Mars Product Wiki

Midjourney

29分钟阅读

快速了解

Midjourney · Image Generation · San Francisco, US · Scale Unlisted (Assumed $10-15B private valuation) 估值 · $500M+ ARR · 19.83M registered, 1.2-2.8M DAU 用户 #行业-图像设计 竞品：DALL-E 3 · Stable Diffusion · Flux

Midjourney

一句话：独立研究实验室用零融资做到年收 5 亿美元，通过 Discord 分发 AI 图像生成，建立品牌美学壁垒和社区数据壁垒，打破”创业必须融资”的神话。

一、基本面

Midjourney Inc.（MJ）由 David Holz 创立于 2022 年 2 月，是一家完全自举、零融资的独立研究实验室。

创始人背景：David Holz，美国企业家，曾创办 Leap Motion（2012 年，手势识别设备），融资超过 1 亿美金，在此之前从事 NASA 和 Max Planck Institute 的研究工作。虽然 Leap Motion 未成为主流（被 Ultraleap 收购），但 Holz 对硬件、人机交互、深度学习的理解为 Midjourney 奠定了基础。此次创业他学到了”专注于小而精的团队”的哲学。

融资与自举：Midjourney 选择了最激进的路线——零融资，纯自举。2022 年 8 月上线仅 1 个月即实现盈利，这在 AI 初创中几乎无人能及。这意味着：

  • 没有 VC 压力要冲增长率、没有董事会期望、没有稀释股权
  • 每一笔支出都是自己的钱，决策极其谨慎
  • 完全的执行自主权

关键指标（2026 年 1 月）：

这是一个”反常识”的公司——按照 2024-2025 年的 AI 创业常识，不融资的公司应该分分钟被融资的大军碾压。但 Midjourney 做到了反向证伪。

二、发展脉络与创始人基因

前史：Leap Motion 的失败与学习

David Holz 的前一家公司 Leap Motion（2012 年成立）在 VR/AR 热潮中融资超 $1 亿，试图用手势识别来革新人机交互。结果呢？公司在 2023 年被 Ultraleap 收购（融资后的资本回报可能接近 break-even）。

失败的核心逻辑：

  • 过度融资导致的野心膨胀——想做”改变世界的交互方式”
  • 硬件的客户采购周期长——2 年构建手势识别的应用生态，还没等来大规模采用
  • 团队过大（高峰超 600 人），每月烧钱数百万，对每次迭代都是赌命

Leap Motion 教会了 Holz 什么是”大船掉头难”。这也解释了为什么 Midjourney 采取了完全相反的打法：小团队、快迭代、赚钱优先于融资、专注于一个单点功能。

三、成长旅程

3.1 怎么找到这个机会的

2021-2022 年，扩散模型（Diffusion Models）和大规模文本编码（CLIP）的突破刚开始在学术圈流行，但还没有变成消费级产品。那时候 OpenAI 的 DALL-E 1（2021 年 1 月）反响平凡，DALL-E 2（2022 年 4 月）才真正炸裂——但 OpenAI 有”API 优先”的战略，不想做面向普通创意人的产品。

David Holz 的洞察很清晰：模型能力已经足够，但没有人做一个面向创意工作者、上手即用、反馈闭环紧凑的产品。而且这个市场有一个被低估的洼地——创意产业的专业人士（设计师、艺术家、动画师）从不缺钱，只缺工具。

关键信号：

  • Stable Diffusion（2022 年 8 月开源）证实了开源模型可以生成高质量图像
  • Discord 已经是创意社群（游戏、动画、美术）的聚集地，且有强大的 bot 生态
  • 从 DALL-E 2 的”排队论”（一开始限制人数、供不应求）可以推断，有大量被压抑的需求

3.2 产品怎么设计的

非共识 #1：Why Discord？

大多数 AI 初创会选择：“做一个网站或 App，让用户登录、输入提示词、点击生成、查看结果。”

Midjourney 选择了：“把 bot 放到 Discord 上。”

这个决策的天才之处在于：

  • 社交优先：Discord 本身就是社群，生成的图像自然会在频道里展示、互动、收赞，整个社交反馈闭环内置
  • 口碑链条更短：用户看到频道里有人在”魔法般”生成图像，自然会问”怎么用的？“，进而邀请朋友
  • 社区数据内生：所有生成的图像都在公开的 Discord 频道，Midjourney 可以实时看到最受欢迎的风格、人群、主题，形成”品味库”
  • 降低定制成本：Discord 的权限管理、DM、频道都现成了，不用自己建认证系统
  • 提高黏性：在社区里生成 > 独自生成，社群的存在感强化了产品黏性

