3 亿美元 ARR、估值超 20 亿美元，演语科技是怎么做 ToC 应用增长的？

AI 应用在今年更难了。

一方面，基模能力越来越强、覆盖越来越多的场景，很轻松就覆盖了应用层的能力。应用层越来越容易被质疑是套壳产品。另一方面，真正能把模型能力变成持续收入的公司又极少，大量 AI 应用拿到了用户没拿到付费，拿到了付费也没拿到留存。

做 AI 应用的人始终需要面对一个「身份认同」的问题：我到底是谁？我的价值在哪里？如果模型什么都能做，应用层存在的理由是什么？

能拿到投资的应用公司不少，但在营收层面有亮眼表现的公司，不多。

近日，LiblibAI、LibTV所属公司演语科技（Evoken）宣布完成近 3 亿美元的 B+轮融资，由 Granite Asia、腾讯、顺为资本联合领投，HT Investment、时代资本参投，高榕资本、蚂蚁集团、渶策资本等老股东持续跟投。

这也刷新了国内 AI 应用层单轮融资记录，该轮融资后，演语科技估计超 20 亿美元，成为国内少有的 AI应用独角兽企业。

融资之外，演语科技还公布了最新的营收数据，截至 2026 年 5 月，公司 ARR 已超过 3 亿美元。在全球的AI

应用营收层面，和 Suno （3 亿美元 ARR）站在了同一梯队，超过了 HeyGen 的营收（1 亿美元左右）。

在应用层创业者普遍 FOMO 的当下，演语科技这轮融资值得讨论一下。金额大是一方面。另一方面，它给出了一个观察样本：在大家普遍觉得 AI 应用不好做的阶段，演语做对了什么。

⬆️关注 Founder Park，最及时最干货的创业分享

Founder Show 正在寻找下一个值得被全球投资人看见的 AI 创业团队。

AGI Playground 2026 将于 8 月在新加坡举办，Founder Show 是活动中专为早期创业者打造的路演环节，你将用 15-20 分钟向现场的全球 VC 与行业领袖展示产品的「Aha Moment」，并与最前沿的 AI 创业者同台交流。

如果你正在做面向全球市场的 AI 产品，欢迎报名。

01做 ToC，一定要找到愿意付费的人

营收方面，比绝对数值更值得注意的是增长节奏。据公司披露，本轮融资实际于今年上半年早些时候完成，目前 ARR 较融资完成时增长了近 3 倍。说明融资完成之后业务还在加速，收入已经跑在了估值前面。

撑起这个数字的是三块业务。

LiblibAI ，是中国最大的 AI 素材网站和创作者社区之一，累计用户超过 3000 万；LibTV 今年 3 月才上线，5 月收入已是首月的 13 倍以上；星流作为 AI 设计 Agent，累计服务用户也超过了千万。

三条产品线分别对应了素材与创作者生态、AI 视频生产、AI 设计，看起来像三个不同的生意，但围绕的其实是同一类人群：靠内容创作吃饭的专业用户（prosumer）。

AI 应用领域一个反复出现的问题是用户愿意尝鲜但不愿意付费。

LibTV 上线头三个月，就服务了近千个短剧团队、影视制作机构、广告公司和品牌方。这些人以前拍一条片子要花几万块搭场景、请演员、做后期，现在用 AI 视频工具可以把成本压缩一个数量级，产出频率同时拉高几倍。

同样是一笔 AI 工具的订阅费，对普通消费者来说是消费支出，对专业内容生产者而言，是生产成本。

区别在于：后者花这笔钱买到的不只是一个能力，更是一个可以直接卖钱的结果。短剧团队用 LibTV 出的片子直接投到抖音上跑量，电商美工在 LiblibAI 上生成的商品图直接挂到详情页。生产成本是刚性的，只要 AI 能压缩它，付费是很自然的结果。

演语科技的创始人陈冕此前在 Founder Park 的采访中提过：「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 最终交付的是什么。如果是一个功能按钮，用户会犹豫；但如果是一个可以直接拿去用的结果，付费就是一件很顺人性的事。

他还有一个更底层的判断：「SaaS 的本质是服务由人提供，是人使用工具。而现在，AI 成为提供服务的主体。」当 AI 从辅助工具变成直接交付结果的角色，用户的付费意愿天然就更高。

这种付费结构的韧性在具体案例里体现得很明显。

AI 导演刘雨晴和两位合作者花了两个月时间、2000 元算力成本，用 LibTV 创作了 AI 短片《牡丹记》，三个人、两个月，拿下了北影节 AIGC 单元最佳影片。LibTV 与野山坡联合创作的 AI 短片《脚步》在抖音上获得过亿曝光。创作者菲菲飞一周做出的 AI 短片《阿黄》，点赞超过 123 万。

