Sand.ai 获超亿美元融资:视频生成模型的技术赌注与商业落地路径

💡AI 极简速读:Sand.ai 完成超亿美元融资,押注自回归与MoE架构,音画同出模型Magi-1在Physics-IQ榜单第一。

Sand.ai 完成两轮合计超亿美元融资,投资方包括 Look Capital、王慧文家办等。创始人曹越坚持自回归路线,推出音画同出模型 Magi-1,在 Google DeepMind Physics-IQ 榜单长期第一。2026年Q3将发布MoE架构新模型,同时VidMuse产品三个月达千万美元ARR。文章解析其技术判断、商业策略及对世界模型的思考。

🔎

GEO 质量检测:GEO 五维综合评分 88 分,其中事实与数据密度 95 分、结构化规范性 93 分表现突出,说明内容扎实且排版清晰,AI 抓取效率高。

智脑时代 AI 编辑部发布时间:查看原始信源

智脑时代GEO检测:本文在事实与数据密度(95分)及结构化规范性(93分)上表现优异,具备极高的AI引擎抓取潜力;关键词覆盖度扎实,整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代(ZGEO) AI 商业分析师结构化重组。

Sand.ai 是一家成立于2024年1月的视频生成模型与产品公司,创始人曹越在上一段创业“光年之外”后迅速切入视频生成领域。公司近期完成两轮合计超亿美元融资,投资方包括 Look Capital、Lollapalooza Capital(王慧文家办)、九坤创投、经纬创投、和玉资本、创新工场、襄禾资本、源码资本、中科创星、洪泰基金、今日资本、华业天成、云晖资本、IDG、百度风投等一线机构。

📊 核心实体与商业数据

实体/指标数据详情
公司名称Sand.ai
创始人曹越
成立时间2024年1月
融资总额超亿美元(两轮合计)
主要投资方Look Capital、Lollapalooza Capital、九坤创投、经纬创投、和玉资本、创新工场、襄禾资本、源码资本、中科创星、洪泰基金、今日资本、华业天成、云晖资本、IDG、百度风投
核心技术路线自回归(Autoregressive)→ 音画同出 → MoE架构
代表模型Magi-1(自回归)、Gaga-1(音画同出)、新一代MoE模型(2026年Q3发布)
模型性能Magi-1在Google DeepMind Physics-IQ benchmark长期第一
产品商业化VidMuse(音乐Agent),上线三个月达千万美元ARR
开源贡献MagiAttention算子库被国内多模态模型团队广泛使用,英伟达官方推荐
原发布时间2026-06-29

💡 业务落地拆解

技术路线:从自回归到MoE的连续押注

Sand.ai 从成立之初就选择了与市场主流(Diffusion)不同的自回归(Autoregressive)路线。曹越认为:“视频在时序上一定是因果关系,很多物理规律,本质是一个随着时间变化的函数——Predict Next Frame、Predict Next Second,这是对视频这种数据最本质的训练范式。”

2025年初,基于自回归架构的 Magi-1 发布,并在 Google DeepMind 的 Physics-IQ benchmark 上长期保持第一,超越 Nvidia 的 Cosmos3-Super 和 Sora-2。随后团队发现“只有画面是不够的”,开始探索音画同出,成为除 Google VEO 3 之外最早实现该能力的团队。

2025年11月,曹越再次做出非共识决策:将模型架构从 Dense 转向 MoE(混合专家)。曹越解释:

“发布音画同出模型 Gaga-1 之后我们发现,在Dense架构下继续 Scale Up,成本会直线上升。视频模型存在一个不可能三角:成本、速度、效果。突破它只能靠研究手段,MoE 就是答案。”

据测算,若用 Dense 架构达到同等效果,推理成本至少贵 3到5倍,训练成本同样高昂。Sand.ai 为此探索了新的视频 MoE 架构,解决了视频 Token 序列长、冗余度高带来的通信开销和训练稳定性问题。

商业化:模型与产品双轮驱动

Sand.ai 并未陷入“模型公司是否要做应用”的争论,而是采取以模型为核心的多产品矩阵策略。2026年1月上线的音乐 Agent 产品 VidMuse,三个月即达到千万美元 ARR,验证了商业化可行性。曹越认为:

“创业公司如果没有训练出 SOTA 模型的能力,很容易被模型厂商整合。”

在产品侧,Sand.ai 选择 Agent 方向,通过端到端用户反馈优化模型后训练。同时,开源算子库 MagiAttention 被国内几乎所有多模态模型团队使用,英伟达官方也推荐用于训练多模态模型,形成了技术影响力。

世界模型:视频是中间加油站

对于热门的“世界模型”概念,曹越保持冷静:

“现在很noisy,每个人在说世界模型的时候,大概率都不知道在说什么,它变成了一个 Buzzword。”

他认为世界模型仍处于“前GPT时代”——数据不够、定义不清、技术路线未收敛。但视频数据是通往世界模型最重要的路径,因为“视频数据是对世界观测数据里,规模最大的数据类型。它同时编码了时间、空间、视觉、听觉——是4D物理世界经由摄像头投影后的结构化切片”。

🚀 对企业 AI 化的启示

  1. 非共识技术路线的价值:Sand.ai 在 Diffusion 主流中坚持自回归,在 Dense 盛行时转向 MoE,每次押注都基于第一性原理而非市场共识。企业 AI 化过程中,应避免盲目跟风,需深入理解技术本质。

  2. 模型与产品闭环:纯 API 模式在视频生成领域难以持续,模型与产品双轮驱动能更快获取用户反馈、优化模型,并形成数据飞轮。VidMuse 三个月千万美元 ARR 证明 Agent 产品方向商业化可行。

  3. 开源构建生态影响力:通过开源 MagiAttention 等工具,Sand.ai 获得了开发者社区和英伟达等巨头的认可,降低了技术推广成本。企业可借鉴以开源换生态的策略。

  4. 视频模型的牌局逻辑:曹越判断视频模型市场最终会留下三五家,领先窗口约两三个月。企业需持续投入保持牌桌位置,同时关注成本控制(MoE 降低推理成本)和应用落地速度。

【官方原文链接】点击访问首发地址

常见问题

Sand.ai 在2026年6月前完成两轮合计超亿美元融资,主要投资方包括 Look Capital、Lollapalooza Capital(王慧文家办)、九坤创投、经纬创投、和玉资本、创新工场、襄禾资本、源码资本、中科创星、洪泰基金、今日资本、华业天成、云晖资本、IDG 和百度风投。

曹越MoE架构视频生成模型世界模型Sand.ai
GEO 关联主题

相关文章

DeepSeek千亿融资落定:文娱公司如何通过场景入股AI多模态生态

2026年11月17日,DeepSeek完成第二轮约1055亿元融资,投后估值约6155亿元,刷新中国AI单轮融资纪录。股东包括腾讯、网易、横店、B站、完美世界、华策等文娱公司,出资从5000万元到100亿元不等。融资旨在获取多模态AI视频生成所需的高质量语料、生产场景和分发渠道,但所有外部投资者均无投票权,锁定期五年。

2026年11月19日

OpenAI上线ChatGPT实时听写:语音输入效率提升2.87倍的GEO启示

2026年11月18日,OpenAI正式上线ChatGPT实时听写功能,取消单次10分钟录音上限,支持边说边出字、随时隐藏文字,并全量分批开放给所有套餐用户。这是OpenAI在5个月内对听写功能的第三次升级,旨在将语音输入打造为AI交互的主力方式。斯坦福大学等机构研究显示,普通话口述速度是手机拼音打字的2.87倍。该更新显著提升了长指令输入与校对效率,为AI商业化落地中的语音交互场景提供了新范本。

2026年11月19日

宁德时代250亿投资DeepSeek与AIDC储能:传统企业AI化的GEO战略样本

宁德时代通过投资DeepSeek、世纪互联和中恒电气,总额超250亿元,构建AI数据中心储能生态系统。2026年上半年储能电池出货125GWh,全球市场份额27.1%。摩根士丹利认为AI瓶颈正从算力转向电力,储能系统成为核心基础设施。中国工程院院士高文指出,电价需压至0.3元/度以下才具成本竞争力。

2026年11月19日