29.8億元到賬，愛詩憑什么拿下AI視頻下一張船票？｜甲子光年

尊重用戶，尊重市場，是恒定有效的度量衡。

作者｜劉楊楠

編輯｜王博

7月14日，愛詩科技宣布完成C+輪融資，至此公司整體C輪累計融資額達29.8億元人民幣。

其中，C+輪由阿里巴巴領投，Lollapalooza Capital（王慧文家辦）、常春藤資本、惠遠資本、鐘鼎資本、韓國未來資產、OCBC生態下Lion X基金、藍色光標、CloudAlpha、iGlobe Partners等十余家國內外機構參與投資。

這是過去半年AI視頻賽道里非常值得拆解的一筆融資。

這筆29.8億元的資金背后至少釋放了三個信號：財務資本繼續為高增長的技術路徑買單，產業資本為高價值場景下注，而國際化資本為全球化敘事背書。三類資本出現在同一個牌桌上，本身就指向一個清晰的行業風向。

2026年2月，Seedance 2.0發布后，全球視頻模型市場被進一步打開，視頻模型的資本市場、模型能力與商業預期被同步推上全新的臺階。

與此同時，世界模型成為一個行業級共識。從Sora、Runway第一次把視頻模型包裝成“世界模擬器”講給全世界，到2026年幾乎所有頭部視頻廠商都在用世界模型定義自己的下一代技術，AI視頻成了這輪世界模型熱潮中最先被點燃、也最具想象空間的一塊版圖。

愛詩科技創始人兼CEO王長虎曾將世界模型分為兩類：一類是構造數字世界，模型生成可持續、可交互、可變化的數字環境；另一類是通過數字世界影響物理世界，服務真實世界中的決策與執行。在他看來，關鍵不在于名字叫不叫世界模型，而在于它有沒有一個實際系統，讓用戶、智能體或設備可以和這個數字世界或物理世界發生自由交互。

視頻是世界信息分發主戰場，世界模型是下一代交互入口，愛詩成為了入口級位置最被看重的玩家之一。他們從一開始就把“可交互”作為世界模型的核心度量衡。

在新技術加持下，AI視頻已成為AI Coding之外最具確定性的商業主線，這幾乎已是行業共識。

AI Coding的商業確定性，來自它直接進入了軟件生產流程，可以用效率、成本和產出衡量，可以用SaaS、API、訂閱等成熟模式變現，可以通過GitHub、Cursor、Copilot這類已驗證的產品形態快速規模化。

AI視頻正在走向類似的位置，它不再只服務于創意表達，而是正在進入廣告素材、短劇漫劇、游戲IP、品牌營銷、電商內容、互動娛樂乃至未來虛擬世界等真實產業鏈。

近日，在聯合國AI for Good Global Summit 2026期間，愛詩科技聯合創始人謝旭璋分享了公司在實時視頻、世界模型與AI Native互動娛樂方向的最新探索，并展示了首個實時視頻游戲引擎——PixVerse Game，以及來自真實創作者的多個落地探索案例。

當實時視頻模型開始具備低延遲反饋、連續畫面生成、交互理解和游戲機制承接能力，AI視頻的邊界正在從內容工具，走向互動體驗基礎設施。愛詩科技在這一方向上的前沿實踐，受到與會聯合國機構代表與全球創作者的廣泛關注。

如果說Seedance是AI視頻賽道的第一張船票，那么愛詩正在成為被全球市場共同看好的下一個全球化好機會。

愛詩科技聯合創始人謝旭璋，圖片來源：愛詩科技

在本輪融資落地前，「甲子光年」與愛詩科技聯合創始人謝旭璋進行了一次對話，試圖在C+輪窗口期理清一個對市場越來越重要的問題：當下究竟應該如何看待愛詩科技？兩位創始人三年前講的故事，又兌現了多少？

1.實時互動的新故事

前兩天，謝旭璋向全球的科技與政策制定者分享了首個實時視頻游戲引擎PixVerse Game。

游戲是世界模型更加硬核的試煉場。它不只要畫面，還要規則、反饋、角色一致性、情緒遞進、互動結果。能在游戲里跑起來，才說明實時互動模型從“可看”走向“可玩”。

PixVerse Game是愛詩把世界模型推到下一階段產品形態的探索，旨在把世界模型的實時交互能力，落到一個具體的、用戶能感知的場景里。

它嘗試把實時視頻模型、游戲機制工具鏈和用戶自定義世界觀結合在一起。玩家通過自然語言與游戲世界實時交互，每一次操作都即時生成新的畫面、音效與敘事，形成一種“創作即游玩”的體驗。

