29.8亿元到账，爱诗凭什么拿下AI视频下一张船票？｜甲子光年

尊重用户，尊重市场，是恒定有效的度量衡。

7月14日，爱诗科技宣布完成C+轮融资，至此公司整体C轮累计融资额达29.8亿元人民币。

其中，C+轮由阿里巴巴领投，Lollapalooza Capital（王慧文家办）、常春藤资本、惠远资本、钟鼎资本、韩国未来资产、OCBC生态下Lion X基金、蓝色光标、CloudAlpha、iGlobe Partners等十余家国内外机构参与投资。

这是过去半年AI视频赛道里非常值得拆解的一笔融资。

这笔29.8亿元的资金背后至少释放了三个信号：财务资本继续为高增长的技术路径买单，产业资本为高价值场景下注，而国际化资本为全球化叙事背书。三类资本出现在同一个牌桌上，本身就指向一个清晰的行业风向。

2026年2月，Seedance 2.0发布后，全球视频模型市场被进一步打开，视频模型的资本市场、模型能力与商业预期被同步推上全新的台阶。

与此同时，世界模型成为一个行业级共识。从Sora、Runway第一次把视频模型包装成“世界模拟器”讲给全世界，到2026年几乎所有头部视频厂商都在用世界模型定义自己的下一代技术，AI视频成了这轮世界模型热潮中最先被点燃、也最具想象空间的一块版图。

爱诗科技创始人兼CEO王长虎曾将世界模型分为两类：一类是构造数字世界，模型生成可持续、可交互、可变化的数字环境；另一类是通过数字世界影响物理世界，服务真实世界中的决策与执行。在他看来，关键不在于名字叫不叫世界模型，而在于它有没有一个实际系统，让用户、智能体或设备可以和这个数字世界或物理世界发生自由交互。

视频是世界信息分发主战场，世界模型是下一代交互入口，爱诗成为了入口级位置最被看重的玩家之一。他们从一开始就把“可交互”作为世界模型的核心度量衡。

在新技术加持下，AI视频已成为AI Coding之外最具确定性的商业主线，这几乎已是行业共识。

AI Coding的商业确定性，来自它直接进入了软件生产流程，可以用效率、成本和产出衡量，可以用SaaS、API、订阅等成熟模式变现，可以通过GitHub、Cursor、Copilot这类已验证的产品形态快速规模化。

AI视频正在走向类似的位置，它不再只服务于创意表达，而是正在进入广告素材、短剧漫剧、游戏IP、品牌营销、电商内容、互动娱乐乃至未来虚拟世界等真实产业链。

近日，在联合国AI for Good Global Summit 2026期间，爱诗科技联合创始人谢旭璋分享了公司在实时视频、世界模型与AI Native互动娱乐方向的最新探索，并展示了首个实时视频游戏引擎——PixVerse Game，以及来自真实创作者的多个落地探索案例。

当实时视频模型开始具备低延迟反馈、连续画面生成、交互理解和游戏机制承接能力，AI视频的边界正在从内容工具，走向互动体验基础设施。爱诗科技在这一方向上的前沿实践，受到与会联合国机构代表与全球创作者的广泛关注。

如果说Seedance是AI视频赛道的第一张船票，那么爱诗正在成为被全球市场共同看好的下一个全球化好机会。

爱诗科技联合创始人谢旭璋，图片来源：爱诗科技

在本轮融资落地前，「甲子光年」与爱诗科技联合创始人谢旭璋进行了一次对话，试图在C+轮窗口期理清一个对市场越来越重要的问题：当下究竟应该如何看待爱诗科技？两位创始人三年前讲的故事，又兑现了多少？

1.实时互动的新故事

前两天，谢旭璋向全球的科技与政策制定者分享了首个实时视频游戏引擎PixVerse Game。

游戏是世界模型更加硬核的试炼场。它不只要画面，还要规则、反馈、角色一致性、情绪递进、互动结果。能在游戏里跑起来，才说明实时互动模型从“可看”走向“可玩”。

PixVerse Game是爱诗把世界模型推到下一阶段产品形态的探索，旨在把世界模型的实时交互能力，落到一个具体的、用户能感知的场景里。

它尝试把实时视频模型、游戏机制工具链和用户自定义世界观结合在一起。玩家通过自然语言与游戏世界实时交互，每一次操作都即时生成新的画面、音效与叙事，形成一种“创作即游玩”的体验。

