2025年9月28日·1 分钟
Emad Mostaque 与开源生成式 AI 如何走红
Emad Mostaque 与 Stability AI 如何推动开源生成式 AI 走红——是什么促成了 Stable Diffusion 的传播，以及它引发了哪些争议。
Emad Mostaque 与 Stability AI 如何推动开源生成式 AI 走红——是什么促成了 Stable Diffusion 的传播，以及它引发了哪些争议。
Emad Mostaque 的名字与开权重生成式 AI 最爆发的一章紧密相连：Stable Diffusion 的公开发布以及随后涌现的创作浪潮、工具链和争议。他并不是技术的唯一发明者——基础研究社区远比任何单个人都大——但他成了一个明确理念的可见代言人：强大的生成模型应该被广泛获取，而不是被某个公司的界面所垄断。
这里的“走红”并非指某条头条或社交媒体上的瞬时热度，而是一种可以在现实中观察到的模式：
当一次发布触发以上四点时，它就不再只是“一个模型”，而开始表现得像一场运动。
开放发布能加速学习并释放新的创作工作，也可能增加滥用、加剧版权冲突，并把安全与支持的负担转嫁给并未要求承担这些的社区。Mostaque 的公开倡导使他成为这些张力的象征——被渴望获取工具的构建者称赞，也被担忧危害与问责的人批评。
本文拆解了 Stable Diffusion 的工作原理（不涉复杂数学）、开放访问如何催生创作者生态、争议为何随之而来，以及在为真实项目选择工具时“开放对封闭”实际意味着什么。阅读完后，你将获得一种实用的视角来解读这股病毒式浪潮，并判断哪种生成式 AI 策略更适合你。
在 Stable Diffusion 爆发前，生成式 AI 已经令人兴奋——但同时也被设置了门槛。大多数人通过候补名单、受限测试或精修演示来体验图像生成。如果你不在“圈内”（实验室、资金充足的初创公司或有权限的开发者），你多半只能在场边观看。
封闭的 API 模型像是一台放在柜台后的强大机器：你发出请求，得到结果，提供方决定价格、规则、速率限制和允许范围。这种方式可能更安全、更简单，但也意味着实验被他人设定的边界所塑造。
开放权重或可下载的发布则翻转了体验。创作者可以在自己的硬件上运行模型、调整设置、尝试分叉并在不需对每次提示都请求许可的情况下迭代。即便某次发布在严格意义上并非“开源”，拥有权重也会产生一种所有权和能动感，这是 API 很难提供的。
对创作者社区而言，经济并非注脚——它就是故事本身。API 的定价与配额会悄然抑制玩耍的意愿：如果每次运行都像在计费表上计时，你会犹豫是否尝试 50 个变体、探索小众风格或做一个古怪的副项目。
有了可下载的模型，试验又变成了一种爱好。人们交换提示、比较设置、分享检查点文件并在实践中学习。那种动手的循环把“AI 图像生成”从产品变成了一门实践。
生成的输出本身就极易分享：一张图片可以激发好奇、争论和模仿。Twitter、Reddit、Discord 服务器和创作者论坛成了技术与成果的分发渠道。模型之所以扩散，不仅因为它强大——还因为社区可以对其进行混搭、展示并迅速互助改进。
Stable Diffusion 是一种文本到图像生成器：你输入诸如“夕阳下雪山里温馨的小木屋”这样的提示，它会生成一张试图匹配你文字的图像。
把它想象成一个从大量配有标题的图像中学习出模式的系统。训练时，模型玩一个简单的游戏：把清晰图像用视觉“噪声”打乱，然后一步步学会去掉这些噪声，直到图像恢复清晰。
当你使用它时，生成从噪声（基本上是电视静态）开始。你的提示引导去噪过程，使静态逐渐变成符合描述的图像。它并不是“复制”某张具体图片；而是通过学到的视觉模式——颜色、构图、纹理、风格——并由文本引导，生成一张新的图像。
人们常把这些术语混用，区分它们有助于理解：
Stable Diffusion 快速传播，是因为它不需要特殊邀请或大厂账户。许多人可以：