此外，愛詩也正與包括前疊紙CTO Junbai在內的游戲產業伙伴，共同探索AI Native游戲引擎與互動娛樂新形態。

PixVerse，圖片來源：愛詩科技

早在今年1月，愛詩對外發布PixVerse R1，全球首個支持最高1080P分辨率、可實現即時響應的通用實時世界模型。

和往常一樣，這次發布異常低調。沒有大型發布會，甚至沒有吊人胃口的預熱，完全是一次常規技術披露。“連我們的投資人都是在技術報告發布后才知道我們做了R1。”謝旭璋說。

兩個月后的中國發展高層論壇2026年年會上，R1作為AI體驗環節的代表項目被擺上臺面。奧的斯全球CEO朱蒂隨口提到想看熊貓，系統即時生成了大熊貓坐船遠行的畫面，朱蒂笑稱：“沒在成都也能看到熊貓。”

R1與市面上已有AI視頻產品的根本區別在于，Sora 2、Veo 3是生成一段視頻，而R1是驅動一個世界。用戶像導演一樣給出指令，世界實時做出反饋。

拆開R1的技術骨架，能看到三個相互咬合的核心組件。

底層是一個Omni原生多模態基礎模型，采用Transformer架構，把文本、圖像、音頻與視頻統一為同一生成序列，實現端到端的跨模態理解與輸出，全程在原生分辨率下訓練，避免了上采樣帶來的偽影和模糊。

中間層是自回歸流式生成機制，引入記憶增強注意力模塊，讓長視頻中的角色身份、物體狀態、場景邏輯保持一致，用戶可以在生成過程中隨時插入新指令，系統即時響應并動態調整敘事。

最上層是瞬時響應引擎，通過時間軌跡折疊、引導校正和自適應稀疏采樣，把傳統擴散模型需要50步以上的采樣過程壓縮到1至4步，讓動態畫面進入人眼可感知的即時閾值。

Omni提供現實世界的計算基座，自回歸流式生成賦予它持久記憶，瞬時響應引擎注入即時反應的神經反射，三者共同構成了PixVerse R1這一支持1080P實時生成的通用視頻大模型。

R1發布的節點，世界模型在視頻生成領域已是大勢所趨。

海外Sora、Runway、Veo、Genie、Pika幾乎全部在用世界模擬器、可控世界等話術重新定義下一代產品；國內字節Seedance 2.0、快手可靈、阿里ATH旗下的Happy Oyster也紛紛舉起世界模型旗幟。但R1并非愛詩為迎合潮流而臨時起意。

「甲子光年」查詢公開報道發現，早在2024年3月，王長虎接受媒體采訪時就提到：“我們期待有一天能做到實時的內容生成，可能現在我們生成一個視頻要幾十秒，未來的話希望能實時生成，這有可能徹底顛覆人們生產和消費視頻的模式。”

事實上，愛詩一直在大力投入推理優化。“好的技術應該降低使用門檻，讓它能更快被交付，這是我們有意識做了大量優化才達到的效果。”謝旭璋告訴「甲子光年」。

2024年底，團隊發現自家模型已經能做到“5秒生成5秒視頻”，當時行業里生成5秒視頻普遍需要50秒甚至100秒。這個突破意味著流式生成成為可能，邊生成邊響應，為實時世界模型準備好了底層能力。R1也大約在那個時候正式立項。

一年后，2026年1月，R1發布，愛詩科技正式從實時交互的視角切入世界模型浪潮。

過去半年，各家押注世界模型的方向各不相同。愛詩所選的實時交互聽起來并不算性感，也并不熱門。但愛詩有自己的決策邏輯。

謝旭璋認為，AI時代的所有東西都必須可交互。未來的視頻將是個性化的，會越來越懂你，能根據你的輸入動態改變呈現內容。視頻與游戲的邊界會越來越模糊，可能出現一種全新的媒介形態，而只有交互的升級，才能催生真正AI原生的下一代短視頻平臺。

用戶反饋也印證了這一判斷。謝旭璋透露，已有數萬個UGC世界在R1上被創造出來。這些世界千奇百怪：有人想進入真實世界的平行空間，比如把樓下的一片樹林，變成另一個宇宙的模樣；有人想復現夢境，把抽象、意識流的畫面定義清楚；還有人把知名游戲場景搬進R1，去跑游戲里原本不存在的支線任務。