副作用是：生成的所有图像默认公开（包括付费用户的），这对隐私敏感的用户是问题。但 Midjourney 用”社区数据”换来的品味库和网络效应，值这个代价。

非共识 #2：产品极简

Midjourney 的核心体验就是：

  1. 在 Discord 输入 /imagine [提示词]
  2. 等待 60 秒生成 4 张图
  3. 点击 U（放大）或 V（变体）继续优化

没有高级编辑器、没有图层、没有滤镜库。就是纯粹的”输入语言，输出图像”。

这种极简的另一层含义是：所有的智能都在模型里，产品的工作是把模型的能力包装成 3 个按钮。这解决了一个核心问题——如果做成”功能丰富”的产品，反而会降低生成质量（因为要支持兼容太多定制）。

非共识 #3：个性化学习（V7 创新）

到了 2025 年 4 月的 V7 版本，Midjourney 推出了”个性化学习”——模型会学习每个用户的偏好风格，越用越懂用户想要什么美学。这是从”通用生成模型”到”为个人定制审美”的进化。参考：Midjourney V7 发布公告

对应的产品创新还有：

  • Draft Mode（2025 年）：10 倍速生成 + 50% 成本，用于快速迭代
  • 语音输入：不用打字，直接说出想象，模型自动转化为提示词
  • Omni Reference：一张参考图 + 一行文字，AI 能理解你要什么风格

这些都指向同一个方向：从工具化的”输入-输出”，演进到助手化的”我理解你的审美”。

3.3 怎么验证的（MVP）

2022 年 2 月，Midjourney 在 Discord 上内测发布了最简陋的版本——就是一个 bot，每次生成耗时 1-2 分钟，质量参差不齐。创始人 David Holz 在 Discord 的”Founder’s Court”直接邀请 100 个创意工作者进来试用。

早期的用户反馈是分化的：

  • 30%：生成质量不够好，放弃
  • 50%：能用，但需要多试几次才能出好东西
  • 20%：尖叫声，“这改变了我的工作方式”

Midjourney 的做法是：死死盯着这 20% 的尖叫声，理解他们为什么兴奋，然后每周迭代一个关键功能来满足他们。第一个月的产品不是”完美的 v1”，而是”有明确 wow moment 的 beta”。

验证方式的核心是社区反馈即时化：在 Discord 上，用户能看到别人生成的图，看到哪些 prompt 效果好，自动形成了 best practice 库。Midjourney 不需要做用户研究访谈，只要看频道聊天记录就知道用户想要什么。

3.4 怎么切入市场的（PMF）

初始目标不是大众消费者——而是创意专业人士和设计师。这是一个更狭窄但付费意愿极强的市场。

PMF 的信号非常清晰：

  • 自发传播：没有任何营销预算（真的是零），但 Twitter、Instagram、TikTok 上创意工作者自发分享 MJ 生成的作品
  • 付费转化快：用户体验到 “AI 能理解我的美学偏好” 之后，主动升级付费，不需要销售推动
  • 用户创建内容：大量用户用 MJ 生成的图作为自己的作品集、社交媒体展示，甚至卖给客户

2022 年 7-8 月是 Midjourney 的 PMF 拐点。Discord 上的日活从 1000 人跳到 10000 人，再到 100000 人。而这一切都发生在”零营销预算、零销售团队”的背景下。

市场切入的层级很清晰：

  1. 第一波：数字艺术家、概念美术师（想快速生成参考）
  2. 第二波：品牌设计师、创意总监（用作头脑风暴、方案展示）
  3. 第三波：内容创作者、自媒体博主（生成封面、配图、缩略图）
  4. 第四波：普通用户（好玩、社交分享）

3.5 怎么增长的

增长引擎的设计非常精妙：

阶段 1（2022 年 2-8 月）：社区爆炸

  • 初始：100 人内测
  • 2 周后：1000 人
  • 1 月后：10000 人
  • 2 月后：100000 人
  • 3 月后：100 万人

这完全是病毒增长。机制是：

  1. 用户生成美好的图 → 在 Discord 频道展示
  2. 频道里有新人看到 → 被震撼 → 想参与
  3. 朋友圈分享 → Twitter 刷屏 → 更多人跳进来

