編輯 | 澤南

AI 視頻賽道的競爭，已經(jīng)跨過了比拼誰生成視頻更長、更逼真的初級階段，正在邁向實時交互、模擬真實物理規(guī)律的技術分水嶺。

在這個重要節(jié)點上，一家成立不到三年的中國創(chuàng)業(yè)公司率先搶跑，還順勢拿下了賽道內(nèi)最大的一筆融資。

據(jù)悉，國內(nèi)明星創(chuàng)業(yè)公司愛詩科技近日完成 3 億美元 C 輪融資（約合 20.6 億元人民幣），本輪融資由鼎暉香港基金、鼎暉 VGC、鼎暉百孚領投，產(chǎn)業(yè)投資人中國儒意、三七互娛，知名投資機構亦莊國投、眾為資本、國泰君安創(chuàng)新投資、蘇創(chuàng)投集團、蘇州卓璞、華控基金、復星銳正、蘇州宜和等參投。

此外，多家全球知名投資機構，包括 UOB Venture Management、OCBC 生態(tài)下 Lion X 基金、3W Fund、Antler、EnvisionX Capital、iGlobe Partners 等機構也參與了投資。

AI 視頻生成賽道上，愛詩科技本次融資金額僅次于上個月 Runway 在 E 輪的 3.15 億美元，成為了截至目前領域內(nèi)最大的融資之一。

進入 2026 年，AI 視頻生成技術迭代速度繼續(xù)加快。春節(jié)前，OpenAI 的 Sora 2 迎來了重要模型能力升級，快手可靈 3.0 版普及了「電影級」的敘事能力，字節(jié)的 Seedance 2.0 更是快速破圈，引發(fā)了人們對于創(chuàng)作革命的大討論，視頻生成領域的前沿技術距離實際落地似乎僅有一步之遙。

而在這波浪潮中，不論從技術實力、商業(yè)化還是融資節(jié)奏，愛詩科技都保持了領先。

不到三年

從零到獨角獸

如果說此前的 AI 視頻賽道還在經(jīng)歷「百模大戰(zhàn)」的試水期，那么愛詩科技昨日官宣的這筆重磅融資，則正式宣告了頭部格局的確立。

在當前整體相對謹慎的一級市場環(huán)境下，這筆資金刷新了國內(nèi) AI 視頻賽道最大單筆融資紀錄，是資本市場對 AI 視頻生成投出的一筆「信任票」。

更難能可貴的是，達成這筆融資的愛詩科技，是在短短三年時間里實現(xiàn)從零到獨角獸的跨越的。

自 2023 年 4 月成立以來，愛詩科技保持著極快的融資速度，而且每輪都有頂級機構入場 —— 從 A 輪的螞蟻、達晨，B 輪的阿里，再到 C 輪的鼎暉。這不僅說明公司一直保持著高速的擴張，也意味著資本愿意持續(xù)為其 AI 模型規(guī)模的擴大、推理需求的指數(shù)級增長買單。

加上此前超 8 億元的融資積累，本輪融資過后，愛詩科技的累計融資額已接近 30 億元人民幣，毫無爭議地躋身「獨角獸」陣營，穩(wěn)居 AI 視頻生成第一梯隊

與此同時，在新一輪融資中我們也窺見了產(chǎn)業(yè)落地的趨勢與方向。在長長的投資人名單中，中國儒意與三七互娛的入局，標志著融資邏輯已經(jīng)從純粹的「買 GPU」升級為「產(chǎn)業(yè)深度綁定」。

不久之后，AI 的視頻創(chuàng)作很可能會快速落地到影視、游戲等產(chǎn)業(yè)中，在技術快速迭代的今天，產(chǎn)業(yè)資本正在帶著真實場景入局，把 AI 大模型推向更遠。

3 億美元的充足彈藥，不僅意味著愛詩科技能夠更從容地應對大模型訓練以及規(guī)�；评韼淼凝嫶笏懔ο�，也預示著下游的內(nèi)容產(chǎn)業(yè)正加速兌現(xiàn)「AI 降本增效與體驗革新」的商業(yè)邏輯。

愛詩聯(lián)合創(chuàng)始人謝旭璋表示，希望能充分利用本次融資繼續(xù)投入研發(fā)、探索新業(yè)務、拓展全球市場。此前愛詩科技研發(fā)同級別模型的訓練成本大概只有同行的 10%，今年希望能加大數(shù)倍投入。

從對標 Sora

到搶跑「實時世界模型」

從技術角度看，如果將時間軸拉長，AI 視頻生成的進化史，是一場算力與架構螺旋遞進的革命。

大模型興起之前，圖像生成的主要方法依賴于 GAN（生成對抗網(wǎng)絡）與擴散模型（Diffusion）。那時的 AI 視頻雖然有驚艷的單幀畫質或風格化渲染，但在時間連貫性、物理規(guī)律和長視頻生成上步履維艱，始終難以擺脫「玩具」的標簽。

