文章核心观点 - Sand.ai完成2亿美元A+轮融资，正式跻身独角兽行列，这是公司2026年第三轮融资，三轮融资在约十个月内完成，累计约3亿美元 [6][7] - 视频大模型独立公司的入场费已涨至数亿美元，自研模型、提供API、再做一款应用成为这批公司的共同选择，Sand.ai需要证明同样布局下能做出更好的生意 [33] - 独立公司的机会藏在具体行业需求的差异中，只要模型能在一类任务上明显减少重试、修改和等待，就有机会进入客户生产流程 [37] - 技术领先窗口有限，Sand.ai需要趁窗口还在，把技术变成客户的使用习惯、生产流程和续费账单 [38] 融资与投资方 - 本轮融资由基石资本、网宿科技联合领投，时代资本、国方创投、磐霖资本、东证资本等机构参投，上海国资背景机构加入，经纬创投、中科创星等老股东继续加注 [6] - 王慧文家办出现在投资人名单中，曾经一起创业的人以投资者身份继续支持曹越 [13] - 王慧文和宿华两位颇具辨识度的支持者先后看中曹越 [9] - 网宿科技参与的看点是双方提出的音视频推理、低延时边缘推理等合作，若能改善实际交付，就有机会把模型能力变成企业愿意持续采购的服务 [38] 创始人背景与创业历程 - 曹越是90后博士，本科、博士均就读于清华，获得过清华大学特等奖学金，后来担任微软亚洲研究院主管研究员，也曾负责智源的视觉模型研究 [10][12] - 曹越是Swin Transformer的主要作者之一，相关工作获得ICCV 2021最佳论文奖（计算机视觉领域知名的马尔奖），积累了视觉模型架构和大规模训练的研究基础 [12] - 2023年曹越以算法联合创始人身份加入王慧文创办的光年之外，同年6月王慧文因个人健康原因离岗就医，美团随后以约20.65亿元收购光年之外 [12] - 此后曹越重新组队创业，把方向转向视频模型，视频是其研究积累更深的领域，也是更考验连续性的任务 [12] - Sand.ai早期押注分块自回归生成，根据前面的片段继续生成后面的片段，为持续生成和中途交互提供可能 [12] - 2025年5月MAGI-1发布时，团队算上数据、基础设施、算法和测评只有三四十人，曹越回顾称"还是低估了这个路线的难度" [12] 技术路线与模型迭代 - Sand.ai技术路线被概括为"自回归世界模型"，与可灵、Seedance等采用的Diffusion架构不同，核心逻辑是让视频按时间序列逐块生成，后一段接续前一段状态 [15] - MAGI-1最初试图解决视频如何持续往下生成，把视频分成连续片段按时间顺序逐步生成，片段内部再通过扩散去噪形成画面，自回归与扩散承担不同层次任务 [17] - 2026年8月发布的MAGI-2 Preview把重点推进到更大规模模型训练：总参数量1140亿，单Token激活参数约60亿，采用混合专家架构（MoE），每次计算只调用其中一部分专家以控制单次计算开销 [17] - MAGI-2 Preview没有直接照搬MAGI-1的分块自回归设计，而是转向单流架构，推进规模扩展与音视频联合建模 [19] - 这是曹越创业过程中的一次关键调整：训练系统、数据处理和工程经验继续使用，模型设计根据下一阶段目标重新选择 [20] 公司业务布局 - Sand.ai的公司轮廓逐渐清晰：自研模型、开放技术、API服务，再加上自有产品 [21] - 自研模型决定它能直接改进哪些能力，也决定必须承担多重的研发投入；开放技术帮助接触开发者，从MAGI模型到MagiAttention等工程组件，外部团队可以实际使用、检验和优化 [21] - API让客户不必自行部署就能把模型接入产品和生产系统，出售的不仅包括生成效果，还包括调用稳定性、并发、交付速度与技术服务 [21] - 自有产品VidMuse以音乐驱动视频创作，公司披露上线两个月年化经常性收入（ARR）突破1000万美元 [25] - 音乐作为入口的价值在于：节拍可以决定切镜节奏，段落可以组织画面结构，情绪可以约束视觉表达，为创作提供现成线索 [25] - VidMuse更接近围绕一项任务组织创作，而非单独生成一个镜头 [26] - 开发者希望开放、API客户需要稳定、应用用户追求省事、研究团队又要不断试验，这些需求能否相互支持而非同时消耗资源，是Sand.ai接下来的考验 [26] 竞争格局与同业对比 - 字节Seedance、快手可灵拥有产品入口、客户资源和持续投入能力，独立公司若只追着通用模型效果跑，容易陷入刚追上一代下一代又发布、训练费用还没收回市场价格已降的循环 [35] - 智象未来（HiDream）2026年4月至7月连续完成三轮融资，阶段累计超过21亿元，其中C轮融资15亿元进入独角兽行列，9月又披露C+轮融资但金额未公开 [28] - 智象未来2026年C轮后估值超10亿美元，产品服务超过5000万名专业用户、4万余家企业客户，2025年全年营收约1亿元，2026年一季度已超过上年全年 [28][31] - 智象未来底层是多模态模型，中间有企业模型服务，应用覆盖营销、影视与个人创作，与Sand.ai的区别在于前者已把能力铺向多个行业场景，后者目前更鲜明的应用入口是音乐视频 [28] - 生数科技2026年2月完成超6亿元A+轮融资，4月新一轮融资约20亿元，7月又完成5亿美元融资，按分别披露的交易计算已到约60亿元人民币量级，估值超过20亿美元 [29][31] - 生数科技上线约8个月ARR超过2000万美元（2025年披露），业务覆盖200多个国家和地区 [30][31] - 爱诗科技PixVerse全球用户超过1.5亿（2026年7月披露），累计融资超过35亿元人民币，投后估值超过20亿美元 [30][31] - 爱诗科技ARR约7000万美元（投资人2026年公开介绍），月活超过1600万（2025年10月） [31] - Sand.ai与三家直接竞品对比：融资2026年三轮累计约3亿美元，估值进入独角兽梯队，未披露可比用户规模，VidMuse上线两个月ARR超1000万美元 [31] - 行业门槛非常清楚：独立视频模型公司的入场费已经涨到数亿美元，Sand.ai面对的同类公司已有人建立较大用户覆盖，也有人拥有更厚的融资储备 [33] 客户需求与商业化路径 - 内容生产采购并不完全按照模型榜单来：电商公司批量制作商品视频最在意产品外观别变、不同尺寸快速适配；短剧工作室更关心角色跨镜头保持一致、修改一个动作是否需要整段重做；广告代理商则要考虑客户素材保密、项目交付和批量生成稳定性 [36] - 这些需求背后是不同的预算、流程和验收标准，独立公司的机会就藏在这些具体差异里 [37] - 即便客户已经采购Seedance或可灵，也可能为另一项能力增加供应商，但进入名单只是开始，多模型采购给后来者机会也让客户随时可以比较、切换，最终留下来得有持续交付的本事 [37][38] - Sand.ai的开放策略争取的是另一种位置：企业可以自行部署、微调，开发者可以围绕模型做工具，但这留下一个商业问题——模型用得越广原厂能赚到多少钱 [38] - 第三方平台可以托管、云厂商可以出售推理、客户也可以自己部署，Sand.ai需要在效率、稳定性和服务上让付费给原厂成为一笔划算的采购 [38]