阿里巴巴领投，字节前视觉掌舵人，干出AI视频独角兽

文 | 新质动能

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，爱诗科技累计募资达29.8亿元人民币。

支撑起这轮融资的，是一家成立三年多的创业公司，创始人兼CEO王长虎此前是字节跳动AI Lab视觉负责人，2023年创办爱诗科技，旗下产品PixVerse和拍我AI目前合计拥有超1.5亿全球用户，覆盖177个国家和地区。

半年两轮融资，累计近30亿元，爱诗科技是怎么在字节、快手等大厂环伺的赛道里，把自己跑成了资本抢着投的对象？

一、从“没人相信”到资本追捧

时间倒回2023年。这一年，大模型创业迎来第一轮热潮，几乎所有创业公司都把目光投向了大语言模型。

相比之下，视频生成不仅训练成本更高，对算力和数据的要求也更加苛刻，商业模式更是迟迟没有得到验证。在很多投资人看来，这是一条投入巨大、回报却充满不确定性的赛道。

正是在这样的背景下，41岁的王长虎创办了爱诗科技。

王长虎，1982年出生，中国科学技术大学本硕博读的都是计算机视觉方向，2004年进入微软亚洲研究院，一待就是13年；2017年加入字节跳动，出任AI Lab视觉负责人和视觉技术总负责人，从零搭建了字节的视觉算法平台和业务中台，带队完成了抖音和TikTok从0到1的视觉技术体系建设，美颜、特效、图像审核、AR特效、视频画质增强，这些能力都出自他的团队；2021年，他离开字节，转去龙湖集团做了两年数字化与智能化负责人。

2023年4月，王长虎与联合创始人谢旭璋一起创办了爱诗科技，当时41岁的王长虎判断，语言模型的牌桌已经太拥挤，而视频会是AI内容生成里被低估的一个方向。

王长虎光鲜的履历和专业的能力，是早期投资人愿意押注的理由。2023年8月，公司成立仅4个月便完成天使轮融资；同年10月，爱诗推出PixVerse V1，成为国内首家将DiT架构应用于视频生成的创业公司，也是全球最早实现4K视频生成能力的产品之一。相比当时行业普遍采用的U-Net架构，DiT训练成本更高、早期效果也并不占优，但爱诗依然选择提前押注这条技术路线。

随后两年，公司陆续完成多轮A系列融资，累计融资超过4亿元，蚂蚁集团、达晨财智、国科投资、阿里巴巴等机构相继进入。

早期资本押注的，不是只短期内兑现的商业回报，更是这个团队和这条提前选定的技术路线。

二、半年融资近30亿元，资本为什么越投越多？

如果说A轮阶段解决的是“能不能做”的问题，那么接下来两年，爱诗要回答的是“能不能持续做得更好、更快”。

2024年1月，PixVerse网页版正式上线，团队定下了“模型和产品一起训练”的打法：不等模型完全成熟再做产品，而是让产品先跑起来，用真实的用户反馈反过来指导模型迭代。

这套打法在当年10月迎来了一个意外的验证节点：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。

在这次突然出圈的经历中，团队关注到了一个细节：那时爱诗还没有上线手机App，而这个模板在网页端的使用量里，有一半以上竟然来自手机浏览器。这组数据让团队第一次意识到，移动端的普通用户是一块被严重低估的市场，而当时行业里几乎所有AI视频公司，都还把网页端当作唯一的产品主战场。

沿着这条思路，团队摸索了几个月。2024年12月，PixVerse移动端App正式上线，比网页版晚了将近一年。巨大的流量随之带来了不小的算力压力，谢旭璋的话说，“当时流量很大，如果不做商业化可能会亏死”，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。也是在这一年，蚂蚁集团领投超1亿元人民币的A轮融资，一度是当时国内AI视频领域单笔最大的机构投资。

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，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。

模型这条线也在持续推进：年初V4实现“准实时生成”，5月V4.5发布时全球用户已达6000万，6月国内版“拍我AI”上线，8月V5加入Agent创作助手并开放API生态，12月V5.5做到“分镜+音频”一键生成。

9月，阿里巴巴领投了6000万美元的B轮融资。这背后也是阿里自身AI投资打法的延续：除了自研通义万相，阿里近年在AI和具身智能领域已参与投资超过26家公司，包括快手可灵、生数科技等多家AI视频公司，爱诗是其中被连续加注的一家。