早期的结果不必完美就能走红。当生成快速时，你可以迭代：调整提示、改变风格、尝试新种子，并在几分钟内分享最佳输出。速度——结合对表情包、概念艺术、缩略图和原型来说“足够好”的质量——让试验变得黏性强、分享变得轻而易举。
Emad Mostaque 与 Stable Diffusion 的早期走红有密切关联，主要因为他是 Stability AI 的最可见代言人之一——该公司资助、打包并以一种创作者可以立即尝试的方式分发了这项工作。
这种面向公众的角色很重要。模型一旦面世，大多数人并不会去读论文或跟踪研究仓库。他们跟随叙事：清晰的演示、简单的解释、一个可用的链接和一个在公共场合回答问题的领导者。Mostaque 经常承担“正门”工作——接受采访、发社交媒体并与社区互动；而许多人在“机房”里做核心工作：模型研究、数据集构建、训练基础设施、评估以及让发布可用的开源工具链。
Stability AI 的早期势头并不单纯来自模型质量，也来自项目迅速变得易接近这一事实：
同时，重要的是不要把“最可见”与“唯一创造者”混淆。Stable Diffusion 的成功反映了更广泛的生态系统：学术实验室（尤其是 CompVis 小组）、像 LAION 这样的数据集努力、开源开发者，以及构建应用、界面和整合的合作伙伴。
这种弧线——清晰的公众叙事配合开放发布和现成的社区——是模型如何从一个技术点变成一场运动的重要原因。
开放发布不仅仅是“分享一个工具”。它改变了谁可以参与以及想法传播的速度。当 Stable Diffusion 的权重可以被下载并在单一公司的应用之外运行时，模型不再是你访问的产品，而变成了人们可以复制、微调并传递的东西。
有了开放权重，创作者不受限于固定界面或狭窄功能集。他们可以：
这种无许可的“可分叉性”就是燃料：每一次改进都可以被重新分发，而不仅仅是被演示。
推动势头的几个可复现循环包括：
一旦开发者可以直接集成模型，它就会出现在各处：桌面应用、网页版 UI、Photoshop 插件、Discord 机器人与自动化工具。每一次集成都成为新的入口点——而每个新入口都会带来那些可能永远不会安装研究演示的用户。
开放发布减少了“请求许可”的开销。教师可以设计作业，爱好者在家实验，初创公司在不谈判访问权的情况下做原型。正是这种广泛参与基础，把一次模型发布变成持续的运动，而非一周的炒作。
一旦 Stable Diffusion 的权重可用，模型就不再是“你读到的东西”，而成为人们可以以几十种方式使用的工具。最明显的变化不仅仅是更好的图像，而是突然涌现的一波工具，使图像生成对不同类型的创作者都变得可及。
生态系统可以大致分成实用类别：
把基础模型想象成一位多才多艺的通用插画师。微调 就像给这位插画师安排一段定向学徒训练：你向它展示一组有针对性的范例（例如“你的品牌产品照”或“某一漫画风格”），直到它能稳定地“画出那种风格”。自定义模型 就是结果：保留广泛绘画能力的同时，在你的细分领域里有强烈倾向。
真正的社会引擎是工作流分享：“这是我获得一致角色的方法”、“这是如何得到电影感光效的流程”、“这是可重复的产品 Mockup 管道”。人们不只是围绕 Stable Diffusion 聚集——他们围绕如何使用它聚集。
社区贡献也快速填补了实用空白：逐步指南、策划数据集、模型卡与文档，以及早期的安全过滤与内容审核工具，试图在保持试验空间的同时减少滥用。
开放发布降低了使用 AI 生成图像的“许可门槛”。艺术家、设计师、教育者和小团队无需企业预算或特殊合作就能试验。这种可及性很重要：它让人们能迅速尝试想法，通过实践学习，并建立符合个人风格的工作流。
对许多创作者来说，Stable Diffusion 风格的工具成了快速草图的伙伴。它们并未替代手艺，而是扩大了在投入大量时间做最终作品前可探索的方向数量。常见收益包括：
由于模型权重可及，社区构建了 UI、提示助手、微调方法与管道，使 AI 图像生成对非研究者也变得实用。结果不是“一次神奇演示”，而是可复用的创造性工作。
