字节海外竞对：停更一年半躺赚50万，逆袭估值5亿美元

出品｜虎嗅科技组

作者｜SnowyM

编辑｜陈伊凡

头图｜AI生成

“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「53」篇文章。

2021年初，两个年轻人花了两天时间做了一个自动字幕App。上线没几天，它就冲上了App Store排行榜榜首。

听起来是个好的开始。但这两个人觉得字幕工具太“小”了，不够性感，于是转头去做了一个照片分享应用，想抓住Instagram从照片转向视频时留下的空白。照片App确实拿到了五六万日活用户，也顺利完成了A轮融资。

而那个字幕App被他们扔在了付费墙后面，停了维护，停了更新，彻底遗忘了。创始人Gaurav Misra的个人苹果账户里堆了几千封用户客服邮件，一封都没读。

一年半之后，他们偶然打开后台，发现了一件离谱的事：这个没人管的App，自己长到了50万用户，赚了50万美元。

这个被遗忘又被捡回来的产品，就是今天刚刚拿到General Catalyst 7500万美元、估值5亿美元、累计融资1.75亿美元的AI视频平台Mirage的前身Captions。

在AI视频赛道竞争最激烈的2026年，Mirage走了一条很特别的路。它既没有像Runway那样瞄准电影级的视频生成，也没有像Synthesia那样全力押注企业数字人培训。它死磕的是一件更大众的事：让普通人和小团队也能快速做出好看的短视频。

带着a16z、红杉、Kleiner Perkins、Index Ventures这些顶级机构给的钱，和超过2000万全球用户，这家公司正试图证明，AI视频赛道里最大的机会，可能藏在最日常的场景里。

Mirage的转型，是AI时代，AI视频公司一个非常典型的样本。L2F光源创业者基金投资总监Lela一直在一线密集看许多AI视频的项目，她告诉虎嗅，视频模型群雄逐鹿，国内外均有几十亿美金的创业公司，大模型公司和大厂也均有布局，应用公司的突围方式更多要回归创作本身。

在前几年，创业公司会更多聚焦在单点功能和交互方式的创新上，比如captions的字幕，对口型，虚拟形象；还有typenow主推的画布交互，出发的基点都是创作者在ai时代与agent产生的新交互。随着模型能力的提升，模型端到端完成任务的能力趋强，创作者的心智也在改变，交互将会变得更为简单，底层的工程框架和创作者knowhow/skill的积累会成为新一代视频agent的核心资产，市场会一直处于红海状态，新的10亿美金公司仍会产生，对于创业公司来说只有变化是不变的。

Lela的话，也指出了Mirage这家公司未来的挑战，他们正是从Captions起家，迅速跑起来，然后再Pivot（转型）最后成为一个让AI端到端完成从素材到成片的工作流的平台。

从一个字幕工具到AI视频全栈平台

Captions最早能跑起来，靠的是一个特别朴素的洞察：人们越来越多地在无声状态下刷短视频。

地铁上、办公室里、深夜躺在床上，手机静音是常态。TikTok、Instagram Reels、YouTube Shorts上的内容，有很大比例是在没有声音的情况下被消费的。a16z在投资Captions时就专门提到了这一点：无声观看让字幕和文字覆盖变成了短视频的刚需，而当时市面上的字幕工具要么太粗糙，要么太贵。

Captions做的事情很简单：给视频自动加字幕，支持100多种语言，还能自定义字体、颜色、动画效果。就这么一个看起来不起眼的功能，上线6个月就做到了10万日活用户。

但字幕只是起点。

2023年开始，Captions进入了功能爆发期。它推出了AI口型同步配音（Lipdub），能把视频里的语音翻译成28种语言，同时让说话人的嘴型和翻译后的语音匹配上。2025年的新版音频模型甚至能保留说话者原本的口音特征，这在行业里很领先。

紧接着是AI虚拟形象（AI Creator），号称全球第一个专为内容创作设计的3D数字人，用户不用真人出镜就能生成逼真的视频。然后是AI一键编辑，系统自动给视频加转场、插入B-roll素材、配音乐和音效，提供21种以上的预设风格。还有AI眼神矫正，让说话的人看起来始终在直视镜头。

这些功能单拎出来看都挺厉害，但Captions把它们全部塞进了同一个App里。一个从没剪过视频的普通人，打开Captions，录一段话，点几下，就能拿到一条看起来像专业团队产出的短视频。

2025年9月，公司做了一件引起行业关注的事：从Captions更名为Mirage。

这次改名背后有很明确的信号。创始人Gaurav Misra在官方声明里说：「在我们看来，AI视频的真正竞赛还没有开始。Mirage这个名字代表了我们更大的愿景——通过前沿AI研究和模型，从短视频开始，重新定义视频这个品类。」

改名之后的架构是这样的：Mirage作为母公司品牌，旗下保留Captions（消费者创作应用）和新开辟的Mirage Studio（面向品牌和营销团队的企业平台）。更核心的变化在技术层。公司从头训练了自己的基础模型，包括Mirage Video（音频到视频的生成模型）和Mirage Audio（可控的表现力音频生成模型）。

