單品時(shí)代結(jié)束，AI應(yīng)用進(jìn)入集團(tuán)時(shí)代。

過(guò)去一年，AI行業(yè)的敘事重心一直圍繞模型展開(kāi)。

從OpenAI、Anthropic到 DeepSeek，大模型公司占據(jù)了絕大多數(shù)關(guān)注度。但與此同時(shí)，另一條商業(yè)化路徑正在快速浮出水面——AI應(yīng)用。

近日，LiblibAI母公司“演語(yǔ)科技（Evoken）”完成近3億美元B+輪融資，投后估值超過(guò)20億美元——這也是中國(guó)AI 應(yīng)用公司目前最高的單輪融資。

本輪融資由Granite Asia、騰訊、順為資本聯(lián)合領(lǐng)投，HT Investment、時(shí)代資本共同參與投資。高榕資本、螞蟻集團(tuán)、渶策資本、明勢(shì)創(chuàng)投、源碼資本、紅杉中國(guó)以及其他數(shù)家知名投資機(jī)構(gòu)等現(xiàn)有股東持續(xù)加碼支持。

相比融資數(shù)字，更值得關(guān)注的是另一組數(shù)據(jù)：截至2026年5月，演語(yǔ)科技ARR已達(dá)到3億美元，較本輪融資完成時(shí)增長(zhǎng)近3倍。

在中國(guó)，這是除了大廠之外，為數(shù)不多進(jìn)入“億級(jí)ARR”俱樂(lè)部的AI應(yīng)用初創(chuàng)公司。

這意味著，演語(yǔ)科技的增收杠桿并非偶然爆發(fā)的單一產(chǎn)品，而是建立在連續(xù)跑通多個(gè)AI產(chǎn)品PMF的基礎(chǔ)之上。

回顧過(guò)去三年的AI產(chǎn)業(yè)演進(jìn)，可以清晰看到三輪最重要的應(yīng)用浪潮：圖片生成、Agent以及視頻生成。演語(yǔ)幾乎在每一個(gè)周期里都交出了自己的代表作：

2023年上線的AI創(chuàng)作者社區(qū)LiblibAI，累計(jì)用戶突破3000萬(wàn)，中國(guó)每三位設(shè)計(jì)師，就有一位LiblibAI的活躍用戶；2025年7月發(fā)布的AI設(shè)計(jì)Agent星流，累計(jì)服務(wù)的用戶規(guī)模已達(dá)千萬(wàn)。

2026年2月上線的AI視頻創(chuàng)作平臺(tái)LibTV，則刷新了國(guó)內(nèi)AI應(yīng)用造血的速度——上線首月，LibTV的單日營(yíng)收就超過(guò)了百萬(wàn)美金；上線兩個(gè)月后，產(chǎn)品收入增長(zhǎng)了超過(guò)13倍。

當(dāng)行業(yè)還在討論如何尋找AI PMF時(shí)，這家公司已經(jīng)開(kāi)始回答一個(gè)更現(xiàn)實(shí)的問(wèn)題：AI究竟怎樣變成一門生意？

而從LiblibAI 到星流，再到 LibTV，這家公司試圖構(gòu)建的，也許不只是單個(gè)爆款應(yīng)用，而是中國(guó)第一家AI內(nèi)容矩陣。

用三款產(chǎn)品，成為中國(guó)最會(huì)賺錢的AI 公司之一

AI行業(yè)從不缺爆款產(chǎn)品，缺的是持續(xù)制造爆款產(chǎn)品的公司。

AI行業(yè)過(guò)去三年誕生了大量明星產(chǎn)品，但絕大多數(shù)公司仍停留在“只有一個(gè)超級(jí)產(chǎn)品”的階段。比如，Cursor的標(biāo)簽是AI Coding，Suno的標(biāo)簽則是AI Music——毋庸置疑，這些產(chǎn)品都取得了巨大成功，但截至目前，這些超級(jí)產(chǎn)品依然承擔(dān)著為母公司造血的主要重壓。

這實(shí)際源于一個(gè)困境：大多AI公司能找到一個(gè)PMF，卻沒(méi)有持續(xù)復(fù)制PMF的能力。比如，Character.AI嘗試過(guò)社區(qū)、Agent、游戲等多個(gè)方向，但被時(shí)常記住的標(biāo)簽，仍然是“AI角色陪伴”，第二增長(zhǎng)曲線并不容易建立。

相比之下，從LiblibAI，到星流，再到LibTV，演語(yǔ)幾乎完整經(jīng)歷了圖片生成、Agent和視頻生成三輪技術(shù)周期：

2023年，隨著Midjourney、Stable Diffusion推動(dòng)AI圖片生成進(jìn)入大眾視野，大量創(chuàng)業(yè)公司開(kāi)始涌入這一賽道。演語(yǔ)推出的LiblibAI，則選擇從創(chuàng)作者社區(qū)和模型生態(tài)切入，填補(bǔ)了國(guó)內(nèi)多模態(tài)模型“賣鏟人”的空白。

