10个月狂揽20亿！上海国资下注，新晋AI独角兽诞生

在AI大模型赛道里，文生视频是当下火药味最浓的战场之一。一边是海外巨头持续迭代，国内一众团队也在紧追不舍，不断用融资、开源、新产品刷新行业节奏。11月5日，上海本土视频生成基础模型公司Sand.ai（三呆科技）对外宣布完成2亿美元A+轮融资，短短10个月累计拿下3亿美元资金，正式跻身独角兽队列。这家2024年初才起步的公司，没有一味埋头堆参数，而是一边持续开源大模型，一边拿出了能跑通收入的产品。在众多视频模型团队还停留在秀效果、等融资的时候，它已经走出了一条“模型开源+产品变现”的路线。 一、多方资本扎堆入局，国资与产业资本共同押注 本轮2亿美元融资的阵容，足以看出市场对视频生成赛道的热情。这一轮由基石资本、网宿科技联合领投，时代资本、磐霖资本、东证资本等多家知名机构参与投资；天创资本联合山东铁投产投、山东铁路基金战略参投，浦东创投、上海国方等上海国资背景机构也加入进来，经纬创投、华业天成、中科创星等老股东继续追加资金。 产业资本、美元基金、人民币基金、地方国资同时出手，是这一轮融资很特别的地方。网宿科技作为领投方，本身就手握大规模CDN、算力分发基础设施，和视频模型训练、推理分发的需求高度契合，后续双方大概率会在算力、推理降本、全球分发上深度配合。 公司方面表示，这笔资金主要投向四个方向：视频基础模型研发、训练和推理基建搭建、产品持续迭代，以及海外市场拓展。同时，大家等待已久的MAGI-2正式版，很快就要和开发者见面。算上这一轮，Sand.ai成立至今已经完成4轮以上融资，今年上半年就已经完成两轮合计超亿美元融资，背后集结了IDG、源码资本、创新工场、百度风投等一线投资机构，资本接力的节奏十分密集。 二、清华博士带队，从SwinTransformer到视频模型创业 一家AI公司的底色，往往藏在创始团队身上。Sand.ai创始人兼CEO曹越，是清华大学软件工程博士，计算机视觉领域圈内很熟悉的研究者。他曾经是微软亚洲研究院主管研究员，北京智源人工智能研究院视觉模型研究中心负责人，也是光年之外的联合创始人。 很多人了解他，是因为SwinTransformer。这项成果拿下了ICCV2021的MarrPrize，是计算机视觉领域含金量极高的奖项。除此之外，VideoSwin、SimMIM、EVA这些视觉方向的经典工作，曹越也都深度参与。从图像模型，再到视频、音视频联合建模，他的研究路线一路延伸到今天的视频生成。 2024年1月，Sand.ai在上海启动，团队目标很聚焦：不做宽泛的通用大模型，专注视频生成基础模型和配套应用。在整个赛道里，有不少团队是先做C端产品，再回头自研基座；而Sand.ai选择的路线是先啃底层模型，再长出商业化产品，两条线并行推进。 三、MAGI系列持续迭代，千亿MoE模型选择开源路线 视频生成模型最难的，从来不是单纯堆参数，而是在效果、速度、成本三者之间找平衡。Sand.ai的MAGI系列模型，版本迭代脉络清晰，并且坚持开源，这在千亿级视频模型里并不算多见。 2025年4月，MAGI-1正式开源，走自回归路线，可以按时间顺序生成片段，支持视频不断延展，解决长视频生成的基础难题。到2026年3月，MagiHuman音视频基座模型发布，采用单流Transformer架构，文本、画面、声音放在一起联合建模，不再分开处理图像和音频。同时配套MagiAttention、MagiCompiler这类底层技术，专门优化大规模视频模型训练、推理的效率。 今年8月，MAGI-2Preview预览版放出，也是它最受行业关注的一步。这是全球最早把视频生成模型做到千亿参数规模、并且开放权重的团队之一。模型总参数114B，但是依靠超细粒度MoE混合专家架构，每次运算只激活大约6B参数，大幅压低推理成本。公开信息显示，蒸馏后的模型生成10秒1080P视频，推理成本仅0.5元。在当时ArtificialAnalysis的图生视频榜单上，MAGI-2Preview位列全球第六。 对于视频模型来说，MoE架构的价值很实在：模型容量足够大，理解画面、动作、光影的能力更强，但不会每次调用都激活全部参数，避免算力和成本失控。而开源，是它吸引开发者生态的关键，让更多人拿到模型去二次开发、测试、落地，反过来帮模型发现问题。 四、VidMuse跑通商业化，上线两月ARR破千万美元 底层模型之外，Sand.ai的商业化答卷，是VidMuse。和很多只做演示Demo的AI视频工具不一样，VidMuse从音乐视频切入，主打音频驱动生成，用户上传音乐，AI自动分析节奏、歌词，规划镜头，生成匹配画面，后续也延伸到广告短片、动画、叙事短片等场景，面向音乐人、独立创作者、工作室和品牌方。 一个亮眼的数据是，VidMuse上线两个月，年化经常性收入ARR就突破千万美元。A