愛詩科技，一家AI視頻創業公司的生存哲學

文｜魏琳華

編｜王一粟

“你還是回去吧，大模型在中國沒有機會。”

2023年剛創業，愛詩科技創始人兼CEO王長虎收到了天使投資人朱嘯虎的“勸退”。

但兩年時間過去，兩個節點顛覆了投資人對AI視頻生成賽道的固有印象。先是2024年OpenAI 發布Sora爆火，再到今年被定義為AI視頻“商業化元年”，AI視頻賽道融資的速度開始加快。

兩周前（9月10日），愛詩科技拿下了AI視頻賽道單輪最高融資6000萬美元（約合4.3億元人民幣），更多好消息開始被人們注意到，包括突破1億的全球用戶、目前收入能夠覆蓋絕大部分支出。種種跡象表明，愛詩科技已經解決了最難的生存問題，開始瞄準大廠做下一步規劃。

熬過第一個生死存亡的節點，對于愛詩科技來說只是個開始，如何和資源豐厚、有應用場景的可靈、即夢們掰手腕，才是一場更難打的仗。

利好小白用戶，愛詩科技的破圈突圍

這筆融資，堪稱愛詩科技的“及時雨”。

9月10日，愛詩科技完成6000萬美元（約合4.3億元人民幣）B輪融資，該輪融資由阿里領投，達晨財智、深創投、北京市人工智能產業投資基金、湖南電廣傳媒、巨人網絡和Antler等投資方跟投。

能拿到這筆投資，一定程度上，是因為愛詩科技的產品已經被市場廣泛認可。

在宣布B輪融資的前一個月，愛詩科技放出了一個消息，其產品目前全球用戶數量突破一億，對比3個月前，這個數字還是6000萬。也是在6月，愛詩科技的AI視頻產品Pixverse的國內版“拍我AI”在國內上線。

尤其在今年，整個AI視頻賽道的用戶基本盤正在高速增長。以快手可靈AI為例，截至7月底，可靈AI的用戶數超過4500萬，同樣比三個月前的2200萬翻了一番。

被市場認可、拿到融資，愛詩科技是怎么做到的？靠的是貼近用戶的產品設計。

愛詩科技的模型優化，核心在于怎么讓用戶能夠真地用起來，并且用得順手。

以今年8月愛詩科技更新的V5版本模型為例，其重點就放在了用戶使用體驗的改進上。

比起其他廠商，愛詩科技的突出優勢就是快。從模型生成速度來說，V5依然保持著生成視頻速度快的優勢。比如，當光錐智能讓它生成一個“小貓跳水”的AI視頻，它在20秒以內就給出了一版，而同類產品可能要花幾分鐘左右。

從生成質量來說，愛詩科技業也達到了商業化的標準質量，不過也優缺點并存。

V5在動效的真實性上的效果只能算是及格水平，但在用戶意圖的拆解上表現更加突出。

以貓咪落水的生成效果對比，在貓咪入水后的水花效果和飛起運動的情況來看，存在質感不夠逼真的問題。而快手可靈AI的落水效果更自然，卻沒有理解“英短貓”和“跳水”的關鍵詞，生成的畫面和用戶需求有一定差距。

此外，瞄準大眾創造者的情況下，愛詩科技在產品設計上多了一些巧思，比如專門為小白用戶做了智能體，讓沒有基礎的用戶也能輕松做出同款視頻。

目前，愛詩科技在拍我AI的智能體廣場中放入了大量模版，只需要用戶上傳照片并根據提示操作，就能生成同款視頻。比如上傳自己的照片、并寫上一個名人，就能得到你和偶像合拍的視頻。和過往需要調整比例、首尾幀、寫好畫面分鏡等繁瑣操作相比，智能體的介入降低了用戶的使用門檻。

