始人之一，团队成员及顾问拥有 AI 技术及产品创业的复合背景；团队成员仅 11 人，人效极高。由于技术发展迅速，Midjourney 必须紧跟技术发展，不断迭代产品。目前来看，Midjourney 团队在产品研发能力、开发速度方面都有较好的表现。

02 文生图应用的爆发

2015 年，Google 研究员 Alexander Mordvintsev 创建了首个用于艺术创作的机器学习应用 DeepDream，这一应用被谷歌开源，首批艺术家通过算法生成艺术图像。从那时起，AI 艺术生成开始走进大众的视野中。

2021 到 2022 年, 文生图应用出现了突破性的进展，生成的图像质量得到了迅速提高。2022 年初，用 Disco Diffusion 仅可以生成一些很有氛围感的草图；2 个月后，DALL-E2 相比 DALL-E 分辨率提高了 400%，已经可以刻画细节，生成准确的五官；如今，Stable Diffusion 和 Midjourney 创作的图像更加精致且具有艺术感，并且将作画速度缩短到 30s 。

从技术视角来看，这是一场底层模型的飞跃式进步：从 GAN 转变至 Diffusion 模型。2022 年前，文生图的模型以生成性对抗网络（GANs）为主。但因为在实践中存在明显不足，还不如用 Photoshop 等工具直接创作，无法用于商业化。

目前文本生成图像领域的核心方法是 Diffusion 模型，OpenAI 2020 年发布的 CLIP 使其更为实用。工作原理为通过反复地向训练数据添加噪声来破坏原有数据结构，然后通过“反向扩展”来恢复被破坏的数据。Diffusion 模型交互简单、生成速度快，极大的降低了使用门槛。

伴随着 Disco Diffusion、Stable Diffusion、DALL-E2、Midjourney 等通用文生图软件开放公众测试，引发了指数级的社交媒体讨论及作品展示，成功实现了文生图应用向 C 端落地。除了Midjourney 等通用型文生图软件，垂直类应用也层出不穷。

不同行业对生成图片有着不同的要求，需要使用特定数据集训练，这给垂类赛道的创业企业提供了机会。如专注于 Logo 与网站设计的 looka，专注二次元形象生成的 NovelAI，专注游戏资产生成的 Scenario，以及专注头像生成的 Lensa。这些垂类应用目前来看很难成长为大体量公司，但盈利能力强，如 Lensa 在发售后的短短几周就赚了 4000 – 5000 万美元。

03 What is Midjourney?

Midjourney 是自筹资金的独立研究室，目前开发了同名文生图模型及应用，产品搭载在 Discord 中，用户通过与 Midjourney bot 进行对话式交互，提交 Prompt（文本提示词）来快速获得想要的图片。

Midjourney bot

Midjourney 采取 SaaS 订阅制模式。最初使用时，用户可以免费生成 25 张照片。之后按照订阅制收费。月付制为 10、30、60 美元，或者使用年付制，价格为 8、24、48 美元/月。值得注意的是，用户只有在订阅之后，才能拥有使用 midjourney 创作的图片的版权。

Midjourney CEO David Holz 曾说过：“人们在纸上绘画只需要几秒，但在电脑前却需要几分钟到几小时；这不是因为电脑不够智能，也不是因为人们不知道自己想要什么，而是因为人类和计算机之间存在的某些障碍阻止了我们进行最基本的交换。”Midjourney 想要加强人类与计算机的连接，将 “探索思想的新载体，扩展人类想象力” 作为目标。

Midjourney 在 AI 公司 Value Chain 上占据了多个位置，拥有数据层、模型层、应用层整个技术栈。它参考 CLIP 及 Diffusion 构建了自己的闭源模型，抓取公开数据进行训练，并构建了 Discord 中的 Midjourney bot 应用。作为应用层公司，Midjourney 收集用户反馈数据，迭加技术的进步，不断迭代模型。

AI’s next frontier:building and investing in Large Language Models

2022 年 3 月，Midjourney 启动邀请制 Beta 版本。因为文生图本身具有极强的吸引力，且 Midjourney 创作的图片质量很高，所以很快就吸引了大量用户。

