Midjourney 以百余名员工创造逾2亿美元营收

Midjourney 的员工人数在107至163人之间。2023年营收已”显著超过”2亿美元，2024至2025年预估为3亿至5亿美元。折算下来，每名员工贡献约300万至500万美元——约为健康运营的大型科技公司的两倍，远超传统工业中小企业。

这不是统计异常。这是一种结构性转变的清晰信号：原生AI认知企业的目标不是雇佣，而是生产。这两个长期被混为一谈的目标，正以经济机构尚未消化的速度彼此分离。

要点

• 据《福布斯》和CB Insights报道，Midjourney 2023年营收已”显著超过”2亿美元；2024至2025年预估为3亿至5亿美元，员工107至163人，每人贡献约300万至500万美元
• 美国初创企业员工中位数在二十年间持续下降，创业经济学研究人员已对此有所记录
• 这一模式不限于图像领域：法律AI、自动化会计和数据分析公司也以相近比率复制了同样的架构
• 核心问题不再是岗位消失，而是再分配渠道：企业以相同营收规模雇佣的人大幅减少，工资总额就不再是经济收益向社会扩散的主要途径

每人300万至500万美元：一项隐性契约的终结

要理解这个数字，需要与已知数据对比。谷歌（Alphabet）2024至2025年每名员工贡献约191万至211万美元营收，苹果超过250万美元。这些数字在公布时已被视为工业资本主义中的例外。Midjourney 将其超越约两倍。

这与天才或运气无关，是架构问题。Midjourney 的核心是一个在数十亿张图像上训练的扩散模型，通过月度订阅提供服务，没有销售团队，没有大规模客服，也没有与营收成比例的人力投入。软件完成了传统企业中创意、技术和销售团队的工作。

20世纪资本主义有一条隐性契约：增长创造就业。企业越繁荣，雇佣越多，工资发放越多，繁荣扩散越广。这套机制并未死亡——在人力密集型服务业、建筑业、医疗和教育领域仍然有效。但在认知经济中，它正在失灵。

纽约大学的数据：一种趋势，而非偶然

Midjourney 的案例如果是孤例，不过是个故事。但它不是。纽约大学斯特恩商学院教授J.P. Eggers记录了美国年轻企业员工中位数二十年间的变化：美国初创企业在首次融资时的团队规模，从2000年代的较大体量，明显收缩到今天的精简结构。

这一发现指向一个具体的变化：不是成熟期的规模，而是起点的架构。上一代创始人组建团队来构建产品，这一代创始人编排智能体来提供服务。工作没有消失——它被外包给了模型、云端、API，以及那些按使用量收费、不出现在任何人事档案里的系统。

2025年AI的加速让这一转变在短时间内变得可见。2025年1月模型还无法完成的工作——编写生产代码、分析合同、生成商业级视觉内容——九个月后已成常规。每一项新能力，都是一层不再需要招聘人手的认知工作。

同样比率正在复制的行业

图像领域最为显眼，因为产品即时可见，可以直接变现。但相同的比率正在其他行业形成。

法律领域：自动化文档审查平台处理的业务量，十年前需要初级分析师团队承担。会计领域：自动结账工具将过去整个团队耗费数周的季末流程压缩到几小时。医疗诊断领域：放射影像读取系统已达到与专科医生相当的精度，固定成本却只是其中一小部分。

这不是某个行业的趋势，而是营收与工资总额之间关系的横向重组。Acemoglu 和 Johnson 在对技术收益分配的分析中已提出过类似的问题：技术不会自发重新分配其收益——它在架构选择允许的地方积聚。Midjourney 选择这种架构不是出于意识形态，而是其价值创造的最优结构。

变化在于规模。历史上高人均产出的案例——投资银行、部分投资基金——局限于特定行业，且依赖极高的进入壁垒。生成式AI正在拆除这些壁垒。今天，5名工程师组成的团队可以构建一个2015年需要50人才能完成的产品。

工资总额曾经承担什么，以及什么来替代它

这是结构性问题，不是情感问题。工业民主国家的税收和社会保障体系建立在一个假设之上：生产出来的财富先经由工资流转，再到达家庭和公共财政。增值税对消费征税，公司税对利润征税，但正是工资上缴的社会保险费，在很大程度上支撑着失业、疾病和养老保障。

一家员工数十至数百人、营收却达数亿美元的企业，缴纳的社会保险费与员工工资成比例，而非与其全部营收成比例。差额相当可观。如果这种模式普及——一百家、一千家企业在各行业复制这套架构——社会保障的融资基础就会收窄，而整体经济财富未必随之减少。

