模型在场景中的边界，才是 Evoken 的正面战场。

作者｜朱正

编辑｜郑玄

演语科技 Evoken——也就是之前的 Liblib——近日公布了一笔在今年上半年完成的近 3 亿美元 B+ 轮融资，这家公司现在的估值超过 20 亿美元了。

这笔投资金额接近目前 Evoken 一年的收入规模。Evoken 在今年 5 月的 ARR 已达到 3 亿美元，而在短短几个月前完成本轮融资时，这一数字还不到现在的三分之一，短时间内增长了近 3 倍。换句话说，投资者在当时就已经给予了这家公司极高的信心，押注这家已经连续跑通多个 AI 产品 PMF、并逐渐成为全球增长最快的 AI 应用公司，相信它能够进一步推动视频生成领域的发展。而事实证明，其商业化进展的速度甚至比市场预期更快。

视频生成赛道激烈竞争到现在，价值判断的基准正在变化。模型能力和 Agent 玩法仍然重要，但 AI 视频生成最终要被当作一种要融入实际场景的能力来看待。钱的流向是理性的，这个领域里的众多玩家中，Evoken 是目前最接近终局的那一个。

01

今年最大的一笔融资

这是今年国内 AI 视频生成领域规模最大的一笔融资。

本轮融资由 Granite Asia、腾讯、顺为资本联合领投，HT Investment、时代资本共同参与；高榕资本、蚂蚁集团、渶策资本、明势创投、源码资本、红杉中国以及其他数家机构等现有股东继续加码。

这也是 Evoken 迄今数轮融资中，参与方最多的一次。其股东组合同时涵盖美元基金、互联网产业资本，以及多家上一轮股东。AI 视频生成领域显然尚未进入稳定格局，而 Evoken 在这个仍剧烈起伏的赛道中，于现阶段收获了难得的信任。

AI 视频生成是当下全球资本最密集下注的方向之一。海外市场上，Video Rebirth 今年 3 月获得 8000 万美元融资，Runway 和 Luma AI 的估值均在去年超过 30 亿美元；围绕角色、营销和短视频生产的公司也持续获得资本关注，Higgsfield 在今年成为一家估值触及 10 亿美元门槛的公司。

而等到 Sora 2 一鲸落，人们才发现，国内正在打一场更卷的仗。

AI 短剧行业的迅速膨胀，让 AI 视频生成在国内开始成为一种可预期的生产力「刚需」工具。在这一赛道中，互联网大厂、第一梯队模型公司，以及专注视频生成垂直场景的产品公司，正坐在同一张牌桌上，争夺注意力和资金流向。

快手可灵、字节 Seedance、阿里、腾讯混元等大厂模型并不依赖外部融资，但它们所呈现的是公司内部集中资源投入、内容生态和商业场景持续迭代的图景；而无论是以 MiniMax 为代表的头部模型公司的上市和股价变化，还是 AI 视频生成垂直领域的初创企业的叙事变化，都开始出现经营数据正取代技术参数成为核心评估指标的趋势。

这也正是 Evoken 这笔融资的特殊之处。它并不是一家只讲基础模型能力，或只是简单包装模型 API 的工具公司。拿到 3 亿美元融资时，Evoken 已经是一家商业上成立的公司。若按超过 20 亿美元估值粗略计算，其收入倍数远低于许多仍处于技术叙事阶段的模型公司。换言之，这笔投资并非只是在为「未来可能性」付费，而是在为已经形成的商业化斜率付费。

02

钱会流向赚钱的公司

从「GitHub」到「专业工作室」，Evoken 用 3 年时间验证了 AI 视频生成技术在国内能够走出一条稳定且可观的商业化路径。

Evoken 在 2023 年以 LiblibAI 被市场认识时，定位是「AI 绘画领域的 GitHub」。彼时，这是一个合理的切入口。Stable Diffusion 开源生态快速扩张，模型作者、设计师、AI 绘画玩家都需要一个平台来分享模型、交流参数、复用提示词和作品案例。成立两个月后，Evoken 即完成天使轮融资，以约 1500 万美元估值获得 350 万美元投资。那一轮融资买的是 AIGC 应用爆发的早期门票，具体落到 LiblibAI，外界相信大模型能力会重新定义创作者画像，而围绕 AI 能力，创作者生态也会被重新组织。