健康的社区形成了非正式规则：在引用人类艺术家时给予署名，不要暗示生成图像是手工制作，必要时为训练数据或品牌资产寻求许可。即便是简单的习惯——保留来源注记、记录提示与编辑——也让合作更顺畅。
同样的开放性也暴露了瑕疵：伪影（多余的手指、变形的文字）、输出的偏见以及生成间的一致性问题。对专业工作而言，最佳结果通常需要策展、反复提示、局部修补（inpainting）和人工润色——而非一次点击就解决。
像 Stable Diffusion 这样的开放发布不仅传播迅速——它还把艰难问题摆到了台面上。当任何人都能在本地运行模型时，使试验自由化的同样力量也可能被用于造成伤害。
一个核心担忧是大规模滥用：生成深度伪造、定向骚扰和非自愿的性影像。这些并非抽象的边缘情况——开放权重模型降低了坏人实施行为的门槛，尤其是在配合易于安装的 UI 与提示共享社区时。
与此同时，许多合法用途在外观上类似（例如恶搞、同人创作、政治讽刺）。这种模糊性让“什么应该被允许？”变成一场混乱的讨论，并把信任问题暴露在公众视野：当广泛分发软件促成危害时，谁应负责？用户、艺术家与记者都在提出这样的疑问。
版权争论成了第二个主要火花。批评者认为在大型互联网页面数据上进行训练可能包含未获许可的受版权保护作品，而输出有时会非常接近在世艺术家的风格，足以让人感觉像模仿或不公平竞争。支持者则反驳训练可能具备变革性，模型也不会以数据库的形式存储图片，且“风格”并不等于复制。现实是，这仍然是有争议的——无论法律还是文化上都存在分歧，而且各地规则不同。即便在技术细节上达成共识，人们对什么算“公平”也常常意见不一。
开源生成式 AI 放大了一个长期存在的张力：开放能提升可访问性、可审查性与创新，但它也削弱了集中式控制。一旦权重公开，撤销某项能力要比更新 API 难得多。
常见的缓解方法出现了，每种都有权衡：
没有任何一项能“解决”争议，但它们共同勾勒出社区如何尝试在创作自由与减少危害之间寻找平衡——同时也不假装存在一个普适答案。
开放发布对公众看起来像是无摩擦的：一个检查点放出，代码仓库出现，任何人都能生成图像。但在那一刻背后，“开放”带来了并不在发布日话题帖里出现的义务。
训练（或仅仅是精炼）前沿图像模型需要巨量 GPU 时间，以及反复的评估运行。一旦权重公开，计算账单并不会结束——团队仍然需要基础设施来：
这种支持负担尤为沉重，因为用户群并非单一有合同的客户，而是成千上万、需求与时间线各异的创作者、爱好者、研究者与企业。“免费使用”常常意味着“昂贵的维护”。
发布开放权重可降低门槛，但也降低了控制。被托管产品中内置的安全缓解措施（过滤、监控、速率限制）可能不会随模型下载而一同流转。任何人都可以移除保护、针对性微调来规避限制，或把模型封装到旨在骚扰、制作深伪或非自愿内容的工具中。
公平性也存在类似缺口。开放访问并不能解决有关训练数据权利、署名或补偿的问题。一个模型可以“开源”，但仍反映有争议的数据集、不平衡的权力结构或不明晰的许可——让艺术家和较小的创作者感觉被曝光而非被赋能。
一个实际挑战是治理：发布之后谁来决定更新、保护措施和分发规则？
如果发现了新漏洞，项目应当：
没有明确的管理者——维护者、资金与透明决策——社区会分裂成多个分叉，每个分叉有不同的安全标准与规范。
研究者可能优先考虑可重现性与可访问性；艺术家可能优先考虑创造自由与工具多样性；企业常常需要可预测性：支持、责任明确与稳定发布。开放模型可以同时服务这三类需求——但默认设置不能满足所有人。开放的隐性成本就是协商这些取舍，然后为其持续付费。
在开放与封闭生成式 AI 之间做选择并非哲学考题，而是产品决策。最快的方式是从三个澄清性问题开始：你在构建什么、谁将使用它、以及你能接受多少风险？
开放权重模型（如 Stable Diffusion 风格的发布）适合当你需要控制时：自定义微调、离线使用、内网部署或深度工作流集成。
托管 API 适合当你想要速度与简单性时：可预见的弹性、托管更新、更少的运维负担。
