單品時代結束，AI應用進入集團時代。

過去一年，AI行業(yè)的敘事重心一直圍繞模型展開。

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

近日，LiblibAI母公司“演語科技（Evoken）”完成近3億美元B+輪融資，投后估值超過20億美元——這也是中國AI 應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)合領投，HT Investment、時代資本共同參與投資。高榕資本、螞蟻集團、渶策資本、明勢創(chuàng)投、源碼資本、紅杉中國以及其他數(shù)家知名投資機構等現(xiàn)有股東持續(xù)加碼支持。

相比融資數(shù)字，更值得關注的是另一組數(shù)據(jù)：截至2026年5月，演語科技ARR已達到3億美元，較本輪融資完成時增長近3倍。

在中國，這是除了大廠之外，為數(shù)不多進入“億級ARR”俱樂部的AI應用初創(chuàng)公司。

這意味著，演語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AI產(chǎn)品PMF的基礎之上。

回顧過去三年的AI產(chǎn)業(yè)演進，可以清晰看到三輪最重要的應用浪潮：圖片生成、Agent以及視頻生成。演語幾乎在每一個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，累計用戶突破3000萬，中國每三位設計師，就有一位LiblibAI的活躍用戶；2025年7月發(fā)布的AI設計Agent星流，累計服務的用戶規(guī)模已達千萬。

2026年2月上線的AI視頻創(chuàng)作平臺LibTV，則刷新了國內(nèi)AI應用造血的速度——上線首月，LibTV的單日營收就超過了百萬美金；上線兩個月后，產(chǎn)品收入增長了超過13倍。

當行業(yè)還在討論如何尋找AI PMF時，這家公司已經(jīng)開始回答一個更現(xiàn)實的問題：AI究竟怎樣變成一門生意？

而從LiblibAI 到星流，再到 LibTV，這家公司試圖構建的，也許不只是單個爆款應用，而是中國第一家AI內(nèi)容矩陣。

用三款產(chǎn)品，成為中國最會賺錢的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“只有一個超級產(chǎn)品”的階段。比如，Cursor的標簽是AI Coding，Suno的標簽則是AI Music——毋庸置疑，這些產(chǎn)品都取得了巨大成功，但截至目前，這些超級產(chǎn)品依然承擔著為母公司造血的主要重壓。

這實際源于一個困境：大多AI公司能找到一個PMF，卻沒有持續(xù)復制PMF的能力。比如，Character.AI嘗試過社區(qū)、Agent、游戲等多個方向，但被時常記住的標簽，仍然是“AI角色陪伴”，第二增長曲線并不容易建立。

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

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

隨后，AI應用進入Agent時代，以Manus為代表，行業(yè)開始探索如何讓AI從“生成內(nèi)容”進一步走向“完成任務”。在這一階段，演語推出了AI設計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的高速增長，演語又快速推出了LibTV，在強調(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。

演語團隊的方法論之一，是比別人更早發(fā)現(xiàn)模型能力變化帶來的機會。演語科技創(chuàng)始人陳冕曾在訪談中將其總結為兩件事：第一，密切跟進模型迭代；第二，內(nèi)部對齊了一個假設：模型在變強，但短期是更像人，還沒超越人。

△演語科技創(chuàng)始人陳冕

在他看來，應用層公司的必修課，就是“如何leverage前沿模型”，即在最短時間內(nèi)用好最新的模型。相比模型公司關注能力邊界，應用公司更關心能力拐點：當模型出現(xiàn)某種新的能力時，能解決哪些過去解決不了的問題？會催生哪些新的交互方式？哪些工作流會被重構？

星流的誕生就是一個典型案例。

在GPT-Image-1等高性能圖像生成模型上線之前，演語團隊便判斷，模型廠商正在集中攻克復雜多輪指令理解、一致性控制以及編輯能力等問題。

如果這些問題被解決，那么設計軟件最核心的交互方式可能發(fā)生變化——用戶不再需要學習復雜的工具鏈，而是通過自然語言與AI持續(xù)協(xié)作完成設計。基于這一判斷，團隊提前在星流上押注了“ChatCanvas”的產(chǎn)品形態(tài)。

但僅僅理解技術變化還不夠。過去幾年，大量AI創(chuàng)業(yè)公司都能敏銳感知模型進步，卻未必能夠把技術優(yōu)勢轉(zhuǎn)化成真實需求。相比發(fā)現(xiàn)技術機會，識別市場機會往往更加困難。

演語的第二項能力，是將下游需求拆解、重構，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的一款應用。在外界看來，視頻生成賽道的核心問題是鏡頭美不美、理解準不準。但團隊在與大量客戶交流后發(fā)現(xiàn)，短漫劇團隊、MCN機構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)價值。因此，LibTV從一開始瞄準的就不是視頻生成模型本身，而是視頻生產(chǎn)工作流。