这是创作者的「0-1」，但在内容创作这个极度结果导向的场景里，商业化的 PMF 只能在「最后一公里」里找。

2023 年底，LiblibAI 开始从模型库向云端工具和创作者社区扩展。用户可以直接在平台调用算力，完成文生图、图生图、局部重绘、ControlNet、模型训练和视频生成，不再需要本地显卡和复杂环境配置。作品可以被展示，参数可以被查看，玩法也可以被二次创作。

2024 年，Evoken 的产品重心进一步从工具集转向工作流，开始尝试让创作者在平台内完成更多创作步骤。1 月，Evoken 获得 Pre-A 轮融资，引入产业资产，开始验证商业化方向。短短 6 个月后，明势资本领投的数亿美元 A 轮融资继续加码，意味着 Evoken 在用户增长上的表现获得认可，并进入快速扩张阶段。

也从这一年开始，这家公司逐渐把「github」的标签藏在身后。上游是原创模型和创作者生态，中间是云端工具和多模态能力，下游则连接专业设计、电商、海报、IP、视频和企业客户生态。一个创作平台的属性，开始逐渐显现。

恰逢其时，短剧、漫剧、品牌系列广告等专业视频内容需求方，开始在 2025 年大规模转向 AI 生成。艾媒咨询数据显示，当年中国动画微短剧，以 AI 漫剧为主，市场规模达到 189.8 亿元，同比增长 276.3%。2025 年也被行业视为 AI 漫剧的爆发「元年」。

这直接改变了视频生成赛道的估值方法。当视频生成需求迅速从玩法和 demo 转向最终作品交付，生成内容资产的一致性、资产的可复用性，以及整个创作流程的完善程度，开始成为商业闭环的关键门槛。

带着月活跃用户 400 万、总用户数 2500 万的用户规模，Evoken 在国内视频生成行业最重要的一年，踩着行业转向商业化的节点，将 LiblibAI 的产品定位变为「AI 专业创作工作室」。整个 2025 年，Evoken 连续完成 4 笔融资，刷新 AI 应用赛道融资速度记录。资本押注的已经不是一个「AI 绘画 GitHub」的想象，而是一个最靠近视频内容产业的创作者社区，以及它定义一套新 AI 视频创作范式的机会。

几个月前，Evoken 又沿着这个方向往前走了一步——LibTV。

Evoken 把最强的模型调用能力、最深的工作流整合进新产品 LibTV，直接面向专注 AI 视频创作的创作者、工作室、品牌和影视团队。这是整个内容创作生态中最金字塔尖，也最能验证商业化的一个群体。

「不同的模型有不同的特点，Seedance 是生成视频的最后一步，前面的原画还是用 midjourney 更顺手，在前面的剧本和分镜阶段，需要好的文本模型」，一位 AI 短剧导演这样描述自己使用 LibTV 的体验。

付费是最诚实的投票方式。LibTV 在今年 3 月正式上线后，首月内单日收入超过百万美元，服务了近千个短剧团队、影视制作机构、广告公司与品牌客户；到 5 月，其收入达到上线首月的 13 倍以上，已经开始成为众多专业内容团队进入 AI 视频时代的重要基础设施。

Evoken 目前生态中的创作者已经超过 3000 万，整体收入在今年 5 月同比增长超过 3000%。AI 视频生成领域的投资，开始更集中地流向这些真正能赚钱的公司。

03

打过仗的人，不迷信错位竞争

某种程度上，LiblibAI 是视频生成行业近一年这场速朽战役里的一个特例。

2025 年以来，中国一批新锐 AIGC 视频应用创业公司迅速起势。其中一些明星项目，比如 Vivix，在 2025 年从创立到年末冲上 13.2 亿美元估值，用不到一年时间连跳三轮，直接跨入独角兽区间。Kimi 离职明星创始人背景的 ONE2X，其产品 Medeo 主打用多轮对话低门槛生成视频，也在去年年底融到 2300 万美元。几乎同时，Pollo AI 也官宣完成 1400 万美元种子轮融资。

