阿里巴巴，投出AI视频生成赛道最大单笔融资｜智能涌现独家

文｜周鑫雨

编辑｜苏建勋

《智能涌现》独家获悉，近日，AI视频生成公司「爱诗科技」完成B轮融资，总金额超过6000万美元。

该轮融资由阿里巴巴领投，达晨财智、深创投、北京市AI基金、湖南电广、巨人网络和Antler跟投。据了解，这也是国内视频生成领域单次最大融资额。

爱诗在融资和增长上的猛势，是如今国内视频生成赛道集体狂飙的一个缩影，目前爱诗旗下产品PixVerse的全球用户已经迈过1亿大关。就在4个月前，这个数字还是6000万。

同样起飞的还有商业化。爱诗科技创始人兼CEO王长虎告诉《智能涌现》，公司产品的订阅收入已经覆盖成本。

另一位视频生成领域头部玩家，快手的财报显示，2025年Q2，旗下可灵AI的营收已经超过2.5亿元，占快手总营收的4.8%。

然而，仅仅一年前，由于Sora的掀桌、大厂的入局，AI视频生成创业，一度不被看好。

《智能涌现》曾在《杨立昆、朱啸虎不看好的赛道，正在海外悄悄赚钱》一文中提到，2024年初，不少投资人的共识是：视频模型ROI短时间无法打正，以及初创公司会像语言模型赛道一样，被2-3家大厂淘汰。

成立在2023年4月的爱诗科技，对市场的不看好深有体会：彼时的视频生成还是非共识，创业公司资源有限，创始人王长虎和谢旭璋并非最受资本欢迎的“天才少年”。

在爱诗科技CEO王长虎看来，爱诗回到舞台中央，恰恰因为坚持了“不变”：

从第一天起，团队就将视频生成作为确定性的机会，从自研模型到产品化，从未偏离主线；

至于产品，C端则是团队一直看好的方向——爱诗旗下的产品，AI视频创作平台PixVerse（海外）和拍我AI（国内），主打为普通用户提供低门槛的AI视频创作工具。

其特效模板通过“提示词封装”，将视频生成复杂的制作过程简化为“一键生成”。

2025年8月27日，爱诗发布的新一代视频生成模型PixVerse V5，优化了生成速度、视觉质量、指令遵循等能力。

与此同步上线的，是一款面向C端用户的“Agent创作助手”，没有视频创作基础的用户，也能用现有的模板库和极为简单的指令，创作出一段视频。

△使用“Agent创作助手”和内置的模板创作视频。图源：作者试用

△“拍我AI”生成的宠物视频。图源：作者试用

从不被看好到拿下最大单笔融资额，爱诗做对了什么？

成功逆袭，爱诗到底做对了什么，王长虎总结出了两点：

第一，无论用户还是团队，都不盲目烧钱扩张。

王长虎告诉我们，过去半年内，爱诗用户规模从6000万增长到一亿，比起投放，靠产品能力本身去做聪明的增长，是更为行之有效的方法。比如，2024年11月，“毒液变身”等展示模型能力的特效模板，迄今已为PixVerse带来了过百亿的曝光量。

第二，不盲目对模型做Scaling（扩大参数规模）。

在爱诗科技看来，Scaling Law仍然适用于当下的视频生成模型。但对于资源有限的创业公司而言，模型训练不允许失败，试错成本远高于大厂。

这意味着，每一次的模型训练，爱诗都需要保证模型质量的前提下，降低训练成本，同时规划更为精细化的迭代方向。

爱诗的经验是，每一次模型和产品的迭代，都要贴着用户的需求走。

比如，团队发现，不管在专业创作还是短视频领域，大多数单镜头视频的长度都在10s以内，广为传播的视频长度在10秒左右，“60s一镜到底”不是用户的核心需求。

因此爱诗把资源集中在提升视频生成的速度、质量和指令遵从优化上。

基于“分布匹配蒸馏”技术，爱诗在行业中率先将视频生成速度从“分钟级”压缩到了“秒级”。为了保证视频生成的质量，团队在训练过程中引入特征自约束损失，稳定了视频生成的画质。