此外，爱诗也正与包括前叠纸CTO Junbai在内的游戏产业伙伴，共同探索AI Native游戏引擎与互动娱乐新形态。

PixVerse，图片来源：爱诗科技

早在今年1月，爱诗对外发布PixVerse R1，全球首个支持最高1080P分辨率、可实现即时响应的通用实时世界模型。

和往常一样，这次发布异常低调。没有大型发布会，甚至没有吊人胃口的预热，完全是一次常规技术披露。“连我们的投资人都是在技术报告发布后才知道我们做了R1。”谢旭璋说。

两个月后的中国发展高层论坛2026年年会上，R1作为AI体验环节的代表项目被摆上台面。奥的斯全球CEO朱蒂随口提到想看熊猫，系统即时生成了大熊猫坐船远行的画面，朱蒂笑称：“没在成都也能看到熊猫。”

R1与市面上已有AI视频产品的根本区别在于，Sora 2、Veo 3是生成一段视频，而R1是驱动一个世界。用户像导演一样给出指令，世界实时做出反馈。

拆开R1的技术骨架，能看到三个相互咬合的核心组件。

底层是一个Omni原生多模态基础模型，采用Transformer架构，把文本、图像、音频与视频统一为同一生成序列，实现端到端的跨模态理解与输出，全程在原生分辨率下训练，避免了上采样带来的伪影和模糊。

中间层是自回归流式生成机制，引入记忆增强注意力模块，让长视频中的角色身份、物体状态、场景逻辑保持一致，用户可以在生成过程中随时插入新指令，系统即时响应并动态调整叙事。

最上层是瞬时响应引擎，通过时间轨迹折叠、引导校正和自适应稀疏采样，把传统扩散模型需要50步以上的采样过程压缩到1至4步，让动态画面进入人眼可感知的即时阈值。

Omni提供现实世界的计算基座，自回归流式生成赋予它持久记忆，瞬时响应引擎注入即时反应的神经反射，三者共同构成了PixVerse R1这一支持1080P实时生成的通用视频大模型。

R1发布的节点，世界模型在视频生成领域已是大势所趋。

海外Sora、Runway、Veo、Genie、Pika几乎全部在用世界模拟器、可控世界等话术重新定义下一代产品；国内字节Seedance 2.0、快手可灵、阿里ATH旗下的Happy Oyster也纷纷举起世界模型旗帜。但R1并非爱诗为迎合潮流而临时起意。

「甲子光年」查询公开报道发现，早在2024年3月，王长虎接受媒体采访时就提到：“我们期待有一天能做到实时的内容生成，可能现在我们生成一个视频要几十秒，未来的话希望能实时生成，这有可能彻底颠覆人们生产和消费视频的模式。”

事实上，爱诗一直在大力投入推理优化。“好的技术应该降低使用门槛，让它能更快被交付，这是我们有意识做了大量优化才达到的效果。”谢旭璋告诉「甲子光年」。

2024年底，团队发现自家模型已经能做到“5秒生成5秒视频”，当时行业里生成5秒视频普遍需要50秒甚至100秒。这个突破意味着流式生成成为可能，边生成边响应，为实时世界模型准备好了底层能力。R1也大约在那个时候正式立项。

一年后，2026年1月，R1发布，爱诗科技正式从实时交互的视角切入世界模型浪潮。

过去半年，各家押注世界模型的方向各不相同。爱诗所选的实时交互听起来并不算性感，也并不热门。但爱诗有自己的决策逻辑。

谢旭璋认为，AI时代的所有东西都必须可交互。未来的视频将是个性化的，会越来越懂你，能根据你的输入动态改变呈现内容。视频与游戏的边界会越来越模糊，可能出现一种全新的媒介形态，而只有交互的升级，才能催生真正AI原生的下一代短视频平台。

用户反馈也印证了这一判断。谢旭璋透露，已有数万个UGC世界在R1上被创造出来。这些世界千奇百怪：有人想进入真实世界的平行空间，比如把楼下的一片树林，变成另一个宇宙的模样；有人想复现梦境，把抽象、意识流的画面定义清楚；还有人把知名游戏场景搬进R1，去跑游戏里原本不存在的支线任务。