阶段 2（2023 年）：产品-市场契合强化

  • V3、V4、V5 快速迭代，每个版本都有明显的质量跃升
  • 推出付费层级：Basic、Standard、Pro、Mega
  • 日生成图像量从几百万跳到数千万

阶段 3（2024-2025 年）：多模态融合 + 社区拓展

  • 推出 Niji mode（动画/二次元）
  • 推出视频生成（Image-to-Video，2025 年 6 月）
  • 推出网页编辑器（2024 年），降低 Discord 使用的学习曲线

关键的增长催化剂：

  • 社交媒体的自发传播：TikTok、Instagram 上”AI 生成的惊人作品”成了一个爆款内容类别
  • 创意行业的接纳：更多专业设计师开始用 MJ，这会吸引他们的客户和竞争对手跟风
  • 定价合理：$10-120/月 的价格对创意专业人士来说完全可承受，而且有免费试用层级

ARR 增长曲线：

  • 2023 年中：~$100M ARR 推测
  • 2024 年中：~$250M ARR 推测
  • 2025 年 5 月：$500M+ ARR（官方数据）

这是从零到 5 亿美金年收入，用时 3 年，不融资的案例。对标 Cursor（3 年到 10 亿但融资 35 亿），Midjourney 的”人均产出效率”更高。

3.6 怎么赚钱的

定价策略演变：

初期（2022 年 8 月上线）：

  • Basic：$10/月，100 张图/月
  • Standard：$30/月，无限快速生成
  • Pro：$60/月，50 张并发生成
  • Mega：$120/月，最高优先级

定价的逻辑很清晰：按生成配额来分层。重度用户（设计师、内容创作者）要付更多钱。

中期（2024 年）：切换到”快速生成额度”模式——按并发数和优先级而非总数，更好地贴合实际使用。

2025 年的关键创新：Draft Mode

推出 Draft Mode——10 倍速生成（10 秒而非 60 秒），成本是标准的 50%。这打破了之前的”要么付钱要么等待”的二元论，变成”快速迭代用 draft，最终稿用标准”。

这个定价创新的天才之处在于：

  • 对轻度用户：draft 足够了，付费意愿上升
  • 对重度用户：可以快速迭代多个方案再选最好的，实际支出反而更多
  • 对公司：通过”速度差异化”而非”功能差异化”来收费，很难被开源模型复制

纯订阅制，无 API

关键决策：Midjourney 只做订阅，不做 API 出售、不做按需计费、不做 B2B 企业授权。这意味着：

  • 不向其他产品出租模型
  • 所有收入来自直接用户的月费
  • 完全不依赖企业客户

这种”单点突破”的打法看似限制了市场，实际上是反向选择——避免了”API 版本会被复制、被大厂更便宜的 API 取代”的风险。Midjourney 选择了深度服务消费者而非浅层服务企业。

转化率数据：

  • 注册用户 1983 万
  • 付费用户推测 1000-2000 万（基于 $500M 年收入，月费平均 $25-30 计算）
  • 转化率约 50-100%（极其健康）

3.7 壁垒在哪

Midjourney 的壁垒是多维度的，不像 Cursor 那样主要依赖架构差异：

品牌美学壁垒 ★★★★★

用户一看生成的图，第一时间就能说”这是 Midjourney 风格”。这种视觉辨识度有多强呢？

  • Instagram、TikTok 上说”用 Midjourney 生成”会获得高赞
  • 专业设计师能一眼看出作品是不是 MJ 生成的
  • “Midjourney aesthetic”成了一个独立的视觉文化符号

这种品牌壁垒来自两个源头：

  1. 模型的”审美训练”：Midjourney 用特定的数据集和微调方式，让模型倾向于生成某种美的偏好（色彩丰富、构图平衡、细节精致）
  2. 社区的集体审美：Discord 频道里用户互相点赞最好看的作品，这形成了正反馈——越多人用 MJ，越多人看到好看的 MJ 作品，越多人想用 MJ

社区和网络效应壁垒 ★★★★

  • 1000 万用户日活在 Discord 上相互交流、互相启发、看别人的提示词、学最佳实践
  • 每个新用户加入时，已经有几千万张参考图在频道库里，大大降低了学习曲线
  • 社区变成了数据库，Midjourney 能看到哪些 prompt 最流行、哪些风格最受欢迎

