最近，有消息称Stability AI可能要把自己“甩卖”了，那么在这一消息背后，显露出了Stability AI的哪些问题？一起来看看本文的解读。

最近 Twitter 上大家在传 The Information 报道的 Stability AI 打算把自己卖了的消息。从 2022 年 8 月推出 Stable Diffusion 以来，不到两年的时间，沦落到出售公司的程度。甚至据很多业内人士分析，Stability AI 真的放到市场上，可能卖不出多少钱。

The Information 报道该消息的文章｜图片来源：The Information

进入 2024 年，Stability AI 风波不断。3 月 21 日，开发 Stable Diffusion 的几名核心研究人员离职。过了没有两天，Stability AI 的 CEO Emad Mostaque 宣布离任，并退出董事会。又过了没到一个月，4 月 19 日，Stability AI 又宣布裁员 20 人，约占全体员工的 10%。

Stability AI 到底挖了多大的坑？根据 The Information 的说法，Stability AI 私下表示 2023 年的营收只有 800 万美金左右，这个数字比之前网传的 1100 万美金还低了不少。而根据彭博社在 2023 年 10 月的报道，Stability AI 一个月就要在员工工资和云计算等领域支出 800 万美金，其他不算，公司利润率怒达-1100%。

而 2024 年第一季度，Stability AI 收入不到 500 万美元，貌似赚得多了点，但亏损超过 3000 万美元，利润率稍微好看了些，也就是-600%。

公司经营结果一塌糊涂，还欠了不少外债，据传 Stability AI 欠云计算供应商和其他公司 1 亿美元。相比之下，隔壁 Midjourney 只有十几名员工，就能拿下 3 亿美金左右年营收。

如此糟糕的财务状况，几乎所有生图类产品都会用其底层模型的 Stability AI，到底问题出在哪？

一、开源+API 的商业模式陷阱

经过一番资料的搜索，对于这个问题，笔者主要总结出了两个方面的原因，一是公司的管理出现了问题，二是 Stability AI 的商业模式一直没有跑通。

Stable Diffusion 其实并不是 Stability AI 开发的产品，这款模型最初是由项目负责人 Robin Rombach 攻读博士学位的慕尼黑大学和另一个 AI 视频创企 runway 共同开发的开源模型项目 Latent Diffusion。

而 Stability AI 最初只是为项目提供了计算资源，才取得了冠名权。而 2022 年，Stability AI 说服了负责人 Robin Rombach 和其他核心成员加入公司，这才“名正言顺”地获得了 Stable Diffusion 的所有权。

虽然获得了所有权，但是 Stability AI 的管理却一地鸡毛。有离职员工透露，CEO Mostaque 几乎不懂研究，也不会为研发团队制定计划、分配资源，加上他个人的学历、经历造假、欺骗投资人、欠薪等丑闻，造成 Stability AI 管理混乱，负面新闻缠身。如果说管理层混乱是一个例外，Stability AI 选择的商业化路径在为很多做开源模型、API 收费的企业敲响警钟。

Stability AI 商业模式图解｜图片来源：FourWeekMBA

众所周知，Stable Diffusion 是一款开源模型，所有人都可以免费下载和修改模型。

而 Stability AI 本身则是靠 API、企业服务、AI 相关的咨询来赚钱。这个开源商业化模式，模仿的是 Linux 的提供商 RedHat，即靠开源打出知名度，再靠 API 和企业定制产品在 B 端赚钱。Stable Diffusion 在推出伊始就上线了 API。

目前来看，市面上绝大多数的生图产品，使用的都是 SD 和它的衍生模型，受众远比 Midjourney 和 DALL-E 等闭源模型要大很多，而为什么 Stable Diffusion 被那么多创企采用，官方做 API 却不赚钱呢？

第一个原因其实是模型本身的设计，由于 SD 从一开始就是开源模型，所以在设计时就比闭源模型参数更少，更轻量，以满足离线部署的需求，因此，SD 原模型的生图效果其实是不如闭源模型的。

但是 SD 作为开源模型，本身设计上，留下了很大的“可调整空间”，例如对 SD 模型进行微调可以得到 Checkpoint，可以优化某种特定风格的生图质量，进一步还能在 Checkpoint 的基础上对 cross-attention layer 进行调整形成 LoRa 模型，来添加特定对象或实现人物、风格一致的效果。这些都给了用户和开发者按需求/场景，实现更佳效果的可能。而在实际落地中，绝大多数开发者都会对 SD 模型进行重新训练，来适应电商、广告、或者漫画脸等场景。