这种从“观看”到“交互”的转向，自然成了爱诗把世界模型延伸到游戏场景的天然入口。

R1目前是一个完全开放、完全通用的平台，用户可以定义一个世界、进入这个世界、改变这个世界里的任何东西，而不是被锁在固定空间里的试玩模型。也正因此，它对算力的消耗极大。内测期间爱诗为此优化了相当长一段时间，最近才全面对外开放。

在当前世界模型的众生相里，爱诗选了一条看上去不算主流、却最容易跑出用户增长的路。他们把视频从静态内容，变成人与AI动态交互的界面。

这种非共识选择的本质，是把宏大的硬科技叙事拉回到具体的、有真实温度的用户感知。而这个取舍逻辑，也贯穿了爱诗过去三年的整个历程。

2.在非共识中长大

爱诗科技成立于2023年4月。

那一年，Sora尚未发布，Pika成立不到一年，Runway还在做Gen-2。谢旭璋回忆，2023年初他和王长虎一起创业时，全球做视频生成的团队屈指可数。

当时大多数人对视频生成模型望而生畏，模型能力不够，商业化路径不清，用户需求不明......几乎看不到真正可靠的确定性。

然而，王长虎曾在字节跳动主导过抖音和TikTok的视觉技术体系建设，谢旭璋在光源资本看过大量AI和互联网相关项目，两人相信，视频生成研究虽然艰难，但必定有巨大的商业空间。

他们认为，AI视频生成不是把视频行业切出一个垂直细分，而是为整个视频行业做了一次增量。他把AI视频生成比作一个新的AI摄像头。传统摄像头既服务电影院、电视台，也服务长视频平台，还服务各种短视频平台，而AI摄像头一旦普及，也会像传统摄像头一样进入各种行业。

最终，他们共同创业。

全球化是爱诗从第一天起就写进公司基因的战略选择。谢旭璋在多次公开演讲中说过，相比语言，视觉更无国界和文化之分，全球应该还有几十亿人经常看视频却从未创作过视频，爱诗希望用AI帮助这些人创作出属于他们的第一个视频。

目前，在全球创作者社区中，PixVerse已经出现了一批从普通用户成长起来的代表案例。

西班牙创作者Daria Grin此前没有专业影视训练，她使用PixVerse的角色一致性工具制作动画短片，让角色在多个场景中保持连贯，作品累计播放量超过2000万次，并由此成为独立创作者；法国艺术家Zenith Apex则用PixVerse的场景转场和运镜能力，将抽象艺术概念转化为可传播的视频作品，在YouTube触达超过200万观众。

PixVerse正在帮助全球用户以更低门槛、更快速度把想象力变成视频内容。

据爱诗官方披露，目前平台用户已超过1.5亿人，覆盖超177个国家和地区，并在30多个国家的应用市场视频类榜单中排名第一。这个全球化的成绩，是很多企业努力多年才能实现的。

而回溯爱诗的来时路便发现，一切来之不易。他们第一次被行业普遍注意到，是在2024年下半年。

当年10月，爱诗发布PixVerse V3，一款具备人物一致性技术的视频生成模型。版本推出后不久，海外TikTok上掀起了一场超级英雄变身特效热潮：用户上传一张普通照片，PixVerse就能把它变成毒液附体的特效视频，单条播放量突破八千万。

但真正让爱诗警觉的，是超级英雄变身热潮背后的一个细节。谢旭璋回忆：“那个超级英雄变身模板在全球走红的时候，爱诗还没有上App，而模板在网页端的使用量里有一半以上来自手机浏览器。”

换句话说，网页端超过一半的流量其实来自手机。这组数据让爱诗第一次明确意识到，移动端的普罗大众用户是一个被严重低估的市场。

在当时的行业语境里，AI视频公司几乎清一色把网页端当作产品主战场，因为网页端最匹配专业创作者的工作流，最容易跑通API调用和付费订阅的商业闭环，也最容易在投资榜单和评测榜单里获得存在感。

