Midjourney即将发布首款AI硬件产品

当全球最神秘的AI图像公司决定造硬件，它在赌什么？

近日，Midjourney创始人David Holz在社交媒体上宣布：“开始发出第一批Midjourney硬件产品发布邀请，还有少量名额。”

这距离该公司首次公开宣布进军硬件领域已近两年，而早在2024年8月，Midjourney就在社交平台官宣“We’re officially getting into hardware”，同时开放了旧金山硬件团队的招聘通道。

值得注意的是，这是一家从未拿过一分钱风险投资、团队不到100人、仅靠订阅模式便做到年营收5亿美元的AI图像生成巨头，现在他们即将交出硬件答卷。

从Leap Motion到Vision Pro的硬件基因

复盘Midjourney硬件部门的组建脉络，创始人David Holz的个人经历是第一块基石。Holz曾于2010年联合创办手势追踪公司Leap Motion并担任首席技术官，2019年该公司被UltraLeap收购。

2024年初，Midjourney成功挖来前苹果Vision Pro硬件工程经理Ahmad Abbas，由其执掌硬件部门。Abbas曾在马斯克的脑机接口公司Neuralink负责硬件设计，随后在苹果的5年深度参与了Vision Pro头显的工程研发。而且，Abbas早年曾在Leap Motion担任硬件工程师。

Holz此前在公开对话中表示，Midjourney会造一个“Orb”。此后，团队持续将硬件研发重心置于3D数据捕捉方向。

Holz将Midjourney的图像模型描述为“非常缓慢的游戏引擎”，并承诺未来将能以每秒60帧的速度生成体积感十足的3D世界。这种对未来交互形态的前瞻性判断，也是驱动硬件战略最核心的内在逻辑。

软件巨头为何执意要做硬件

2021年，Midjourney在旧金山成立，而后仅凭订阅收入便实现了惊人的增长：2023年营收约2亿美元，2024年攀升至3亿美元，2025年达到5亿美元，估值高达100亿美元。而它的团队规模长期维持在数十人量级，早期核心团队仅11人，人均产出远超500万美元。

而这家“轻盈”的公司，为何执意选择踏入最“笨重”的硬件赛道？

当前，生成式AI正从“云端重算力”迈向“端侧轻推理”，2026年也被行业视为端侧AI市场的关键爆发节点，AI手机、AI PC等形态加速落地。另外，生成静态图像的天花板已在眼前。

2024年底Midjourney发布的Patchwork平台已经展现出多人协作世界构建的能力，支持最多100名用户在无限画布上实时共创，并明确提及未来路径包括“完全沉浸式的3D虚拟现实场景”。

而问题是具备能力生成惊艳的3D世界，用户该用什么设备进入这个世界？现有的VR头显生态支离破碎，而Midjourney想让自己的3D视频内容被真正消费，自建硬件入口就成了最激进的解法。

值得注意的是，Midjourney在硬件选择上吃过亏。2023年，公司曾采用Google Cloud TPU训练第四代模型，但后续 reportedly 对这一决策感到后悔，认为如果更早全面拥抱Nvidia GPU生态，或许能加速研究进度。

另外，Midjourney的核心壁垒是其美学品位与社区生态。正如iPhone让触控交互成为标准，Midjourney或许想定义AI原生内容的消费范式。

那么，那枚“Orb”是什么？

在Midjourney硬件入局的长达近两年的筹备期中，外界对于具体产品形态的猜测从未停止。结合已披露的所有信息，可以梳理出：

形态上，“Orb”这一项目名称暗示产品可能采用球形或圆形设计，且可能是一种沉浸式空间显示装置，而非简单的头戴设备。

功能上，它极可能是一款AI原生的空间计算设备，聚焦于创意消费与沉浸体验，让用户“走进”自己用提示词生成的世界，或用自然手势与AI共创3D内容。

定位上，Midjourney官方曾在推文中明确回应，其硬件“不会是一个吊坠式设备”。结合Midjourney的订阅用户以专业设计师、艺术家和创意工作者为主，这款硬件很可能首先面向创意产业和极客发烧友等。

另外，David Holz曾表示公司正在同时推进3-4个硬件项目，表示其硬件产品线不止一种。

AI硬件的重构期

近些年，谷歌、Meta等大厂均在推进各自的AI终端战略，谷歌甚至在多模态图像模型领域直接与Midjourney展开正面交锋。

而部分AI硬件创业公司在过去两年中已用血的教训证明：做一款成功的消费级AI硬件，难度比想象中要大得多。从供应链管理、品控到渠道建设和售后服务，硬件生态的每个环节都是对“轻模式”公司基因的重大考验。

但也有不少AI硬件品牌初步证明AI硬件的成功在于找到AI能力与传统硬件形态的最佳耦合点，也有百万级的突破机会。

在Holz看来，Midjourney的核心使命是“放大人类精神”（amplify the human spirit）。图像生成模型完成了从“文字到视觉”的第一步，V7模型在2025年的发布和Draft Mode的上线提升了生成效率，而硬件，则可能成为从“视觉到空间”的第二步。

文章来自于微信公众号 “AING硬迹”，作者 “AING硬迹”