而直接调用 API，单纯做套壳产品，其实竞争力不大，无法满足多数厂商的业务落地需求。

第二个原因成本问题。

信息来源：各公司官方网站

其实单看 API 费用的话，除了最新推出的 SD3 比较昂贵之外，SDXL 和 SD1.6 等已开源的模型的 API 可以说比 OpenAI 便宜不少了，与腾讯混元的文生图 API 价格相当。

用户云上部署 SD 的成本核算分享｜图片来源：AI魔法学院

但是如上所述，很多厂商为了落地，会选择自行部署。而 SDXL 和 SD1.6 都是完全开源模型，任何用户都可以自行下载和部署这两款模型。甚至，一些云厂商也会将 SD 这种完全开源的模型做成即插即用的插件放在自己的解决方案里。

AWS SD 插件概述｜图片来源：AWS官网

根据网络上的分享，使用腾讯云部署 SD 1.5 的话，平均单张图片花费 0.1-0.01 元人民币，合 1 美金能生成 70-710 张图片；而上面提到的 AWS 的云服务，1 美金大约可生成 240 张图片。而如果选用更便宜的云服务提供商的话，这个价格能做到更低。

那我们把云部署的费用更新到表格中，就会变成下面这样：

这么一比，虽然 SD 在 API 价格对比层面，费用确实不高，但和其他一些方式比没有成本优势。

谷歌搜索“SD API”结果（上），第三方 API 的价格（下）

最后，依然是因为完全开源，在 Stable Diffusion 出来不久，就已经各路有三方 API 出现了，目前在谷歌搜索“Stable Diffusion API”第一条是官网，第二条就是一个第三方 API 的网站，甚至这个网站提供无限次使用 API 的服务，价格为 147 美金/月。

SD 使用的 Creative ML OpenRAIL-M license 协议关于“分发模型”的条款，注：SD 使用的协议是专为 AI 开源产品设计，而类似 DeepSeek 等国内出海产品会使用针对一般开源软件的 MIT 协议，两者商业化条款的规定基本相同，前者在道德等层面上会做了更多的规定，促使人们安全地使用 AI。

对于其他企业使用开源模型做三方 API 的法律问题，我咨询了法律专业人士。他表示能否提供三方 API 服务需要参考产品协议中列示的商用条款，如果违反条款，原开发者就有权进行索赔。而 Stable Diffusion 所使用的协议，完全允许向第三方分发模型，包括销售付费 API，这让 SD 官方的 API 无形中又多了无数竞争对手。

目前，很多国内大模型都在走开源+API 的路径，但是在开源的基础上，都会拥有能力更强的闭源模型，或干脆将开源闭源分成两个系列（比如 Google 的 Gemini 和 Gemma），为自己的 API 保留一些差异，在开源和商业化方面找到平衡。

看下来，Stablity AI 陷入“疯狂烧钱，但营收不利”的局面，其实就是没有在开源的同时推出能够区别于开源模型的差异化产品，在价格上也无法与自行部署模型来竞争。在价格更低、部署也并不麻烦的情况下，B 端用户们自然会更倾向自行部署大模型、甚至直接使用部署了开源模型的云服务，而不是调用 API，Stablity AI 自己的模型开源把自己的商业化路径堵死了。

二、从开源转向闭源，Stablity AI 的自救能成功吗？

这样的商业化困境，造成 Stablity AI 一直要靠融资维持，早在去年 11 月份，就有消息爆出，投资者对公司业绩不满而要求 CEO 辞职的新闻。

为此，Stability AI 开始密集进行商业化尝试，涵盖 API、限制自行部署模型商用、ToC 订阅付费等多种模式。

评论 Stablity AI 会员订阅的X帖文｜图片来源：X

去年 12 月底 Stablity AI 针对自行部署模型用户，变更了政策，简单说就是不商用还可以免费用，但如果商用，就要买会员了。

这个政策变更覆盖的模型有 SDXL Turbo、视频生成模型 SVD 等（未来还会有 SD3）。与之前坚持的不限制商用的开源协议不同，Stablity AI 想通过限制“自部署”模型的商用权限获得收入。

