用过Midjourney或者DALL-E的人，大概都有过这种体验：图生成出来，七八成满意，但剩下那两三成怎么改都不对劲——改一处，整张图全变了，像在玩老虎机。
这正是ComfyUI看到的机会。这家做AI图像、视频、音频生成控制工具的创业公司，刚刚拿了3000万美元融资，估值冲到5亿美元。领投方是Craft Ventures，跟投方包括Pace Capital、Chemistry和TruArrow。
ComfyUI最早是个开源项目，2023年扩散模型刚起步时上线。那时候Midjourney和DALL-E还经常翻车——比如手指数量不对，六根手指、七根手指都是常事。ComfyUI的创始人自己做了一套模块化框架，让创作者能对生成过程的每一步都精确控制。
2024年底，ComfyUI拿了1900万美元A轮融资，资方包括Chemistry Ventures、Cursor Capital，以及Vercel创始人Guillermo Rauch。这次B轮融资金额更大，说明资本认可这个方向。
「你用ChatGPT或者Midjourney这类基于提示词的工具，它只能帮你做到60%到80%，」ComfyUI联合创始人兼CEO Yoland Yan接受TechCrunch采访时说，「但剩下那20%，你得像玩老虎机一样反复试。」
他把调提示词比作进赌场——小改一个词，可能把之前满意的地方也改掉了。这种「抽盲盒」感，对于需要精雕细琢的商业创作来说，简直是噩梦。
ComfyUI的解法是节点式工作流。你可以把AI生成图片理解成一条流水线：输入 prompt → 模型生成 → 输出结果。传统工具只给你最终结果，而ComfyUI让你能介入每一步——调整参数、换模型、局部修改、叠加风格，全部可视化操作。
简单说，Midjourney是「一键生成」，ComfyUI是「分步组装」。前者适合随便玩玩，后者适合认真干活。
这套思路被证明有市场。ComfyUI从开源项目起家，积累了大批专业创作者用户，最终做成商业公司。它的客户包括设计师、影视工作室、广告公司——也就是对AI生成内容有精度要求的那批人。
这背后有个趋势：AI生成工具正在从「玩具」变成「工具」。早期大家图新鲜，随便生成一张图就发朋友圈。现在专业创作者要用AI变现，就得抠细节、改细节。Midjourney们用自然语言交互降低了门槛，但天花板也低；ComfyUI们用复杂换精确，代表另一条路。
两条路都在跑，谁先摸到天花板，还不好说。但有一点可以确定：能用AI赚钱的人，正在变得更挑。