這種從“觀看”到“交互”的轉向，自然成了愛詩把世界模型延伸到游戲場景的天然入口。

R1目前是一個完全開放、完全通用的平臺，用戶可以定義一個世界、進入這個世界、改變這個世界里的任何東西，而不是被鎖在固定空間里的試玩模型。也正因此，它對算力的消耗極大。內測期間愛詩為此優化了相當長一段時間，最近才全面對外開放。

在當前世界模型的眾生相里，愛詩選了一條看上去不算主流、卻最容易跑出用戶增長的路。他們把視頻從靜態內容，變成人與AI動態交互的界面。

這種非共識選擇的本質，是把宏大的硬科技敘事拉回到具體的、有真實溫度的用戶感知。而這個取舍邏輯，也貫穿了愛詩過去三年的整個歷程。

2.在非共識中長大

愛詩科技成立于2023年4月。

那一年，Sora尚未發布，Pika成立不到一年，Runway還在做Gen-2。謝旭璋回憶，2023年初他和王長虎一起創業時，全球做視頻生成的團隊屈指可數。

當時大多數人對視頻生成模型望而生畏，模型能力不夠，商業化路徑不清，用戶需求不明......幾乎看不到真正可靠的確定性。

然而，王長虎曾在字節跳動主導過抖音和TikTok的視覺技術體系建設，謝旭璋在光源資本看過大量AI和互聯網相關項目，兩人相信，視頻生成研究雖然艱難，但必定有巨大的商業空間。

他們認為，AI視頻生成不是把視頻行業切出一個垂直細分，而是為整個視頻行業做了一次增量。他把AI視頻生成比作一個新的AI攝像頭。傳統攝像頭既服務電影院、電視臺，也服務長視頻平臺，還服務各種短視頻平臺，而AI攝像頭一旦普及，也會像傳統攝像頭一樣進入各種行業。

最終，他們共同創業。

全球化是愛詩從第一天起就寫進公司基因的戰略選擇。謝旭璋在多次公開演講中說過，相比語言，視覺更無國界和文化之分，全球應該還有幾十億人經常看視頻卻從未創作過視頻，愛詩希望用AI幫助這些人創作出屬于他們的第一個視頻。

目前，在全球創作者社區中，PixVerse已經出現了一批從普通用戶成長起來的代表案例。

西班牙創作者Daria Grin此前沒有專業影視訓練，她使用PixVerse的角色一致性工具制作動畫短片，讓角色在多個場景中保持連貫，作品累計播放量超過2000萬次，并由此成為獨立創作者；法國藝術家Zenith Apex則用PixVerse的場景轉場和運鏡能力，將抽象藝術概念轉化為可傳播的視頻作品，在YouTube觸達超過200萬觀眾。

PixVerse正在幫助全球用戶以更低門檻、更快速度把想象力變成視頻內容。

據愛詩官方披露，目前平臺用戶已超過1.5億人，覆蓋超177個國家和地區，并在30多個國家的應用市場視頻類榜單中排名第一。這個全球化的成績，是很多企業努力多年才能實現的。

而回溯愛詩的來時路便發現，一切來之不易。他們第一次被行業普遍注意到，是在2024年下半年。

當年10月，愛詩發布PixVerse V3，一款具備人物一致性技術的視頻生成模型。版本推出后不久，海外TikTok上掀起了一場超級英雄變身特效熱潮：用戶上傳一張普通照片，PixVerse就能把它變成毒液附體的特效視頻，單條播放量突破八千萬。

但真正讓愛詩警覺的，是超級英雄變身熱潮背后的一個細節。謝旭璋回憶：“那個超級英雄變身模板在全球走紅的時候，愛詩還沒有上App，而模板在網頁端的使用量里有一半以上來自手機瀏覽器。”

換句話說，網頁端超過一半的流量其實來自手機。這組數據讓愛詩第一次明確意識到，移動端的普羅大眾用戶是一個被嚴重低估的市場。

在當時的行業語境里，AI視頻公司幾乎清一色把網頁端當作產品主戰場，因為網頁端最匹配專業創作者的工作流，最容易跑通API調用和付費訂閱的商業閉環，也最容易在投資榜單和評測榜單里獲得存在感。