但爱诗基于真实的用户反馈，做了一个和行业共识相反的选择——面向普通用户在移动端打造独立产品。

谢旭璋强调：“惯性思维会让人觉得移动化产品只是网页端的移动化处理，但实际上它们是两个产品，因为交互模式、服务人群和产品目标都不一样。”网页端服务专业创作者，需要最专业的模型、最专业的功能和工作流以及可调参数；移动端服务普罗大众，需要简单高效的体验。这两个人群或许有些交集，但本质上是两类完全不同的用户群。

在明确目标用户之后，爱诗在产品形态上还有过一次关键试错。

2024年下半年，团队曾内测一款“AI抖音”形态的产品，通过上下滑获得信息流推荐。但谢旭璋很快发现，这种模式无论从内容生态还是产品形态看都不成熟。一方面，普通用户用AI做的视频，平均质量距离抖音/TikTok高赞视频还有明显差距；另一方面，大量内容基于个人形象二创，对不认识这个人的用户缺乏消费价值，而要让足够多认识你的人也刷到你，又是一个极难的社交网络问题。

在谢旭璋看来，AI公司不能照搬成熟移动互联网产品的模式去套AI产品。今天的AI产品大部分仍是工具，真正的媒体属性和平台属性还没有到来，需要模型更成熟、产品更完善、生态更繁荣之后才能实现。

几番摸索后，2024年12月，PixVerse移动App上线，比网页端晚了将近一年。内测期间团队也逐渐明确，对于非专业用户，低门槛的工具化产品才是刚需。

巨大流量涌入带来的算力消耗，很快将爱诗逼到了商业化大门前。“当时流量很大，如果不做商业化可能会亏死。”谢旭璋直言。

移动端订阅方案上线的第一个月，收入增长就已经能覆盖全部业务成本。爱诗至今没有公布网页端和移动端的精确收入比例，但谢旭璋透露，移动端收入一度占公司总收入的一半以上，是目前公司最大的收入来源。

直到今天，面向非专业用户打造低门槛移动App，在行业里依然是个非主流判断。

而在移动端一炮打响、快速跑通商业闭环后，大量B端客户找上门来希望接入API。考虑到B端API调用的巨大市场，爱诗顺势从2025年1月起逐步开展B端业务。

2025年，爱诗的API业务增长了十倍以上，不过目前收入占比仍相对较小。谢旭璋透露，三条模型线中，V系列作为基础通用模型调用量最大；C系列是行业专有模型，主要服务影视和短剧；R1目前没有大批量开放API，更多是与合作方进行开创性应用尝试。

对于语言模型曾经历的API价格战，谢旭璋并不担心。在他看来，全球范围内视频生成API的价格战“好像还没有发生”，因为顶尖模型的供应商不过五六家，客户选型的第一标准至今仍然是模型效果。

3.找到自己的度量衡

以一家创业公司的体量，要在视频生成这个竞争极其激烈的市场中生存甚至出彩，无疑要付出更多努力。

在这轮AI创业浪潮初期，创业者们一直默契地遵守一条铁律，即“不要在大厂射程内创业”，因为过往经验表明，大厂的雄厚资源可能对创业公司构成降维打击。

自成立以来，爱诗几乎一直在以小搏大。100多人的团队，相当于同行十分之一的算力投入，却在全球177个国家和地区积累了1亿用户，月活突破1600万。自2024年11月启动商业化以来，年度经常性收入在不到12个月内增长了10倍以上。在最新一期Artificial Analysis全球评测榜单上，PixVerse V6在图生视频和文生视频两个赛道均位列全球第二。

如今，大厂入局AI视频赛道已两年多，却并未迅速形成垄断，反而不断有玩家因各种原因退出。谢旭璋的体感是“行业在变大，但玩家在变少”。这反而为爱诗留出一个意味深长的窗口——能在大厂纷纷下注的赛道里活下来，本身就是一种实力证明。

