Bria 是最典型的测试案例，证明基于完全授权的训练数据构建 AI 图像生成技术是否仍能在商业上具有竞争力。在正面临版权诉讼雪崩的行业中，他们的方法为企业提供了一条在不承担法律风险的情况下采用生成式 AI 的途径——这一价值主张在每一起针对竞争对手的新诉讼中都变得更加具有吸引力。如果 Bria 取得成功，这将验证整个负责任的 AI 开发理念；如果它遭遇挫折，则表明市场最终并不足以重视数据来源而愿意为此支付溢价。
2020年，Bria由Yair Adato和一支计算机视觉研究团队在特拉维夫创立。他们押注了一个后来被证明具有前瞻性的眼光：围绕AI训练数据的法律和伦理问题最终将成为企业采用AI的决定性障碍。当其他所有图像生成公司都在通过抓取互联网数据进行训练——这种做法后来引发了Getty Images、艺术家团体和报社的诉讼——Bria却只使用授权且署名的数据集来构建其模型。他们与图库机构、内容库以及个人创作者达成协议，确保训练集中的每张图片都有清晰的来源，并且原始创作者获得相应报酬。
Bria的产品并非针对个人艺术家或普通用户，其目标客户是需要大规模生成AI图像但又无法承担使用抓取数据训练模型所带来的法律风险的企业市场团队、电商平台或设计机构。产品套件包括背景移除、图像生成、图像增强以及符合品牌风格的视觉内容创作——所有功能均通过可集成到现有工作流程的API提供。Bria还提供本地部署方案，满足对数据治理有严格要求的组织需求，这在企业AI市场中是一个显著的差异化优势，因为将专有产品图片发送给第三方云服务通常不可行。
Bria在多轮融资中共筹集超过4000万美元，投资者包括Samsung Next、Intel Capital和Publicis Groupe——后者尤其值得注意，因为Publicis是全球最大的广告集团之一，正好代表了Bria所瞄准的企业客户类型。公司还与Getty Images和Shutterstock建立了合作伙伴关系，将曾经的潜在对手转变为分销渠道和训练数据合作伙伴。这种与现有内容生态系统接轨而非颠覆的策略，使Bria在企业销售中拥有结构性优势，因为采购团队越来越频繁地就训练数据来源提出尖锐问题。
诚实地说，Bria的模型在视觉表现力方面并不总是最出色的。仅使用授权数据进行训练意味着其数据集规模相比那些从开放网络抓取数十亿张图像的公司要小得多、限制更多。输出质量良好——且随着每个模型版本的迭代已显著提升——但有时无法达到Midjourney的创意广度或Flux的超写实精度。Bria押注随着授权数据集的扩大，这一差距将逐渐缩小，而质量与合规性的权衡将随着法规趋严而越来越倾向于合规性。欧盟AI法案、即将出台的美国立法以及持续的版权诉讼都表明，Bria早期在训练数据合规性上的投入可能成为其最有价值的资产。