3亿美元融资、20亿美元估值背后，中国AI应用第一次跑出产品矩阵

单品时代结束，AI应用进入集团时代。

过去一年，AI行业的叙事重心一直围绕模型展开。

从OpenAI、Anthropic到 DeepSeek，大模型公司占据了绝大多数关注度。但与此同时，另一条商业化路径正在快速浮出水面——AI应用。

近日，LiblibAI母公司“演语科技（Evoken）”完成近3亿美元B+轮融资，投后估值超过20亿美元——这也是中国AI 应用公司目前最高的单轮融资。

本轮融资由Granite Asia、腾讯、顺为资本联合领投，HT Investment、时代资本共同参与投资。高榕资本、蚂蚁集团、渶策资本、明势创投、源码资本、红杉中国以及其他数家知名投资机构等现有股东持续加码支持。

相比融资数字，更值得关注的是另一组数据：截至2026年5月，演语科技ARR已达到3亿美元，较本轮融资完成时增长近3倍。

在中国，这是除了大厂之外，为数不多进入“亿级ARR”俱乐部的AI应用初创公司。

这意味着，演语科技的增收杠杆并非偶然爆发的单一产品，而是建立在连续跑通多个AI产品PMF的基础之上。

回顾过去三年的AI产业演进，可以清晰看到三轮最重要的应用浪潮：图片生成、Agent以及视频生成。演语几乎在每一个周期里都交出了自己的代表作：

2023年上线的AI创作者社区LiblibAI，累计用户突破3000万，中国每三位设计师，就有一位LiblibAI的活跃用户；2025年7月发布的AI设计Agent星流，累计服务的用户规模已达千万。

2026年2月上线的AI视频创作平台LibTV，则刷新了国内AI应用造血的速度——上线首月，LibTV的单日营收就超过了百万美金；上线两个月后，产品收入增长了超过13倍。

当行业还在讨论如何寻找AI PMF时，这家公司已经开始回答一个更现实的问题：AI究竟怎样变成一门生意？

而从LiblibAI 到星流，再到 LibTV，这家公司试图构建的，也许不只是单个爆款应用，而是中国第一家AI内容矩阵。

用三款产品，成为中国最会赚钱的AI 公司之一

AI行业从不缺爆款产品，缺的是持续制造爆款产品的公司。

AI行业过去三年诞生了大量明星产品，但绝大多数公司仍停留在“只有一个超级产品”的阶段。比如，Cursor的标签是AI Coding，Suno的标签则是AI Music——毋庸置疑，这些产品都取得了巨大成功，但截至目前，这些超级产品依然承担着为母公司造血的主要重压。

这实际源于一个困境：大多AI公司能找到一个PMF，却没有持续复制PMF的能力。比如，Character.AI尝试过社区、Agent、游戏等多个方向，但被时常记住的标签，仍然是“AI角色陪伴”，第二增长曲线并不容易建立。

相比之下，从LiblibAI，到星流，再到LibTV，演语几乎完整经历了图片生成、Agent和视频生成三轮技术周期：

2023年，随着Midjourney、Stable Diffusion推动AI图片生成进入大众视野，大量创业公司开始涌入这一赛道。演语推出的LiblibAI，则选择从创作者社区和模型生态切入，填补了国内多模态模型“卖铲人”的空白。

随后，AI应用进入Agent时代，以Manus为代表，行业开始探索如何让AI从“生成内容”进一步走向“完成任务”。在这一阶段，演语推出了AI设计Agent星流。

今年，随着Seedance 2.0、Kling 3.1等高性能视频模型的发布，以及下游短漫剧市场的高速增长，演语又快速推出了LibTV，在强调“单镜头”生成的视频生成赛道，率先在下游客户中建立“交付成片”的心智。