隨后，AI應(yīng)用進(jìn)入Agent時(shí)代，以Manus為代表，行業(yè)開(kāi)始探索如何讓AI從“生成內(nèi)容”進(jìn)一步走向“完成任務(wù)”。在這一階段，演語(yǔ)推出了AI設(shè)計(jì)Agent星流。

今年，隨著Seedance 2.0、Kling 3.1等高性能視頻模型的發(fā)布，以及下游短漫劇市場(chǎng)的高速增長(zhǎng)，演語(yǔ)又快速推出了LibTV，在強(qiáng)調(diào)“單鏡頭”生成的視頻生成賽道，率先在下游客戶中建立“交付成片”的心智。

對(duì)于AI行業(yè)而言，跑通一次PMF證明的是產(chǎn)品能力；連續(xù)跑通三次PMF，則更是證明了組織能力。

演語(yǔ)團(tuán)隊(duì)的方法論之一，是比別人更早發(fā)現(xiàn)模型能力變化帶來(lái)的機(jī)會(huì)。演語(yǔ)科技創(chuàng)始人陳冕曾在訪談中將其總結(jié)為兩件事：第一，密切跟進(jìn)模型迭代；第二，內(nèi)部對(duì)齊了一個(gè)假設(shè)：模型在變強(qiáng)，但短期是更像人，還沒(méi)超越人。

△演語(yǔ)科技創(chuàng)始人陳冕

在他看來(lái)，應(yīng)用層公司的必修課，就是“如何leverage前沿模型”，即在最短時(shí)間內(nèi)用好最新的模型。相比模型公司關(guān)注能力邊界，應(yīng)用公司更關(guān)心能力拐點(diǎn)：當(dāng)模型出現(xiàn)某種新的能力時(shí)，能解決哪些過(guò)去解決不了的問(wèn)題？會(huì)催生哪些新的交互方式？哪些工作流會(huì)被重構(gòu)？

星流的誕生就是一個(gè)典型案例。

在GPT-Image-1等高性能圖像生成模型上線之前，演語(yǔ)團(tuán)隊(duì)便判斷，模型廠商正在集中攻克復(fù)雜多輪指令理解、一致性控制以及編輯能力等問(wèn)題。

如果這些問(wèn)題被解決，那么設(shè)計(jì)軟件最核心的交互方式可能發(fā)生變化——用戶不再需要學(xué)習(xí)復(fù)雜的工具鏈，而是通過(guò)自然語(yǔ)言與AI持續(xù)協(xié)作完成設(shè)計(jì)?；谶@一判斷，團(tuán)隊(duì)提前在星流上押注了“ChatCanvas”的產(chǎn)品形態(tài)。

但僅僅理解技術(shù)變化還不夠。過(guò)去幾年，大量AI創(chuàng)業(yè)公司都能敏銳感知模型進(jìn)步，卻未必能夠把技術(shù)優(yōu)勢(shì)轉(zhuǎn)化成真實(shí)需求。相比發(fā)現(xiàn)技術(shù)機(jī)會(huì)，識(shí)別市場(chǎng)機(jī)會(huì)往往更加困難。

演語(yǔ)的第二項(xiàng)能力，是將下游需求拆解、重構(gòu)，并最終產(chǎn)品化。

LibTV就是誕生在模型能力和下游需求交匯點(diǎn)的一款應(yīng)用。在外界看來(lái)，視頻生成賽道的核心問(wèn)題是鏡頭美不美、理解準(zhǔn)不準(zhǔn)。但團(tuán)隊(duì)在與大量客戶交流后發(fā)現(xiàn)，短漫劇團(tuán)隊(duì)、MCN機(jī)構(gòu)和廣告公司真正缺的并不是單鏡頭生成能力，而是完整的內(nèi)容生產(chǎn)能力。

只有能夠融入整條生產(chǎn)鏈路，幫助客戶完成作品交付，才能真正創(chuàng)造商業(yè)價(jià)值。因此，LibTV從一開(kāi)始瞄準(zhǔn)的就不是視頻生成模型本身，而是視頻生產(chǎn)工作流。

這種思路其實(shí)貫穿了演語(yǔ)過(guò)去幾年的產(chǎn)品發(fā)展路徑：LiblibAI解決的是創(chuàng)作者獲取和管理AI素材的問(wèn)題；星流解決的是人與AI協(xié)作的設(shè)計(jì)工作流問(wèn)題；LibTV解決的是成片交付的問(wèn)題。

