一年過去，登上第一期a16z榜單的文生圖產品們都怎樣了？

去年十一期間，我們推出了選題《 》，基於第一期 a16z Top50 AI 網站的榜單，盤點了各類別網站的流量表現、主要功能等。在這份榜單中，AI 生圖產品有 10 款，是上榜產品數最多的類別，時隔一年，我們就來看看它們現在怎麼樣了。

2023 年 8 月，a16z 推出的第一期 AI Web Top50 榜單，紅框中是上榜的生圖產品，注：我們將參考 2024 年 8 月推出的第三期 a16z Top50 榜單，觀察一年前能夠登上第一期榜單的生圖產品近一年的表現。（如果讀者對其他類別的產品感興趣，我們也會視情況推出選題）

首先，來看看這些產品的整體情況。

01時隔一年，“存活率”60%，

但流量均有所下滑

紅色方框中是 6 款仍在榜的產品，藍圈內的產品是新上榜的生圖產品

上榜產品數量方面，登上去年榜單的 10 款產品，有 6 款產品仍在榜，而 Lexica、Stable Diffusion、Pornpen.ai 和 DeepSwap 則掉出了 Top50，它們的網站流量均已低於 200 萬（全球達到月訪問量 200w 的 AI 圖片類網站，大概有 50 家左右）。而在這 10 款產品之外，還有三款新產品上榜，包括 Yodayo（生圖+角色聊天）、SeaArt 及 ideogram，新榜單中的生圖產品的總數爲 9 款，只比一年前少了一款。

雖然 60% 的“存活率”還可以，但如果將每款產品的流量分別與一年前相對比，則可以看到，所有上榜產品的流量都有不同程度的下滑。由於目前生圖產品的靈活性與可控性距離實際的應用場景，還有一定的距離，經常需要用戶頻繁“抽卡”，在新鮮感褪去後，一批用戶流失。

但是最近，在 SD3 和 Flux.1 等新基座模型紛紛推出，引發了大量用戶的關注和討論，各產品的流量在 8 月份也都有所回暖，還出現了 Tensor.art、Openart.ai 等逆勢上漲的產品，兩者的流量也接近 Top50 的水平（第三期榜單的第 50 名 AI-Novel list 8 月份的流量爲 508 萬）。但從流量大盤來看，仍明顯不如去年。

下面我們就來逐一看看每款產品的情況（CivitAI 近一年的改動主要在優化社區體驗方面，但限於篇幅，這裡就不多做贅述了，如果讀者感興趣，我們會視情況推出選題）。

02Midjourney：

技術曲線拉平，生圖王者遇危機

Midjourney近半年流量和訪客數據，單位：萬

Midjourney 從 2022 年 8 月上線開始，一直是“王者”級別。但是在今年 3 月，我們觀察到，Midjourney 的網站流量相比去年 7 月下滑了 30%，被 Leonardo.ai 超過了，而後續它的流量也沒什麼起色，一直在 1100 萬左右徘徊。

Midjourney 8 月份流量數據，注：Similarweb 將 8 月內每 7 天的總流量加合統計，最後一個節點因爲只統計了 3 天的流量，因而較低

8 月份的翹尾，是因爲 Midjourney 在 22 號左右面向全部用戶開放了網站訪問權限，22 號之後的一週時間內，流量上漲尤其明顯，8 月份環比實現了 200w 左右的訪問量提升，這麼看來，Midjourney 還是有點實力在的，只是隨着其他模型的迭代和不斷有新模型出現，差距沒有那麼大了。

即刻上用戶對 Midjourney 和新基座模型 Flux.1 的評價｜圖片來源：即刻，侵刪

Midjourney 所遇到的問題，其實和各種閉源 AI 模型相同，出現了技術曲線不再那麼陡峭的情況，由於價格更高，競爭力變弱。根據即刻上用戶的分享，現在的新基座模型 Flux.1 和 SD3，在各個領域已經與 Midjourney V6 旗鼓相當了，除此之外，開源模型還有價格便宜、部署靈活、可以靠微調模型和 Lora 控制生圖效果等特點。質量上拉不開差距，又疊加閉源產品的劣勢，Midjourney 的用戶增長出現停滯的情況，也屬正常現象。

但是有消息稱，Midjourney 將在年內推出 Midjourney V6.2，甚至是 Midjourney V7，新版本的模型能否和市面上的現有模型拉開技術差距，讓Midjourney 重新具備競爭優勢，我們拭目以待。

03Leonardo.ai：成功賣身，

推出自研模型，從遊戲轉向多場景

數據來源：Similarweb，Leonardo.ai近半年流量和訪客數據，單位：萬

對於 Leonardo.ai，其實最大的新聞並不在功能更新、流量等層面，而是被收購。7 月 31 日，Canva 宣佈收購 Leonardo.ai，據傳，收購金額達到 3 億美金左右，收購之後，Leonardo.ai 會保持獨立運營，但其創始人和 120 名員工都將加入 Canva，其技術也會整合進 Canva 的 AI 功能 Magic Studio 中。

