靠做“中間商”生意估值20億美元，Liblib跑出了奇蹟還是泡沫？

在AI領域普遍追求「得大模型者得天下」的浪潮中，一家不走尋常路的應用層公司卻交出了截然不同的成績單。演語科技（Evoken）於6月18日宣布完成近3億美元的B+輪融資，投後估值一舉突破20億美元，成為中國AI應用層至今為止規模最大的單輪融資之一。多數人或許對演語科技這個集團品牌感到陌生，但其旗下產品LiblibAI以及Liblib這個名稱，在業界早已廣為人知。此次融資也是演語科技首次以集團身分對外發聲。在大量AI初創公司仍依賴投資人耐心爭取時間窗口的當下，這家沒有自研大模型的企業卻成了最會賺錢的AI應用之一。然而，伴隨驚人增長而來的，是從未停止的爭議。

有人批評它缺乏原創性，有人認為它靠激進定價換取增長，離職員工指責其不夠技術創新，甚至有投資人斷言它遲早會爆雷。面對外界質疑，創始人陳冕回應得相當直白：「這個時代idea is cheap，judgment才稀缺。」他承認Liblib是字節跳動最大的代理商，但堅決否認公司只是在轉售API。陳冕用一個比喻來解釋公司的定位：當模型廠商忙於逐鹿中原時，Liblib的目標是在江東站穩腳跟，再慢慢找到自己的護城河。這個比喻精準點出了Liblib的處境：它不參與主戰場的正面廝殺，而是在巨頭尚未充分覆蓋的縫隙中尋找生存空間。問題在於，當模型能力持續進化，AI應用層的價值可能很快就被模型本身覆蓋。

20億美元的估值，究竟是建立在穩固的護城河上，還是僅僅踩準了模型紅利的時間窗口？答案將取決於這家公司能否在應用層之外，找到更深的生存根基。陳冕並不介意外界稱Liblib是字節最大的代理商。他直言，公司的價值就在於「在模型上疊了一層」。他認為，模型能力與用戶實際使用之間存在錯配，應用層的任務就是讓用戶與模型之間更好地對齊。Liblib不製造模型，而是幫助人們把模型用好。他將模型比喻為單反相機，普通人按快門也能拍照，但想拍出專業作品就得請攝影師，而Liblib正是那個攝影師。正是這一定位，讓Liblib在2026年AI應用融資寒冬中完成了一筆大額融資。

不到三年時間，從天使輪到B+輪，Liblib幾乎以每年2到3輪的節奏持續獲得資本青睞。比融資更值得關注的是Liblib的賺錢速度。截至2026年5月，公司年度經常性收入（ARR）已達3億美元，5月集團整體收入較去年同期增長超過3000%。在中國，這是除了大廠之外，少數進入「億級」俱樂部的AI應用初創公司。這筆融資的出現並不意外，因為2026年上半年AI投資邏輯正在發生根本變化，應用與落地取代模型參數，成為項目定價的核心。

根據IT桔子2026上半年AI投融資報告，從2026年第一季開始，中小自研大模型項目融資明顯降溫、出清加速，資本全面轉向可落地、可變現的AI應用層標的，Liblib正是這一拐點上的最大受益者之一。從路線來看，Liblib的崛起提供了一個極具爭議性的樣本。它不做淘金者，甚至不賣自己打造的鏟子，而是批量採購別家的鏟子，經過打磨包裝後再轉售。要理解這門生意的全貌，需要拆解Liblib的三大產品矩陣。Liblib並非只有LiblibAI，還包括面向大眾消費者的輕量級AI藝術工具Lovart（中文名：星流），以及AI短劇社區與分發平臺LibTV。三條業務線各司其職，依託上游算力實現快速落地。