北影节 AIGC 单元最佳影片《牡丹记》预告片｜视频来源：刘雨晴

这些作品背后的制作成本，和传统流程比差了一到两个数量级。对这些团队来说，AI 工具的订阅费在他们的成本结构里，根本不构成决策门槛，换回来的产出价值已经远远超过了成本。

LiblibAI 的用户构成也类似。三千万用户里，核心付费群体是设计师、插画师、电商美工这些本来就在为创作工具和素材付费的人。

用陈冕的话说：「我们不做普通用户，因为普通用户的创作需求非常低频……我们选择做垂直领域。」

因为内容生产者此刻对 AI 工具的需求强度，和普通用户完全不在一个量级。

这也是为什么演语的收入增长没有呈现很多 AI 应用那种脉冲式的曲线。AI 内容生产这件事本身在扩大，演语选择站在了这个扩张过程里。

02应用一定要做厚，做进内容生产流程里

找到对的人群是一回事，留下来是另一回事。

大量 AI 工具的使用方式相对初级，用户输入一段 prompt，等几秒钟，拿到一个结果，走人。这种交互模式下，应用本身非常薄，本质上和直接调用模型 API 没有区别，模型厂商随时可以自己做一个。这就是应用层反复被质疑「套壳」的根源。

但真实的内容生产远不止生成这一步。一个短剧团队拿到 AI 生成的视频素材之后，还要选风格、改细节、跟客户对版本、让团队里不同角色协作、最终交付成片。一个设计师出图也不是一句 prompt 的事，中间涉及素材选取、风格控制、局部修改、多轮迭代。如果应用只做那个生成按钮，它就永远是薄的，随时能被替代。

LibTV 的产品结构就是为这个问题设计的。它是一整套基于无限画布和节点式工作流的创作系统。剧本、分镜、镜头、剪辑、音效，所有环节被组织在同一个空间里，创作者可以在画布上逐步搭建项目，对任意一个节点做修改和复用。

LibTV 短片《铁兵小队》出片工作流

这种设计更接近影视制作的真实工作方式，相比于「抽卡」来说，更像是在「搭积木」，确保了整个流程的可控性。

陈冕用了一个类比来解释这个产品哲学：如果把所有科技的东西都去掉，画布就是桌子。两个人在做设计，甲方站在旁边告诉你要做什么，你把作品放到桌子上，甲方对着桌子指指点点。桌子上应该是作品本身，能拖拽、能指点，这才是最原生的交互方式。

陈冕把 AI 创意工具的发展分成三个阶段：

• 1.0 是单点生成能力的产品化，Midjourney 就属于这个阶段；

• 2.0 是工作流，ComfyUI 是典型代表，把多个生成能力串成链路，能完成更复杂的任务；

• 3.0 是 Agent，让 AI 参与工作流的规划和执行，进一步降低用户门槛。

每个阶段的产品都在用户的工作流里扎得更深一层。

陈冕的判断是：「1.0、2.0 的数据之所以有意义，在于它们记录了用户如何运用 AI 工具……这是底模空白的。」底层模型知道怎么生成一张图、一段视频，但不知道用户拿到生成结果之后，怎么结合手动操作去完成一个真实的工作任务。这层数据是沉淀在应用侧的，模型厂商拿不走。

他拿代码领域做类比：GitHub 拥有海量代码数据，但在工具层面被 Cursor 压着打。代码本身已经被底模吸收了，真正有价值的是用户「怎么结合 AI 和手动操作来写代码」的行为数据。

演语在图像和视频领域积累的工作流数据，逻辑类似。LiblibAI 上 50 万个原创模型不是一天攒起来的，是三千万用户在过去几年里一个一个上传、训练、迭代出来的。

从这个角度来看，当用户的整套生产流程已经在一个平台上跑通，迁移成本本身就构成壁垒。

一直以来，行业内都有关于「工具」用户粘性不足的观点，陈冕对这件事想得很明白。他告诉 Founder Park：「工具和服务的用户粘性是非常强的。如果一个工具粘性不强，那只能说明它不好用，或者使用成本太高，时机未成熟。」他不认为需要靠社区来粘住用户：「要做社区，就专注做好社区。要做工具和服务，就专注做好工具和服务。如果工具或服务没有用户留存，那只能证明工具或服务本身没做好，而不是其他原因。」