真正的爆發(fā)來源于 DiT（Diffusion Transformer）架構的全面引入。當 OpenAI 拋出 Sora 這枚深水炸彈時，行業(yè)意識到：將 Transformer 強大的擴展能力與擴散模型結合，才是通往高保真、長序列視頻的正確路徑。從那時起，AI 視頻賽道迎來了自己的「GPT 時刻」，國內(nèi)外的「百模大戰(zhàn)」隨之打響。

進入 2026 年，高度一致性的視頻生成內(nèi)容與實時生成能力正在成為趨勢，面向世界模型的探索趨勢也逐漸從共識落地成為技術思路。

作為國內(nèi)最早對標 Sora 的 AI 創(chuàng)業(yè)公司之一，正是在這樣一條陡峭的技術攀登路線上，愛詩科技走出了獨立行情。

在當前的全球 AI 視頻生成領域的格局中，愛詩科技的技術實力已穩(wěn)居「第一梯隊」。面對海外的 Runway、Pika 以及國內(nèi)眾多大廠，愛詩科技不僅在底層大模型架構的演進上未曾掉隊，更通過率先落地通用實時世界模型，確立了前沿技術探索的領跑位置。

成立不到三年，愛詩科技的自研模型 PixVerse 系列已經(jīng)進行了多次大版本迭代，其去年 9 月上線的 PixVerse V5 在 Artificial Analysis 等權威圖生視頻榜單中一度拿下第二

據(jù)介紹，PixVerse V5 在模型結構設計上突出兩大亮點：其訓練了專用于視頻與圖像生成的 Tokenizer，在保持較高壓縮比的同時，依然能夠保證出色的重建質量與生成效果；通過自適應的 Attention 結構，模型在計算量與注意力精度之間實現(xiàn)了動態(tài)平衡，不僅能有效降低計算開銷，還能在保持推理速度的前提下，提供更大的規(guī)模擴展（ScaleUp）空間，并顯著提升其擬合能力。

在今年 2 月底的最新榜單上，最新版本的 PixVerse V5.6 在圖生視頻領域與文本生視頻領域上繼續(xù)名列前兩位，是榜單中表現(xiàn)最為突出的中國模型之一。

今年 1 月 13 日，愛詩發(fā)布了旗下全新一代模型 PixVerse R1，作為全球首個支持 1080P 分辨率的通用實時世界模型，它的出現(xiàn)標志著 AI 視頻技術從傳統(tǒng)的「預錄制」（異步渲染，等待成片），正式跨入了「實時動態(tài)生成」時代。

在底層技術上，PixVerse R1 并沒有完全依賴傳統(tǒng)的單次渲染路徑，而是設計了一個完全端到端的原生多模態(tài)基礎架構，實現(xiàn)了三方面的核心技術突破。

PixVerse R1 基于原生多模態(tài)基礎模型 Omni，后者將多種模態(tài)（文本、圖像、視頻、音頻）統(tǒng)一為連續(xù)的 token 流，能夠在單一框架內(nèi)接受任意多模態(tài)輸入。Omni 采取了端到端、原生分辨率的訓練，內(nèi)化了現(xiàn)實世界的內(nèi)在物理規(guī)律和動態(tài)。

與受限于有限片段的標準擴散方法不同，PixVerse-R1 集成了自回歸建模以實現(xiàn)無限、連續(xù)的視覺流式傳輸，并結合記憶增強注意力機制以確保生成的世界在長時間范圍內(nèi)保持物理一致性。

因此，PixVerse-R1 可以不需要像傳統(tǒng)工具那樣等整個視頻的所有幀都計算完畢才輸出，而是能像流水一樣，邊算邊播；另一方面，在長時間的生成過程中，視頻內(nèi)容也能保持物理的一致性。

PixVerse R1 的實時 1080p 能力源自于即時響應引擎（IRE）。通過將生成延遲壓縮到極低的「瞬時」閾值，用戶不再需要在下達指令后被動等待「開盲盒」，而是可以在視頻播放時隨時輸入新指令，畫面能立刻做出合理反應，且維持物理規(guī)律的合理性。

剝開表層的「視頻生成」概念，PixVerse R1 已經(jīng)把目標指向了「世界模型」（World Model）這個 AI 領域下一步的大方向。近期，Yann LeCun 的 AMI Labs 和李飛飛的 World Labs 分別宣布融資，全球頂尖技術力量正在向世界模型傾斜。在這樣的行業(yè)背景下，PixVerse R1 采取的原生多模態(tài)與自回歸流式生成，本質上已不是在「逐幀畫圖」，而是在嘗試「計算」和「模擬」物理世界的運轉規(guī)律。

