Luma，AI完成9億融資，首席科學家宣布視頻生成技術過時

哈嘍，大家好，我是小墨，12月的AI圈被一條融資消息炸翻：美國視頻生成明星公司Luma AI完成9億美元C輪融資，估值飆升至40億美元。

領投方是沙特公共投資基金旗下的HUMAIN，老股東AMD Ventures、Andreessen Horowitz等紛紛跟投。

更炸的是首席科學家宋佳銘的專訪表態：“2026年還卷畫質和時長就輸了，Ray 3會是我們最后一代傳統視頻生成模型。”

這話讓不少從業者心頭一緊，視頻生成的游戲規則要變了？

這個方向最耗錢的就是算力，投資方HUMAIN正在沙特建的“Project Halo”超算集群，已經完成第一階段1GW算力部署，這是全球目前已投產的最大AI超算之一。

Luma作為核心客戶，已經用這批算力訓練多模態模型，宋佳銘透露：“處理視頻數據的效率比之前提升了3倍，之前要1個月的訓練現在10天就能完成。”

團隊也在為新方向擴容。Luma目前130人的團隊里，30%是研發崗，但最近在組建“多模態融合組”，招人策略很特別，不搶成名的AI大佬，而是挖潛力新人。

這種“不追明星追潛力”的思路，宋佳銘有自己的道理：“就像足球青訓，成名選手轉會費太高，創業公司扛不住。我們更愿意在有人發現他們之前，就看到他們的價值。”

傳統視頻生成模型的短板，行業內早就有共識，今年11月Adobe MAX大會上，洛杉磯廣告公司TBWA的演示很直觀：用某知名模型補拍汽車廣告的側后方鏡頭，生成的車輪朝向和原鏡頭完全相反；換成Luma的Ray 3，自動匹配了車身光影和車輪角度，直接通過導演審核。

這就是宋佳銘強調的“推理能力”。咱舉個具體場景，北京奧美廣告今年接了個手機發布會廣告，拍攝后發現少了個俯拍全景鏡頭。

用傳統模型生成，背景里的觀眾位置和之前的近景鏡頭對不上；Ray 3卻能先分析不同機位的素材，推理出每個觀眾、每個道具的3D位置，再生成銜接絲滑的俯拍鏡頭，整個過程只用了2小時。

Ray 3能做到這點，靠的是對物理世界的理解。宋佳銘團隊在訓練時，加入了大量電影拍攝的分鏡腳本數據，讓模型學會“鏡頭語言”。

比如知道特寫之后接全景要保持構圖連貫，運動鏡頭要符合物理慣性，這些都是傳統模型不具備的能力。

Luma不是沒嘗過C端的甜頭，去年6月推出的Dream Machine，零推廣4天吸粉百萬，電影級運鏡效果讓網友直呼“能跟Sora叫板”。但宋佳銘很快發現問題：3個月后付費率不足2%，很多用戶玩夠了就走。

同期的一個競品案例更有說服力。某公司推出的C端視頻生成工具“快影生成”，上線時靠“10秒做MV”火了一把，半年后月活跌了80%。A16z合伙人Olivia Moore公布的數據更直接：Sora 2的60天留存低于1%，而TikTok能穩定在30%左右。

這讓Luma果斷轉向B端。今年9月Ray 3上線后，首先對接的就是影視和廣告公司。上海某影視制作公司負責人李敏算了筆賬：以前補拍一個鏡頭要重新租場地、調設備，至少花5萬元；用Ray 3生成，成本不到5000元，準確率還高。他們已經和Luma簽了年付100萬的合作協議。

B端的付費意愿確實更剛性。宋佳銘透露，目前Luma的付費客戶里，影視公司占比60%，廣告公司占30%，這些客戶的續約率超過90%。相比之下，C端業務雖然還在運營，但已經不再是資源投入的重點。

不過B端也有門檻。美國某車企曾擔心數據安全，要求Luma的模型部署在自己的服務器上。Luma的技術團隊用2周時間完成了私有化部署，還通過了SOC 2安全認證，這才拿下這筆年付200萬的訂單。“B端客戶要的不是炫技，是穩定、安全和能解決實際問題。”宋佳銘總結道。

Luma AI的9億融資和戰略轉向，本質是踩準了視頻生成的進化節奏。從卷畫質到拼推理，從追C端流量到守B端剛需，再加上超算算力加持，這條路走得很清醒。

視頻生成的下半場，比的不再是誰生成得好看，而是誰更懂現實世界、更懂專業需求。