快速了解
爱诗科技 · AI 视频生成 #行业-视频生成
一句话定位
用 DiT 架构做文生视频的国产创业公司，从 0 到 ARR 4000 万美元的最快者。
基本面表
| 维度 | 数据 | 备注 |
|---|---|---|
| 成立时间 | 2023 年 4 月 | 王长虎创办 |
| 融资阶段 | B+ 轮 | 2025 年 10 月完成 1 亿元 B+ 轮 |
| 总融资额 | $1+ 亿（约 7+ 亿人民币） | A1-B+ 轮累计 |
| 最新估值 | 非公开 | B 轮融资额超 6000 万美元（2025 年 9 月） |
| ARR | 4000+ 万美元 | 全球月活 1600+ 万 |
| 全球用户 | 1 亿+ | 2024 年 11 月商业化启动 |
| 月活用户 | 1600+ 万 | 截至 2025 年 10 月 |
| 核心产品 | PixVerse / 拍我 AI | 文生视频 / 图生视频 |
| 技术架构 | Diffusion + Transformer (DiT) | 8 版迭代 |
| 创始人背景 | 字节跳动前视觉技术负责人 | 微软亚洲研究院出身 |
发展脉络
2023 年 4 月 → 王长虎离开字节创办爱诗科技
2023 年 8 月 → 天使轮数千万元融资
2023 年 11 月 → 首款产品 PixVerse 正式上线
2024 年 2 月 → 多模态生成算法通过备案
2024 年 4 月 → A2 轮超亿元融资（蚂蚁集团领投）
2024 年 7 月 → V2 版本上线，支持动作笔刷与可控性增强
2024 年 10 月 → V3 版本发布，引入音画同步（Lipsync）与视频延长
2024 年 11 月 → 正式启动商业化，开放会员订阅
2024 年 12 月 → A4 轮融资，累计融资超 3 亿元
2025 年 3 月 → A5 轮融资，PixVerse 月活突破 1500 万
2025 年 9 月 → B 轮融资 6000+ 万美元（阿里领投），创国内视频生成最大单笔融资
2025 年 10 月 → B+ 轮 1 亿元融资，ARR 突破 4000 万美元
成长旅程 2.1
2.1 技术路线：为什么选 DiT？
爱诗科技选择 Diffusion + Transformer（DiT）作为核心架构，成为国内首家将该架构规模化用于视频生成的创业公司。
DiT 的本质逻辑：
- Diffusion：扩散模型的优势在于生成多样性强、模型稳定性高
- Transformer：注意力机制（Attention）让模型能「同时感知」序列中任意位置的信息，天然适合视频的时空建模
可扩展性：每次模型升级无需推倒重来，而是在既有基础上加宽加深。这意味着从 V2 到 V4，爱诗科技不是做了 3 个完全不同的产品，而是进行了 8 个版本的渐进式迭代。
2.2 从「能生成」到「音画同步」：V2 → V4 的关键突破
V2（2024 年 7 月）
- 核心：Magic Brush 运动笔刷，支持可控性
- 能力：1-5 段连续视频生成，保持主体形象与风格一致
V3（2024 年 10 月）
- 核心突破：Lipsync 对口型 + 视频延长（Extend）
- 技术价值：支持英、汉、法、日四种语言，能支撑 30 秒视频
- 行业意义：这是中文文生视频赛道第一次把「音画同步」做到可用级别
V4（2024 年底）
- 核心：完整的音频生成链路 + 人声配音
- 新增：5 秒极速生成、口型精度再提升、人物配音自动匹配
- 用户体验：输入台词 → AI 自动生成口型一致的语音 → 5 秒出视频
V4.5（2025 年初）
- 20+ 新功能：电影镜头控制、多图像引用、复杂动作增强
- 方向：从「能用」向「专业级」升级
R1（实时世界模型）
- 突破：全球首个 1080P 通用实时世界模型
- 核心优势：将生成延迟从「秒级」降至「即时」
2.3 商业化路径：从免费到 ARR 4000 万美元
爱诗科技走的是「先做大用户量，后商业化」的路线（这在 AI 工具类产品中常见，但在视频生成领域相对罕见）。
时间轴：
- 2023 年 11 月 ~ 2024 年 11 月：近 12 个月完全免费，积累用户量
- 2024 年 11 月启动商业化：推出付费会员订阅
- 2025 年 10 月：ARR 突破 4000 万美元（不到 1 年）
这意味着什么？
- 收入增长 10 倍速：从 0 到 4000 万美元，约 12 个月
- 转化率极高：1 亿+ 用户基数，月活 1600+ 万，商业化后快速上量
- 用户粘性强：说明产品本身足够好用，不是硬转付费
2.4 融资路径：「梯次递进」vs「单笔巨额」