通過多模態(tài)處理和即時響應的架構創(chuàng)新，PixVerse R1 克服了傳統(tǒng)視頻工作流程的固有限制，引領了視聽媒體創(chuàng)作和體驗的進化。除了視頻生成任務外，新模型也為從 AI 原生游戲到復雜工業(yè)模擬等應用提供了計算基礎。

一億用戶、4000 萬美元 ARR

跑通 AI 視頻商業(yè)閉環(huán)

當前，視頻生成領域的技術落地競爭逐漸進入白熱化，能夠用足夠強大的技術，跑通社區(qū)化與商業(yè)化的正循環(huán)，是一個稀缺的特質。

與國內(nèi)外的競品（如 Sora、快手可靈、字節(jié)即夢）相比，愛詩科技提供的產(chǎn)品 PixVerse / 拍我 AI 更加向 C 端用戶傾斜，主打一個「速度快、易上手、創(chuàng)意可控」。在這里，沒做過視頻的普通用戶能獲得原生的 AI 視頻創(chuàng)作和分發(fā)體驗。

按照愛詩自己的說法，全球看視頻的幾十億人里，只有不到 10% 是視頻創(chuàng)作者，而剩下 90% 的人也有表達欲。AI 能夠幫助他們成為創(chuàng)作者。

這樣的愿景下，愛詩的應用針對一些痛點進行了優(yōu)化：

• PixVerse 在生成速度上極具優(yōu)勢，滿足了用戶「即看即創(chuàng)」的需求。
• 在視頻生成任務最具挑戰(zhàn)的一致性環(huán)節(jié)上，愛詩在業(yè)內(nèi)較早推出了人物一致性模型，能精準約束角色 ID，讓視頻中的人物在不同鏡頭和動作下保持長相、服裝的高度一致。
• 在功能性上，其產(chǎn)品支持文生視頻、圖生視頻，以及視頻生視頻等生成方式，允許用戶基于實拍素材或影視片段進行風格化重繪或延長生成。

為了降低人們的使用門檻，愛詩的 App 上擁有智能體驅動的創(chuàng)作助手，普通用戶不需要精通復雜的 Prompt（提示詞），通過智能體輔助就能一鍵生成專業(yè)級的視頻。與此同時，它的社區(qū)構建極具全球化視野，其提供的玩法能夠精準擊中不同地區(qū)用戶的文化爽點，催生了大量內(nèi)容的廣泛傳播。

比如用 PixVerse 做智能體創(chuàng)作圓頭耄耋的圖片，它不僅生成了高質量的手辦尾幀圖，還生成了一個炫酷的轉場動畫。

自 2024 年 11 月正式商業(yè)化起，愛詩科技在不到一年時間收入增長超過 10 倍，是全球收入和用戶增長最快的 AI 平臺之一。

當前，PixVerse 的用戶規(guī)模超過了一億，愛詩科技的年度經(jīng)常性收入（ARR）已超過 4000 萬美元，產(chǎn)品 MAU 超過 1600 萬。

這在當前的 AI 應用賽道具有至關重要的意義。當眾多大模型公司還在為高昂的推理成本倒掛而焦慮時，愛詩科技證明了高粘性原生多模態(tài)應用的商業(yè)模式是可以成立的。PixVerse 已經(jīng)不再是一個用完即走的 SaaS 工具，而是一個正在成型的、具有較高護城河的數(shù)字內(nèi)容創(chuàng)作社區(qū)。

除了 C 端訂閱，愛詩科技也為企業(yè)和開發(fā)者提供標準化 API 接口，支持從文本、圖像、音頻到視頻的端到端自動化生成，單月 API 調(diào)用量達到千萬級別。

隨著今年初剛剛發(fā)布的 PixVerse R1 上線，音畫同步、首尾幀控制、續(xù)寫和重繪等高級功能，讓影視、廣告、游戲制作領域的專業(yè)創(chuàng)作者也開始逐漸依賴于利用愛詩科技的技術進行創(chuàng)作。

結語

不到三年，從零到獨角獸，愛詩科技用過硬的技術底座和敏銳的商業(yè)嗅覺，在全球 AI 浪潮中為中國創(chuàng)業(yè)者打下了一塊重要的版圖。

對于內(nèi)容創(chuàng)作者和普通用戶而言，那個可以「所想即所現(xiàn)、隨時修改、無限延展」的數(shù)字沙盒已經(jīng)徐徐展開，一場宏大的視覺革命正在到來。