理性来看，爱诗能在这个看起来不可持续的资源结构下持续产出稳定的技术和产品成果，背后必须有严谨的组织逻辑和极高的组织效率来支撑。

谢旭璋坦言：“我们始终给团队一个资源有限的假设，我们一定是基于有限资源去做大的事。”在这个前提下，王长虎和谢旭璋从战略层面高度统一团队的工作目标。

过去三年，AI视频的叙事不断变化，身边的对手来了又走，但爱诗一直围绕视频生成的主线稳步推进，按自己的节奏形成了V系列、R系列以及C系列的模型组合。其中，V系列模型面向创作者与品牌的影视级视频生成，C系列模型支持更专业的视频制作流程， 而R系列实时世界模型正试图将AI视频带入实时互动的阶段。

同时，公司也有意将团队规模控制在一个相对灵巧、扁平的状态，团队一旦过大反而会低效。

但创业不是童话，没有金手指。复盘过去三年，谢旭璋向「甲子光年」做了一次少见的反思：“我们创业初期在拿钱上不够激进，导致阶段性比较缺资源，没能更快地把模型训练出来。”

这种遗憾在Sora发布的那一刻被放大到极致。“如果当时更激进地拿钱，我们或许可以更早把DiT架构跑通。但当时没想到OpenAI的进展会这么快，对融资形式的预判也比较乐观，觉得可以等一等，用更好的条件去拿钱，结果错过了把模型更快做出来的窗口。”

意识到问题后，爱诗迅速调整策略，开始小步快跑的融资模式：

2023年8月天使轮数千万人民币，光源资本投资；2024年3月A1轮，达晨财智领投；2024年4月A2轮，蚂蚁集团领投；2024年12月A3加A4轮，北京市人工智能产业投资基金、国科投资等入局；2025年3月A5轮，靖亚资本独家投资；2025年9月B轮，阿里巴巴领投6000万美元；2026年3月C轮，鼎晖领投3亿美元。

从A1到C轮，每一轮间隔都在缩短，单笔金额都在放大。其中，超级英雄模板爆火是一个关键节点，投资人才真正意识到，一家创业公司竟能撬动亿级的用户体量。如今C+轮落地，谢旭璋坦言：“如果按照2025年的花钱速度，公司账上的钱够花很长时间。”

颇具戏剧性的是，就在爱诗及国内视频生成模型加速迭代的同时，点燃AI视频热潮的Sora却在2026年3月画上句号。这件事被媒体大量讨论，但在爱诗内部并未掀起太大波澜。某种程度上，按照爱诗自身的决策逻辑，他们或许早已预判了Sora的消亡。

曾经，Sora被当作全球视频生成领域的风向标，OpenAI用Sora的关停给出行业最后的警示：即便性感如“世界模拟器”这样的概念，如果无法形成正向回报，也难逃被淘汰的命运。

尊重用户，尊重市场，是恒定有效的度量衡。从过去三年来看，这也是爱诗科技给自己找到的决策标准。

对企业而言，顺势而为和随波逐流往往只有一念之差。尤其在AI视频这个技术路线与产品思路远未收敛的领域，一家公司需要的度量衡，不能靠模仿别人的剧本，也不能一味依附市场共识，而必须从自己的独立判断中生长出来，并在一次次真实的市场反馈中反复调校、加固。

最新一轮融资落地后，爱诗的下一步已经清晰。

R1现在更多是模型的展示，接下来会走向产品化，需要回答要服务什么样的群体、提供什么样的用户价值、怎么把交互做得更友好。谢旭璋坦承，公司还在收敛产品方向，但今年会有具体的产品发布。

与此同时，爱诗也会在游戏、影视、广告营销领域持续推进B端API业务。这三个方向既是爱诗产业投资方，如中国儒意、三七互娱、蓝色光标）的天然场景，也是R1实时交互能力最容易落地的领域。谢旭璋直言，公司内部对B端业务的目标和组织已经比一年前清晰很多，未来会做更多投入。

全球化组织的建设同样会进一步加强。这同样是从真实用户分布中得出的必然选择。今天爱诗科技1亿用户中，南美就有几千万，如何做好海外本地化、如何在海外建立本地团队、如何在当地做市场活动和发声，是爱诗今年非常重要的目标。

站在当前的节点上，世界模型浪潮比单纯的视频生成更加喧杂，爱诗无疑需要更频繁地调整自身发展与市场演进之间的适配度。至于这套度量衡能够支撑爱诗走到多远，相信市场自会给出答案。

（封面图来源：AI生成）

END.