爱诗科技的融资策略从 A 轮的梯次递进，转向 B 轮的单笔巨额：
A 轮梯次递进：
- 天使：数千万
- A1：亿级（达晨）
- A2：超亿级（蚂蚁领投）
- A3-A5：持续融资，保持融资频次（约 3 个月一轮）
B 轮质变：
- B 轮：6000+ 万美元（阿里领投）
- B+ 轮：1 亿元人民币
- 标志：从融资驱动转向收入驱动，融资额虽大但融资频次反而降低（12 个月内只有 B 和 B+ 两轮）
这反映的本质：
- A 轮是「需要钱加速」，B 轮是「有钱更好但不一定需要」
- ARR 快速增长让融资不再是紧迫需求，而是战略选择
2.5 竞争格局：「国产替代」的真实进度
爱诗科技在国内文生视频赛道的位置：
直接竞争对手：
- 国际：Sora、RunwayML、Pika
- 国内：Shengshu、Kuaishou 的 AI 视频、字节的 PixelDance（内部）
爱诗的竞争优势：
- 融资能力强：B 轮 6000+ 万美元创国内单笔最大
- 商业化进度快：ARR 已破 4000 万，国内最领先
- 用户基数大：1 亿+ 全球用户，月活 1600+ 万
- 技术迭代频次高：约 3-4 个月一个大版本，保持持续创新感
但：
- Sora 仍是「事实标准」，爱诗声称「3-6 个月赶超」（时间已过，尚未证实）
- 国内对标主要是「能力接近度」而非「市场份额」（Sora 暂未商业化）
2.6 商业模式：C 端 + B 端「双轮驱动」
C 端（消费者）：
- 付费方式：会员订阅
- 定价模式：按月/年计费，可能按额度（视频分钟数）分级
- 用户特征：内容创作者、抖音/快手 UP 主、广告创意工作者
B 端（企业）：
- 目标行业：广告、短剧、游戏
- 核心价值：批量生成素材、提升资产制作效率
- 商业化方式：API 接口、定制服务、企业包年
数据反映：
- C 端用户规模大（1 亿+），但 ARPU 可能较低
- B 端虽用户数少，但单客价值高（企业支付能力强）
- ARR 4000 万美元很可能是 B+C 混合收入
2.7 风险与不确定性
技术层面：
- DiT 架构的长期可扩展性未完全验证（当前最长生成 ~60-90 秒，距离「完整电影」还远）
- 对标 Sora 的说法（「3-6 个月赶超」）至今未落地，可信度下降
商业层面：
- 付费转化率虽高，但 ARPU 和续费率数据未公开，难以评估长期商业韧性
- B 端 API 生态刚开放，规模化变现还需验证
- 国内监管对 AI 视频内容的政策变化风险（如需人工审核要求）
竞争层面：
- 大厂跟进速度快，字节/快手/腾讯自有模型的迭代可能突然加速
- 开源模型（如 Luma、Allegro）的成熟会降低创业公司的技术护城河
战略框架
核心逻辑链条：
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
选择 DiT 架构
↓
保持迭代频次 (3-4 个月一版本)
↓
做出「音画同步」这个关键功能
↓
积累 1 亿+ 用户基数 (12 个月免费)
↓
启动商业化 (会员订阅)
↓
收入快速增长 (ARR 4000 万美元)
↓
获得头部融资 (阿里 B 轮 6000+ 万美元)
↓
同时开放 B 端 (API + 定制)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
关键决策点：
1. 为什么不一开始就商业化？→ 产品还不够好，用户量是底气
2. 为什么在 V3 才加音画同步？→ 这是「及格线」，必须做，但需要 12 个月积累
3. 为什么 B 轮融资额突然增大？→ ARR 证明了商业可行性，投资人信心陡增
蓝图复刻
如果我要复刻爱诗科技的打法，关键要素是什么？
-
技术选型要「前瞻但可行」：
- DiT 在 2023 年还不是「显而易见的最优解」，但王长虎选择了
- 这意味着需要对技术趋势的深度理解（他在字节的背景很重要）
-
迭代频次要快于竞品：
- V2-V4 约 4 个月间隔，持续刷存在感
- 这不是「为了更新而更新」，每版都有明确的核心功能跃升
-
用户量 > 融资额：
- 12 个月积累 1 亿+ 用户，才有底气融大额
- 这意味着初期要有免费模式的定力，不被融资时间表绑架
-
商业化要「渐进但决定性」：
- 2024 年 11 月一个时间点商业化，此前完全免费
- 一旦商业化启动，增长曲线陡直（ARR 1 年 10 倍）
-
融资要「大厂背书」：
- 阿里 B 轮领投不是随机的，而是因为：
- 用户量大（内容生态）
- 商业化证明成立（ARR 数据）
- 国产替代叙事（政策支持）
- 阿里 B 轮领投不是随机的，而是因为：
Mars 视角
核心洞察：