這種思路其實貫穿了演語過去幾年的產(chǎn)品發(fā)展路徑：LiblibAI解決的是創(chuàng)作者獲取和管理AI素材的問題；星流解決的是人與AI協(xié)作的設計工作流問題；LibTV解決的是成片交付的問題。

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

而這或許也是AI應用創(chuàng)業(yè)最重要的一條規(guī)律：在一個高速增長的增量市場中，最重要的不是標新立異，而是在正確的時間，做正確的事。

中國AI應用開始進入“集團戰(zhàn)爭”

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，2025年全球有392個AI工具停止服務。這意味著，過去一年里，平均每天都有一個AI產(chǎn)品死亡。

最令人錯愕的“猝死”，源自AI巨頭OpenAI。2026年3月25日，OpenAI宣布Sora應用下架—這款已經(jīng)發(fā)布下載量就沖上1000萬次的爆款產(chǎn)品，享年25個月。

正如a16z合伙人Bryan Kim所言：“消費級AI領域根本沒有護城河。”一個顯著的信號是：單爆品的敘事正在過時。

模型能力的快速迭代正在吞并AI應用，與此同時，Coding能力的迭代又快速降低了爆款產(chǎn)品的復刻成本。這就導致，爆款AI應用的生命周期縮短，產(chǎn)品層的競爭加劇，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，“集團化”開始成為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)抗風險能力更強。更重要的是，集團化意味著企業(yè)不再爭奪某一個工具賽道，而是在爭奪行業(yè)的生態(tài)位。對于后來者而言，復制一個產(chǎn)品或許并不困難，但復制一個由多個產(chǎn)品、數(shù)千萬用戶和完整商業(yè)體系構成的生態(tài)，則要困難得多。

演語科技，則是中國第一批進入“集團化作戰(zhàn)”階段的AI應用公司。

先看橫向的產(chǎn)品矩陣。從LiblibAI，到星流，再到LibTV，演語的產(chǎn)品沿革有一條清晰的主線：跨越AI技術周期的創(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景下的單點產(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，可能需要設計Agent進一步輔助創(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交付視覺設計，演語的多個產(chǎn)品共同構成了一條完整的內(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計的產(chǎn)品，更像是在為Agent時代搭建基礎設施。隨著AI從“回答問題”走向“完成工作”，越來越多內(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，今天的LibTV服務的是創(chuàng)作者，未來的LibTV服務的可能是Agent。當越來越多Agent開始參與創(chuàng)意和內(nèi)容工作流，誰掌握了圖片、視頻和設計等關鍵生產(chǎn)能力，誰就有機會成為下一代內(nèi)容生態(tài)的重要入口。

在商業(yè)歷史中，隨業(yè)務拓展變得組織臃腫、動作變形，這樣的故事屢見不鮮。當一家年僅3歲的企業(yè)，快速成長成“集團”，其組織所面臨的考驗也越發(fā)嚴峻：如何提高組織效率？如何保持決策的準確？

演語的核心答案是：快。

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

快的背后，則是一個圍繞內(nèi)容創(chuàng)意產(chǎn)品構建的組織。陳冕將演語的組織形容為“沒有產(chǎn)品經(jīng)理，只有設計師”“只有‘教AI的人’”。

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

放在全球AI應用公司的坐標系中，演語科技的估值邏輯或許需要被重新審視。

從最簡單的PS（市銷率）角度看，演語在全球處于明顯的估值洼地。一組典型的對照是：創(chuàng)立于美國的AI音樂創(chuàng)作工具Suno，ARR在2026年3月達到了3億美元，對應著54億美元估值；而ARR體量相同的演語，融資后估值僅約20億美元，不到Suno的1/2。

無論是收入規(guī)模、增長速度還是商業(yè)化能力，兩者已經(jīng)進入同一量級，但市場給予的定價卻存在顯著差距。

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

過去二十年，資本市場習慣用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)費率等指標。

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

因此，AI應用的價值錨點正在從“軟件席位”轉(zhuǎn)向“勞動力席位”。

過去企業(yè)購買的是軟件，未來企業(yè)購買的會是一個能夠持續(xù)交付成果的數(shù)字員工。衡量一家AI公司的標準，也將從它賣出了多少工具，逐漸轉(zhuǎn)向它承擔了多少工作、創(chuàng)造了多少生產(chǎn)力。

從這個意義上看，演語的價值或許不應被簡單視作一家AI工具公司。它所構建的AI內(nèi)容創(chuàng)作矩陣，本質(zhì)上是在重構內(nèi)容產(chǎn)業(yè)的生產(chǎn)方式。

當市場開始用“數(shù)字勞動力”而非“軟件工具”來衡量AI應用時，演語20億美金的估值很也可能只是一個開始。