从图中可以看出，AI 生成艺术的兴趣浪潮由 6 月初的 DALL-E2 引发。2022 年 7 月，Midjourney 开放 Openbeta 版本；2022 年 8 月，使用 Midjourney 创作的画作 Théâtre D’opéra Spatial（太空歌剧院）获得了美术竞赛数字艺术类别的一等奖，人们对于 Midjourney 的关注达到高峰。虽然文生图领域应用层出不穷，但 Midjourney 保持住了在人们心目中的地位，目前仍是使用最广泛、最受用户喜爱的文生图应用。截止 2023 年 2 月 12 日，Discord 频道的用户数达到 1081 万，早已实现盈利。

04 Who is the Customer？

Midjourney 用户群体广阔，主要包括创意设计人群、工业设计人群、Web3 & NFT 从业者以及个人爱好者。

创意设计人群

创意设计从业者是一个很大的群体，渗透各行各业。小 b 端，包括产品设计师（如玩具、墙纸等）；图片设计师（网站、广告、PPT、Logo、插图等）；游戏设计师（游戏场景、角色、道具）以及自媒体创作者等等。企业端，Midjourney 可服务广告公司、影视公司、品牌的广告创意部门等对于艺术效果图有大量需求的客户。

Midjourney 生成的图片可以显著地提高创意设计人群的工作效率。目前 Discord 的用户中专业设计师占比达 30% – 40%，包括 Nike、Adidas、New Balance 等公司的设计师。根据客户访谈，Midjourney 主要被应用于设计工作早期，帮助设计师激发灵感，快速测试想法，并迭代图片。用户表示，设计品牌始终在寻找设计新方法和新工具以提高工作效率，对于 Midjourney 的付费意愿非常强。Midjourney 的风格包括很多科幻元素，擅长创造环境图，同时针对人像做了优化，风格较为细腻，非常适合游戏、电影、音乐和出版等创意行业。

工业设计行业

Midjourney 也进入了工业设计等精细化要求较高的领域，如建筑设计。目前 Instagram 上有许多建筑师分享文生图作品，有超过 72,000 个帖子被标记为 #midjourneyarchitecture。

An image of a house for a pianist,designed by Tim Fu using Midjourney.

Source: Tim Fu

Created by Jon Henning

在工作中，建筑师使用 Midjourney 在项目的最初阶段创建情绪版 (mood board)。目前 Midjourney 生成的图像仅能作为草图，用来激发灵感。建筑师将这些草图翻译成图纸，并建模和进行结构分析，开发出 3D 模型后，建筑师会再将图像反馈给 Midjourney，进一步迭代建筑图纸。不过近期发布的 ControlNet 将会进一步深入设计工作流。

*情绪版 (mood board) 是指一系列图像、文字或样品的拼贴组合物，用来展现设计师对一个项目的想法或感觉。

NFT 从业者

NFT 无疑也是文生图的一大应用场景。Midjourney 目前被广泛应用在 NFT 创作上，因此公司发布规定，如果在 “与区块链相关的事物” 中使用 Midjourney 生成图像，需要对每月超过 20,000 美元的收入部分支付 20% 的版税。

NFTs Created by Midjourney

个人爱好者

Midjourney 用户群体中不乏个人爱好者，如自媒体群体。文生图大大降低了艺术创作门槛，使得普通用户也可以成为艺术家和设计师，并通过 AI 创作获取收入。

05 Why Midjourney?

Midjourney 是一款 AI 软件，也是一个垂类 SaaS 产品，引用 Point Nine Capital 的创始合伙人 Christoph Janz 的观点，垂直 SaaS 产品的成功离不开以下基本原则：对所在行业的客户有更深入的了解；以最好的方式解决他们的具体问题；专门向目标的群体进行营销/销售；随着时间的推移增加更多的功能层，增加 ACV（ 平均客户价值）和粘性。我们在 Midjourney 的产品中看到了以上特点，也在其未来发展规划中看到了对增加 ACV 和用户粘性的努力。

惊艳的产品效果

Midjourney 产品定位具体，“了解用户到底需要什么”，商业可行性强，能在更大程度上提高创意设计的效率。正如 Discord 中的用户评价：“ Midjourney 超过其竞争对手是因为它生成的图片都是可以商业化的。” 具体而言，Midjourney 的 prompt 简短，具有科幻色彩。相比之下，DALL-E2 更偏写实风格，Stable Diffusion 无风格偏向，但需要更长的 prompt 和更多的尝试来获得好的图片效果。

Book covers

Mobile App UIs, created by midjourney

Prompt 包括图片内容描述、艺术风格描述、艺术媒介&手段、光线描述、图片细节描述等等，使用不同的 prompt 可以实现图片的精细化调节。利用 Midjourney 获得美术竞赛数字艺术类别一等奖的 Théâtre D’opéra Spatial （太空歌剧院），创作者 Jason Allen 经过了 80 个小时的创作、大约 900 次尝试才完成了这个作品。