爱诗科技的成功本质上是「距钱距离」理论的完美演绎。
在 AIGC 赛道，距离钱最近的不是”能力最强”的模型，而是”能快速商业化”的产品。Sora 虽然能力更强，但至今未商业化；爱诗科技虽然能力还有差距，但用 12 个月完成了从 0 到 ARR 4000 万美元的跨越。
这背后有三层逻辑：
-
「用户量是商业化的前提」
- 爱诗免费 12 个月的决策看似「亏本」，实际是在为商业化积累「转化池」
- 1 亿用户基数 → 月活 1600 万 → 其中 X% 愿意付费 → ARR 4000 万
- 这个逻辑在 AI 工具类（而非 AI 芯片/云计算）产品中最清晰
-
「音画同步是临界突破」
- V2 有能力，但用户量增长可能缓慢
- V3 有音画同步，才达到「能真正用」的级别
- 这个功能不是锦上添花，而是「从玩具到工具」的分界线
- 王长虎说要 3-6 个月赶超 Sora，这个承诺虽然至今未兑现，但反映了他对音画同步重要性的认知
-
「融资的终极讯号是 ARR」
- A 轮的梯次融资是「有市场前景」的信号
- B 轮的大额融资是「有商业证明」的信号
- 阿里 6000+ 万美元来得这么快，核心是 ARR 4000 万美元这个数字太扎眼
- 它证明了「AI 视频生成 → 商业可行」这个命题，不再是假设
但不容忽视的风险：
- ARR 4000 万美元很漂亮，但这是「全球收入」，不是「利润」。服务器成本、研发投入、商务投入的结构比如何，决定了这个数字的真实含义
- 国内政策对 AI 视频内容的监管在演进，未来可能需要人工审核或额度限制，这会改变商业模型
- 大厂（字节、快手、腾讯）的跟进速度往往超出创业公司预期，他们有：
- 现成的用户基础（可以直接内置到 App）
- 成熟的商业化链路（广告、直播、电商等）
- 无限的研发资源和 GPU 资源
我的判断：
爱诗科技找到了「AI 视频生成在国内的可行商业模式」，这是重大突破。但能否从「国产替代的领先者」成为「全球市场的头部玩家」，取决于：
- 能否保持迭代速度（不被大厂拖垮）
- 能否在国际市场复制这套商业化逻辑（付费转化可能需要本地化）
- 技术路线能否在长视频（几分钟到十几分钟）上有突破
距钱的启示：
- 不追求”最强的模型”，而追求”最快能商业化的产品” → 爱诗的正确选择
- 不只看融资额，看 ARR 增长曲线 → 4000 万美元的真实意义是”1 年 10 倍增长”
- 不看用户量，看”愿意为此付费的用户转化率” → 这个数据爱诗没公开，但能倒推出来一定不低
AI 草稿——待 Mars 确认
相关卡片
时间线
| 时间 | 事件 | 意义 |
|---|---|---|
| 2023.04 | 创办 | 王长虎离开字节 |
| 2023.08 | 天使轮 | 种子期融资 |
| 2023.11 | PixVerse 上线 | 产品发布，开启免费模式 |
| 2024.02 | 算法备案 | 国内政策合规 |
| 2024.04 | A2 轮融资 | 蚂蚁领投，融资加速 |
| 2024.07 | V2 版本 | Magic Brush，可控性升级 |
| 2024.10 | V3 版本 | Lipsync，音画同步突破 |
| 2024.11 | 商业化启动 | 付费订阅上线 |
| 2024.12 | A4 轮融资 | 融资累计超 3 亿元 |
| 2025.03 | A5 轮融资 | 月活破 1500 万 |
| 2025.09 | B 轮融资 | 阿里领投，6000+ 万美元 |
| 2025.10 | B+ 轮融资 | ARR 突破 4000 万美元 |
参考资源
- 36氪：爱诗科技完成B+轮融资，ARR超4000万美金
- 量子位：爱诗科技完成B+轮融资，ARR突破4000万美金
- 观察者网：中国AI视频赛道最大单笔融资，为什么给了爱诗科技
- 爱范儿：国产视频模型企业爱诗科技再获亿级融资
- 知乎：爱诗科技与悉尼大学联合发布LaVin-DiT
更新日志
| 版本 | 日期 | 更新内容 |
|---|---|---|
| v1.0 | 2024-03-19 | 首版卡片，基于 A2 轮融资 |
| v2.0 | 2024-10-20 | 更新 V3 版本信息，融资进展到 A4 |
| v3.0 | 2025-03-05 | 更新 A5 轮融资，补充商业化数据 |
| v4.0 | 2025-10-21 | 完整更新 B/B+ 轮融资，ARR 4000 万美元，新增战略分析和 Mars 视角 |
网络导航
- 同赛道 → CapCut、Descript、Edits、HeyGen、Higgsfield、IMA
- 探索行业 → 视频生成赛道全部产品