表面上看，它們分屬不同賽道，但背后遵循的是同一套邏輯：不是尋找模型最強(qiáng)的地方，而是尋找產(chǎn)業(yè)鏈中最需要被重構(gòu)的環(huán)節(jié)。

而這或許也是AI應(yīng)用創(chuàng)業(yè)最重要的一條規(guī)律：在一個(gè)高速增長(zhǎng)的增量市場(chǎng)中，最重要的不是標(biāo)新立異，而是在正確的時(shí)間，做正確的事。

中國(guó)AI應(yīng)用開(kāi)始進(jìn)入“集團(tuán)戰(zhàn)爭(zhēng)”

2026年初，AI的熱度還在，但多款“爆款”卻宣告了“死亡”。根據(jù)AI Graveyard的統(tǒng)計(jì)，2025年全球有392個(gè)AI工具停止服務(wù)。這意味著，過(guò)去一年里，平均每天都有一個(gè)AI產(chǎn)品死亡。

最令人錯(cuò)愕的“猝死”，源自AI巨頭OpenAI。2026年3月25日，OpenAI宣布Sora應(yīng)用下架—這款已經(jīng)發(fā)布下載量就沖上1000萬(wàn)次的爆款產(chǎn)品，享年25個(gè)月。

正如a16z合伙人Bryan Kim所言：“消費(fèi)級(jí)AI領(lǐng)域根本沒(méi)有護(hù)城河。”一個(gè)顯著的信號(hào)是：單爆品的敘事正在過(guò)時(shí)。

模型能力的快速迭代正在吞并AI應(yīng)用，與此同時(shí)，Coding能力的迭代又快速降低了爆款產(chǎn)品的復(fù)刻成本。這就導(dǎo)致，爆款A(yù)I應(yīng)用的生命周期縮短，產(chǎn)品層的競(jìng)爭(zhēng)加劇，獲客成本也變相水漲船高——根據(jù)部分從業(yè)者反饋，2024年，AI產(chǎn)品平均獲客成本（CAC）還在20元-30元；如今，數(shù)字已經(jīng)漲到了百元。

在這樣的背景下，“集團(tuán)化”開(kāi)始成為AI企業(yè)建立壁壘的新方式。

相比單一產(chǎn)品，多產(chǎn)品矩陣的商業(yè)抗風(fēng)險(xiǎn)能力更強(qiáng)。更重要的是，集團(tuán)化意味著企業(yè)不再爭(zhēng)奪某一個(gè)工具賽道，而是在爭(zhēng)奪行業(yè)的生態(tài)位。對(duì)于后來(lái)者而言，復(fù)制一個(gè)產(chǎn)品或許并不困難，但復(fù)制一個(gè)由多個(gè)產(chǎn)品、數(shù)千萬(wàn)用戶和完整商業(yè)體系構(gòu)成的生態(tài)，則要困難得多。

演語(yǔ)科技，則是中國(guó)第一批進(jìn)入“集團(tuán)化作戰(zhàn)”階段的AI應(yīng)用公司。

先看橫向的產(chǎn)品矩陣。從LiblibAI，到星流，再到LibTV，演語(yǔ)的產(chǎn)品沿革有一條清晰的主線：跨越AI技術(shù)周期的創(chuàng)意內(nèi)容交付。

這意味著，三款產(chǎn)品的用戶高度重合，相較于分散在不同場(chǎng)景下的單點(diǎn)產(chǎn)品，可以形成用戶、數(shù)據(jù)和商業(yè)化能力的共享。

例如，LiblibAI社區(qū)中的圖片創(chuàng)作者，可能需要設(shè)計(jì)Agent進(jìn)一步輔助創(chuàng)作；圖片創(chuàng)作者，可能又轉(zhuǎn)化成為視頻創(chuàng)作者——不同產(chǎn)品之間互為流量入口，自然而然拉長(zhǎng)了用戶的生命周期。

再看縱向的內(nèi)容產(chǎn)業(yè)生態(tài)。從LiblibAI提供創(chuàng)意靈感、素材生成，到星流和LibTV交付視覺(jué)設(shè)計(jì)，演語(yǔ)的多個(gè)產(chǎn)品共同構(gòu)成了一條完整的內(nèi)容生產(chǎn)鏈路。

尤其是率先提出“用戶和Agent雙入口”的LibTV，它不僅僅是一款為人設(shè)計(jì)的產(chǎn)品，更像是在為Agent時(shí)代搭建基礎(chǔ)設(shè)施。隨著AI從“回答問(wèn)題”走向“完成工作”，越來(lái)越多內(nèi)容生產(chǎn)環(huán)節(jié)將被封裝成可調(diào)用的能力模塊，而視頻生成正是其中最核心的一環(huán)。