2026年1月，V5.6发布，在Artificial Analysis权威评测榜单上位列全球第二；同月，爱诗推出了支持1080P分辨率的实时世界模型PixVerse R1，用户可以用自然语言实时改变画面内容，也获得了中国儒意1420万美元的战略投资。

3月，爱诗完成3亿美元C轮融资，约合20.6亿元人民币，由鼎晖香港基金、鼎晖VGC、鼎晖百孚领投，中国儒意、三七互娱等产业资本和二十余家国内外机构参与，估值达到10亿美元，创下当时国内AI视频生成赛道最大单笔融资纪录。4月，全球首个影视行业大模型PixVerse C1发布。

到了7月14日，阿里巴巴领投的C+轮落地，加上此前的C轮，整体累计融资达到29.8亿元。

资本连续加码，看中的不仅是一家公司的成长速度，更是AI视频商业化开始进入新的阶段。

三、AI视频进入下半场，拼的不只是模型

不过，融资纪录不断刷新，并不意味着竞争变得轻松。恰恰相反，当越来越多资本开始相信AI视频能够跑通商业化，也意味着这条赛道正式进入新的竞争阶段。

过去两年，行业讨论更多是谁能率先做出视频大模型；如今，大家比拼的已经变成谁能留住用户、持续创造收入，并不断拓展新的应用场景。

这场变化最早发生在海外。2024年，OpenAI发布Sora，让视频生成从一个非共识判断，变成全行业的共识，大批公司涌入这条赛道，一度有十几家玩家同场竞争。

但今年3月，Sora被关停，被外界解读为OpenAI需要把资源和注意力聚拢到别处；此前上线的Sora App，据第三方机构SensorTower的数据，30日留存率约为8%，留存表现并不算理想。

Sora的发展放缓，并没有改变AI视频持续升温的趋势。随着国内产品不断成熟，新一轮竞争开始更多发生在中国市场。字节跳动旗下的Seedance在今年2月发布2.0版本后迅速走红，据称单月营收已经接近10亿元人民币，2.5版本也即将发布；快手旗下的可灵，年度经常性收入已接近5亿美元，并在7月初宣布完成近30亿美元融资，投后估值180亿美元，超过1200亿元人民币，资方阵容囊括腾讯、阿里云、百度三家互联网公司。

与此同时，这条赛道的边界也正在不断外延。随着实时世界模型、AI游戏引擎这类新产品形态出现，行业的竞争不再只是视频生成公司之间的较量，还牵涉到Unity、Unreal Engine这样的游戏引擎公司，乃至一些还没有出现的内容消费形态。

对于产业资本而言，这也是持续加码AI视频的重要原因。从最初投资模型能力，到今天围绕影视、游戏、内容创作等下游产业提前布局，资本争夺的已经不只是技术领先，而是下一代数字内容生产入口。

三年时间，爱诗科技从一个几乎没人看好的方向，走到了这条赛道的头部位置，这中间既有技术路线选择（较早押注DiT架构）和组织效率上的积累，也赶上了资本市场对AI视频这条赛道重新定价的窗口期。

但把视角拉远一点看，这更像是整个AI视频行业阶段性变化的一个缩影：这条赛道正在从“讲技术故事”转向“看商业化成绩单”，用户规模、ARR、B端场景渗透，正逐渐取代单纯的模型参数和榜单排名，成为衡量这些公司的新标准；与此同时，实时世界模型、AI游戏引擎等新方向的出现，也说明这条赛道的边界还在持续扩张，远没有到分出胜负的时候。

对爱诗科技和它的同行来说，眼下拿到的这些资本，更像是一张让它们留在牌桌上的入场券，而不是终点。真正决定谁能笑到最后的，还是接下来几年里，谁能把模型能力、产品体验和商业化路径，持续跑成一个正向循环。

参考资料：

《拿下29.8亿融资，爱诗科技王长虎：不和大厂打资源战要怎么赢》，智能涌现；

《6个月融25亿元，他是“字节系”最猛的AI创业者》，中国企业家杂志；

《中国AI视频赛道最大单笔融资，为什么给了爱诗科技》，APPSO；

《晚点独家丨爱诗融资3亿美元，中国视频生成最大单笔融资诞生》，晚点LatePost；

《产业与全球资本共同加注，爱诗科技完成29.8亿元C轮融资》，AI科技评论；

《阿里领投！爱诗科技完成近30亿元C轮融资》，中国基金报。