LiblibAI 母公司完成近 3 億美元融資:AI 應用層開始進入「收入說話」的階段
重點摘要
演語科技,正在成為這一輪變化中最值得觀察的中國樣本之一。 作者丨鄭佳美 編輯丨馬曉寧 AI 應用公司的競爭,正在發生變化。過去兩年,行業最關心的是誰能率先做出令人眼前一亮的產品,誰能更快抓住大模型帶來的流量紅利。但到了 2026 年,問題開始變得更現實:用戶會不會持續使用?客戶願不願意付費?一家公司能不能從單個產品,長成一個真正有收入、有生態、有複利的業務體系?演語科技(Evoken)最近完成的這輪融資,正好提供了一個觀察窗口。近日,演語科技正式對外披露近 3 億美元 B+ 輪融資。該輪融資實際已於今年上半年早些時候完成,投後估值超過 20 億美元。本輪融資由 Granite Asia、騰訊、順為資本聯合領投,HT Investment、時代資本共同參與投資。高榕資本、螞蟻集團、渶策資本、明勢創投、源碼資本、紅杉中國以及其他數家知名投資機構等現有股東持續加碼支持。這也是目前國內 AI 應用層金額最大的單輪融資之一。但相比融資金額本身,更值得注意的是,這家公司已經不再只是講一個“AI 產品”的故事。演語科技正在把 LiblibAI、LibTV、星流等業務整合到同一個更大的敘事裡:圍繞 AI 創意內容生產,構建一個從社區、素材、視頻到設計 Agent 的應用矩陣。這也是演語科技首次以集團品牌 Evoken 統一對外發聲的重要背景。01AI 應用層到了拼商業化的時候過去一段時間,AI 行業的焦點大多集中在模型公司身上。誰的模型能力更強,誰的生成效果更好,誰能把成本降下來,往往決定了外界對一家公司的想象空間。但應用層的邏輯並不完全一樣。應用公司最終要回答的問題,不只是“能不能生成”,而是“生成之後是否真的進入了生產流程”。一個 AI 產品如果只是被用戶嚐鮮,它很難形成長期價值。但如果它進入設計師、短劇團隊、廣告公司、品牌方和影視製作機構的日常工作流,就意味著 AI 不再只是工具,而
演語科技,正在成為這一輪變化中最值得觀察的中國樣本之一。 作者丨鄭佳美 編輯丨馬曉寧 AI 應用公司的競爭,正在發生變化。過去兩年,行業最關心的是誰能率先做出令人眼前一亮的產品,誰能更快抓住大模型帶來的流量紅利。但到了 2026 年,問題開始變得更現實:用戶會不會持續使用?客戶願不願意付費?一家公司能不能從單個產品,長成一個真正有收入、有生態、有複利的業務體系?演語科技(Evoken)最近完成的這輪融資,正好提供了一個觀察窗口。近日,演語科技正式對外披露近 3 億美元 B+ 輪融資。該輪融資實際已於今年上半年早些時候完成,投後估值超過 20 億美元。本輪融資由 Granite Asia、騰訊、順為資本聯合領投,HT Investment、時代資本共同參與投資。高榕資本、螞蟻集團、渶策資本、明勢創投、源碼資本、紅杉中國以及其他數家知名投資機構等現有股東持續加碼支持。這也是目前國內 AI 應用層金額最大的單輪融資之一。但相比融資金額本身,更值得注意的是,這家公司已經不再只是講一個“AI 產品”的故事。演語科技正在把 LiblibAI、LibTV、星流等業務整合到同一個更大的敘事裡:圍繞 AI 創意內容生產,構建一個從社區、素材、視頻到設計 Agent 的應用矩陣。這也是演語科技首次以集團品牌 Evoken 統一對外發聲的重要背景。01AI 應用層到了拼商業化的時候過去一段時間,AI 行業的焦點大多集中在模型公司身上。誰的模型能力更強,誰的生成效果更好,誰能把成本降下來,往往決定了外界對一家公司的想象空間。但應用層的邏輯並不完全一樣。應用公司最終要回答的問題,不只是“能不能生成”,而是“生成之後是否真的進入了生產流程”。