Midjourney創始人David Holz暗示，公司早期採用Google TPU導致研究進度落後近一年

David Holz此前已多次公開討論Midjourney基礎設施選擇，此次表態延續其對早期算力決策的反思，早前公司已逐步將主力訓練集羣轉向NVIDIA GPU並顯著提升迭代速度。

資本路徑上，Midjourney將後續算力預算集中投向NVIDIA H100/H200及Blackwell架構，資源向CUDA生態工具與社區優化傾斜，動機在於TPU在訓練穩定性、框架兼容性和工程師招募上的劣勢導致整體研發效率大幅降低，而NVIDIA完整生態能更快實現模型實驗與產品落地。

類似多家AI初創早期嘗試多供應商後向NVIDIA集中，以及Google TPU主要服務內部產品的現實，當前生成式AI賽道處於從算力多元化嘗試向NVIDIA事實標準靠攏的轉型階段，先發團隊正通過切換彌補時間成本。

本質屬於資本集中：早期TPU選擇將定價權從硬件短期性價比向完整生態與開發效率轉移，機制在於AI研究高度依賴工具鏈成熟度、調試速度和人才池，NVIDIA CUDA已成爲不可繞過的行業標準，迫使公司從“低成本嘗試”轉向“生態優先”以避免長期進度落後遠超硬件價差。

ABAB News · 認知定律

硬件便宜一年，進度落後一年，最終代價遠超硬件本身。
生態纔是真正的算力，選錯棧等於白送對手時間。
標準一旦形成，回頭路最貴，後悔成本永遠高於初始選擇成本。