愛詩(shī)科技，一家AI視頻創(chuàng)業(yè)公司的生存哲學(xué)

文｜魏琳華

編｜王一粟

“你還是回去吧，大模型在中國(guó)沒有機(jī)會(huì)。”

2023年剛創(chuàng)業(yè)，愛詩(shī)科技創(chuàng)始人兼CEO王長(zhǎng)虎收到了天使投資人朱嘯虎的“勸退”。

但兩年時(shí)間過去，兩個(gè)節(jié)點(diǎn)顛覆了投資人對(duì)AI視頻生成賽道的固有印象。先是2024年OpenAI 發(fā)布Sora爆火，再到今年被定義為AI視頻“商業(yè)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(shī)科技拿下了AI視頻賽道單輪最高融資6000萬(wàn)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(shī)科技已經(jīng)解決了最難的生存問題，開始瞄準(zhǔn)大廠做下一步規(guī)劃。

熬過第一個(gè)生死存亡的節(jié)點(diǎn)，對(duì)于愛詩(shī)科技來說只是個(gè)開始，如何和資源豐厚、有應(yīng)用場(chǎng)景的可靈、即夢(mèng)們掰手腕，才是一場(chǎng)更難打的仗。

利好小白用戶，愛詩(shī)科技的破圈突圍

這筆融資，堪稱愛詩(shī)科技的“及時(shí)雨”。

9月10日，愛詩(shī)科技完成6000萬(wàn)美元（約合4.3億元人民幣）B輪融資，該輪融資由阿里領(lǐng)投，達(dá)晨財(cái)智、深創(chuàng)投、北京市人工智能產(chǎn)業(yè)投資基金、湖南電廣傳媒、巨人網(wǎng)絡(luò)和Antler等投資方跟投。

能拿到這筆投資，一定程度上，是因?yàn)閻墼?shī)科技的產(chǎn)品已經(jīng)被市場(chǎng)廣泛認(rèn)可。

在宣布B輪融資的前一個(gè)月，愛詩(shī)科技放出了一個(gè)消息，其產(chǎn)品目前全球用戶數(shù)量突破一億，對(duì)比3個(gè)月前，這個(gè)數(shù)字還是6000萬(wàn)。也是在6月，愛詩(shī)科技的AI視頻產(chǎn)品Pixverse的國(guó)內(nèi)版“拍我AI”在國(guó)內(nèi)上線。

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

被市場(chǎng)認(rèn)可、拿到融資，愛詩(shī)科技是怎么做到的？靠的是貼近用戶的產(chǎn)品設(shè)計(jì)。

愛詩(shī)科技的模型優(yōu)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(shī)科技更新的V5版本模型為例，其重點(diǎn)就放在了用戶使用體驗(yàn)的改進(jìn)上。

比起其他廠商，愛詩(shī)科技的突出優(yōu)勢(shì)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(yōu)勢(shì)。比如，當(dāng)光錐智能讓它生成一個(gè)“小貓?zhí)钡腁I視頻，它在20秒以內(nèi)就給出了一版，而同類產(chǎn)品可能要花幾分鐘左右。

從生成質(zhì)量來說，愛詩(shī)科技業(yè)也達(dá)到了商業(yè)化的標(biāo)準(zhǔn)質(zhì)量，不過也優(yōu)缺點(diǎn)并存。

V5在動(dòng)效的真實(shí)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(xiàn)更加突出。

以貓咪落水的生成效果對(duì)比，在貓咪入水后的水花效果和飛起運(yùn)動(dòng)的情況來看，存在質(zhì)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(guān)鍵詞，生成的畫面和用戶需求有一定差距。

此外，瞄準(zhǔn)大眾創(chuàng)造者的情況下，愛詩(shī)科技在產(chǎn)品設(shè)計(jì)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(chǔ)的用戶也能輕松做出同款視頻。

目前，愛詩(shī)科技在拍我AI的智能體廣場(chǎng)中放入了大量模版，只需要用戶上傳照片并根據(jù)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(gè)名人，就能得到你和偶像合拍的視頻。和過往需要調(diào)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(yàn)上，目前模版還不夠盡善盡美，出現(xiàn)了識(shí)別對(duì)象錯(cuò)誤的問題。

實(shí)際測(cè)試中，光錐智能上傳了OpenAI前首席科學(xué)家Ilya的照片，要求其做一個(gè)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(cuò)，動(dòng)起來的效果也足夠逼真，只是可惜智能體找錯(cuò)了Sam Altman的照片。