一個 AI 產品如果只是被用戶嚐鮮,它很難形成長期價值。但如果它進入設計師、短劇團隊、廣告公司、品牌方和影視製作機構的日常工作流,就意味著 AI 不再只是工具,而是在變成新的生產基礎設施。演語科技這輪融資之所以受到關注,核心也在這裡。根據公司披露的信息,截至 2026 年 5 月,演語科技 ARR 已達到 3 億美元,較本輪融資完成時增長近 3 倍。2026 年 5 月,集團整體收入年同比增長超過 3000%。這組數字說明,演語科技已經跨過了 AI 應用公司最關鍵的一道門檻:不僅有用戶規模,也有真實付費和持續增長。雷峰網在 AI 應用層,這一點比單純的下載量、訪問量或短期熱度更重要。02LiblibAI 是入口,LibTV 是增長引擎演語科技旗下目前擁有 LiblibAI、LibTV、星流等多項業務。其中,LiblibAI 是其較早形成規模化用戶和創作者生態的產品。LiblibAI 已成長為中國最大的 AI 素材網站與創作者社區之一,累計用戶超過 3000 萬,擁有超過 50 萬個原創模型以及過億的專業圖片和視頻素材。平臺匯聚了中國最活躍的 AI 創作者生態,中國每三位設計師中,就有一位正在使用 LiblibAI 進行創作。這意味著 LiblibAI 的價值並不只是一個素材平臺。它更像是演語科技在 AI 創意內容領域的流量入口和生態底座。AI 內容生產的核心,不只是模型本身,還包括素材、模型、創作者、工作流和分發場景。LiblibAI 通過創作者社區和素材生態,把大量設計師、AI 創作者和專業用戶聚集到同一個平臺上。這種用戶和內容的積累,為演語科技後續向視頻、設計 Agent 等方向擴張提供了基礎。如果說 LiblibAI 是生態入口,那麼 LibTV 則是演語科技近期增長最快的業務引擎。LibTV 於 2026 年 3 月正式上線,主攻 AI 視頻創作領域,為創作者、工作室、品牌和影視團隊提供專業的視頻生產能力。公司披露的信息顯示,LibTV 在短短兩個月內實現爆發式增長,2026 年 5 月收入達到上線首月的 13 倍以上;上線首月內,單日收入曾超過百萬美元。過去三個月,隨著 AI 視頻行業快速發展,LibTV 已服務近千個短劇團隊、影視製作機構、廣告公司與品牌客戶,成為眾多專業內容團隊進入 AI 視頻時代的重要基礎設施。雷峰網這組數據背後,其實是 AI 視頻行業正在發生的一個重要變化:AI 視頻不再只是一種展示技術能力的 demo,而是開始進入真實內容生產。對於短劇團隊、影視製作機構和廣告公司而言,視頻生成能力的價值不只是“做得更酷”,而是能不能提升產能、降低試錯成本、縮短製作週期,並讓更多創意以更低成本被驗證。LibTV 的快速增長,說明 AI 視頻正在從娛樂化、嚐鮮式使用,進入更高頻、更專業、也更具付費能力的生產場景。除了 LiblibAI 和 LibTV,星流也是演語科技業務矩陣中的重要一環。星流是國內用戶規模領先的 AI 設計 Agent 之一,累計服務用戶超過千萬。它通過融合多模態模型與智能體能力,幫助用戶完成從創意構思到設計交付的完整流程。這類產品的意義在於,它把 AI 從“生成一個結果”推進到了“完成一段流程”。過去,很多 AI 工具解決的是單點效率問題,比如生成一張圖、一段視頻、一組素材。但設計工作本身並不是一個孤立動作,而是包含需求理解、創意發散、風格探索、修改迭代和最終交付的一整套流程。AI 設計 Agent 的出現,正是在嘗試把這些環節串聯起來。從這個角度看,LiblibAI、LibTV 和星流並不是三條彼此分散的產品線。它們共同指向一個更大的方向:AI 正在重構創意內容的生產方式。