这不是未来预测。自2000年代起，美国宏观经济数据中已可观察到生产率与工资总额的脱钩。AI没有发明这一趋势，只是加速了它，并赋予它在工业流程中缓慢演变时所没有的可见度。

由此产生的问题很具体：企业以相同营收雇佣的人大幅减少，哪些渠道能保证收益扩散？当前讨论中存在三条路径，单独来看都不够用。第一条是财税路径：对自动化系统产生的附加值征税，或扩大公司税覆盖范围，或建立AI使用税机制——2023年以来欧亚多个税务机关已在讨论这一方向。第二条是资产路径：财富从工资渠道流转减少，从数字资产价值流转增多，扩大大众储蓄基础——公民主权基金、生产率收益分享——成为替代性再分配途径。第三条是结构路径：将AI引向医疗、教育、社会援助等高社会价值行业，增强劳动者能力，而非在认知生产率较高的领域取代他们。

这三条路径并不互斥。只有将每个问题孤立处理时，它们才会相互冲突。

精简团队：不可逆，还是可重新配置？

短期内，这一轨迹很可能无法逆转。让小团队大规模提供服务的工具已经可用、稳定，且将持续改进。创业者采用这些工具的学习曲线很短。没有结构性理由认为初创企业的员工中位数会回升。

中期来看，结果更为开放。技术史提示了两种并行情景：在AI执行边界清晰任务的行业——图像、写作、文档分析——员工压缩仍在继续。在价值依赖人际关系、情境判断、法律责任或个人信任的行业，AI增强劳动者而非取代他们，甚至可能通过让原本无法获得服务的人群也能使用，创造新的就业。

搭载机器人引导系统的外科医生可以诊治更多患者。配备自适应辅导工具的教师可以对35人班级实施过去只能给5人的个性化教学。在这些场景中，单位劳动者生产率提升，整体就业不必下降——前提是需求随之增长，即生产率收益用于扩大服务可及性，而非削减现有团队。

两种情景的差异不是技术性的，而是政治性的：一个社会决定推动、资助、监管AI的哪些用途。正如数十年创新经济学所表明的，这种选择不会自发走向社会最优。

Midjourney 揭示的未来收益架构

Midjourney 是一家盈利企业，未引入外部风险资本，从未寻求公开融资，依靠直接订阅模式构建增长。创始人David Holz明确拒绝亏损扩张逻辑，坚持从第一美元起就实现盈利。在一个以规模竞赛为主旋律的行业里，这种刻意克制的选择产生了数字经济中最高的人均生产率比率之一。

这种模式并非放之四海而皆准。基础AI基础设施——大型语言模型、训练系统、数据中心——需要数十亿美元投入和数千名工程师。基础设施层仍然是高度资本密集和人力密集的。被压缩的是应用层，因为它可以依赖基础设施，而无需重新搭建。

这一区分对公共政策至关重要。就业问题因层面不同而性质各异：基础层投资创造大量高技能岗位，基础层之上的应用层则可以保持小团队运作。混淆两个层面，会导致错误诊断和失当政策。

未来十年的核心挑战是：认知经济将以更少的员工持续创造财富。这一趋势可测量、有记录，且正在加速。问题不在于阻止它——没有人有此能力，也没有充分理由这样做。问题在于构建渠道，让目前积聚在极少数高产出小团队账面上的财富，流向数以百万计不属于这些团队的人。

这个渠道曾经存在。它叫工资。它叫社会保险缴款。它叫劳动所得税。必须找到新的渠道——在鸿沟变得无法逾越之前。

来源

1. Paul Baier, Forbes — “AI-Native Firms Lead in Revenue Per Employee”（2026年3月）：forbes.com
2. J.P. Eggers，纽约大学斯特恩商学院——美国初创企业员工中位数数据，引自Forbes / CB Insights
3. Daron Acemoglu 与 Simon Johnson，Power and Progress（2023）——技术收益的分配问题
4. CB Insights——原生AI企业营收/员工比率数据
5. The Information——Midjourney营收确认（2026年3月）：theinformation.com
6. CB Insights——Midjourney 2亿美元ARR分析：cbinsights.com
7. Bullfincher——Google/Alphabet每名员工营收：bullfincher.io
8. Bullfincher——Apple每名员工营收：bullfincher.io
9. NYU Stern——J.P. Eggers官方简介：stern.nyu.edu
10. Sacra——Midjourney报告（2025年12月）：sacra.com
11. Forbes——Midjourney公司简介页面（次要来源）：forbes.com