Stablity AI 宣布在 API 中推出 SD3 的 X 帖文｜图片来源：X

而且 SD3 宣布了很久，一直没上线模型，只提供了 API 调用，Stablity AI 似乎有转向闭源的趋势。

4 月 17 日，Stablity AI 宣布 SD3 和SD3 Turbo 可以通过调用 API 中访问模型，而且在 X 帖文中还提到，为了实践开源的承诺，未来将在 Stablity AI 会员的权益中添加这两款模型，但绝口不提完全开源的事情。

Stable Artisan 订阅价格

除了收模型的会员费，在 5 月 9 日，Stablity AI 又宣布开始做 C 端生意了，推出基于 Discord 的 AI 图像工具 Stable Artisan。

用户可以在 Discord 中输入提示词，用 SD3、Stable Video 和 Stable Image Core 等最新模型进行生图、修图、生成视频等操作。商业化方面，Stable Artisan 采取订阅制，用户可以根据生图数量的需求按月或年付费。“Discord 平台+4 档订阅付费”，这几乎已经是照抄 Midjourney 的模式了，只不过订阅价格略便宜一些。

但问题是，面对各路生图模型的竞争，Stablity AI 还能收到 C 端用户的钱吗？

测试方式：用各生图模型生成多组图片，由人类进行打分｜图片来源：数字生命卡兹克

CSDN 上另一个测评的结果｜图片来源：CSDN

要想探究这个问题，我们首先要看，Stablity AI 的模型能力是否有优势，这个答案是“似乎没有”。我们以最新推出的 SD3 为例，虽然 Stablity AI 在论文中表示经过测试，SD3 比市面上所有模型都要强。

但是根据国内媒体进行的测评，在细节质量、语义理解和审美三个点的评分上，SD3 基本都低于 MidjourneyV6，虽然这个测评带有不小的主观性，但是综合笔者看到的其他测评结果，至少可以得出结论，SD3 并没有碾压 Midjourney、DALL-E 的实力，不同模型在不同的维度上各有优劣。

分别为负面提示词、种子值、长宽比、模型（只有 SD3 和 Coreke xuan）、图片数量

而且，与 API 有同样的问题，Stable Artisan 也不能像市面上的其他生图产品那样调节更多的参数或使用 Lora，可控性上可能还不如那些使用了开源 SD 模型的产品。

此外，目前 Stable Artisan 只支持在 Discord 聊天框里输入 Prompt，但是笔者看下来，几乎没有对用户的指引，用户虽然可以二次创作其他人生成的图片，但只能像“原始版 Midjourney”那样，在 Discord 中一页一页的翻找。更不要说，像很多生图产品那样有让用户点标签生成提示词，或者像 SeaArt 一键做同款等方便用户操作的设计了。

Discord 中用户使用去背景功能后的效果｜图片来源：Stable Diffusion Discord

此外，笔者浏览了一下 Discord 中其他用户的生图记录，绝大多数用户都是在使用文生图工具，使用线稿生图或去背景/对象等其他功能的用户并不太多，而且这个去背景的效果，似乎也不怎么好。

Discord 邀请页面显示的在线人数

从人气来看，Stable Diffusion Discord 的在线人数只有 Midjourney 一个零头。而目前，Midjourney 网站端的生图功能已经向生图超过 100 张的用户开放了，其他生图产品基本都在网站端使用了。而 Stable Diffusion 才刚刚走上 Midjourney 等产品一年半前走的路。

写在最后

作为一个 AI 时代的明星，Stable Diffusion 和 Stablity AI 已经写下浓墨重彩的一笔，但是不到 2 年的时间，就沦落到出售公司的程度，也令人唏嘘不已。未来开源 AI 这条路能否走出“疯狂烧钱，却不挣钱”的死路，找到可行的商业模型，可能还要未来的 AI 创企们给出答案了。

参考文献：

1. Stable Diffusion | SD 腾讯云 3 步部署，全程五分钟，附价格费用清单
2. Stability AI Facing Cash Crunch，Discusses Sale
3. 曾经爆红的AI独角兽，走到了树倒猢狲散的边缘
4. 疯狂烧钱、管理混乱，Stable Diffusion 背后企业濒临倒闭
5. How does Stability AI make money? Stability AI business model analysis