这两个模型的特别之处在于，它们是专门为短视频场景设计的。传统的AI视频模型追求的是通用的画面生成能力，但Mirage的模型关注的是短视频里最核心的三个变量：节奏、构图和注意力动态。

简单说，就是什么时候切画面、画面怎么摆、怎么在前几秒抓住观众的注意力。这些东西对专业剪辑师来说是直觉，Mirage要做的是把这种直觉变成模型能力，让AI替你做出这些判断。

Mirage官方把这种方法叫做“Assembly Intelligence（组装智能）”，核心思路是把多个专门的AI模型组合在一起，分别负责节奏、构图、注意力和音频，最后输出一条完整的视频。

在赚钱这件事上，Mirage用的是订阅制加积分制的组合。免费版提供基础功能，Pro版每月9.99美元（200积分），Max版24.99美元（500积分），Scale版69.99美元（1400积分），企业版定制价格。AI功能按积分消耗，比如用AI生成视频按秒计费，用对话式编辑按消息计费。这种模式的好处是，把后台的AI算力成本透明化了，用户用多少付多少。

另一个让人意外的数字是，Captions在2023年B轮融资时就已经实现了正现金流，这在AI创业公司里几乎没人做到过。根据AppFigures的数据，过去12个月Captions的应用内收入约为2840万美元，其中75%来自美国以外的市场，全球化能力很突出。

融资路径也非常清晰。种子轮和A轮由红杉和a16z联合领投，2023年B轮2500万美元由Kleiner Perkins领投，2024年C轮6000万美元由Index Ventures领投，估值达到5亿美元。2026年3月，公司又拿到了General Catalyst旗下Customer Value Fund的7500万美元增长融资，累计融资超过1.75亿美元。

General Catalyst给这轮钱用的是一种特殊的“非稀释性资本”结构，之前只有Stripe和Gusto拿过类似的钱。General Catalyst常务董事Pranav Singhvi对Mirage的评价是：Mirage的商业方程式非常成熟。他们清楚知道怎么花每一美元，并且产生很强的投资回报。如果你想想他们面对的市场，这在某种意义上是一个无限大的可寻址市场。

一个Snap设计主管和一个高盛产品经理

Mirage的两位创始人背景差异很大，但刚好拼成了一块完整的拼图。

Gaurav Misra，CEO，出生在波士顿，4岁搬回印度新德里长大。在印度，计算机科学从小学就开始教，Misra 8到10岁就跟哥哥一起编程做游戏了。后来他去波士顿大学读了计算机科学，在学校里学了机器学习的课程。

毕业后他先后在微软Azure团队和几家创业公司干过，2016年加入Snap，一待就是5年。他在Snap做到了设计工程负责人（Head of Design Engineering），这是一个融合设计和工程的混合角色，专门负责创新和新产品方向。Snap Map、Spotlight（Snap对标TikTok的短视频产品），他都参与了。

在Snap的这5年里，Misra亲眼看到了短视频从一种内容形式变成了全球最主流的表达方式。TikTok爆发、Reels跟进、Shorts入场，短视频吞噬了几乎所有人的注意力。但他同时也发现，绝大多数想做短视频的人根本不会剪辑。拍摄多次、剪辑门槛高、配音和字幕费时费力，这些摩擦拦住了大量潜在的创作者。

另一位创始人Dwight Churchill，COO，走的是完全不同的路线。他在高盛做过消费金融平台Marcus的产品开发，是Marcus团队的早期成员。在高盛之前，他还在Taboola做过开发，后来转型成了产品经理。增长和商业化是他的强项，他很清楚怎么把一个产品变成一门生意。

两个人最早在一家叫Localytics的移动分析公司认识，当时在不同团队工作，但都留意到了同一件事：短视频平台正在疯狂增长，可是做视频的门槛完全没有降下来。

2021年初，两人先后离开大公司，凑在一起，花了两天时间做出了第一个产品原型。这就是前面提到的字幕App。上线几天冲到App Store榜首，但每个月自费超过1万美元维护服务器，两个人扛不住成本压力，决定先转向做照片社交。

后面的事情我们已经知道了。照片App拿到了融资和日活，但被遗忘的字幕App在没有任何推广和维护的情况下自己增长到了50万用户、50万美元收入。

这个数据说明了一件事：市场在用钱投票。

Misra和Churchill反复讨论之后，做了一个让投资人和团队都有点紧张的决定：砍掉照片分享App，所有资源转向AI视频。用Misra后来的话说，这是他职业生涯中机器学习、设计和快速产品原型制作完美交汇的时刻。

从管理风格来看，Misra很推崇速度和取舍。他有几个被团队反复引用的原则：「每个工程师每周都应该发布一个可以推向市场的东西」，如果时间不够，就 「砍范围，砍到再砍就没用了为止」，以及**「作为初创公司，你的工作就是承担技术债务」**。

