独家丨爱诗融资 3 亿美元，中国视频生成最大单笔融资诞生

超过 20 家机构投资。

我们独家获悉，爱诗科技近期完成了 3 亿美元 C 轮融资，由鼎晖投资领投，超过 20 家机构参与，包括中国儒意、三七互娱等文娱行业产业方，亦庄国投、苏创投等地方国资，和 UOB Venture Management、 Lion X 基金等海外机构。

这是目前为止中国视频生成领域最大的单笔融资。 

我们了解到，爱诗 2025 年底年度经常性收入（ARR）超过 4000 万美元。据他们去年 10 月的公开信息，旗下手机端 App 产品 PixVerse（海外版）和拍我 AI 的总用户数当时已超 1 亿，月活超 1600 万。

据公开报道和数据，中国背景的 AI 创业公司中，ARR 超过 5000 万美元的公司仅有数家，如 Manus、Lovart、Genspark、Heygen 等。

大部分视频生成公司或产品，如 Runway、快手可灵、生数科技、MiniMax 海螺等都主要服务相对专业的内容创作者，在 Web 端提供服务。

爱诗也有这块业务，但从 2024 年下半年，他们开始主做 C 端产品，在当年第四季度上线了移动端视频生成和分享 app PixVerse。字节旗下的即梦在同年 3 月开始内测，初期以图片生成为主；后来引起更大关注的 Sora app 则是在第二年（2025 年）10 月上线。

在模型技术探索上，爱诗的最新进展是在今年 1 月发布 PixVerse R1，它可以实时生成、且能让画面无限延续，这是自回归方法带来的特性之一。“实时 + 无限画面” 也是视频生成领域久被讨论的趋势，它可能会解锁交互式内容和生成式游戏等新体验。

PixVerse R1 上用户分享的原创互动世界

探索这一方向的公司还有 Sand.ai 和 Vivix AI。Sand.ai 由光年之外联合创始人曹越创立，曾在 2025 年 3 月开源了使用自回归技术的视频生成模型 MAGI-1；Vivix AI 由商汤前执行研究总监刘宇创立，专注 “实时交互多模态内容”。

Seedance2.0 爆火出圈后，压力传导给了其他视频生成公司。爱诗联合创始人谢旭璋告诉我们，他们也有焦虑，但从用户数据来看，Seedance2.0 对爱诗的影响并不明显：“因为视频生成的市场足够大，大家还没到需要正面竞争的阶段。”

以下是此轮融资前后，我们和谢旭璋的访谈，涉及近期的资本市场变化、Seedance 2.0 等行业进展和新竞争，以及爱诗自己的 “世界模型” 探索。

融资 3 亿美元后，继续自研模型、全球化、to C

晚点：单轮 3 亿美元创下视频生成金额记录。为什么在 25 年年底，投资市场对这个方向、对爱诗表现出这种热情？

谢旭璋：因为从注意力和收入看，视频生成都是 AI 各具体方向里增长很快的。同行也融了不少钱。（注：美国视频生成公司 Runway 于 2026 年 2 月完成 3.15 亿美元融资。）

晚点：为什么这一轮有这么多机构？是因为参与方很多，但有魄力出大钱的机构又比较少吗？

谢旭璋：去年底启动融资的时候本想融 1 亿美金，但国内外投资人想参与的比较多，就决定多融一些，储备充足弹药。

晚点：准备怎么花这 3 亿美元？

谢旭璋：继续投入研发，探索新业务，拓展全球市场。我们希望做出最好的视频模型，也把 R1 系列做得更好。

晚点：你们模型训练一次的成本是多少？3 亿美元里，会有多少用在模型研发上？

谢旭璋：研发同参数量甚至效果更好的模型，我们平均每月用的训练资源不到千卡，成本大概只有同行的 10%，今年希望能加大几倍的投入。

晚点：为什么可以比同行低？

谢旭璋：综合优势——模型架构、算法、工程、产品能力。外界解读时会希望能找到一些简单结论，但其实没有单一归因。

之前一些比我们融了更多钱的大模型公司不缺人，不缺数据，但其中多数公司依然做不出视频生成模型，说明训视频生成模型本身有难度。

晚点：但 OpenAI 这样的顶尖 AI Lab 还是可以做出来，而广义上来说，你们也是对手。

谢旭璋：确实 2024 年年初 Sora 刚发布后，大家都在说 “创业公司完蛋了”、“大厂一统天下”，“创业公司应该做应用别搞大模型了”...... 虽然外界有很多讨论，但我们内部比较坚定，要把模型能力掌握在自己手中。

