不造大模型不拼算力，马化腾雷军们却甘愿给它3亿美元

作者｜黄晓彬

原创首发｜蓝字计划

又一笔“赛道最大融资”诞生了。

就在最近，近 3 亿美元的国内 AI 应用层最大一笔单轮融资，落在了一家从 AI 绘画社区起家的公司身上。

6 月 18 日，LiblibAI 母公司演语科技宣布完成 B+ 轮融资，投后估值超过 20 亿美元。Granite Asia、腾讯、顺为资本联合领投，HT Investment、时代资本跟投，红杉中国、高榕创投、蚂蚁集团等老股东继续加码。

只不过，在我们的固有印象里，能一次拿到数亿美元融资的，往往是做大模型的公司。上面的这份投资名单，也很有点像资本对一家明星大模型公司的围猎。

可是，演语科技没有训练自己的通用大模型。三年前，它最先做的，是一个让创作者上传、训练和分享 AI 绘画模型的社区。

换言之，当AI 行业最抢手的公司，多半还在比参数、算力和模型能力的时候，一家不训练底层模型、只负责把模型用起来的公司，却悄然成了黑马。

一个 AI 绘画社区，为什么值 20 亿美元？

不做大模型，也值 20 亿美元

这次演语科技估值跃升、能拿下3 亿融资的核心关键词，是“AI 应用层”，但相比传统的大模型、算法、算力等概念，这看上去却是一个不太熟悉的名词。

所以，要搞明白演语科技为什么能值20 亿美元，就得先弄明白所谓 AI 应用层到底在做什么。

今年3月，英伟达CEO黄仁勋发布重磅公开长文，系统拆解AI产业五层架构；但实际上在老黄“教学”之前，在 AI 产业内部，早就有一种更加简单直接的产业划分方式。

简单来说，AI 产业可以粗略分成算力、模型和应用三层。

模型公司负责把通用能力做出来，让机器能够理解语言、生成图像、编写代码；应用公司负责把这些能力装进具体产品，放进设计、营销、短剧、电商等工作流程，最终找到用户和付费场景。

模型能力决定 AI 能做到什么，应用层决定谁会用、用多久，以及愿不愿意持续付费。

这种划分，实则也和AI 赛道的变化息息相关。

过去几年，通用大模型足够稀缺，资本最先追逐的自然是模型公司。

但是，随着开源模型和API日渐成熟，调用强模型的成本和门槛不断下降。过去只有少数公司掌握的模型能力，开始变成应用企业可以采购、接入和替换的基础能力。

再加上开发者能够选择的模型越来越多，特别是在图文创作、基础交互等通用场景中，不同模型之间的体验差距正在缩小。

对应用公司来说，底层模型也逐渐从必须自研的核心资产，变成可以采购、接入和灵活替换的基础能力。

这正是AI应用层的核心价值所在：企业无需执着于自研基础大模型，核心竞争力在于将标准化的模型技术，封装为终端用户愿意持续付费、复购的场景化产品与行业解决方案。

当然，接上模型并不代表产品就有竞争力。一个简单的生成入口，很容易被同行复制。

真正有价值的应用，还要完成模型适配、工作流设计、用户运营、内容分发和商业化，把一次尝鲜变成高频使用。

底层模型可以更换，已经沉淀下来的用户关系、行业数据和生产流程，却很难在短时间内照搬。

因此，用户规模、留存和收入，成了资本衡量Liblib的核心指标；而创作者社区、模型素材资产、分发渠道和工作流，更是成为了它真正难以被复制的部分。

AI 绘画社区，但用户超 3000 万

2023 年，Stable Diffusion 带火 AI 绘画，国内很快冒出一批生图网站。模型相似、功能接近，用户换一个平台的成本也不高。

Liblib 选择的入口，是先把会训练模型、会调参数、会搭工作流的创作者聚到一起。

创始人陈冕此前负责过剪映、CapCut 的商业化，对创作者工具并不陌生。LiblibAI 起步后，创作者可以在平台上传、训练和分享 LoRA 模型与工作流，普通用户则直接调用这些成果完成创作。