这两点经验，都指向了同一个方向：创业公司如何更高效地利用有限的资源，建立自己的优势。

不过，资源有限下的遗憾也是存在的。让王长虎最为扼腕的，是没有全球最早训练出对标Sora的模型。

“早些年，有些钱我们没有拿。”他告诉《智能涌现》，“但回头看，我们应该多储备一些资金，尽可能地去拿钱，更早把模型做出来。”

当然，Timing（时机）对创业者而言同样重要。

2023年4月，爱诗成立在一个视频生成还是非共识的时间点。

非共识创业的难点是摆在明面上的。王长虎回忆，当时，市面上还不存在高性能的视频生成模型，小型创业公司常被市场质疑的一点是：是否有训练高性能视频生成模型的能力和资源。

但另一面，非共识创业，也让爱诗免受行业FOMO（害怕错过）情绪的负面影响。王长虎告诉我们：“这反而让我们在早期处于一种更健康的状态：估值与能力相匹配，发展节奏更扎实，而不是被高估值所左右。”

再者，比别人更早，也意味着技术和产品上的先发优势。2024年下半年，随着Sora将DiT架构变为视频生成领域的技术共识，海内外不少大厂和初创公司才接连入局，发布视频生成模型。

彼时，PixVerse的全球用户规模已经达到1000万，并且已经实现了规模化收入。近期发布的视频生成模型V5，也在独立测评平台 Artificial Analysis 的最新测试中，登顶全球图生视频榜单，在文生视频榜中位列全球第二。

Artificial Analysis 的最新测试

Artificial Analysis 的最新测试

视频生成界，也会诞生“Canva”和“Photoshop”

视频生成的游戏，到底有没有创业公司的机会？这是创业以来，王长虎和团队最常被问的问题。

爱诗几乎用了2024年一整年，来回答这个问题。那一年，他们面对了Sora的突袭，快手和字节的轮番倾轧。

但事实证明，在一个相当初期的赛道，机会没有独属于强者。2024年7月，紧接着可灵AI，爱诗发布了PixVerse V2，成了国内首个发布可实际使用的DiT视频模型的创业公司。

至于未来的格局，王长虎判断：AI技术并不是简单把抖音等短视频平台中的内容替换成AI内容，而是带来了全新的交互方式：

“一旦视频能实现实时或准实时生成，用户在观看内容的同时，也能即时调整、生成新的内容。”在他看来，视频行业全新的交互逻辑，注定会像“短视频孕育出抖音”一样，孕育出新的国民级产品。

2025年，视频生成赛道的竞速，已经从“比谁先复刻出Sora”，拉到了产品差异化竞争。

一个明显的迹象是，视频生成领域的不同玩家，逐渐分散至风格、用户画像、功能各异的细分领域。

比如，前商汤秒画负责人刘宇成立的Vivix Group Limited，其产品TipTap聚焦在AI Porn的生成；前光年之外联合创始人曹越创业做的Sand AI，则跳出了主流的DiT技术路线，采用自回归路线，实现了视频的无限扩展生成。

爱诗聚焦的用户，是没有视频制作技术的普通人。王长虎对我们表示，由于视频创作门槛高，加之工具供给不足，目前95%的人的视频创作需求还没被满足。

他将目前的产品比作视频生成界的Canva，“更大众，更平权”，而其他视频生成产品则是Photoshop和Figma，服务的是专业创作者。

在外界的视角中，2024年11月以来，“美人鱼变身”“毒液变身”等特效模板的全球爆火，是爱诗押对的幸运一棋。

△“拍我AI”提供的视频生成模板。图源：“拍我AI”官网

但王长虎认为，特效模板走红，是迟早的事，“模板能够将用户的创作门槛降下来，是团队自然而然做出的决策。”

如今，为C端用户提供视频生成模板，也是爱诗产品生态中重要的一部分。在社区中，不仅有官方制作的模板，还有不少来自用户自发的创作。比如，拍我AI上，一款用户做出的“衣柜变装”模板，获得了百万级以上的浏览量。

产品的定位，也决定了爱诗目前最看重的几个指标：用户增长、留存以及社区行为活跃度（如UGC模板创作）。

视频生成行业的发展，还未到终局。著名风投机构BVP在2025年AI报告中提到，在接下来1年中，视频生成领域的格局，大概率会像如今的语言模型那样尘埃落地。

谁能覆盖成本、稳步扩大用户规模，谁就更有可能留在牌桌上。

欢迎交流！