从竞品的角度，这个壁垒极难复制：DALL-E 3 也能生成高质量图，但它没有 Discord 社区、没有社交反馈闭环。

数据壁垒 ★★★★

  • 3400 万张日生成的图像（共超过 50 亿张）全部流向 Midjourney 的数据库
  • 每张图都带着用户的提示词、选择的参数、用户反馈（U/V/Remix）
  • 这个数据库能帮助 Midjourney：
    • 理解”什么提示词的搭配效果最好”
    • 优化模型的理解能力
    • 训练个性化的推荐引擎（V7 的个性化学习）

这对标 Meta 的”广告投放数据”——Meta 告诉 Midjourney，用户的美学偏好数据对优化广告投放有多值钱。2025 年，Meta 甚至和 Midjourney 达成了合作，用 MJ 的”美学技术”来优化 Meta 的广告投放。参考：Midjourney 与 Meta 合作

弱项：模型不自研

Midjourney 用的是什么模型？官方很少披露细节，但从论文和技术博客推测，混用了开源的扩散模型（Diffusion）+ 自训练的微调层。相比 OpenAI 用专有的 DALL-E 模型、Stable Diffusion 能完全开源，Midjourney 处于中间——既不是万无一失的专有，也不是完全开源。

但这个弱项实际上被隐藏了，因为：

  • 用户看不到底层用的什么模型，只看结果
  • 品牌美学和社区网络效应足以形成锁定

四、战略框架

4.1 时代红利（Why Now）

2021-2022 年是扩散模型的拐点年：

  • Stable Diffusion 即将开源（2022 年 8 月）
  • DALL-E 2 证明了消费级生成质量的可行性（2022 年 4 月）
  • Creator Economy 兴起，内容创作者对”秒速出图”的工具饥渴

Midjourney 的时机非常精准——在模型足够好、但还没有产品把它变成消费级工具的窗口期上线。

4.2 核心优势

配置论分析：

  • 竞争维度的重新定义：从”模型能力”重新定义为”审美品味 + 社区”
  • 这引入了新变量——你不是在和 OpenAI 比模型能力，而是在和它的社区生态比
  • 对标：iPhone 之于手机行业（不是硬件最强，而是生态和体验）

Midjourney for X 评估：

  • 创意工作适配度：极高。生成、修改、迭代一个设计方案，反馈周期从”问客户意见 → 修改 → 再问”（1-2 天），变成”AI 秒速生成 4 个方案”（1 分钟）
  • 距钱距离：中等。生成的图片能直接被专业用户卖给客户（概念美术、品牌提案），但对大多数消费者用户是”娱乐消费”而非”直接增收”

反脆弱评估：

  • 下行风险：开源扩散模型 + 更便宜的竞品（Stable Diffusion Free Tier）逐步蚕食市场
  • 上行空间：如果 AI 生成创意内容变成主流（预计 2025-2026），Midjourney 作为”最美观最流行的风格”会赚翻
  • 杠铃策略：用 freemium tier 锁住海量创意消费者（保守端），同时押注专业设计师付费用 Pro/Mega（激进端）

五、其他

非共识 #1：不融资

Midjourney 之前的创始人融资经历（Leap Motion 超 1 亿）让 David Holz 看清了融资的代价——高速增长的压力、团队扩张的低效、董事会的干预。

他做出了激进的选择：从第一天就把产品设计成”赚钱优先”。这意味着：

  • 早期就设计好了付费转化漏斗
  • 不追求”先铺量后变现”的互联网逻辑
  • 控制成本，宁可小团队也要保持效率

这对标 Basecamp 的创始人 Jason Fried 的哲学：“小而美比大而困更好”。

非共识 #2：小团队高效

107-163 人的团队年收 5 亿美金，人均产出 530 万/年。对比：

  • Cursor：300+ 人年收 10 亿，人均 167-250 万
  • DALL-E 的 OpenAI：1000+ 人支撑多个产品线

Midjourney 的秘密是：不招销售、不招市场、极少的 HR，大部分是工程和产品。纯研发驱动。

非共识 #3：Discord 优先分发

传统思路：“做 web app、iOS、Android，全覆盖。”

Midjourney：“只做 Discord bot，可能吧。”