但愛詩基于真實的用戶反饋，做了一個和行業共識相反的選擇——面向普通用戶在移動端打造獨立產品。

謝旭璋強調：“慣性思維會讓人覺得移動化產品只是網頁端的移動化處理，但實際上它們是兩個產品，因為交互模式、服務人群和產品目標都不一樣。”網頁端服務專業創作者，需要最專業的模型、最專業的功能和工作流以及可調參數；移動端服務普羅大眾，需要簡單高效的體驗。這兩個人群或許有些交集，但本質上是兩類完全不同的用戶群。

在明確目標用戶之后，愛詩在產品形態上還有過一次關鍵試錯。

2024年下半年，團隊曾內測一款“AI抖音”形態的產品，通過上下滑獲得信息流推薦。但謝旭璋很快發現，這種模式無論從內容生態還是產品形態看都不成熟。一方面，普通用戶用AI做的視頻，平均質量距離抖音/TikTok高贊視頻還有明顯差距；另一方面，大量內容基于個人形象二創，對不認識這個人的用戶缺乏消費價值，而要讓足夠多認識你的人也刷到你，又是一個極難的社交網絡問題。

在謝旭璋看來，AI公司不能照搬成熟移動互聯網產品的模式去套AI產品。今天的AI產品大部分仍是工具，真正的媒體屬性和平臺屬性還沒有到來，需要模型更成熟、產品更完善、生態更繁榮之后才能實現。

幾番摸索后，2024年12月，PixVerse移動App上線，比網頁端晚了將近一年。內測期間團隊也逐漸明確，對于非專業用戶，低門檻的工具化產品才是剛需。

巨大流量涌入帶來的算力消耗，很快將愛詩逼到了商業化大門前。“當時流量很大，如果不做商業化可能會虧死。”謝旭璋直言。

移動端訂閱方案上線的第一個月，收入增長就已經能覆蓋全部業務成本。愛詩至今沒有公布網頁端和移動端的精確收入比例，但謝旭璋透露，移動端收入一度占公司總收入的一半以上，是目前公司最大的收入來源。

直到今天，面向非專業用戶打造低門檻移動App，在行業里依然是個非主流判斷。

而在移動端一炮打響、快速跑通商業閉環后，大量B端客戶找上門來希望接入API。考慮到B端API調用的巨大市場，愛詩順勢從2025年1月起逐步開展B端業務。

2025年，愛詩的API業務增長了十倍以上，不過目前收入占比仍相對較小。謝旭璋透露，三條模型線中，V系列作為基礎通用模型調用量最大；C系列是行業專有模型，主要服務影視和短劇；R1目前沒有大批量開放API，更多是與合作方進行開創性應用嘗試。

對于語言模型曾經歷的API價格戰，謝旭璋并不擔心。在他看來，全球范圍內視頻生成API的價格戰“好像還沒有發生”，因為頂尖模型的供應商不過五六家，客戶選型的第一標準至今仍然是模型效果。

3.找到自己的度量衡

以一家創業公司的體量，要在視頻生成這個競爭極其激烈的市場中生存甚至出彩，無疑要付出更多努力。

在這輪AI創業浪潮初期，創業者們一直默契地遵守一條鐵律，即“不要在大廠射程內創業”，因為過往經驗表明，大廠的雄厚資源可能對創業公司構成降維打擊。

自成立以來，愛詩幾乎一直在以小搏大。100多人的團隊，相當于同行十分之一的算力投入，卻在全球177個國家和地區積累了1億用戶，月活突破1600萬。自2024年11月啟動商業化以來，年度經常性收入在不到12個月內增長了10倍以上。在最新一期Artificial Analysis全球評測榜單上，PixVerse V6在圖生視頻和文生視頻兩個賽道均位列全球第二。

如今，大廠入局AI視頻賽道已兩年多，卻并未迅速形成壟斷，反而不斷有玩家因各種原因退出。謝旭璋的體感是“行業在變大，但玩家在變少”。這反而為愛詩留出一個意味深長的窗口——能在大廠紛紛下注的賽道里活下來，本身就是一種實力證明。