公司内部有两套产品路线图：一套基于用户需求，对外公开；另一套充满实验性的创新想法，只在内部流通。Misra认为，最大的胜利往往来自那些没人预见到的东西。

在招人上，Mirage的标准卡得很死。Churchill曾经在LinkedIn上发布了一个帖子，2025年，公司工程岗的候选人录取率只有0.05%。做个对比，Ramp是0.23%，Y Combinator是1%，哈佛大学本科录取率是2.58%。

一个极度拥挤的赛道和Mirage的生存逻辑

先看看Mirage正在进入的这个市场有多大。

AI视频编辑工具市场2024年规模约16亿美元，到2030年预计将达到93亿美元，复合年增长率超过42%。如果把视野放得更宽，整个AI视频市场（包括生成、编辑、分发）在2024年就已经是112亿美元 的体量，到2034年预计膨胀到2460亿美元。

但数字再大，也需要有人买单。买单的人是谁？是全球超过2亿的内容创作者。

高盛估算，创作者经济在2024年的规模大约是2500亿美元，预计到2027年将逼近5000亿美元。这些创作者中，84%已经在使用AI工具。但同时，超过一半的创作者年收入不到1.5万美元，这意味着他们对工具价格非常敏感。任何想在这个市场里站住脚的产品，都必须足够便宜，或者足够让人觉得“值”。

市场够大，但竞争也够残酷。

大厂们早就动手了。CapCut（字节跳动旗下）是Mirage在消费级市场遇到的最大对手。2025年，根据breakevenpointcalculator统计，CapCut的收入达到8.15亿美元，是全球收入最高的照片和视频应用。月活用户超过3亿，Android端下载量超10亿次，在移动视频编辑领域占据81%的市场份额。更关键的是，CapCut基本免费，背后还有TikTok的巨大分发渠道。

Adobe在把AI全面嵌入Premiere Pro和After Effects，Firefly Video Model已经进入公测，还支持第三方模型接入。Google通过Veo模型和YouTube Shorts生态切入。Meta也推出了免费的Edits视频编辑应用，直接对接Instagram和Facebook的分发体系。

对用户来说，这些功能几乎是“顺手就能用”的体验，不用额外安装，不用学习成本，也不用额外花钱。

创业公司这边，竞争同样激烈。

Runway是AI视频生成领域的标杆，累计融了5.44亿美元，最新估值30亿美元，年化收入约9000万美元。

Synthesia是企业级AI视频的头部，它的数字人平台提供230多个虚拟形象，支持140多种语言，超过90%的财富100强企业是它的客户。2025年，Synthesia甚至拒绝了Adobe一笔30亿美元的收购要约。

HeyGen的客户年增长率超过1000%，Descript年化收入接近1亿美元，Opus Clip拿了超过6000万美元融资做AI视频裁剪。光是2025年1月以来，AI视频领域的创业公司就总共筹集了超过5亿美元的新资金。

这里有一个更深层的问题：AI视频功能正在快速商品化。 以前需要几个月才能做出来的功能，现在几周就能复制。a16z合伙人Justine Moore说得很直接：下一阶段的差异化不在生成层，而在“编辑层”。谁能把AI变成一个隐形的后期制作团队，谁就能赢。

这也是Mirage从Captions改名背后更深的逻辑。它不想只做一个App，它想做一个平台，一个让AI端到端完成从素材到成片的工作流的平台。CEO Misra在2026年的融资公告里说了一句很有意思的话：在AI时代，光有好产品不够。赢在获客效率和增长速度。

这句话可以理解为，Mirage已经意识到，在一个功能趋同、竞争越来越激烈的市场里，技术优势的保质期越来越短。真正的护城河，可能是分发效率和资本效率的组合。

Gaurav Misra说过一句话，被反复引用：AI视频的真正竞赛还没有开始。

放在2026年的语境下看，这句话有两层意思。一层是乐观的：AI视频的市场还远远没有到天花板，机会依然巨大。另一层更冷静：目前的格局随时可能被推翻，谁也不知道最终赢家是谁。

回看Mirage这5年的路，从两天做出的字幕原型，到被遗忘一年半后自己长出来的产品，再到砍掉照片App全力转向AI视频，它的每一次关键转折都来自于对市场信号的敏感捕捉。用户用脚投票说字幕是刚需，他们就回头做字幕。短视频创作者需要更低门槛的生产工具，他们就把所有AI功能塞进一个App。后来发现企业也需要批量生成短视频广告，他们又开了Mirage Studio。

这家公司最特别的地方可能就在这里：它从来没有什么宏大的起点，一直是被市场推着走的，但每一步都踩对了。

在AI视频这个赛道里，大厂有钱有渠道，创业公司有速度有创意。Mirage的赌注是，在这两者之间存在一个精确的生态位：用自研模型的技术壁垒加上全球化分发的效率，在短视频这个最大众、最高频的场景里跑出来。

这个赌注能不能赢，取决于三件事：自研模型能不能持续领先、企业客户能不能真正跑起来、全球监管收紧的环境下能不能守住合规底线。

但至少有一件事是确定的：当一个没人管的App自己长出了50万用户和50万美元收入的时候，它背后代表的那个需求，是真实的。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4856233.html?f=wyxwapp