Leonardo.ai 生圖功能的主頁

除了被收購之外，相比之前，Leonardo.ai 的產品也發生了一些變化，Leonardo.ai 的最初瞄準的是遊戲美術設計這個垂類場景，不僅生圖效果偏向奇幻風格，也推出了線稿生圖、畫幅修改、3D 紋理生成等功能。

而目前，Leonardo.ai 正在橫向擴展功能與場景，添加了按參考圖片生圖、角色一致性生圖等更容易落地的功能，也推出了視頻生成模型 Motion 和自研生圖模型 Phoenix。社區畫廊中也有爲數不少的海報、Logo，甚至是建築效果圖等內容，從用戶行爲來看，Leonardo.ai 的落地場景更廣泛了。

04PixAI：動漫帶來穩定用戶，

但增長相對乏力

數據來源：Similarweb，單位：萬

PixAI 的開發者是來自北京的創企時代傳浮，產品主要面向二次元羣體，生圖風格也主要是動漫風格。PixAI 總體功能比較簡單，基本就是文生圖和模型訓練，以及配套的社區功能。

PixAI 界面，主要功能就是生圖和模型訓練

PixAI 的流量算是比較穩定的，8 月份網站流量達到 590 萬，雖然同比去年下降了 30%，但從近半年的流量數據看，基本都能保持在 500 萬左右。能夠保持較爲穩定的流量的主要原因就是因爲動漫主題的用戶粘性較強，從月人均訪問次數來看，PixAI 是所有產品裡最高的。另外訪問時長也不短，僅比 Midjourney 低一點。

數據來源：Similarweb，計算方法：訪問量/獨立訪客數

但從目前的情況來看，PixAI 主打動漫生圖的思路可能已經無法吸引增量用戶了，繼續深度服務好現有用戶，還是橫向破圈，歷史難題再次放到團隊面前，但從市場目前的境況來看，前者貌似是更好的選擇。

05NightCafe：競爭激烈當下，難找差異化定位

數據來源：Similarweb，單位：萬

之前，NightCafe 算是純粹“套殼”SD 的工具，其平臺上集成了 SD 和各種 C 站上的 Checkpoint 與 Lora，並給出各種預設風格，通過 Prompt Engineering，讓用戶使用很簡單的提示詞就生成能夠符合要求的圖片。

NightCafe 主要控制生圖的功能就是Style

NightCafe 除了文生圖外的其他功能

而近期，NightCafe 主要的更新集中在新功能和模型社區方面。不僅擴展了線稿生圖、圖生圖、主題風格生圖、特定姿勢生圖、圖片風格化等功能，還支持了 Flux.1 等新基座模型及其變種模型，此外，NightCafe 還上線了各種訓練模型和 Lora 的版塊。

NightCafe 官方提供的新基座模型（上），NightCafe 訓練模型的頁面（下）

從數據上來看，NightCafe 的這些更新還是擋不住流量和用戶出現下滑，雖然下滑幅度並不大。但根據 NightCafe 創始人的說法，公司一共只有 9 名員工，每月的訂閱用戶有 2 萬左右，按照每人每月 10 美金計算，也有 20 萬美金的月收入。

06Playground：從“生圖”轉向“改圖”，

一百八十度掉頭後還能保持流量

數據來源：Similarweb，單位：萬

在去年我們觀察 Playground 時，它還是一款比較典型的文生圖產品，接入了 Stable Diffusion 系列模型，而且也應用了自研的 Playground V2 模型，感覺總體差異並不是很大。

Playground 舊版界面（上），Playground 新版界面（下）

但當我們時隔一年再次觀察 Playground 時，發現它的界面已經發生了很大改變，似乎更像一款設計產品了。而體驗過後發現，它最重要的變化就是從“生圖”變成了“改圖”。

Playground 界面

“改圖”的主要流程是，用戶上傳一張基礎圖片，或者從系統圖庫裡選一張，然後通過輸入 Prompt 讓 AI 來修改圖片，通過多次迭代來完成需求，相比直接生圖的“抽卡”，Playground 更加靈活，如果用戶對修改不滿意可以一鍵返回上一步，優化 Prompt 重新生成，而不需要從頭開始。筆者體驗下來在基礎的改顏色，改背景等方面，Playground 做得不錯，但有一些較爲複雜的 Prompt，AI 執行得並不太好。

結合筆者自己的體驗和用戶反饋，Playground 總體的效果是不錯的，“AI 改圖”的新模式也被用戶所接受。但從總體流量來看，由於新版 Playground 很難承接一些偏“娛樂”的生圖用戶，疊加生圖賽道整個流量都有所下滑，Playground 的網站流量同比去年仍下降了一半左右。

Techjockey 上的某條用戶評論，總體用戶評論也比較正面

但我們觀察到，目前生圖賽道偏“生產力”的用戶數量增加明顯，部分產品中佔比能達到 40% 以上，Playground 重視可控性和落地場景的“改圖”模式，感受下來是更貼近落地的，只是關於落地場景的流程設計，還很欠缺，例如手機壁紙的設計和導出，沒有適配手機型號，其他設計板塊也都是如此，只能單純地導出圖片。