整个视频生成赛道在去年的热度，从资本市场上可见一斑。自去年 9 月之后的半年时间里，这条赛道的融资额已经突破 10 亿元。

那是一段极快的时间。新的交互方式、低门槛的视频生成、自动化脚本和分镜、面向社交平台的短内容生产，都足够在早期获得传播。用户愿意尝鲜，投资人愿意看增长，平台也愿意奖励新奇内容。

但热闹很快遇到边界。

但这一批产品的底层卖点往往相似：把视频创作拆解成更自动化的脚本、分镜和生成流程，让一个非专业用户也能更快做出一支短片。它们很容易在早期拉起关注，却也很容易被更强的模型能力覆盖。一旦创作者发现某个模型在特定场景里效果更好，或者在同等效果下更便宜，切换就可能发生在一夜之间。

当 Seedance 2.0 这类由平台公司打磨出的模型和产品继续迭代，面对拥有更强模型能力迭代能力、更大用户入口的玩家开始转过身来，很多视频生成 Agent 产品原本看起来巧妙的「错位竞争」，突然变得脆弱起来。

这样的「错位竞争」往往是一场看起来很美的幻觉。这或许也是 Evoken 创始人陈冕从字节跳动出来创业时，就已经得到过的经验。

陈冕曾是字节跳动最年轻的 4-1，负责剪映商业化。剪映并不是靠某一个剪辑功能建立优势，而是降低了创作者从素材、模板、剪辑、音乐、字幕到发布的完整摩擦。一个创作工具如果能够承载用户的创作习惯、素材资产和交付流程，它就不再只是工具，而是生产环境。

彼时，剪映借着抖音巨大的内容生态，把视频创作者的创作习惯迁移到自己身上，挑战的是 Adobe、Pr 和 Canva；现在，Evoken 则借着 AI 对内容生产的变革，获得了一次重新定义新生产环境的机会。

所以，Evoken 对 AI 视频生成的判断一直更务实。陈冕曾谈到，做 AI 应用要预判模型演化，在模型 ready 的时刻把产品「秀出来」。这句话背后其实有两层意思：应用公司既要离技术足够近，知道哪些能力很快会被模型补上；也要离用户足够近，知道哪些问题即使模型更强也仍然存在。

视频创作一旦进入真实生产环境，AI 工具遇到的大量问题都属于后者。

模型可以让生成更快、更清晰、更可控，但它不能自动理解一个短剧团队的拍摄节奏、一个广告客户的品牌规范、一个影视机构的角色资产管理方式，或一个设计师对风格延续的要求。模型能力越强，创作者越需要有人把这些能力组织起来。生成只是中间环节，交付才是终点。

如果使用过 LiblibAI，或者体验过最新的 LibTV，会发现后者产品核心的组件，包括脚本生成器、角色一致性、AI 导演台、主体库、SD2 提示词优化和批量分镜等，都是在准确抽象内容制作链路，并将其产品化。

本质上，Evoken 为创作者提供的，是一套深刻理解内容创作流程、并在 AI 能力增益下更高效运转的项目管理工具。很多 Knowhow 都在模型能力之外，而模型在场景中的边界，才是 Evoken 的正面战场。创作者的资产、习惯、项目流程和交付关系，一旦沉淀下来，就会变成更难被迁移的东西。

「中国人愿意为服务付费，为最终结果付费，只是对纯粹的工具付费意愿较低。所以关键在于 AI 最终是工具、服务还是结果？」陈冕在去年的一次采访中曾这样表达自己对商业化的判断。

现在来看，服务创作者完成作品交付，已经成为 Evoken 验证过的商业化主线。

而这些创作者，最终会成为 Evoken 独特的护城河。

*头图来源：LiblibAI

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO