2026年7月14日，AI视频公司爱诗科技宣布完成整体C轮融资，其中C+轮由阿里巴巴领投，Lollapalooza Capital、常春藤资本、惠远资本、钟鼎资本等十余家机构跟投。加上今年3月由鼎晖投资领投的3亿美元C轮，短短半年时间，这家成立仅三年多的创业公司累计募资达29.8亿元人民币，估值突破10亿美元，成为国内AI视频生成赛道估值最高的独角兽之一。

但这条赛道的残酷性，远超外界想象。就在爱诗科技宣布融资的同一天，OpenAI的Sora App被曝出30日留存率仅8%，字节跳动的Seedance正以单月近10亿元人民币的营收疯狂收割市场，而快手旗下的可灵则刚刚完成近30亿美元融资，投后估值高达180亿美元。AI视频赛道，正从一场“技术军备竞赛”，演变为一场关于商业化、用户留存和生态布局的“死亡竞赛”。爱诗科技凭什么在巨头环伺中杀出重围？它的融资纪录，究竟是泡沫前的狂欢，还是行业拐点的信号？

公司名称 爱诗科技 (Aishi Technology)
融资轮次 C轮 (C+轮)
融资金额 29.8亿元人民币 (累计C轮及C+轮)
投资方 阿里巴巴、鼎晖投资、Lollapalooza Capital、常春藤资本、惠远资本、钟鼎资本、中国儒意、三七互娱等
官网 https://www.aishi.ai

行业痛点与底层逻辑：当“视频生成”撞上“算力黑洞”与“用户冷漠”

AI视频生成，听起来是通往“内容创作自由”的终极入口，但过去三年，它更像是一个吞噬资本与算力的“黑洞”。这个行业的底层逻辑，建立在三个几乎无解的矛盾之上。

第一个矛盾：技术门槛与商业回报的严重错位。 与文本生成不同，视频生成不仅需要处理海量的时空数据，更对模型的推理能力和一致性提出了近乎苛刻的要求。一个简单的“猫在沙滩上奔跑”的指令，背后是数十亿参数模型的实时计算，涉及像素级的光影、运动轨迹、物理交互。训练这样一个模型，需要数千张GPU卡连续运行数月，单次训练成本动辄数千万美元。然而，当模型终于能生成一段“看起来不错”的视频时，用户却往往只愿意为它支付几毛钱，甚至免费使用。这种“高投入、低回报”的剪刀差，让无数创业公司倒在黎明前的黑暗里。2024年，全球有超过20家AI视频初创公司因资金链断裂而关闭，它们的故事无一例外：技术很酷，但用户不买单。

第二个矛盾：技术路线的“赌注”与“时间窗口”。 2023年，当爱诗科技成立时，行业的主流技术路线是U-Net架构，它成熟、稳定、训练成本相对较低。但王长虎和他的团队，却做出了一个在当时看来“反常识”的决定：押注DiT（Diffusion Transformer）架构。DiT的优点是能更好地处理长序列、高分辨率的视频数据，生成质量上限更高；但缺点是训练成本更高、早期效果不稳定，且没有任何商业化的成功案例。这就像在一条所有人都走的大路上，选择了一条布满荆棘、不知道通往何方的野径。如果DiT路线失败，爱诗科技将血本无归；但如果成功，它就能在技术代际上领先对手一个身位。这种“赌注”式的选择，是AI视频行业创业者的常态：你必须在技术尚未成熟时，就为未来18个月后的技术路线下注，而赌注往往是公司的全部身家。

第三个矛盾：用户需求的“伪命题”与“真痛点”。 很长一段时间，AI视频被市场视为“玩具”。用户用它生成“超级英雄变身”的搞笑短视频，但很少有人愿意为它付费。这背后的原因是：AI视频生成的质量，远未达到“可用”的商业标准。一个电影导演不会用AI生成一个“看起来还行”的镜头，因为它无法保证画面的一致性、角色的连贯性、以及情感的表达。行业一度陷入“技术自嗨”：模型参数越来越庞大，榜单排名越来越好看，但用户留存率却低得可怜。OpenAI的Sora App 30日留存率仅8%，就是一个残酷的注脚。用户来了，玩一下，觉得“有意思”，然后就走了。如何让用户从“玩一下”变成“持续使用”，甚至“付费订阅”，是AI视频行业必须跨越的“死亡之谷”。

爱诗科技的成功，恰恰在于它精准地抓住了这三个矛盾中的“裂缝”：它用DiT架构赌对了技术代际，用“模型和产品一起训练”的打法解决了用户冷漠，用移动端的意外发现找到了商业化的突破口。但这一切，都始于一个看似疯狂的判断。

技术创新与核心架构：从“DiT豪赌”到“实时世界模型”的工程化突围

爱诗科技的技术路线，可以概括为“三步走”：赌对架构、工程化落地、定义下一代产品。每一步，都充满了“字节系”特有的务实与激进。

第一步：DiT架构的“豪赌”与“先发优势”

2023年10月，爱诗科技推出PixVerse V1，成为国内首家将DiT架构应用于视频生成的创业公司。这个决定在当时有多冒险？对比一下：当时全球最火的AI视频公司Runway，采用的是U-Net架构；OpenAI的Sora虽然也用了DiT，但直到2024年2月才正式发布。爱诗科技比OpenAI早了整整4个月。

王长虎之所以敢赌，源于他在字节跳动AI Lab的深厚积累。他深知，U-Net架构在处理长视频时，存在天然的“记忆瓶颈”：它无法有效处理超过10秒的视频，因为模型会“忘记”视频开头的画面。而DiT架构，通过Transformer的自注意力机制，能够更好地捕捉视频帧之间的长距离依赖关系，理论上可以实现更长的视频生成、更高的分辨率、以及更连贯的动作。事实证明，这个判断是正确的。当2024年Sora发布后，整个行业迅速转向DiT架构，而爱诗科技已经在这一路线上跑了近一年，积累了大量的工程化经验和数据。

第二步：“模型和产品一起训练”的工程化哲学

技术路线对了，但如何让它变成好用的产品？爱诗科技的做法，与大多数AI公司“先打磨模型，再上线产品”的路径截然不同。王长虎定下了一个“反常识”的打法：不等模型完全成熟，就让产品先跑起来，用真实的用户反馈反过来指导模型迭代。

这听起来像是“先开枪，再瞄准”，但背后是极其精密的工程化设计。PixVerse V1上线时，模型生成的视频质量并不稳定，经常出现“鬼畜”画面。但爱诗团队并不急于优化模型参数，而是通过产品端的交互设计，让用户“容忍”这些缺陷。例如，他们设计了“重试”按钮，让用户可以一键重新生成；他们加入了“风格迁移”功能，让用户可以选择不同的画风，从而掩盖模型在某些场景下的不足。更重要的是，他们通过用户行为数据，精准地找到了模型的“短板”：用户最常生成的是什么类型的视频？哪些Prompt（提示词）的生成成功率最低？哪些画面元素最容易出现“崩坏”？

这些数据，被实时反馈到模型训练中。爱诗团队建立了一套“数据飞轮”：用户每一次点击、每一次重试、每一次对生成结果的评分，都成为模型迭代的养料。这种“产品-模型”的闭环，让爱诗科技的模型迭代速度，远超那些“闭门造车”的竞争对手。2024年10月，PixVerse V3上线后，一个“超级英雄变身”的特效模板在海外TikTok上意外走红，单条视频播放量突破8000万。这个模板之所以能火，正是因为模型在“变身”这一特定场景下，已经通过大量用户数据训练得足够稳定。

第三步：从“视频生成”到“实时世界模型”的范式跃迁

如果说前两步是“追赶”和“优化”，那么2026年1月发布的PixVerse R1，则是爱诗科技试图“定义下一代”的关键一步。R1是一个支持1080P分辨率的“实时世界模型”，用户可以用自然语言实时改变画面内容。例如，用户正在生成一段“雨中的街道”，只需输入“变成雪夜”，画面就会实时切换，且光影、反射、行人动作都会随之改变。

这背后是技术架构的又一次跃迁。传统的视频生成模型，是“一次性”的：用户输入Prompt，模型花几十秒生成一段视频，然后结束。而R1要求模型具备“持续推理”的能力：它不仅要理解当前的画面，还要根据用户的实时指令，动态调整后续的生成逻辑。这相当于让模型从“单张照片”进化到“实时电影引擎”。爱诗科技是如何做到的？关键在于他们自研的“时空注意力机制”和“流式推理引擎”。前者让模型能够实时捕捉画面中的变化，并快速更新注意力权重；后者则通过优化GPU的并行计算，将单帧的生成时间从秒级压缩到毫秒级。

R1的发布，标志着AI视频行业进入了一个新阶段：从“生成工具”到“交互式创作平台”。它不再只是让用户“生成”一段视频，而是让用户“导演”一段视频。这直接挑战了Unity、Unreal Engine等传统游戏引擎的地位，因为R1本质上是一个“AI驱动的实时渲染引擎”，且不需要任何编程知识。爱诗科技的技术野心，由此可见一斑。

商业模式与市场竞争：从“移动端意外”到“生态卡位战”

如果说技术创新是爱诗科技的“矛”，那么商业模式就是它的“盾”。在AI视频这个“烧钱”的赛道，如何赚钱，比如何做出更好的模型，更能决定一家公司的生死。

商业闭环：移动端的“意外发现”与B端“顺势而为”

爱诗科技的商业化之路，始于一个“意外”。2024年10月，PixVerse V3的“超级英雄变身”模板在海外TikTok上爆火后，团队发现：这个模板在网页端的使用量里，有一半以上来自手机浏览器。这组数据让团队意识到，移动端的普通用户是一块被严重低估的市场。当时，几乎所有AI视频公司都把网页端当作主战场，因为移动端的算力限制和交互体验，被认为不适合视频生成。但爱诗科技决定赌一把。

2024年12月，PixVerse移动端App正式上线。巨大的流量随之带来了不小的算力压力，公司随即启动商业化。订阅方案上线的第一个月，收入就覆盖了全部业务成本，移动端也由此成长为公司最大的收入来源。这个“意外”的背后，是爱诗科技对用户行为的深刻洞察：移动端的用户，更愿意为“即时满足”付费。 他们不需要复杂的参数调整，只需要一个“一键生成”的按钮，就能在朋友圈、TikTok上获得社交货币。而网页端的专业用户，则更挑剔，更倾向于免费试用。

2025年，随着移动端商业化跑通，B端需求也开始主动找上门。不少企业客户希望直接接入API，用于广告素材生成、短视频营销、甚至影视后期。爱诗顺势从年初开始拓展B端业务，全年API调用量增长超过10倍。到2026年，爱诗科技的商业模式已经形成“C端订阅+B端API”的双轮驱动：C端提供稳定的现金流，B端则贡献高客单价和长期合作。

竞争格局：巨头环伺下的“差异化生存”

爱诗科技的竞争对手，每一个都来头不小。字节跳动的Seedance，单月营收接近10亿元人民币，背后是字节庞大的流量生态和算法能力；快手旗下的可灵，年度经常性收入已接近5亿美元，投后估值180亿美元，资方阵容囊括腾讯、阿里云、百度三家互联网公司。此外，还有Runway、Pika等海外玩家，以及生数科技、智谱AI等国内新锐。

爱诗科技如何在巨头环伺中生存？它的核心壁垒在于两点：

  1. 技术路线的“先发优势”：在DiT架构上的提前布局，让爱诗科技在视频质量、长视频生成、实时交互等维度，保持了至少6-12个月的技术领先。这种领先，在用户心智中形成了“PixVerse = 高质量AI视频”的品牌认知。
  2. “产品-模型”闭环的飞轮效应：爱诗科技拥有超过1.5亿全球用户，覆盖177个国家和地区。这意味着，它每天都能收集到海量的、多样化的用户反馈数据。这些数据，是字节、快手等巨头也无法轻易复制的。因为巨头的模型，更多服务于自身的业务（如抖音的滤镜、快手的特效），而爱诗的模型，服务于“通用”的视频生成需求，数据更加多元。

但爱诗科技的劣势同样明显：它没有自己的流量生态。 字节有抖音，快手有快手App，而爱诗科技需要从零获取用户。这导致它的获客成本远高于巨头。此外，在B端市场，巨头可以凭借“云服务+AI”的捆绑销售，提供更低的价格和更完整的解决方案，而爱诗科技只能单点突破。