Sora 出来也有一个好处。我们是 23 年就成立的，在那之前，连做视频模型创业在中国都是非共识，大家更关注大语言模型公司的进展。所以我们已经把自研视频生成从非共识坚持到它变成共识了，那何不再坚持一下呢？

晚点：这股劲儿什么时候得到释放的？

谢旭璋：24 年下半年，我们发了 PixVerse V3。当时有一个超级英雄变身的效果，在全球病毒式传播。那时我们觉得模型和应用都做对了。

晚点：当时怎么想到或试出 “模板” 这个应用形态的？

谢旭璋：我们当时想做 ToC，决定要用 “模板” 这个应用形态也是为了服务普通人。这和我们最早做这家公司的初心是符合的，只能说那时候的技术能力 ready 了。

晚点：字节是不是更能把这个事做好了？

谢旭璋：那时他们还没反应过来，给了我们机会。

晚点：如果字节现在投入更多来做视频生成的 C 端应用呢？它有流量、有产品、有模型。

谢旭璋：我们不是在做同样的事。字节流量最大的视频产品是抖音和 Tiktok，它们最主要还是做短视频消费，而我们的重点是让没做过视频的普通用户能用 AI 创作视频。新的创作者能在我们这里获得用原生 AI 创作和分发的体验。

晚点：你们在视频生成领域进行了这么多探索，你觉得哪个场景是真正能够支撑百亿收入的？

谢旭璋：其实这件事已经发生了。在美国，一个月视频生成 API 的调用量就超过了 1 亿美金，一年其实就有 100 亿人民币的 API 调用量。

晚点：你们现在还有什么在坚持的非共识吗？

谢旭璋：在 Seedance2.0 发布后继续投入模型自研，继续做全球化 ToC，继续服务普通人，这些依然是非共识。另一个就是继续投入以视频为载体的世界模型 R1。

Seedance 2.0 出现是好事，行业没到正面竞争阶段

晚点：Seedance2.0 爆火出圈，你们感到焦虑和有压力吗？

谢旭璋：我们是有焦虑。但从 2023 年成立到现在，三年里，同样的事我们经历了太多次——Sora、可灵、Veo 等等，“改变世界” 的发布太多了，“颠覆” 太多了。

从数据看，我们没受什么影响。其实 Sora 2 发布时，对我们也没有很大影响。C 端视频生成的市场比大家想象得要大得多，还远远没到直接竞争的阶段。

晚点：Sora App 已经发了快半年了。现在来看你觉得 Sora App 是一个真正的 C 端平台机会吗？

谢旭璋：至少从结果来看，Sora App 的留存显著不如 PixVerse。

晚点：根据 SensorTower 的第三方估测，Sora App 的 30 日留存是 8%，你们的留存是多少？

谢旭璋：在 Similarweb 上能看到我们的 Bounce rate 比 Sora 低。Bounce rate 数值低，代表用户愿意在你的网页上去尝试。从第三方平台的数据来看，我们的 App 和网页留存都是行业内最高的。（注：Bounce rate 是在选定时间段内，仅浏览网站单一页面后离开的访客占比。简单说它代表用户打开 App 后，没有进行有意义的互动就立刻关掉会话的比例。）

晚点：有了 Seedance 2.0，字节的即梦有可能成为一个 “更成功版的 Sora App” 吗？

谢旭璋：据我们了解，过去半年到一年，即梦主要的用户群体还是专业用户。Seedance2.0 之后它会不会还是这样，可能也要一两个月之后才能知道。Sora app 刚出来的时候，很多人都觉得它是 Super App ，但这在一个月后就被证伪了。

还有一点，即梦做中国市场，我们做全球市场。Seedance2.0 是一个很好的模型，但会不会诞生下一个 Super App？未必。

晚点：你们自己的核心用户画像是什么？

谢旭璋：我们的用户群体里有很多是第一次用 AI 做视频的人。全球有几十亿人看视频，这中间有不到 10% 的视频创作者，而剩下 90% 的人也有表达欲。我们想用 AI 帮他们变成创作者。