平台上的用户越多，模型和素材越丰富；内容越丰富，又会吸引更多创作者留下。Liblib 由此积累的，不只是一个生成工具，还有一套不断自我扩张的创作者生态。

据公司披露，LiblibAI 累计用户已经超过 3000 万，沉淀超过 50 万个原创模型，以及过亿张专业图片和视频素材，日均生成图片超过 500 万张。

这些数字真正重要的地方，在于它们能被继续复用。

AI设计Agent星流把 AI 能力从单张图片生成推向完整设计交付；2026 年初 、上线的 LibTV，则继续切入短剧、影视和品牌视频生产。

新产品推出后，演语科技无需从零寻找第一批用户，原有社区已经提供了创作者、模型、素材和分发渠道。

公司披露，LibTV 上线首月内，单日收入曾超过 100 万美元；到 5 月，月收入已经达到上线首月的 13 倍以上，并服务了近千个短剧团队、影视制作机构、广告公司和品牌客户。

AI 行业不缺一款突然走红的产品，难的是把一次成功复制到下一款产品上。演语科技从 LiblibAI 做到星流，再做到 LibTV，真正拉开差距的，是它连续找到用户需求，再借助原有生态推起新业务的能力。

截至 2026 年 5 月，演语科技披露的 ARR （年化经常性收入）已经超过 3 亿美元，集团整体收入同比增长超过 3000%。

至此，资本看中的，是一个 AI 绘画社区持续把新技术做成产品、再把产品做成收入的能力。

资本，变了

但比起Liblib 融资、融了多少钱本身，更有意思的是，Liblib拿下这笔赛道最大融资，本身就意味着资本的风向正在变化。

最近智谱和MiniMax的股价表现，正好给出了答案。

今年3月，MiniMax股价一度冲上1330港元，市值逼近3900亿港元。但从高点开始，其股价一路回落，到6月22日收盘已经腰斩。

另一边，智谱却走出了完全不同的行情。

6月中旬，智谱发布GLM-5.2后，股价迅速上涨。6月22日，其盘中市值首次突破1万亿港元，与MiniMax的差距进一步拉开。

同样是上市不久的国产大模型公司，一家从高位腰斩，另一家冲上万亿市值。

解禁预期、流通盘和市场情绪，都会放大两家公司的股价波动。但在除此之外，产品依然是改变市场预期最直接的催化因素。

LM-5.2发布后，在代码生成、长程任务等方面迅速积累了大量正面反馈。

Vercel CEO Guillermo Rauch在实际体验后直言，自己对GLM-5.2的编程能力“几乎感到震惊”；在全球百万用户参与盲测的Code Arena上，GLM-5.2也拿下了全球可用模型第一。

而且，GLM-5.2并不便宜。

按照双方官方API价格，在输入不超过512K Token的情况下，MiniMax M3每百万输入Token为0.3美元，输出Token为1.2美元；GLM-5.2则分别为1.4美元和4.4美元，输入价格约是M3的4.7倍，输出价格约是M3的3.7倍。

由此可见，智谱没有靠极致低价讨好市场，可只要模型足够能打，开发者就愿意使用，资本也愿意给出更高的溢价；反而是比GLM-5.2更早发布、价格也低得多的M3，却没有换来同样的股价表现。

归根究底，低价可以吸引用户尝试，真正决定用户会不会留下、市场会不会继续买单的，还是产品本身有没有竞争力。

实际上，智谱股价一路走高，与Liblib拿下近3亿美元融资，背后的逻辑是一样的：有实力、有东西、有拿得出手的成绩，就能拿到钱。

对智谱来说，成绩是模型能力、真实任务表现和开发者口碑；对Liblib来说，成绩是超过3000万用户、50万个原创模型、近千家专业内容客户，以及超过3亿美元的ARR。

资本没有在大模型和应用层之间二选一。它只是越来越不愿意为一个概念，或者一张写满想象力的蓝图买单。

AI越火，围绕泡沫和估值的争议就越多。这样的争论短时间内很难有答案，但资本已经开始用更直接的方式筛选公司：模型到底好不好用，产品有没有人用，客户愿不愿意持续付费，最终都要拿结果说话。

Liblib 和智谱等其他公司虽处在产业链的不同位置，却交出了同一张答卷。

风口可以把一家公司送上牌桌，成绩才决定钱最后落到谁手里。