产业资本的“阳谋”：阿里巴巴为什么连续加注？

爱诗科技的投资方名单，堪称“豪华”：阿里巴巴、鼎晖投资、中国儒意、三七互娱……这些产业资本的投资逻辑，远不止“看好AI视频”这么简单。

以阿里巴巴为例，它不仅是爱诗科技的领投方，还投资了快手可灵、生数科技等多家AI视频公司。这背后的“阳谋”是：阿里云正在试图成为AI视频的“算力底座”。 无论是爱诗科技还是可灵，都需要大量的GPU算力，而阿里云可以提供。通过投资多家AI视频公司，阿里云可以确保自己成为这个赛道最大的算力供应商。此外，阿里旗下有优酷、阿里影业等文娱业务，AI视频技术可以直接服务于内容创作，降低影视制作成本。

中国儒意的投资逻辑则更加直接：它是一家影视公司，投资爱诗科技，是为了获得“全球首个影视行业大模型PixVerse C1”的优先使用权。对于影视行业来说，AI视频技术可以大幅降低特效制作、场景搭建、甚至角色生成的成本。中国儒意希望通过投资，将AI视频技术“锁定”为自己的核心竞争力。

这种“产业资本+创业公司”的联姻，正在成为AI视频赛道的新常态。创业公司获得资金和场景，产业资本获得技术和优先权，双方各取所需。但这也意味着，爱诗科技的未来，将越来越受制于这些产业资本的战略意图。

战略发展与关键挑战：未来12-18个月的“生死时速”

爱诗科技站在了AI视频赛道的“十字路口”。前方是巨大的市场机遇，但脚下是布满陷阱的“雷区”。未来12-18个月，它将面临三大关键挑战。

挑战一：如何应对“可灵”的降维打击？ 快手可灵刚刚完成近30亿美元融资，估值180亿美元，是爱诗科技的18倍。可灵的优势在于：它背靠快手，拥有海量的短视频数据和成熟的商业化体系。更重要的是，可灵已经与腾讯、阿里、百度三家互联网公司达成了战略合作，这意味着它可以在流量、算力、云服务等多个维度获得支持。爱诗科技如果不能在技术或产品上形成“代差”，很可能被可灵的“资源战”拖垮。

挑战二：如何平衡“C端增长”与“B端盈利”？ 目前，爱诗科技的C端订阅收入已经覆盖成本，但B端业务才刚刚起步。B端市场虽然客单价高，但客户决策周期长、定制化需求多，对公司的销售能力和服务能力提出了更高要求。如果爱诗科技过于追求B端增长，可能会拖累C端的产品迭代速度；如果过于依赖C端，又可能陷入“低客单价、高获客成本”的泥潭。

挑战三：如何应对“实时世界模型”带来的技术风险？ PixVerse R1虽然惊艳，但它对算力的要求极高。目前，R1只能在高端GPU（如NVIDIA H100）上流畅运行，这意味着它的商业化成本极高。如果用户对“实时交互”的需求不如预期，R1可能会成为一个“叫好不叫座”的技术噱头。此外，R1的“实时改变画面”功能，也带来了内容安全的新挑战：如何防止用户生成违规内容？如何确保画面变化的“一致性”和“合理性”？

里程碑： 未来12个月，爱诗科技需要完成三个关键目标：1）将全球用户数从1.5亿提升至3亿以上，巩固C端基本盘；2）将B端API调用量再增长5倍，实现B端收入占比超过30%；3）推出PixVerse R1的“轻量版”，使其能在中端GPU甚至手机上运行，降低商业化门槛。

核心判断

核心判断：爱诗科技的成功，本质上是“技术赌注”与“工程化落地”的胜利。它用DiT架构赌对了技术代际，用“产品-模型”闭环跑通了商业化，用移动端的意外发现找到了增长引擎。但AI视频赛道的“下半场”，比拼的已不再是单一的技术参数，而是“生态整合能力”与“商业化效率”。未来12-18个月，爱诗科技的核心观察指标，不是融资额或估值，而是：1）用户留存率能否突破30%的行业红线；2）B端收入能否实现规模化增长；3）实时世界模型R1能否成为新的“杀手级应用”。如果这三个指标都能达标，爱诗科技将有机会从“独角兽”进化为“平台级公司”；如果任何一个指标失守，它都可能被巨头“降维打击”吞没。