這也是演語科技區別於許多單一 AI 工具公司的地方。它不是隻押注某一個生成能力,而是在圍繞圖片、視頻、設計和創作者生態,搭建一套更完整的 AI 內容生產體系。值得一提的是,在 AI 行業,融資並不稀缺,稀缺的是在高熱度之後依然能證明商業化能力的公司。演語科技本輪融資的投資方陣容很有代表性:既有 Granite Asia、騰訊、順為資本這樣的聯合領投方,也有 HT Investment、時代資本參與投資;同時,高榕資本、螞蟻集團、渶策資本、明勢創投、源碼資本、紅杉中國等現有股東持續加碼。這說明資本看重的並不只是一個短期爆發的產品,而是演語科技在多個維度上形成的確定性:用戶規模、收入增長、產品矩陣和商業化能力。尤其是融資完成後,公司 ARR 仍在短時間內增長近 3 倍,也進一步說明這套圍繞 AI 創意內容生產的業務路徑,正在被真實收入持續驗證。尤其是在 AI 應用層,能夠連續跑通多個產品 PMF 的公司並不多。很多產品可以在早期獲得用戶關注,但要真正形成付費、復購和業務擴張,難度要高得多。演語科技過去 12 個月連續跑通多個 AI 產品 PMF,並實現從單點產品到集團化業務矩陣的快速擴張,這正是本輪融資背後最關鍵的商業基礎。換句話說,資本投的不是一個單點工具,而是一家已經證明自己能夠不斷把 AI 能力轉化為收入的應用層公司。03中國 AI 應用公司的一個新樣本如果把演語科技放到更大的行業背景裡看,它所處的位置會更清晰。AI 應用最容易率先爆發的場景,往往具備幾個特點:需求足夠高頻,結果能夠被直觀看見,用戶願意為效率提升付費,同時生產流程中存在大量重複勞動和創意試錯。創意內容正好符合這些條件。無論是圖片、視頻,還是設計和短劇製作,內容行業長期以來都面臨同一個問題:創意需求越來越多,生產週期越來越短,但傳統生產方式的成本和效率很難同步匹配。AI 的進入,改變的不只是某一個工具環節,而是整個內容生產鏈條。這也是演語科技的機會所在。從 LiblibAI 到 LibTV,再到星流,演語科技切入的並不是彼此孤立的工具市場,而是 AI 內容生產這個更大的產業命題。它既服務個人創作者,也服務專業設計師、短劇團隊、影視製作機構、廣告公司和品牌客戶;既有社區和素材生態,也有視頻生產能力和設計 Agent。當這些業務組合在一起,演語科技講述的就不再是“某個 AI 產品增長很快”,而是“AI 內容生產正在形成新的基礎設施,而公司正在其中佔據關鍵位置”。再換個角度看,過去,外界討論中國 AI 公司時,更多關注模型、算力和底層技術。但隨著應用層商業化不斷加速,另一個問題變得越來越重要:中國能不能跑出全球級的 AI 應用公司?演語科技給出的答案,正在變得更清晰。公司當前 ARR 接近 3 億美元,預計 2026 年底突破 6 億美元;LiblibAI 累計用戶超過 3000 萬;LibTV 在上線後短期內快速放量;星流累計服務用戶超過千萬。無論從收入規模、用戶規模,還是多產品商業化能力來看,演語科技都已經進入全球 AI 應用公司第一梯隊的比較範圍。更重要的是,它的增長並不只依賴單一產品或單一熱點,而是來自多個業務之間的相互支撐。LiblibAI 提供創作者生態和素材基礎,LibTV 抓住 AI 視頻爆發窗口,星流探索下一代設計 Agent。三者共同構成了演語科技在 AI 創意內容產業中的縱深。這也是為什麼演語科技不應只被看作一家工具公司。它更像是一家圍繞 AI 內容生產構建業務體系的科技集團。在 AI 應用層,真正的壁壘往往不是最早上線,也不是單次爆發,而是能否持續理解用戶需求,持續進入專業工作流,並持續把技術能力變成收入。演語科技本輪近 3 億美元 B+ 輪融資,正是對這種能力的一次集中定價。AI 行業仍在快速變化,模型能力還會繼續進步,內容生產方式也會不斷重構。但可以確定的是,AI 應用層的競爭已經進入下半場。流量和概念之後,收入、產品矩陣和商業化效率會變得越來越重要。而演語科技,正在成為這一輪變化中最值得觀察的中國樣本之一。