对于AI行业而言，跑通一次PMF证明的是产品能力；连续跑通三次PMF，则更是证明了组织能力。

演语团队的方法论之一，是比别人更早发现模型能力变化带来的机会。演语科技创始人陈冕曾在访谈中将其总结为两件事：第一，密切跟进模型迭代；第二，内部对齐了一个假设：模型在变强，但短期是更像人，还没超越人。

△演语科技创始人陈冕

在他看来，应用层公司的必修课，就是“如何leverage前沿模型”，即在最短时间内用好最新的模型。相比模型公司关注能力边界，应用公司更关心能力拐点：当模型出现某种新的能力时，能解决哪些过去解决不了的问题？会催生哪些新的交互方式？哪些工作流会被重构？

星流的诞生就是一个典型案例。

在GPT-Image-1等高性能图像生成模型上线之前，演语团队便判断，模型厂商正在集中攻克复杂多轮指令理解、一致性控制以及编辑能力等问题。

如果这些问题被解决，那么设计软件最核心的交互方式可能发生变化——用户不再需要学习复杂的工具链，而是通过自然语言与AI持续协作完成设计。基于这一判断，团队提前在星流上押注了“ChatCanvas”的产品形态。

但仅仅理解技术变化还不够。过去几年，大量AI创业公司都能敏锐感知模型进步，却未必能够把技术优势转化成真实需求。相比发现技术机会，识别市场机会往往更加困难。

演语的第二项能力，是将下游需求拆解、重构，并最终产品化。

LibTV就是诞生在模型能力和下游需求交汇点的一款应用。在外界看来，视频生成赛道的核心问题是镜头美不美、理解准不准。但团队在与大量客户交流后发现，短漫剧团队、MCN机构和广告公司真正缺的并不是单镜头生成能力，而是完整的内容生产能力。

只有能够融入整条生产链路，帮助客户完成作品交付，才能真正创造商业价值。因此，LibTV从一开始瞄准的就不是视频生成模型本身，而是视频生产工作流。

这种思路其实贯穿了演语过去几年的产品发展路径：LiblibAI解决的是创作者获取和管理AI素材的问题；星流解决的是人与AI协作的设计工作流问题；LibTV解决的是成片交付的问题。

表面上看，它们分属不同赛道，但背后遵循的是同一套逻辑：不是寻找模型最强的地方，而是寻找产业链中最需要被重构的环节。

而这或许也是AI应用创业最重要的一条规律：在一个高速增长的增量市场中，最重要的不是标新立异，而是在正确的时间，做正确的事。

中国AI应用开始进入“集团战争”

2026年初，AI的热度还在，但多款“爆款”却宣告了“死亡”。根据AI Graveyard的统计，2025年全球有392个AI工具停止服务。这意味着，过去一年里，平均每天都有一个AI产品死亡。

最令人错愕的“猝死”，源自AI巨头OpenAI。2026年3月25日，OpenAI宣布Sora应用下架—这款已经发布下载量就冲上1000万次的爆款产品，享年25个月。

正如a16z合伙人Bryan Kim所言：“消费级AI领域根本没有护城河。”一个显著的信号是：单爆品的叙事正在过时。

模型能力的快速迭代正在吞并AI应用，与此同时，Coding能力的迭代又快速降低了爆款产品的复刻成本。这就导致，爆款AI应用的生命周期缩短，产品层的竞争加剧，获客成本也变相水涨船高——根据部分从业者反馈，2024年，AI产品平均获客成本（CAC）还在20元-30元；如今，数字已经涨到了百元。

在这样的背景下，“集团化”开始成为AI企业建立壁垒的新方式。

相比单一产品，多产品矩阵的商业抗风险能力更强。更重要的是，集团化意味着企业不再争夺某一个工具赛道，而是在争夺行业的生态位。对于后来者而言，复制一个产品或许并不困难，但复制一个由多个产品、数千万用户和完整商业体系构成的生态，则要困难得多。

