从技术视角来看

Sultanamow01

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 购买电话号码数据库 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：AIGC现象级应用，一年实现1000万用户和1亿美元营收 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。