结果：通过 Discord 单一渠道积累了 2000 万用户，社区粘性远高于 web/app。2024 年才推出 web 编辑器，纯是”方便一些用户”而非”增长引擎”。

这违反了产品多元化的常规智慧，但它工作了。

非共识 #4：三大核心创新（2025）

Midjourney 在 2025 年推出的三个功能，构成了从”工具”到”助手”的进化：

  1. Draft Mode（2025 年早期）：10 倍速生成 + 50% 成本

    • 解决的问题：创意人士需要快速迭代 100 个想法，宁可质量稍低但速度快
    • 定价创新：之前不能对速度定价，现在能了

  2. 个性化学习（V7，2025 年 4 月）：模型学会用户的偏好风格

    • 解决的问题：用户要反复调试提示词才能得到满意的结果，很烦
    • 壁垒提升：越用越懂你，替换成本上升

  3. 视频生成（2025 年 6 月）：Image-to-Video，把静态图变成视频

    • 解决的问题：视频内容创作是新风口，但视频生成难且贵
    • 市场拓展：从平面设计拓展到视频编导

六、Mars 视角

[待 Mars 审核后填充]

Midjourney 的三大非共识特性（零融资 + 小团队 + Discord 优先）精准戳中了当下 AI 创业的伪共识。现在很多人是不融资根本活不了；Midjourney 证明了只要对标的是全球市场，服务足够有价值，纯自举也能年赚 5 亿。

这对中国 AI 创业的启示是：不要盲目融资，要早期就设计好赚钱逻辑；不要盲目追求”全渠道覆盖”，要抓住一个社区聚集的地方（国内可能不是 Discord 而是小红书/抖音）做深。

七、相关案例

  • DALL-E 3：OpenAI 的文生图模型，能力上不弱于 MJ，但因为被限制在 ChatGPT 里、收费贵（GPT+ $20/月）、社区弱，增长远慢于 MJ。对比看”产品包装”和”社区”的重要性。
  • Stable Diffusion：开源扩散模型，任何人都能本地跑，成本接近零。代表了”能力民主化”，但因为需要技术门槛（本地部署）和审美调整（参数微调），被 MJ 的”开箱即用”降维打击。
  • Flux：Black Forest Labs 的新一代开源模型，生成质量逼近 MJ，但也是开源无社区的路数。能否通过产品包装逆转，值得观察。
  • Luma AI：主打视频生成，也是融资（$300M+ 累计融资）走的路，对标 MJ 的 Video v1。会成为 MJ 在视频领域的竞争对手。
  • Cursor：虽然品类不同，但都是用”社区网络效应”锁定用户的产品。Cursor 通过 freemium + 口碑、MJ 通过 Discord + 视觉分享，殊途同归。

八、关键时间线

时间事件意义
2022.02Midjourney 成立，100 人内测开始创始人：David Holz（Leap Motion 前 CEO）
2022.03Stable Diffusion 即将开源，DALL-E 2 发布时机窗口：模型足够好，产品还是空白
2022.08公开发布，Discord bot 上线，同月即盈利零融资 1 个月即盈利，业界哗然
2022.09-12Discord 日活从 1000 → 100 万，病毒传播纯有机增长，零营销预算
2022.11V3 发布，明显质量提升首个”突破”版本
2023.03V4 发布，风格可控性大幅提升PMF 时刻，付费转化明显上升
2023.07V5 发布，写实能力显著进步吸引摄影师、广告人投入
2023 年末推出 Niji Mode（动画二次元）拓展垂直市场
2024推出 Web 编辑器降低使用门槛，但 Discord 仍是核心
2024 年底1500+ 万注册用户，日活 200+ 万
2025 年 5 月$500M+ ARR 对外宣布三年零融资到 5 亿美金
2025.04V7 发布：完全重建，个性化学习、Omni Reference从工具到助手的进化
2025.06视频生成 V1（Image-to-Video）发布从平面到动态内容的拓展
2025 年末Draft Mode 推出，10 倍速 + 50% 成本定价创新，轻度用户门槛降低
2026.011983 万注册用户，日活 120-280 万稳定增长期
2026.01与 Meta 达成合作，用 MJ 审美优化广告投放品牌价值商业化，从 B2C 向 B2B 扩展

九、参考来源

十、更新日志

  • 2026-03-17：初始创建，基于提供的调研数据完成全部章节（待 Mars 审核）

关联打法

看完后推荐

关系图谱

点击展开全屏