Related
相關文章

Claude下一代神級模型秘密出爐,Sonnet-5被曝下週上線
這篇消息聚焦「Claude下一代神級模型秘密出爐,Sonnet-5被曝下週上線」。原始導語提到:封禁,反而讓Anthropic更快了? 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Claude Code 修了幾個小 bug,卻揭開了 Agent 落地的大麻煩
工具狀態、權限邊界和後臺任務,正在成為 AI 編程產品的新考驗。 作者丨鄭佳美 編輯丨馬曉寧 剛剛,Anthropic 給 Claude Code 發了一次看起來並不起眼的更新。沒有新模型,沒有新的 benchmark,也沒有代碼能力提升多少的宣傳。Claude Code 2.1.179 的 changelog 裡,主要是一些細碎的 bug fix:連接中斷後保留 partial response,工具執行的 spinner 不再卡住,Linux sandbox 裡的 denyRead / allowRead glob 不再把 Bash tool description 撐到巨大,遠程 session 裡的後臺任務也不會在多個 turn 之間一直顯示 still running。如果只看字面,這些都像是產品使用過程中的小毛病。但放在 AI 編程產品的演進裡,它們其實指向同一個變化:Claude Code 這樣一類 coding agent,已經不只是“幫你寫代碼的聊天框”,而是在變成一個真正替你執行任務的系統。雷峰網過去我們討論 AI 編程產品,最常看的還是模型能力。誰的代碼生成更強,誰能理解更長的上下文,誰在 SWE-bench 上拿到更高分,誰能一次性給出更完整的修復方案。這些當然重要,但它們主要回答的是一個問題:模型夠不夠聰明。而 Claude Code 這次修的幾個問題,回答的是另一個問題:當模型真的開始替用戶幹活,外層系統能不能穩定地把這件事做完。雷峰網01Bug 之外 ,是 Agent 落地的執行問題傳統聊天機器人主要是在“回答”。用戶問一句,它回一句。即使回答中途斷了,或者內容不夠完整,通常也只是重新生成一次。但 coding agent 面對的是另一種任務。用戶不是問“這段代碼是什麼意思”,而是讓它“幫我修這個 bug”“跑一下測試”“把這個模塊重構掉”“看
AI 太燒錢!微軟選擇「倒戈」DeepSeek
Claude、GPT 不再獨佔 Copilot。 作者丨樊天驕、鄭佳美 編輯丨鄭佳美 這兩天,微軟連續釋放了兩條重磅消息。第一條來自產品層面。微軟宣佈 Copilot Cowork 在全球正式上線。這款能夠跨 Outlook、Teams、Excel 等應用自主執行任務的 AI Agent 系統將正式商用。據微軟披露,超過一半的《財富》500 強企業已經在預覽期進行了部署。第二條則來自商業模式層面。Copilot Cowork 將不再完全沿用每月 30 美元的固定訂閱模式,而是開始引入按使用量計費機制。幾乎在同一時間,Axios 又披露了一則消息:微軟正評估將 DeepSeek V4 引入 Copilot Cowork,作為低成本模型選項。如果最終落地,這將成為美國大型科技公司首次在核心企業級 AI 產品中引入中國大模型。這兩條消息似乎釋放出一個信號,即Agent 的普及正在讓 AI 的成本問題變得前所未有地突出。