LiblibAI深耕國內C端及中小創作者，已積累3000萬用戶與50萬個原創LoRA微調模型，透過會員訂閱與算力充值獲得營收。LibTV則精準切入短劇、廣告工業化賽道，解決行業AI視頻量產的痛點，上線兩個月收入暴漲13倍。海外產品Lovart聚焦全球商業設計師，上線五個月ARR突破8000萬美元，成功跑通全球化訂閱商業模式。這門生意的本質，更像是一個「Token中間商」的邏輯。其核心競爭力在於匯聚大量C端與B端創作者的需求，整合最新大模型，形成一個巨大的採購池。Liblib將這些API能力打包進體驗流暢、工具鏈完善的產品中，在算力成本之上疊加服務費、功能溢價與社區價值，重新定價後賣給終端用戶。

以LibTV為例，據報導，該平臺是Seedance 2.0系列模型首次接入的第三方產品，並在該模型正式問世兩週前，相關能力就以StarVideo的型態提前在LibTV上完成大規模驗證。正是這項深度合作，讓LibTV平臺中的Seedance 2.0模型使用門檻更低、影片生成準確度更高。市場驚嘆其增速與賺錢能力，但疑問也隨之而來：當「字節最大代理商」的標籤越貼越牢，它的護城河究竟是什麼？這種依附性商業模式的天花板，又有多高？要理解Liblib的路線選擇，得先了解創始人陳冕的背景。

陳冕擁有深刻且豐富的大廠經歷，創業前曾先後任職於摩拜單車、滴滴、每日優鮮，後來加入字節跳動，擔任剪映與CapCut全球商業化負責人。2023年他離開字節時，正值國內大模型創業最狂熱的時期，但他看到的不是機會，而是陷阱。陳冕坦言自己很清楚「和巨頭硬碰硬是什麼下場」。與其在燒錢的無底洞中消耗生命，不如抓緊賺錢。他多次強調，創業公司的首要目標依然是活著。Liblib的輕量化聚合路線，正是這套生存思想的具體實踐。然而，這條路線幫助Liblib搶先實現規模化變現，但伴隨亮眼增長數據而來的，是從未停歇的行業質疑。最集中的質疑有兩層。

第一，產品只是對底層模型做了簡單封裝，與市面上大量Token中轉平臺沒有本質區別。更嚴重的質疑是，Liblib可能存在對外轉售API的行為，其中LibTV的爭議最大。市場一度盛傳LibTV在低價轉賣Seedance 2.0的API接口賺取差價。對此，陳冕明確否認，並強調所謂的3.9折並非針對API單次調用費用，而是LibTV推出的連續包月訂閱價格。據他介紹，3億美元ARR中，LibTV貢獻了超過一半的收入。不過，陳冕也很清楚這套模式的盈虧邊界。他坦言LibTV的模式就像健身房，本質上是在賭訂閱用戶不會把積分用滿。如果用戶買了100萬積分，實際只用20萬，剩下80萬就是利潤。

但如果黑產用戶對LibTV進行逆向工程，把年費會員帳號當成API批量調用，LibTV就會虧損。更深層的質疑指向了Liblib的命脈：沒有自己的模型，意味著定價權與服務的穩定性始終掌握在底座廠商手中。上游的火山引擎等平臺只要微調API價格，或自己下場打造更有針對性的應用，Liblib的利潤空間與用戶基礎就可能遭受劇烈衝擊。陳冕也清楚公司當下的處境，他直言雖然Liblib現金流為正，但應用層公司不掌握模型，在早期就不應該追求高毛利率，因為追求高毛利率就是在抑制需求。他認為AI應用毛利率短期內不應超過30%。

面對外界對Liblib「代理商」的標籤偏見，陳冕有著清晰的自我認知：公司確實向上游廠商批量採購算力，但這絕非簡單的套利生意。爭議的本質，其實是一條路線的兩面。輕量化模式帶來了低成本、快起步的優勢，讓Liblib在兩年內衝上20億美元估值並擁有3億美元ARR。但天然伴隨的依附性競爭隱患也如影隨形。Liblib依靠賺錢速度佔據了先機，但這個路徑能否轉化為穩固的護城河，仍有待時間驗證。在AI創業潮的幾輪起落中，大量同期起步的AI生成應用公司早已銷聲匿跡。Liblib能夠走到臺前，首先是一場艱難的生存勝利。過去三年，很多AI應用創業公司都經歷過多輪生死考驗，即便是Liblib，也曾面臨九死一生的時刻。