整體來說，愛詩(shī)科技的模型生成水平已經(jīng)達(dá)到了面向C端用戶商業(yè)化的標(biāo)準(zhǔn)，但部分生成動(dòng)效的真實(shí)性、運(yùn)鏡效果等細(xì)節(jié)的表現(xiàn)還有待優(yōu)化。

不過，相對(duì)于模型上的一些小優(yōu)勢(shì)，在產(chǎn)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(chǎn)品層面，愛詩(shī)科技熱衷于靠各種視頻特效模版實(shí)現(xiàn)破圈，再靠模版在社交媒體平臺(tái)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(dá)到 100% 的成功率。”王長(zhǎng)虎這樣評(píng)價(jià)視頻模版的出現(xiàn)，“這是真的讓普通人玩起來的時(shí)刻，我們認(rèn)為這是視頻生成的 ChatGPT 時(shí)刻。”

出身于字節(jié)跳動(dòng)的王長(zhǎng)虎，似乎深諳爆款的運(yùn)營(yíng)之道。

不過，靠爆款拉動(dòng)應(yīng)用，愛詩(shī)科技不是第一個(gè)，也不是最后一個(gè)。

最近，谷歌Nano Banana模型掀起的“手辦照片”特效就是一個(gè)風(fēng)靡海內(nèi)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(guó)App Store免費(fèi)榜單的第一。

有限資源，靠跑通商業(yè)化“自救”

作為AI視頻生成賽道創(chuàng)業(yè)第一波玩家，愛詩(shī)科技的成名其實(shí)夠早。

從2024年1月，這家公司拿出了首個(gè)視頻生成模型PixVerse V1版本，其發(fā)布時(shí)間早了Sora一個(gè)月，并在上線的30天實(shí)現(xiàn)破百萬(wàn)訪問量。雖然和RunWay、Pika等海外產(chǎn)品同期，但苦于國(guó)內(nèi)當(dāng)時(shí)不看好AI視頻賽道，在國(guó)內(nèi)知名度不足。

直到去年2月捧出視頻生成模型Sora時(shí)，國(guó)內(nèi)才開始熱切關(guān)注AI視頻生成賽道。

AI視頻行業(yè)相對(duì)大語(yǔ)言模型，燒錢多、爆發(fā)晚，導(dǎo)致每一個(gè)創(chuàng)業(yè)玩家只能在相對(duì)有限的資源里艱難求生。

轉(zhuǎn)向國(guó)內(nèi)，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(fēng)頭。去年6月，快手捧出內(nèi)部研發(fā)的視頻生成模型可靈1.0，MiniMax也在去年9月發(fā)布海螺AI。

為什么這段時(shí)間，快手可靈和MiniMax的海螺AI成了后起之秀？原因是愛詩(shī)的V1、V2版本，在抽卡效果和視頻質(zhì)量上表現(xiàn)不夠好。

畢竟，愛詩(shī)科技當(dāng)時(shí)能拿到的資源非常有限。

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

王長(zhǎng)虎回憶起來也難免后悔，他也曾透露，最早的時(shí)候，愛詩(shī)科技只有百卡儲(chǔ)備，后來拿到新一輪融資才升級(jí)到千卡級(jí)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(jié)出身的王長(zhǎng)虎，曾在AI視頻團(tuán)隊(duì)給抖音、今日頭條等產(chǎn)品做技術(shù)支撐，在選擇To B還是To C上，王長(zhǎng)虎認(rèn)為走To B路線在商業(yè)化上的穩(wěn)定性不足。

“早期一些移動(dòng) App 也用過一些計(jì)算機(jī)視覺公司的 API，但這些 App 做得更大后，就開始用自建的。”王長(zhǎng)虎說。

再?gòu)氖袌?chǎng)選擇上，在海外對(duì)AI工具的認(rèn)知和用戶付費(fèi)意愿更好的情況下，愛詩(shī)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(xiàn)也會(huì)更方便。

現(xiàn)在，當(dāng)模型能力達(dá)到標(biāo)準(zhǔn)線的情況下，愛詩(shī)科技也迎來了自己的爆發(fā)節(jié)點(diǎn)。

這家公司推出的“毒液”模版成為了引爆流量的關(guān)鍵。這個(gè)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(guó)內(nèi)。當(dāng)時(shí)的小紅書、閑魚等平臺(tái)不少用戶甚至發(fā)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(dāng)模型生成的視頻質(zhì)量達(dá)到用戶能接受的水平線，創(chuàng)業(yè)公司同樣能和大廠們一起“卷爆款”。