混合 在实际中常常胜出：把 API 用作基线可靠性来源，把开放权重用于专门模式（内部工具、高级定制或在高使用量下控制成本）。
如果你在围绕这些选择构建产品，工具与模型选择同样重要。例如，Koder.ai 是一个 vibe-coding 平台，让团队通过聊天创建网页、后端与移动应用——当你想快速为生成式 AI 工作流做原型，然后把它演进成真实应用时，这类平台很有用。实践中，它可以帮助你在不投入数月传统构建周期的前提下测试开放对封闭的策略（或混合策略），特别是当你的应用需要标准产品特性如认证、托管、定制域名和回滚时。
如果你不能回答其中至少四项，先从托管 API 开始，度量真实使用情况，然后在掌握控制收益时再过渡到开放权重。
Stable Diffusion 时刻不仅让 AI 图像生成流行起来——它重设了期望值。在权重公开后，“自己试一试”成为了人们评估生成式 AI 的默认方式。创作者开始把模型当作可下载、可混搭、可改进的创造工具来使用，而企业也开始期待更快的迭代、更低的成本，以及在数据所在地点运行模型的能力。
这种转变很可能会持续。开放发布证明了分发与可及性可以与原始能力同等重要：当模型易于获取时，社区会构建教程、UI、微调与最佳实践，使之可用于日常工作。反过来，公众也开始期望新模型更明确地说明它们是什么、哪些数据塑造了它们以及能安全做什么。
下一章不再问“我们能否生成？”，而是问“在什么规则下？”各地区的监管仍在演进，社会规范也在不均等地赶上——特别是在同意、署名以及灵感与模仿之间的界限问题上。
技术性保障也在推进中。加水印、来源元数据、更完善的数据集文档与更强的内容过滤或能有所帮助，但都不是完整解决方案。开放模型既放大了创新也放大了风险，所以持续的问题是如何在不冻结试验的前提下尽量减少危害。
如果你使用开放生成式 AI，把它当作专业工具对待：
Emad Mostaque 成为这股病毒式浪潮的象征，因为策略很明确：发布可用性，让社区去推动，并接受开放会改变权力格局这一事实。生成式 AI 的未来将在这股张力中塑形——在构建自由与共同责任之间寻找平衡。
他作为 Stability AI 的 CEO 和公开倡导者在争取将生成模型广泛开放方面高度可见。虽然许多研究人员和开源贡献者完成了“大工厂”式的核心工作，但他经常做“敞开大门”的那部分——解释使命、与社区互动、并放大小白即可上手的发布。
在这里，“走红”意味着一个可观察到的模式：
当这四点同时发生时，一个模型表现得更像一场运动，而不仅仅是一个演示。
托管 API 是一种托管服务：你发送提示，得到结果，提供方控制定价、速率限制、政策和更新。可下载/开放权重的模型可以在你自己的硬件上运行，因此你获得对以下方面的控制：
但你也需要承担更多的部署和安全责任。
Stable Diffusion 学会将随机噪声一步步变成图像，并以你的文本提示为引导。在训练时它从大量图像-字幕对中学习；在生成时它从“静态噪声”开始，逐步去噪以匹配你的描述。
它是在基于学到的视觉模式生成新图像，而不是从数据库中检索已存图。
两者相关但不相同：
因为“足够好”的质量加上快速迭代会形成强烈的反馈循环。如果你能在几分钟内生成、调整并分享结果，社区就会迅速发展出：
速度把试验变成习惯，而习惯会传播。
它是额外训练，把基础模型推向特定目标（某种风格、角色一致性、品牌视觉或产品照片）。通常的流程是：
权重可用后，社区就是通过这种方式快速产生专门化变体的。
常见风险包括深度伪造、骚扰和非自愿的性内容——当模型可以本地运行且无需集中控制时，这些风险会更容易发生。可行的缓解措施（无一完美）包括：
开放分发降低了门槛，但也削弱了强制性的防护栏。
争论聚焦于训练数据：大型网络数据集中可能包含未获许可的受版权保护作品，而模型输出有时会非常接近在世艺术家的风格，使人觉得是模仿或不公平竞争。要点包括：
在实际项目中，应把许可和来源追溯当成必要条件，而非事后补救。
“免费下载”仍然需要资金与人力来维持：
没有明确的维护者与资金支持，社区会分裂为不同的分支，每个分支采用不同的安全标准与维护节奏。