深圳股票配资平台 ARR达到3亿美金，Liblib完成近3亿美金融资，估值超20亿美金

编辑｜张倩

近期，国内 AI 应用层单轮融资纪录又被刷新了。

这次刷新纪录的公司大家并不陌生，它是 LiblibAI 母公司演语科技。去年 10 月，他们刚刚用 1.3 亿美元融资创下纪录。今年上半年，他们又自己把这个纪录打破了。

这轮融资是他们的 B + 轮，总共筹集了近 3 亿美元。其中既有红杉、顺为、高榕等原有股东持续加码支持，又有腾讯等新股东加入。这轮融资后，演语科技的估值超过了 20 亿美元。

说白了，这些顶级投资机构真金白银下注的，无非是「谁能把 AI 应用变成赚钱的生意」。而 ARR 达到 3 亿美金的演语科技，已经逐渐拉开与国内同行的差距 —— 无论是融资规模、收入规模、用户规模，还是业务生态的广度，都开始呈现出断层领先的态势。2026 年 5 月，集团整体收入同比增长超过 3000%，成为了全球增长最快的 AI 应用公司之一。

演语科技此次创纪录融资，本质上正是资本对其领先地位的一次集中认可。

演语科技巨额融资背后，

找到 PMF 是关键

最近两年，但凡聊 AI 创业，「是否找到 PMF（Product-Market Fit）」都是一个躲不掉的灵魂追问，也是企业创始人们不得不沉下心去破解的现实难题。

但 PMF 这件事本身，在市场上一直有争议。有些产品冲上某排行榜第一、或者注册量刚一爆发，就急着宣布自己「跑通了 PMF」。可仔细看会发现，这种热闹很多时候是靠砸广告、铺补贴堆出来的假象。等到广告一停、补贴一撤，用户就散了，产品本身并没有自己长出传播力和留存力。

因此，判断一家公司是不是真的踩中 PMF，不能只看一时的榜单和注册数，得看几个更硬、也更难造假的信号。而演语科技，恰恰在这几个信号上都给出了答案。

我们关注的第一个信号是产品的「自发传播」属性。真正跑通 PMF 的产品，不需要一直靠预算硬推，用户会自己帮你传播。演语科技的几款产品，几乎都是「一上线就被自来水推着走」：他们的 AI 设计智能体上线后发出的第一条 X 贴文，访问量就突破了 100 万；LibTV 首日上线便涌入 10 万创作者；而在日常运营中，他们产品日均新增用户里有 80% 来自自然流量。

靠着这种滚雪球式的「口碑飞轮」，演语科技的整体创作者生态总数已经突破 3000 万，每三个设计师就有一位用过他们的产品，成为名副其实的国内 AIGC 第一社区。这种靠产品创新迸发的生命力是花钱买不来的，也是产品真正契合市场需求最直接的证据之一。

LibTV社区创作内容

第二个信号是用户愿不愿意「真金白银」地买单，尤其是为实际消耗付出远超订阅费的价格。前不久，Django 联合创始人、知名开发者 Simon Willison 在一篇博客中点出了一个耐人寻味的现象：很多人嘴上抱怨现在的 AI 产品太贵、预算严重超支（尤其是从只收订阅费转变为按量计费之后），但最后还是咬着牙把钱付了。在他看来，好的定价本就该让客户「倒吸一口凉气、却依然点头说 yes」。而这种「边喊贵、边付费」的现象，恰恰是相关产品跑通 PMF 的重要依据，因为真正卖不出去的东西，你不会抱怨它贵，你只会默默不用。

图源：https://simonwillison.net/2026/May/27/product-market-fit/

演语科技身上正在发生类似的事。以最近发布的 LibTV 为例：从社交媒体反馈看，LibTV 的定价对创作者来说并不算便宜（尽管性价比方面存在优势），甚至有人直呼「小贵」。但数据说明了一切 ——LibTV 于 2026 年 3 月正式上线，采用「会员订阅 + 积分按需消耗（API 计费）」的混合付费模式，上线首月内单产品单日收入就突破了 100 万美元；此后短短两个月增长持续爆发，5 月收入已是首月的 13 倍以上。