不過在使用體驗上，目前模版還不夠盡善盡美，出現了識別對象錯誤的問題。

實際測試中，光錐智能上傳了OpenAI前首席科學家Ilya的照片，要求其做一個和Sam Altman合拍的視頻。可以看到人物主體一致性保持得很不錯，動起來的效果也足夠逼真，只是可惜智能體找錯了Sam Altman的照片。

整體來說，愛詩科技的模型生成水平已經達到了面向C端用戶商業化的標準，但部分生成動效的真實性、運鏡效果等細節的表現還有待優化。

不過，相對于模型上的一些小優勢，在產品上的“視頻模版”爆款玩法才是真正讓這家公司破圈的功臣。

在產品層面，愛詩科技熱衷于靠各種視頻特效模版實現破圈，再靠模版在社交媒體平臺上的傳播來吸引更多用戶使用。

“普通人不需要輸入Prompt，只需要上傳一張圖片，選好模版就能達到 100% 的成功率。”王長虎這樣評價視頻模版的出現，“這是真的讓普通人玩起來的時刻，我們認為這是視頻生成的 ChatGPT 時刻。”

出身于字節跳動的王長虎，似乎深諳爆款的運營之道。

不過，靠爆款拉動應用，愛詩科技不是第一個，也不是最后一個。

最近，谷歌Nano Banana模型掀起的“手辦照片”特效就是一個風靡海內外的爆款模版。就在9月15日，谷歌旗下的Gemini的App排名甚至超過了ChatGPT，登上了美國App Store免費榜單的第一。

有限資源，靠跑通商業化“自救”

作為AI視頻生成賽道創業第一波玩家，愛詩科技的成名其實夠早。

從2024年1月，這家公司拿出了首個視頻生成模型PixVerse V1版本，其發布時間早了Sora一個月，并在上線的30天實現破百萬訪問量。雖然和RunWay、Pika等海外產品同期，但苦于國內當時不看好AI視頻賽道，在國內知名度不足。

直到去年2月捧出視頻生成模型Sora時，國內才開始熱切關注AI視頻生成賽道。

AI視頻行業相對大語言模型，燒錢多、爆發晚，導致每一個創業玩家只能在相對有限的資源里艱難求生。

轉向國內，AI視頻賽道的入局者們來得更晚，快手和MiniMax先后放出的視頻生成模型，但輕易搶走了風頭。去年6月，快手捧出內部研發的視頻生成模型可靈1.0，MiniMax也在去年9月發布海螺AI。

為什么這段時間，快手可靈和MiniMax的海螺AI成了后起之秀？原因是愛詩的V1、V2版本，在抽卡效果和視頻質量上表現不夠好。

畢竟，愛詩科技當時能拿到的資源非常有限。

“早些年，有些錢我們沒有拿。”王長虎說，“但回頭看，我們應該多儲備一些資金，盡可能地去拿錢，更早把模型做出來。”

王長虎回憶起來也難免后悔，他也曾透露，最早的時候，愛詩科技只有百卡儲備，后來拿到新一輪融資才升級到千卡級別。

在掰著手指頭花錢的情況下，選擇比努力可能更重要。

字節出身的王長虎，曾在AI視頻團隊給抖音、今日頭條等產品做技術支撐，在選擇To B還是To C上，王長虎認為走To B路線在商業化上的穩定性不足。

“早期一些移動 App 也用過一些計算機視覺公司的 API，但這些 App 做得更大后，就開始用自建的。”王長虎說。

再從市場選擇上，在海外對AI工具的認知和用戶付費意愿更好的情況下，愛詩科技也選擇了第一天就出海，這讓這家公司在海外率先積累了一定用戶量，打通變現也會更方便。

現在，當模型能力達到標準線的情況下，愛詩科技也迎來了自己的爆發節點。

這家公司推出的“毒液”模版成為了引爆流量的關鍵。這個模版于去年11月上線后，就在海外的TikTok等社交媒體上流行，變身特效視頻被播放超過 10 億次，甚至火到了國內。當時的小紅書、閑魚等平臺不少用戶甚至發帖找人花錢做同款特效視頻。