過去的聊天機器人更像一次性服務。用戶提問,模型回答,任務到此結束。而在 Agent 模式下,一個任務往往需要經歷任務拆解、數據檢索、工具調用、結果生成和反覆修正等多個環節。用戶看到的是一次任務交付,系統背後卻可能已經完成了數十次甚至上百次模型調用。當下的模型市場價格體系也在迅速拉開差距。從 Anthropic 高端模型每百萬 Token 數十美元的推理成本,到 DeepSeek V4 Flash 每百萬 Token 不足 0.3 美元,價格跨度已經達到數百倍。當任務量持續增長、模型價格不斷分化,企業需要解決的問題便不再是“選擇哪個模型”,而是“什麼任務應該使用什麼模型”。模型路由、成本控制和資源調度,也因此開始從後臺基礎設施問題,走向 AI 產品競爭的核心位置。01算力成本為何激增要理解微軟此次架構重構的必要性,首先需要看到一個正在發生的變化:Agent 正在改變
從代碼到產線:恩和發佈 BPL 協議語言,定義生物製造的“工業級編譯器”
雷峰網訊。近日,恩和科技在《bioRxiv》發佈Biology Protocol Language(BPL)及其生成管線BPL-COGEN,首次為生物實驗協議建立了一套形式化的語言體系,打通了Physical AI進入物理世界的標準接口。BPL是專為生物實驗協議設計的可編譯、可驗證的形式化語言。BPL-COGEN把自然語言協議自動翻譯為BPL程序,由一個300億參數微調大語言模型與確定性編譯器構成“生成—驗證—修復”閉環。在基於300篇《Nature Protocols》論文的基準測試中,BPL-COGEN實現95.1%的首輪一致性,通過2輪編譯-仿真閉環將正確率推進至98.6%。目前,相關代碼已在GitLab完全開源(MIT License)。AI已會“思考”,但還不會“動手”當前,AI已經能在數字世界生成假設與設計實驗。材料科學領域已經出現自主驅動的Self-driving Lab。但在生物學領域,無論上游AI多麼強大,其輸出最終仍須被翻譯為物理操作,而這一過程,至今仍依賴自然語言文本這是一個半導體和軟件行業幾十年前就已跨越的問題。半導體設計通過Verilog和VHDL完成了從自然語言向硬件描述語言的躍遷,軟件工程通過類型化語言確立了可驗證的穩定性。生物學一直缺少與之對應的、具備編譯器驗證能力的底層語言,這正是當前AI驅動實驗設計與可復現物理執行之間的速率限制環節。代價是清晰的。《Nature》在2016年針對1,576名研究者的調查顯示,超過70%的人無法復現他人實驗,超過一半的人無法復現自己的實驗(Baker, *Nature*, 2016)。恩和團隊的論文進一步將問題歸納為三個維度:協議精確度。典型指令中常隱藏濃度、時間、體積等多處未明分支點。幾十條此類指令疊加,使實驗可復現性完全依賴於人員的經驗補全。協議驗證。自然語言缺乏在執行前模擬物理一致性的機制,內部邏輯錯
Snap分拆生成式AI視頻團隊成立新公司Dotmo 緩解高昂研發成本壓力
Snap因內部生成式AI成本高昂,將AI視頻團隊分拆為獨立公司Dotmo,以減輕財務壓力並提升運營靈活性。新公司專注開發可生成互動遊戲體驗的AI模型,核心團隊由Snap離職員工組成。Dotmo雖架構獨立,但與Snap仍保持緊密的資本和技術紐帶。
視覺盛宴接入 AI:Getty Images 與 OpenAI 達成戰略授權合作
Getty Images與OpenAI達成合作,將龐大授權圖片庫接入ChatGPT,為用戶搜索提供視覺化內容支持。作為全球視覺素材巨頭,Getty此前已與英偉達在生成式AI領域佈局,此次合作進一步深化其AI賦能戰略。