為什麼 Midjourney 的 21 秒影片模型證明封閉式 AI 是錯的交易

Midjourney 的 21 秒影片模型證明，封閉式 AI 仍在把創作者的試錯與訓練成果，無償轉成平台資產。

我認為，封閉式 AI 對創作者來說是一筆錯的交易。Midjourney 推出最長 21 秒的影片生成能力後，這件事更清楚了：使用者付費、反覆試錯、提供偏好訊號，最後卻把模型變強的成果留給平台。這不是單純買工具，而是把一部分研發、測試與市場研究外包給客戶。

影片模型特別能看出這個問題，因為它比靜態圖片更依賴反覆迭代。每一次 prompt 調整、每一次鏡頭節奏修正、每一次風格重跑，都是資料，也是訓練訊號。當平台把這些訊號全部收走，卻不給創作者所有權、分潤或可驗證的控制權，所謂訂閱制就只是把抽取包裝得更體面。

第一個論點：封閉式 AI 把成本留給使用者，把收益留給平台

這種商業模式的核心問題是，平台拿走了上行空間，卻把下行成本留給使用者。創作者要先花錢訂閱，再花時間學習介面，接著花更多時間找出什麼樣的提示詞、風格與節奏真的有效。平台則把這些行為當成改善產品的燃料，下一位使用者看到的模型就更好，卻不需要向前一批貢獻者支付任何回報。

Midjourney 的影片功能把這個交換關係放大了。21 秒看起來很短，但對生成式影片來說已經足夠暴露動作連貫性、風格漂移與角色一致性的問題。要把一個片段做得可用，往往不是一次成功，而是要經過多輪失敗、微調與重跑。每一輪都在替平台累積產品洞察，卻由創作者自己吸收時間成本。

這也是為什麼封閉式 AI 常被誤認為「比較成熟」。表面上看，產品更穩定、介面更完整、輸出更一致；實際上，成熟的部分有一大塊是由使用者反覆踩坑堆出來的。當一個平台可以把群體的試錯轉化成下一版模型的優勢，它拿到的不是單純的訂閱收入，而是被隱形化的研發外包。

第二個論點：短影片模型讓「免費訓練平台」這件事更明顯

影片比圖片更昂貴，也更依賴互動回饋。圖片模型常常只需要幾次重抽就能接近可用結果，但影片牽涉到時間軸、動態一致性與鏡頭語法，創作者通常要花更多輪次去修正。這代表平台從同一位使用者身上取得的訊號更多，資料更密，模型也更容易因為這些互動而變好。對公司來說，這是高價值資料流；對使用者來說，這是高頻率的無償除錯。

這個現象在影像生成時代就已經出現，只是影片把它推得更極端。過去，提示工程被說成是一種新技能；現在，它更像是一種勞動。因為你不是只在「操作工具」，而是在用自己的審美、語言與時間，替模型標註什麼叫好、什麼叫壞、什麼叫接近你要的結果。平台把這些輸入統一吸收，卻不承認它們具有勞務價值。

更重要的是，封閉式架構讓這種價值轉移很難被看見。使用者看得到的是訂閱費與生成結果，看不到的是自己的行為如何被用來優化下一次發布。這會改變整個創作市場的權力結構：不是創作者在選擇工具，而是平台在透過工具塑造創作習慣。當模型越強，這種塑形能力就越大，最後連審美標準都可能被平台默默定義。

反方可能怎麼說：封閉式 AI 仍有它的現實理由

支持者會說，封閉式 AI 並不是純粹剝削，而是高成本研發的必要結果。訓練與推理影片模型需要龐大算力，內容審核與安全控管也很難做，若完全開放，濫用風險、版權爭議與服務品質都會失控。從商業角度看，公司若不能保留控制權，就很難持續投入資本，這個擔憂並不虛假。

這個論點最強的地方在於，它指出了「開放」不等於「免費」，更不等於「可持續」。很多開源或半開放專案確實缺乏長期維護，最後反而讓使用者承擔不穩定、碎片化與安全漏洞。對 PM 和創辦人來說，封閉式產品的確更容易建立一致體驗，也更容易做商業化，這些都是現實，不是口號。

但這些理由最多只能說明封閉式 AI 可以存在，不能證明它是好交易。若平台真的需要封閉，就應該把成本與回報說清楚：至少提供可驗證的資料權限、商業輸出分潤、企業級授權，或是對高價值創作行為給出明確補償。否則，使用者付費訓練產品，平台再把成果賣回市場，這仍然是把風險社會化、把收益私有化。限制可以接受，抽取不行。

你能做什麼：把 AI 使用成本與資料權利算進決策

如果你是工程師、PM 或創辦人，不要再把封閉式 AI 當成預設答案。你應該先算清楚三件事：你花了多少時間在 prompt、重試與修正上，這些互動是否會改善平台的下一版模型，以及你的輸入與產出在合約上到底屬於誰。只要答案是「你的使用會讓平台變強，但你拿不到對等回報」，那就是一筆不對稱交易。

更務實的做法，是在選型時把資料權、商業權與退出成本一起評估。若你依賴某個封閉模型做內容生產，就要問清楚是否能匯出歷史、是否能限制資料再利用、是否有企業授權或分潤機制。對團隊來說，最危險的不是工具貴，而是你在不知不覺中替別人的模型做了長期訓練，最後還得自己買單。