Midjourney和Stable Diffusion的区别和不同,AI绘画工具软件

AI热门转载1年前 (2023)发布 小艾虎
487 0 0

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为代表两大龙头。
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。
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。

Stable Diffusion背后的明星公司——Stability AI,目前正面临严重的财政困境,由于没有明确的盈利途径,公司正面临倒闭的危机。
相较之下,Midjourney却运行得风生水起,凭借着付费订阅的商业模式,Midjourney不仅获得了每年1 亿美元的营收,并且在Discord上已经积累了1000多万用户。
同为开发绘画AI的团队,Midjourney是怎么取得今天的成就的呢?

1.延伸人类想象力

虽然Midjourney在不融资的情况下就实现了盈利,但从创建的背景来看,创始人大卫·霍尔茨(David Holz),并不像那种钻进钱眼里的人。

他为Midjourney设立了一个非常不“铜臭”的宗旨:AI 不是现实世界的复刻,而是人类想象力的延伸。

而这样充满科幻色彩的宗旨,和大卫的背景、经历有着很大的关系。

MidJourney的创始人大卫·霍尔茨

作为一个数学专业的博士生,大卫曾在大学期间研究激光雷达、大气科学和火星任务,可谓是一个涉猎甚广,且充满好奇心的“怪才”。

经过了广泛的探索后,大卫似乎找到了自己真正的兴趣所在,于是,在2010年便创立了一家研发手部跟踪技术为主的公司——Leap Motion。

然而,由于与之相关的VR/AR技术一直不成熟,Leap Motion也始终没能做出有具体应用场景的产品。

大卫之前研发的手部追踪产品

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Logos 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,从而更好的生活,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?

2. 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,最大程度的把模型用起来,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。后来团队推出了一个做15秒生产,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。

3.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10,000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。

实际上,这种依靠云端服务器来降低成本、加快模型训练的做法,与目前腾讯训练大模型的策略十分相似。

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。

4.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。

 

文章来源于微信公众号:AI新智能 ,作者举大名耳

© 版权声明

相关文章

暂无评论

您必须登录才能参与评论!
立即登录
暂无评论...