2023年5月，上線僅四個月的LiblibAI因未完成大模型備案被下架，同時前期高舉高打的補貼大戰燒掉了300多萬美元，資金儲備迅速見底。到2024年初，公司帳上只剩4000元人民幣，LiblibAI差點倒閉。陳冕後來回憶，其實帳上只剩600萬的時候就已經慌了。最困難的時候，公司收到了好幾個收購意向，但全被他擋掉，他從沒想過賣公司。那段低谷經歷帶給團隊最深的教訓是：現金流健康是企業生存的根本。當時行業普遍有兩條路，要麼繼續燒錢賭流量，等待下一輪融資續命；要麼立即收縮戰線，砍掉不賺錢的業務。大量同期創業公司選擇了前者，但當2024年資本寒潮來襲，那些沒有及時轉向的公司絕大多數沒能等到下一輪融資。

陳冕沒有其他選擇，帳上只剩4000元，燒錢的路已經走不通。他唯一能做的，就是立刻收縮、更換方向。他換的不是簡單的「從C端到B端」轉向，而是一條更複雜的路：用集團化的產品矩陣來對沖單一產品的風險，透過持續推出新產品來拓寬收入來源。Liblib的起點是純粹的C端社區產品，但單一的社區模式在低谷期被證明難以獨立支撐一家公司的生存。最終，從LiblibAI到Lovart，再到LibTV，Liblib完成了一次關鍵的生存進化。陳冕曾感慨，如果不是他來做，這三個產品可能會變成三家不同的創業公司，而三家公司各自存活的機會可能更渺茫。

這句話道出了Liblib集團化產品的戰略核心：不是賭一個產品能不能成，而是用多個產品分攤風險、交叉驗證。LiblibAI積累了用戶與社區資產，Lovart驗證了設計場景的付費能力，LibTV則踩中了AI短劇爆發的行業窗口。三個產品共享創作者、素材與模型資產，最終形成老社區為新產品導流，新產品為老社區帶來新的付費場景的正向循環。但幫助Liblib熬過寒冬的這套生存策略，現在正成為它必須警惕的路徑依賴。目前Liblib的產品架構、團隊能力與商業化體系全部圍繞算力調用搭建，三條產品線雖然覆蓋了素材、設計、影片，但核心樞紐依然是Token流轉。

即便LibTV被寄予厚望，它本質上仍是Token調用邏輯的延伸，而非模式創新。更微妙的風險在於，ARR越高，Token調用體量越大，但商業路徑決定了Liblib的規模擴張未必能同步帶來上游議價權的提升。隨著算力成本下行、大廠工具持續下沉，同質化競爭只會越來越激烈。當模型廠商自己開始做應用端，或者把API價格壓低，Liblib的價差空間就會被逐步壓縮。隨著模型能力持續進化，今天屬於應用的價值，明天可能就被模型覆蓋。AI應用公司不掌握底座模型、不掌握算力、不掌握穩定入口，看起來跑得很快，但這種快可能只是建立在模型紅利與注意力引爆之上。陳冕也明白，應用的時代還沒有真正到來。

只有當Token足夠便宜、智慧隨手可得，應用公司才有真正的機會，他認為這可能是兩三年或五年後的事。擺在陳冕面前最重要的考題，已經不只是繼續拉高營收規模，而是如何利用當下這個窗口期，打破歷史形成的路徑依賴，進行真正的創新探索。Liblib能否從「Token中間商」進化出更深的護城河，將決定它究竟是AI應用時代的先行者，還是又一次潮水退去後的擱淺者。