晚点：你们也在同时服务 B 端专业内容制作者，这和 C 端产品的关系是什么？

谢旭璋：C 端占大头，B 端的专业内容制作业务也在增长，比如今年我们在漫剧这类行业里有明确的收入增长。

可以交互的视频出现会改变内容生产逻辑

晚点：爱诗节前新发布了 “世界模型 PixVerse R1”，它是一个可以实时生成的视频生成模型，这是真的 “世界模型” 吗？有人质疑这是蹭概念和热点。

谢旭璋：行业内关于世界模型的实现有多条技术路径，Sora 发布时叫 World simulator（世界模拟器），Runway 也发布过以视频为载体的世界模型。我们对世界模型的定义更通俗地说，是让 AI 通过学习足够多事物运行的规律，产生一个可预测模拟物理、因果、时空等规律的模型。

在这个大方向上，有的公司会通过视频、3D、机器人等等来实现。那我觉得，我们的模型学习视频代表的客观的世界，构建一个虚拟世界，也是一个非常重要的技术路线。

晚点：我们看到 R1 模型的效果视频，用户发一段提示词想和画面互动的时候，画面会被比较生硬地改变，且只能持续几秒，几秒之后又会变回原来的状态。这是你们满意的效果吗？

谢旭璋：R1 模型有很多使用场景。我们有一些稳定的故事线，也有一些完全发散的，是根据不同场景进行设计的。模型本身是一个完全开放、有无限可能的模型，但还处于比较初步的阶段。

晚点：为什么你们要投入 “实时” 和 “无限生成”？

谢旭璋：我们团队一直在做一些前瞻性尝试。2023 年大家都在卷语言模型，我们就开始做视频了；后来瞄准 ToC 市场做 AI 模板，当时也少有人做。现在的实时生成也是一样，我们想探索视频大模型还能怎么落地，想走出一条新路。

至于 R1，是因为我们判断，未来视频和游戏的边界一定会越来越模糊。一旦视频变得能交互了，全新的内容、用户和创作机会就会涌现，所以我们必须提前布局。

晚点：可交互的视频生成，具体能带来什么新机会？

谢旭璋：在 R1 里，创作和消费是融为一体的。看视频的人就是创作者，比如通过消耗 Token 来参与互动。以后大家看到的视频，可能基础框架一样，但具体画面和走向会跟着个人的喜好实时变化。这会给现有的内容消费模式带来实质性的改变。

晚点：有多少人想一边看视频一边创作？会不会大部分人只想安安静静看个视频，休息一下呢？

谢旭璋：很多用户他也有一些希望让别人看到的想法，也许通过视频生成能让别人看到他心中的画面。用户也更乐于去分享这样的内容。

晚点：R1 模型现是一个单独的 web 端产品（https://realtime.pixverse.ai），合适会用到你们的移动端产品上？

谢旭璋：它目前是一个单独的产品线。我们会尝试移动端的形态，同时也在考虑把 R1 进一步迭代成 AI 原生视频游戏引擎。

晚点：R1 发布后，有哪些行业的 B 端客户来找你们合作？

谢旭璋：游戏行业比较多。最近谷歌的 Genie 3 冲击了传统游戏引擎，R1 也可能用 AI 原生模型重构游戏的底层创作。它可能会成为 AI 游戏引擎的核心底座。以后的游戏开发不用再像过去那样熬漫长的大周期了，无论是玩法、画面还是剧情，AI 都能让它变得更轻量、更具想象力。更重要的是，它能帮那些不懂代码但有创意的人，把点子变成真正的游戏。

同时，短剧、漫剧团队也在积极找过来。以前的视频都是拍好再分发给观众；但想象一下，以后看短剧，主角是去当 “赘婿” 还是创业，剧情能让观众自己选。一旦视频变得可交互，整个内容产业的底层逻辑就变了。

我们自己还是会专注底层技术，期待与游戏、影视、智能设备等行业的合作伙伴共同探索，在这个模型上做出第一个有意义的产品。

文章来自于微信公众号 “晚点LatePost”，作者 “晚点LatePost”