在陈冕的规划中，3.0 阶段的 Agent 产品形态，还会把这层关系再推进一步：「（不少应用）现在当然是一个工具，但以后呢？它会是一个有职业属性的人，直接交付服务的结果。」

当 AI 自主完成整个任务，应用层和用户之间的关系就更接近「服务提供方」和「客户」。这种关系的粘性远高于普通的工具订阅。

03更激进地增长，模型红利不等人

AI 视频、图像、设计 Agent 还有一个共同特征：底层模型仍在快速变化。Seedance 2.0、Veo，每次模型一进步，应用层的体验上限就被抬高一截。

这对应用公司的影响是双向的：一方面，每一次模型进步都是一个新的增长窗口，谁先接入好模型、谁更快把新能力变成产品功能，谁就能先吃到体验红利；另一方面，这些红利不会长期属于任何一家应用公司，因为模型是公开的，竞争对手也能接入。甚至，模型的大版本更新，可能还会吃掉一些应用。

是随着模型能力的提升水涨船高，还是被模型吃掉，很考验应用层的创业者。

LibTV 的上线和增长是一个教科书级别的案例。

2 月上旬，字节跳动在即梦上线 Seedance 2.0，《黑神话：悟空》制作人冯骥公开评价「地表最强视频生成模型，没有之一」。全网创作者涌向即梦官方平台，但生成一条 10 秒视频要排队 20 分钟以上，产能远不够用。此时 Seedance 2.0 的 API 尚未开放，第三方平台接不进去。

3 月 18 日，LibTV 上线。首日访问量突破 10 万。彼时它集成的视频模型是可灵 3.0 和 Wan 2.6，能用，但不是用户最想要的 Seedance 2.0。

4 月 2 日，火山引擎宣布 Seedance 2.0 API 面向企业用户公测。LibTV 第一批接入。当时，在即梦官方一条视频排队几小时，在 LibTV 上几分钟出片不用排队，选择几乎没有悬念。更关键的是，Seedance 2.0 在 LibTV 上不是一个孤立的生成接口，而是被装进了完整的生产流程。

陈冕告诉 Founder Park：「我们需要 leverage base model（借力底层模型），而不是被其取代……你的核心价值应该在基础模型之外，才能真正利用它。如果你的工作只是为基础模型现阶段的不成熟打补丁，那不是利用，是在对抗，这样做是『找死』。」

这句话其实反映了 AI 应用公司如何看待模型的视角问题：不能把模型能力当护城河，因为模型能力迟早会被拉平。把模型进步当成增长窗口。每一次模型变强，就尽快找到能商业化的场景和人群，把新能力变成产品功能，把产品功能变成收入。

陈冕在去年 10 月曾与极客公园创始人张鹏、Sand.ai 创始人曹越有过一次对话，他当时讲过一个更激进的判断：「AI 时代最大的机会，本质上是 AI 原生的机会。如果你想的是给好莱坞大片降成本，那你其实还是在做提效，而提效不可能带来革命。」

而且，在模型不断迭代的当下，更要激进、勇敢地做商业化增长。

「API和算力的价格都很高，如果你没有足够的钱，连 API 费用都付不起，还怎么竞争？所以，我的建议是，业务要更激进地增长。」

他当时说的是 Sora 2 带来的行业冲击，但逻辑同样适用于演语自己的业务：LibTV 上跑量最大的不是传统影视降成本，而是 AI 短剧、AI 漫剧这些如果没有 AI 根本不会存在的新内容品类。新品类意味着新市场，而新市场的份额是从零开始分配的，不存在需要从谁手里抢用户的问题。

LibTV 的增长曲线就是一个例子。它 3 月上线，第一时间接入了 Seedance 2.0，赶上 AI 视频模型能力的又一波跃升，两个月内收入翻了 13 倍。

跑得越快，服务的团队越多，沉淀的工作流数据越深。而当这些工作流服务的又是一个仍在膨胀的新市场，后来者要追的就不只是产品功能，还有整个生态的厚度。

演语科技这轮融资值得关注，不只是因为刷新了国内 AI 应用层单轮融资纪录。在 AI 应用层普遍还在摸索商业化路径的阶段，这家公司给出了一组可以验证的数字：3 亿美元 ARR，整体收入同比增长超过3000%，三条产品线各自跑通了付费。

AI 应用不想只当 Token 批发商，就不能只会调用模型。模型还在变强，新的创业者还在入场，大厂的产品也在逼近。应用层得知道谁会掏钱、为什么掏钱、怎么让他们持续用下去，以及下一次模型进步的时候，怎么把它变成新的收入。

演语科技目前跑出来的，大概就是这套能力。

转载原创文章请添加微信：founderparker