07落榜產品原因回顧

Lexica：商用許可成“明牌”，未能與時俱進

數據來源：Similarweb，單位：萬

我們在今年 2 月的選題《》中就有觀察過 Lexica，這款產品的兩大特點就是自研的 Lexica Aperture 模型，以及靠卡商用條款的商業化策略，當時我們下的結論是“生圖效果尚可，但商業化策略可能跑不通”。

Lexica 的訂閱條款

就其他產品的條款來看，Midjourney 是允許將自己做的圖用於商業用途，年收入超過 100 萬美金的企業，也只需要訂閱 Pro 或 Mega 方案就可以商用，而 Leonardo.ai 等產品則是，無論用戶是否訂閱均可商用，所以 Lexica 用這點打差異化，很難行得通。

而除了商業化化外，Lexica 的產品表現也不太行，從數據來看，相比去年 12 月，Lexica 2024 年 8 月的流量又下降了 67%。主要原因一如 Midjourney，隨着各種開源模型效果越來越強，閉源產品勢必受到衝擊，但是 Lexica 的生圖質量遠遠不如 Midjourney，功能上也沒有對可控性等層面進行優化，綜合能力相比主流水平已經落後了，Lexica 被市場所淘汰，也是順理成章的。

DeepSwap&Pornpen.ai：灰色生意還做得下去嗎

數據來源：Similarweb，單位：萬

DeepSwap 和 Pornpen.ai 屬於兩個位於法律灰色地帶的賽道，換臉和色情圖片生成。無論是 DeepFake 還是色情圖生成，在 AI “野蠻增長”的時代是有一定市場的，但是目前，在各國監管機構已經盯上 AI 產品的當下，其道德、隱私、法律風險是越來越大的。

Stable Diffusion：經歷了“破產”邊緣，積極改變商業化策略

數據來源：Similarweb，單位：萬，注：由於 SD 主要的應用方式是官網的 API、各模型託管平臺及雲計算平臺，官網流量並無法反應 SD 的使用情況，所以這裡我們將重點放在 Stability.ai 公司和業務層面

Stable Diffusion 作爲跟 Midjourney 齊名且走開源路線的生圖模型，市面上大多數生圖產品其實都接入過 SD。但是就算擁有如此高“江湖地位”，其母公司 Stability.ai 仍在今年遇到了巨大困難，瀕臨破產。

在 4 月份我們觀察到，Stability.ai 的財務狀況相當糟糕，今年一季度的利潤率是-600%，還欠了超過 1 億美元的外債，加之 CEO 與核心研究團隊相繼離職，Stability.ai 一度已經尋求出售。但峰迴路轉，今年 6 月底，Stability.ai 獲得了包括 Facebook 前總裁 Sean Parker 爲首財團的注資，總注資額超 8000 萬美元，而且，投資人之一的 Prem Akkaraju 親自下場擔任 CEO，來收拾這個“爛攤子”。

公司層面一片混亂的情況下，Stability.ai 在業務層面卻一直沒有停止變革的腳步。今年 4 月，Stability.ai 宣佈在其官方 API 平臺上首發最新基座模型 Stable Diffusion3，而到了 6 月份，SD3 的開源版本 SD3-medium 才姍姍來遲，該模型只是 SD3 的小參數蒸餾版本，“滿血”版仍必須在官方 API 和其他模型託管平臺使用。Stablity.ai 在用時間差和限制更強大的模型開源等方式，幫自己的 API 找差異化。

而在“自行部署”方面，Stability.ai 也一改之前“全面開源”的策略，限制了 SD3 的商用條款。年收入 100 萬以上的企業或機構無論是否將模型商用，都需要繳納部署費用，普通用戶和小企業也有相應的商用限制。而對各模型託管和分享平臺，Stability.ai 也開始收取授權費用，模型部署平臺 Tensor.art 的運營負責人思禹告訴我們，當 SD3 改變商用條款時，業內最開始處於一種對抗的狀態，CivitAI 也一度禁止了 SD3 生成的內容，以及 Checkpoint、Lora 的發佈，後來才慢慢接受了新條款。

Stable Assistant 需要訂閱才能使用

而在其他方面 Stability.ai 也進行了密集的探索，包括推出 ChatBot Stable Assistant，音頻生成模型 Stable Audio Open，視頻生成模型 Stable Video 4D 等等，而且這些模型也都給出了很明確的商業化路徑。不論是在 ChatBot、音視頻等“新”賽道，還是一直深耕的生圖賽道，Stability.ai 的最大目標，就是“賺錢”了。

08

總結完這 9 款產品後發現，相比一年前，靠生圖質量、生圖風格打差異化的市場，今年，由於各家生圖模型的水平差距逐漸縮小，各家競爭的焦點也轉向了功能的豐富度，交互方式的變革，與場景的結合，及社區建設等方面。

但總體來看，生圖賽道的技術與生產力的結合的確尚未達到令人滿意的程度，想要回到去年同期的“繁榮”，可能還要等待技術的突破。

轉載原創文章請添加微信：founderparker