有了初步的市場(chǎng)認(rèn)可和用戶數(shù)量，愛詩(shī)開始探索更多盈利渠道，比如繼續(xù)打通to B業(yè)務(wù)。從今年1月，愛詩(shī)科技開始支持各行業(yè)的API和定制化視頻生成，涵蓋互聯(lián)網(wǎng)、營(yíng)銷、電商等。

愛詩(shī)的發(fā)展，一定程度上體現(xiàn)了AI視頻行業(yè)商業(yè)化的共性，在商業(yè)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(shù)科技走的則是“先B后C”的路線。成立兩年的時(shí)間里，生數(shù)科技有1年半都在琢磨落地問題。在今年的智源大會(huì)上，之前主攻B端的生數(shù)科技CEO駱怡航給出了“八大行業(yè)、三十大場(chǎng)景”的版圖，其中，互聯(lián)網(wǎng)、廣告、電影、動(dòng)漫的應(yīng)用占到了8成。

當(dāng)大家的競(jìng)爭(zhēng)基本盤又回到了同一張桌子上，怎么看未來表現(xiàn)，就要看誰(shuí)的商業(yè)化路線執(zhí)行成果更漂亮。

“DeepSeek時(shí)刻”未至，AI視頻賽道的路不好走

雖然愛詩(shī)科技已經(jīng)初步取得市場(chǎng)認(rèn)可，但面向未來，to C是一條更難走的路。

目前自帶短視頻產(chǎn)品的快手，在技術(shù)和場(chǎng)景的加成下，已經(jīng)占據(jù)市場(chǎng)頭部的位置。

快手Q2財(cái)報(bào)披露，可靈AI在第二季度收入達(dá)到2.5億。據(jù)中金研報(bào)，以2025e ARR來測(cè)算，市占率快手可靈全球領(lǐng)先，其市占率約20%，而海螺、Pixverse、生數(shù)、即夢(mèng)市占率均估算在4-5%區(qū)間。擁擠的AI視頻賽道里，擠滿了玩家。

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

雖然快手并未披露可靈的研發(fā)成本，但AI視頻模型前期投入的巨額訓(xùn)練成本就不會(huì)是一筆小數(shù)目，2.5億的營(yíng)收也只夠其毛利上追平其推理成本。程一笑還在Q2財(cái)報(bào)電話會(huì)上表示，快手將在未來三年甚至更長(zhǎng)時(shí)間進(jìn)行更大規(guī)模研發(fā)投入。

“我們沒有那樣的機(jī)會(huì)。做一遍做錯(cuò)了就可能發(fā)展不起來了。因?yàn)橹灰鼍蜁?huì)花很多錢，我們不像 OpenAI 那樣不差錢。”

王長(zhǎng)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(yè)化沒跑通的企業(yè)，將會(huì)提前出局。

為了搶用戶，限時(shí)試用、積分贈(zèng)送已經(jīng)成了各家產(chǎn)品心照不宣的手段。就在手辦特效走紅的本月，愛詩(shī)科技也推出了不限積分的限時(shí)6天試用活動(dòng)。

愛詩(shī)科技之所以有底氣搞這個(gè)活動(dòng)，就是通過最先出海+C端的策略，已經(jīng)靠商業(yè)化變現(xiàn)保證先讓自己活下去。據(jù)王長(zhǎng)虎透露，目前公司產(chǎn)品的訂閱收入已經(jīng)覆蓋成本。

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

放長(zhǎng)遠(yuǎn)看，各種競(jìng)爭(zhēng)策略爭(zhēng)奇斗艷，而當(dāng)下，技術(shù)仍然是決定用戶選擇的關(guān)鍵因素。

谷歌最新發(fā)布的VEO 3模型就是一個(gè)典型的例子，它不僅是一個(gè)能夠生成高質(zhì)量畫面的視頻模型，更是一個(gè)原生多模態(tài)大模型，能夠在生成視頻的同時(shí)，精準(zhǔn)生成與之匹配的環(huán)境音效。在商業(yè)化探索上，國(guó)內(nèi)廠商還沒有推出可直接對(duì)標(biāo)的原生多模態(tài)產(chǎn)品。

在視頻訓(xùn)練數(shù)據(jù)來源、資源不同的情況下，雖然國(guó)內(nèi)AI視頻生成領(lǐng)域的玩家們有不同的優(yōu)勢(shì)領(lǐng)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(shí)刻。