演语科技，则是中国第一批进入“集团化作战”阶段的AI应用公司。

先看横向的产品矩阵。从LiblibAI，到星流，再到LibTV，演语的产品沿革有一条清晰的主线：跨越AI技术周期的创意内容交付。

这意味着，三款产品的用户高度重合，相较于分散在不同场景下的单点产品，可以形成用户、数据和商业化能力的共享。

例如，LiblibAI社区中的图片创作者，可能需要设计Agent进一步辅助创作；图片创作者，可能又转化成为视频创作者——不同产品之间互为流量入口，自然而然拉长了用户的生命周期。

再看纵向的内容产业生态。从LiblibAI提供创意灵感、素材生成，到星流和LibTV交付视觉设计，演语的多个产品共同构成了一条完整的内容生产链路。

尤其是率先提出“用户和Agent双入口”的LibTV，它不仅仅是一款为人设计的产品，更像是在为Agent时代搭建基础设施。随着AI从“回答问题”走向“完成工作”，越来越多内容生产环节将被封装成可调用的能力模块，而视频生成正是其中最核心的一环。

换句话说，今天的LibTV服务的是创作者，未来的LibTV服务的可能是Agent。当越来越多Agent开始参与创意和内容工作流，谁掌握了图片、视频和设计等关键生产能力，谁就有机会成为下一代内容生态的重要入口。

在商业历史中，随业务拓展变得组织臃肿、动作变形，这样的故事屡见不鲜。当一家年仅3岁的企业，快速成长成“集团”，其组织所面临的考验也越发严峻：如何提高组织效率？如何保持决策的准确？

演语的核心答案是：快。

在公开访谈中，陈冕曾提到：“速度是在模型更新频繁、产品生命周期短的时代最稀缺的壁垒。”比如，36氪了解到，LibTV从立项、用户访谈、研发，到最后上线，仅用了1个月。

快的背后，则是一个围绕内容创意产品构建的组织。陈冕将演语的组织形容为“没有产品经理，只有设计师”“只有‘教AI的人’”。

这一员工画像背后的逻辑是，“当工具足够智能，‘管理需求的人’不再被需要，但‘定义需求的人’反而更重要”——简单而言，“行业Know-How”，将成为团队的核心资产。

放在全球AI应用公司的坐标系中，演语科技的估值逻辑或许需要被重新审视。

从最简单的PS（市销率）角度看，演语在全球处于明显的估值洼地。一组典型的对照是：创立于美国的AI音乐创作工具Suno，ARR在2026年3月达到了3亿美元，对应着54亿美元估值；而ARR体量相同的演语，融资后估值仅约20亿美元，不到Suno的1/2。

无论是收入规模、增长速度还是商业化能力，两者已经进入同一量级，但市场给予的定价却存在显著差距。

但更值得关注的，或许并不是PS本身，而是AI应用公司的估值体系正在发生变化。

过去二十年，资本市场习惯用SaaS公司的逻辑衡量软件企业：软件只是工具，真正创造价值的是使用工具的人。因此，企业的估值最终取决于订阅收入、客户数量和续费率等指标。

然而在AI时代，工具的角色正在发生根本变化。正如陈冕所说：“我们不能沿用工具时代的思路来理解AI时代的工具。SaaS的本质是服务由人提供，是人使用工具。而现在，AI成为提供服务的主体。”

因此，AI应用的价值锚点正在从“软件席位”转向“劳动力席位”。

过去企业购买的是软件，未来企业购买的会是一个能够持续交付成果的数字员工。衡量一家AI公司的标准，也将从它卖出了多少工具，逐渐转向它承担了多少工作、创造了多少生产力。

从这个意义上看，演语的价值或许不应被简单视作一家AI工具公司。它所构建的AI内容创作矩阵，本质上是在重构内容产业的生产方式。

当市场开始用“数字劳动力”而非“软件工具”来衡量AI应用时，演语20亿美金的估值很也可能只是一个开始。