但这也反映了目前的图片生成无法控制，也无法修改。对于用户是一个黑盒，一方面不知道输入什么样的 prompt 会突然产生好的效果，另一方面即使每次都输入同样的词，每次出来的东西也不一样。但产品如果要商用化，每一个步骤都应该是有迹可循的。对于 Midjourney 独特的艺术风格，Holz 表示，Midjourney 在优化模型的过程中是期待制作美好的图片，激发人类的想象力，而不是复刻现实。Midjourney 不会成为假照片的制造机器。

同时，Midjourney 在质量和速度之间做了“黄金区域”的选择。最初有 20 分钟生成高画质图片和 15 秒能生成低画质的图片两种算法。经过测试发现，相较于质量，人们更关心速度，但太快也不会带来更多体验上的加成。所以最终选择了 60 秒的版本，比 10 秒生成的质量更高，速度也在人们舒适的范围内。

以 Discord 为载体的社区交互设计

Discord 为 Midjourney 的启动提供了绝佳的社交体验平台，成功将其带入了大众市场。

一方面 Discord bot 降低了用户使用门槛；另一方面，图片创作是一个在讨论中不断迭代的过程，欣赏其他用户的作品有也助于激发灵感。Holz 在访谈中也提到，不直接做一个 iOS App 的原因是因为人们喜欢艺术共创。Midjourney 迅速成为 Discord 上用户最多的服务器，拥有了超 1000 万名社区成员。Midjourney 近期扩大了产品的可用范围，任何人都可以将 Midjourney bot 引入自己的 Discord 服务器，这将进一步扩大 Midjourney 的使用容量。

Midjourney Discord 社群界面

Midjourney bot

通过数据飞轮和快速迭代建立护城河

迭代速度对于文生图软件非常重要。SaaS 订阅制的产品模式使其盈利能力取决于图片效果及成本。而底层技术的飞速进步，必须不断地迭代模型以紧跟行业发展。其实数据质量及数据标注质量的重要性远远超过模型本身。Midjourney 以 PLG 的模式获得庞大用户量，形成数据飞轮，能够根据用户需求针对性地训练模型并快速迭代产品，长期来看更有利于建立竞争壁垒。

Midjourney 自发布以来迭代速度非常快。2022 年 3 月 V1 发布时仍参考了很多的开源模型；4 月、7 月和 11 月分别发布了V2、V3 和 V4，迭代出了自己的模型优势。V4 补充了生物、地点等信息；增强了对细节的识别能力及多物体/多人物的场景塑造能力。总之，每次迭代都是产品功能的飞跃。

Four generations of Midjourney AI modelsreleased in 2022

Midjourney 也在扩展地理版图。目前已经登录中国市场，使用微信内测群的方式提供服务。用户在内测群中艾特 Bot，并输入关键词，就可以生成 AI 图片。

逐渐深入设计工作流

Midjourney 替代了 Google Images、Shutterstock、Getty Images、Pinterest、Unsplash 等传统图库平台，用户不再需要花费数小时搜索他人的作品激发灵感，而是直接生成，据称可以将一个月的工作量降低至一星期。ToB 端，Midjourney 目前还主要在设计工作流初期。因为自定义能力有限，无法调整样式；也无法与其他平台集成，要生成满意的图片需要反复的尝试；所以只能用于灵感激发和提高工作效率，对于工作流的渗透并不深入。

近期发布的 ControlNet 使得 Diffusion 模型更好地受控生成图片，提高了图片生成的速度和精准度，并可以调整图片细节，将会进一步深入工作流，改变专业设计行业的生产模式。Midjourney 若要进一步深入工作流需尽快集成 ControlNet。

Twitter: @RamAnanth29

ToC 端，会极大的简化工作流，比如代替设计师或外包商完成公众号等自媒体团队的图片设计等等。不可忽视的是，Midjourney 在发展过程中还面临着潜在风险，如版权问题。David Holz 承认 Midjourney 使用的公开数据集包含了数百万张未经作者同意的作品；2023 年 1 月，三位艺术家对 Stability AI、Midjourney 以及 DeviantArt 提起了侵犯版权的诉讼。AI 生成作品中还存在着种族歧视及成年内容。虽然 Midjourney 进行了关键词限制，但仍无法完全避免相关内容出现。