換句話說(shuō)，今天的LibTV服務(wù)的是創(chuàng)作者，未來(lái)的LibTV服務(wù)的可能是Agent。當(dāng)越來(lái)越多Agent開(kāi)始參與創(chuàng)意和內(nèi)容工作流，誰(shuí)掌握了圖片、視頻和設(shè)計(jì)等關(guān)鍵生產(chǎn)能力，誰(shuí)就有機(jī)會(huì)成為下一代內(nèi)容生態(tài)的重要入口。

在商業(yè)歷史中，隨業(yè)務(wù)拓展變得組織臃腫、動(dòng)作變形，這樣的故事屢見(jiàn)不鮮。當(dāng)一家年僅3歲的企業(yè)，快速成長(zhǎng)成“集團(tuán)”，其組織所面臨的考驗(yàn)也越發(fā)嚴(yán)峻：如何提高組織效率？如何保持決策的準(zhǔn)確？

演語(yǔ)的核心答案是：快。

在公開(kāi)訪談中，陳冕曾提到：“速度是在模型更新頻繁、產(chǎn)品生命周期短的時(shí)代最稀缺的壁壘?！北热?，36氪了解到，LibTV從立項(xiàng)、用戶訪談、研發(fā)，到最后上線，僅用了1個(gè)月。

快的背后，則是一個(gè)圍繞內(nèi)容創(chuàng)意產(chǎn)品構(gòu)建的組織。陳冕將演語(yǔ)的組織形容為“沒(méi)有產(chǎn)品經(jīng)理，只有設(shè)計(jì)師”“只有‘教AI的人’”。

這一員工畫像背后的邏輯是，“當(dāng)工具足夠智能，‘管理需求的人’不再被需要，但‘定義需求的人’反而更重要”——簡(jiǎn)單而言，“行業(yè)Know-How”，將成為團(tuán)隊(duì)的核心資產(chǎn)。

放在全球AI應(yīng)用公司的坐標(biāo)系中，演語(yǔ)科技的估值邏輯或許需要被重新審視。

從最簡(jiǎn)單的PS（市銷率）角度看，演語(yǔ)在全球處于明顯的估值洼地。一組典型的對(duì)照是：創(chuàng)立于美國(guó)的AI音樂(lè)創(chuàng)作工具Suno，ARR在2026年3月達(dá)到了3億美元，對(duì)應(yīng)著54億美元估值；而ARR體量相同的演語(yǔ)，融資后估值僅約20億美元，不到Suno的1/2。

無(wú)論是收入規(guī)模、增長(zhǎng)速度還是商業(yè)化能力，兩者已經(jīng)進(jìn)入同一量級(jí)，但市場(chǎng)給予的定價(jià)卻存在顯著差距。

但更值得關(guān)注的，或許并不是PS本身，而是AI應(yīng)用公司的估值體系正在發(fā)生變化。

過(guò)去二十年，資本市場(chǎng)習(xí)慣用SaaS公司的邏輯衡量軟件企業(yè)：軟件只是工具，真正創(chuàng)造價(jià)值的是使用工具的人。因此，企業(yè)的估值最終取決于訂閱收入、客戶數(shù)量和續(xù)費(fèi)率等指標(biāo)。

然而在AI時(shí)代，工具的角色正在發(fā)生根本變化。正如陳冕所說(shuō)：“我們不能沿用工具時(shí)代的思路來(lái)理解AI時(shí)代的工具。SaaS的本質(zhì)是服務(wù)由人提供，是人使用工具。而現(xiàn)在，AI成為提供服務(wù)的主體。”

因此，AI應(yīng)用的價(jià)值錨點(diǎn)正在從“軟件席位”轉(zhuǎn)向“勞動(dòng)力席位”。

過(guò)去企業(yè)購(gòu)買的是軟件，未來(lái)企業(yè)購(gòu)買的會(huì)是一個(gè)能夠持續(xù)交付成果的數(shù)字員工。衡量一家AI公司的標(biāo)準(zhǔn)，也將從它賣出了多少工具，逐漸轉(zhuǎn)向它承擔(dān)了多少工作、創(chuàng)造了多少生產(chǎn)力。

從這個(gè)意義上看，演語(yǔ)的價(jià)值或許不應(yīng)被簡(jiǎn)單視作一家AI工具公司。它所構(gòu)建的AI內(nèi)容創(chuàng)作矩陣，本質(zhì)上是在重構(gòu)內(nèi)容產(chǎn)業(yè)的生產(chǎn)方式。

當(dāng)市場(chǎng)開(kāi)始用“數(shù)字勞動(dòng)力”而非“軟件工具”來(lái)衡量AI應(yīng)用時(shí)，演語(yǔ)20億美金的估值很也可能只是一個(gè)開(kāi)始。