理性來看，愛詩能在這個看起來不可持續的資源結構下持續產出穩定的技術和產品成果，背后必須有嚴謹的組織邏輯和極高的組織效率來支撐。

謝旭璋坦言：“我們始終給團隊一個資源有限的假設，我們一定是基于有限資源去做大的事。”在這個前提下，王長虎和謝旭璋從戰略層面高度統一團隊的工作目標。

過去三年，AI視頻的敘事不斷變化，身邊的對手來了又走，但愛詩一直圍繞視頻生成的主線穩步推進，按自己的節奏形成了V系列、R系列以及C系列的模型組合。其中，V系列模型面向創作者與品牌的影視級視頻生成，C系列模型支持更專業的視頻制作流程， 而R系列實時世界模型正試圖將AI視頻帶入實時互動的階段。

同時，公司也有意將團隊規模控制在一個相對靈巧、扁平的狀態，團隊一旦過大反而會低效。

但創業不是童話，沒有金手指。復盤過去三年，謝旭璋向「甲子光年」做了一次少見的反思：“我們創業初期在拿錢上不夠激進，導致階段性比較缺資源，沒能更快地把模型訓練出來。”

這種遺憾在Sora發布的那一刻被放大到極致。“如果當時更激進地拿錢，我們或許可以更早把DiT架構跑通。但當時沒想到OpenAI的進展會這么快，對融資形式的預判也比較樂觀，覺得可以等一等，用更好的條件去拿錢，結果錯過了把模型更快做出來的窗口。”

意識到問題后，愛詩迅速調整策略，開始小步快跑的融資模式：

2023年8月天使輪數千萬人民幣，光源資本投資；2024年3月A1輪，達晨財智領投；2024年4月A2輪，螞蟻集團領投；2024年12月A3加A4輪，北京市人工智能產業投資基金、國科投資等入局；2025年3月A5輪，靖亞資本獨家投資；2025年9月B輪，阿里巴巴領投6000萬美元；2026年3月C輪，鼎暉領投3億美元。

從A1到C輪，每一輪間隔都在縮短，單筆金額都在放大。其中，超級英雄模板爆火是一個關鍵節點，投資人才真正意識到，一家創業公司竟能撬動億級的用戶體量。如今C+輪落地，謝旭璋坦言：“如果按照2025年的花錢速度，公司賬上的錢夠花很長時間。”

頗具戲劇性的是，就在愛詩及國內視頻生成模型加速迭代的同時，點燃AI視頻熱潮的Sora卻在2026年3月畫上句號。這件事被媒體大量討論，但在愛詩內部并未掀起太大波瀾。某種程度上，按照愛詩自身的決策邏輯，他們或許早已預判了Sora的消亡。

曾經，Sora被當作全球視頻生成領域的風向標，OpenAI用Sora的關停給出行業最后的警示：即便性感如“世界模擬器”這樣的概念，如果無法形成正向回報，也難逃被淘汰的命運。

尊重用戶，尊重市場，是恒定有效的度量衡。從過去三年來看，這也是愛詩科技給自己找到的決策標準。

對企業而言，順勢而為和隨波逐流往往只有一念之差。尤其在AI視頻這個技術路線與產品思路遠未收斂的領域，一家公司需要的度量衡，不能靠模仿別人的劇本，也不能一味依附市場共識，而必須從自己的獨立判斷中生長出來，并在一次次真實的市場反饋中反復調校、加固。

最新一輪融資落地后，愛詩的下一步已經清晰。

R1現在更多是模型的展示，接下來會走向產品化，需要回答要服務什么樣的群體、提供什么樣的用戶價值、怎么把交互做得更友好。謝旭璋坦承，公司還在收斂產品方向，但今年會有具體的產品發布。

與此同時，愛詩也會在游戲、影視、廣告營銷領域持續推進B端API業務。這三個方向既是愛詩產業投資方，如中國儒意、三七互娛、藍色光標）的天然場景，也是R1實時交互能力最容易落地的領域。謝旭璋直言，公司內部對B端業務的目標和組織已經比一年前清晰很多，未來會做更多投入。

全球化組織的建設同樣會進一步加強。這同樣是從真實用戶分布中得出的必然選擇。今天愛詩科技1億用戶中，南美就有幾千萬，如何做好海外本地化、如何在海外建立本地團隊、如何在當地做市場活動和發聲，是愛詩今年非常重要的目標。

站在當前的節點上，世界模型浪潮比單純的視頻生成更加喧雜，愛詩無疑需要更頻繁地調整自身發展與市場演進之間的適配度。至于這套度量衡能夠支撐愛詩走到多遠，相信市場自會給出答案。

（封面圖來源：AI生成）