“毒液”模版走紅帶來的熱度，證明了一件事，即當模型生成的視頻質量達到用戶能接受的水平線，創業公司同樣能和大廠們一起“卷爆款”。

有了初步的市場認可和用戶數量，愛詩開始探索更多盈利渠道，比如繼續打通to B業務。從今年1月，愛詩科技開始支持各行業的API和定制化視頻生成，涵蓋互聯網、營銷、電商等。

愛詩的發展，一定程度上體現了AI視頻行業商業化的共性，在商業化前景不夠明朗的情況下，B端和C端要兩手抓。

同樣是做視頻生成，生數科技走的則是“先B后C”的路線。成立兩年的時間里，生數科技有1年半都在琢磨落地問題。在今年的智源大會上，之前主攻B端的生數科技CEO駱怡航給出了“八大行業、三十大場景”的版圖，其中，互聯網、廣告、電影、動漫的應用占到了8成。

當大家的競爭基本盤又回到了同一張桌子上，怎么看未來表現，就要看誰的商業化路線執行成果更漂亮。

“DeepSeek時刻”未至，AI視頻賽道的路不好走

雖然愛詩科技已經初步取得市場認可，但面向未來，to C是一條更難走的路。

目前自帶短視頻產品的快手，在技術和場景的加成下，已經占據市場頭部的位置。

快手Q2財報披露，可靈AI在第二季度收入達到2.5億。據中金研報，以2025e ARR來測算，市占率快手可靈全球領先，其市占率約20%，而海螺、Pixverse、生數、即夢市占率均估算在4-5%區間。擁擠的AI視頻賽道里，擠滿了玩家。

但相比大廠，愛詩科技的資源少得可憐。截至9月，愛詩科技累計融資僅在8億元人民幣左右，這筆錢實在太少了。

雖然快手并未披露可靈的研發成本，但AI視頻模型前期投入的巨額訓練成本就不會是一筆小數目，2.5億的營收也只夠其毛利上追平其推理成本。程一笑還在Q2財報電話會上表示，快手將在未來三年甚至更長時間進行更大規模研發投入。

“我們沒有那樣的機會。做一遍做錯了就可能發展不起來了。因為只要做就會花很多錢，我們不像 OpenAI 那樣不差錢。”

王長虎很明白，AI視頻賽道的處境很緊張，越來越卷的賽道里，沒有新一輪融資支撐、商業化沒跑通的企業，將會提前出局。

為了搶用戶，限時試用、積分贈送已經成了各家產品心照不宣的手段。就在手辦特效走紅的本月，愛詩科技也推出了不限積分的限時6天試用活動。

愛詩科技之所以有底氣搞這個活動，就是通過最先出海+C端的策略，已經靠商業化變現保證先讓自己活下去。據王長虎透露，目前公司產品的訂閱收入已經覆蓋成本。

愛詩的商業化策略一直都是很清晰，先聚焦C端，快速驗證商業模式，憑借健康的ROI（投資回報率）吸引新的投資，再利用獲得的資金投入技術研發，不斷緊追大廠的步伐。

放長遠看，各種競爭策略爭奇斗艷，而當下，技術仍然是決定用戶選擇的關鍵因素。

谷歌最新發布的VEO 3模型就是一個典型的例子，它不僅是一個能夠生成高質量畫面的視頻模型，更是一個原生多模態大模型，能夠在生成視頻的同時，精準生成與之匹配的環境音效。在商業化探索上，國內廠商還沒有推出可直接對標的原生多模態產品。

在視頻訓練數據來源、資源不同的情況下，雖然國內AI視頻生成領域的玩家們有不同的優勢領域，但這些差距還不夠大。顯而易見，AI視頻還沒有迎來自己的DeepSeek時刻。