换句话说，LibTV 的用户也在「一边喊贵、一边付费」，并且愿意为实际消耗掏出远超订阅费的钱。

如果说个人创作者的付费还可能带着几分一时冲动，那么专业机构的「集体迁移」，就是 PMF 更深一层、也更难造假的证据，这也是我们看重的第三大信号。

让我们看到这一点的还是 LibTV。据悉，产品上线一个月，就已经有超过 300 家短剧、影视公司接入 LibTV，把从剧本、分镜到镜头、剪辑的整条创作工作流，搬到了它的「无限画布」上。如今，他们服务的短剧团队、影视制作机构、广告公司与品牌客户已达近千家。

B 端公司是最挑剔、也最现实的客户，工具不好用、省不了成本、跑不通工作流，他们绝不会把生产线押上去。那么多家公司在短时间内集体涌入，本质上是在用真实的生产需求为 LibTV 投票。这种规模化的商业落地，意味着演语科技找到的不是一闪而过的流量，而是能持续产生消耗、且替换成本越来越高的刚性需求。

自发传播、付费意愿、专业机构的规模化接入，这三重信号叠加在一起，指向同一个结论：演语科技是真的跑通了 PMF，旗下多款产品都真正长在了市场的需求上。

而这，正是顶级投资机构愿意在「AI 应用集体愁变现」的当口，依然真金白银下注的根本所在。

做创意生成的那么多

凭什么演语科技跑出来了？

目前市场上能真正跑通 PMF 的 AI 应用方向似乎并不多，主要集中于编程、创意生成（如图像 / 视频创作）和企业 AI 智能体等领域。每个赛道竞争都相当激烈，且各有多个重磅玩家，但并非所有玩家都已找到属于自己的 PMF。这里面的区别就值得探讨一下了。

就创意生成这个领域而言，我们看到，整个行业其实一直在快速演化。早期，大家面临的问题是「能不能生成」，那会儿拼的是模型本身的能力，GPT、Midjourney 都是这一时期的代表，价值最终沉淀给的是模型厂商。之后，大家又开始聚焦「怎么更方便地调用这份能力」，因此出现了一些注重交互封装的产品，比如 Suno 用「一键生成」把音乐创作的门槛压到几乎为零，但这个方向的护城河有多深一直存在争议。

到了今天，真正杀出重围的产品又在解决另一个核心问题：怎么把零散的能力，编排成一条可复用的生产流程。Cursor 在编程领域做的就是这件事。这一阶段的机会在于，如果你的产品能深度嵌入生产流程，它就会变成用户「拿来干活、靠它赚钱」的生产线，付费模式也从一次性消费转向持续消耗，迁移成本随之越来越高。

演语科技的 LibTV 等产品，显然就是这个阶段的产物。它不像传统视频工具那样只交付一个文件，而是交付一条持续运转的内容生产流水线。

这背后有个不容忽略的事实：内容生产天然是一条链。从创意、到设计、到图片、到视频、再到最终发布，它本来就是一个连续的过程，而不是一堆孤立的功能。你单独把「文生视频」这一环做到极致，也拼不出一部能上线的短剧，因为剧本、分镜、镜头、剪辑、角色一致性，每一环单拎出来都不轻松，真正难的是把它们串成一条不会断、还能反复改的线。过去，很少有工具能做到这点，因此创作者们不得不在各种工具之间反复切换（写剧本用 A、生成图片用 B、生成视频用 C、剪辑用 D），素材的复用、共享、团队协作等环节都有很多卡点。

所以，真正拉开差距的，是「系统编排」能力。也就是说，你把单个环节做到极致还不够，更重要的是把整条链组织起来，让创作者不用在多个工具之间来回跳转。

LibTV 的核心设计 —— 无限画布 + 节点式工作流 —— 做的正是这件事：把剧本、分镜、镜头、剪辑全部整合在同一个空间里，所有能力不再分散到不同工具中，而是统一纳入同一工作流。创作者可以在画布上逐步搭建内容，任意节点都能随时修改与复用，每个环节都有不同的顶级模型可以选。如此一来，做视频就从「输入提示词、等结果」的一锤子买卖，变成了可以反复修改、复用、编排的结构化流程。用一位创作者的话说，在 LibTV 上做视频不是在「抽卡」，而是在「搭积木」。这种形态，已经非常接近影视工业真实的工作方式了。

LibTV 的无限画布和节点式工作流。可以看到，创作过程中所有的素材都可以在这一块画布上统一管理，不同类型的素材之间可以用一根线连起来，建立关联关系，从而帮助解决角色一致性等常见问题。图源：小红书博主 @元初

LibTV 重度用户的画布展示。图源：小红书博主 @ReaLity

此外，LibTV 还是行业里少见的、同时为人类创作者和 AI Agent 设计的视频创作平台：人类走无限画布做精细控制，Agent 则通过 Skill 接口直接调用整条工作流，一句话生成短剧、复刻视频、做音乐 MV。而且，Agent 跑完之后交付的不是一个孤立的 mp4 文件，而是一整个可以继续编辑的项目，人类打开画布就能接着改。

往工业化、规模化这一层走，LibTV 的「生产系统」属性就更明显了。它支持批量改分镜提示词、批量生成视频、SD2 提示词优化把抽卡成本压下来、打光控制让几百个镜头的光线保持统一、团队版把多人协作和积分管理也纳进同一套流程。这些功能单看都不起眼，但叠在一起，就是一套「高频、可付费、可复制」的内容生产基础设施。

正是凭着这套「生产系统」，LibTV 一上来就能直接切进短剧、广告、品牌内容这些最挑剔、也最舍得付费的高价值场景。它让一整套生产流水线真正长进了产业里，这才是它找到 PMF 的根本。

一边 scale，

一边筑起壁垒

前段时间，演语科技创始人陈冕在和罗永浩的对谈里讲过一个判断：竞争永远都在，关键是你能不能在还没有壁垒的时候先 scale 起来，再在 scale 的过程中，把壁垒一点点建起来。

这两年，演语科技做的正是这件事。但问题在于，他们的壁垒到底是什么？

互联网时代，壁垒大多来自流量、渠道或网络效应。但在 AI 时代，这些都在变脆：模型能力会被追平，产品功能也很容易被照着复制。所以单靠某一款产品、某一个功能是很难立住的。

演语科技的策略，恰恰不是去赌某一个点，而是把它们连成一张网。从 LiblibAI 到星流再到 LibTV，它其实是在同时往两个维度延伸：一头是把整条内容生产线打通，从想创意到最后出片，每个环节都接进来；一头是往深里扎，让一大批创作者就在这条流程上干活，把模型和素材顺手都攒在这儿。活儿全在这儿，人就懒得走；东西是好几年攒下的，别人有钱也攒不出来。

而真正难追的，是这两个维度咬在了一起、形成一张越来越有黏性的网：占住的环节越多，创作者就越愿意把全部创作搬进来；创作者生态越庞大，每新增一个产品就越不必从零冷启动。这也解释了演语科技为什么能爆款频出。轮子一旦转起来，对手就算财力雄厚、能照着把同样的环节一个个搭出来，也买不来一个已经转了几年、还在自我加厚的创作者生态，这才是 LiblibAI 最难被复制的壁垒。

所以，演语科技这轮拿到的融资，更像是对一种能力的定价：在模型快速变化、产品不断被追平的 AI 应用市场里，谁能先跑出规模，谁能沉淀出生态，谁就能把暂时的先发优势，变成对手买不走的壁垒。这或许才是 AI 时代 PMF 的真正含义：产品不是终点，让创作者离不开的生产关系才是。

转载请联系本公众号获得授权

投稿或寻求报道：liyazhou@jiqizhixin.com深圳股票配资平台

辉煌优配开户提示：文章来自网络，不代表本站观点。