Sand.ai 融资达 3 亿美元：视频生成所需的不只是模型规模

Sand.ai 于 11 月 5 日宣布完成 2 亿美元 A+ 轮融资，使其在十个月内披露的融资总额达到 3 亿美元。这家总部位于北京的视频生成初创公司如今拥有更多资金，用于模型开发、基础设施建设与业务扩张。Sand.ai 的融资历程将雄心勃勃的研究计划，与打造视频业务的实际需求联系在一起。

据 DealStreetAsia 报道，本轮融资使该公司估值超过 10 亿美元。其意义不止于估值：Sand.ai 一方面开发底层模型，另一方面运营视频创作应用 VidMuse。这些业务让公司有不同机会吸引开发者和付费创作者，同时也对其资源提出不同要求。

快手的 Kling 提供了一个有价值的竞争参照，因为它将视频模型与内容制作、编辑工具结合起来。Sand.ai 同样面临实际预期：技术进展必须通过可靠的创作工作流触达用户。这笔融资为相关投入提供支持，但产品采用情况和运营经济性仍有待检验。

Sand.ai 本轮融资带来了哪些变化

新一轮融资提升了 Sand.ai 同时投入研究与商业化的能力。

Eudora Wang 在关于这笔 A+ 轮融资的报道中指出，CoStone Capital 和网宿科技共同领投。报道称，这是该初创公司在 2026 年完成的第三轮融资。

公司计划将所得资金投入视频基础模型、推理基础设施、产品开发和国际扩张。基础模型是经过广泛训练、能够支持多种应用的系统。推理是指运行经过训练的模型以生成输出。

这些支出方向揭示了 Sand.ai 面临任务的广度。改进视频模型需要研究与训练能力。向客户提供该模型则需要另一层工程投入，包括可靠的处理能力、可预测的可用性和易用的界面。

这种区分之所以重要，是因为研究进展与服务质量并不总是同步出现。模型可以生成令人印象深刻的演示，但仍可能难以部署。应用可以吸引关注，但其幕后可能仍需要大量工作。

额外融资让 Sand.ai 有更多灵活性，可同时应对这些问题。它既能支持更长的研究周期，也能开发将这些进展呈现给用户的应用体验。在客户能够直接比较输出结果的市场中，这种灵活性具有战略价值。

报道中的估值也改变了观察者解读后续公告的方式。投资者已对公司的未来前景赋予较高价值。产品发布、客户证据和运营披露将有助于判断这些预期中哪些会转化为可衡量的业务进展。

A+ 轮通常指早期机构融资阶段的延伸。仅凭这一标签，难以说明商业成熟度。对读者而言，更有价值的信息在于，新资本如何与已推出的产品及仍在开发的能力相联系。

这项公告确认了一次融资事件，但并未勾勒出完整的现金消耗、客户留存或盈利能力图景。这些问题需要融资总额之外的证据。

因此，Sand.ai 扩充的资源值得关注，但不能替代对产品的评估。公司有了更大空间来执行其战略。客户将通过产品发布、可靠性和生成素材的实用性来感受结果。

为什么创作者和买家会对整个工作流施加压力

视频生成公司竞争的关键，在于用户为获得可接受结果所需投入的工作量。

Sand.ai 的应用战略使其直接面对实际创作需求。DealStreetAsia 将 VidMuse 描述为服务于音乐视频、产品广告和动漫剧集。这些用途都需要视觉控制，但各自也带来了不同的制作限制。

音乐视频需要与曲目的节奏和氛围相契合的素材。产品广告需要让展示对象保持可辨识性。动画剧集则需要在故事展开时让角色和场景保持清晰易懂。

这些要求使应用设计在商业层面变得重要。客户需要能够表达意图、评估结果并进行修改的方式。更好的生成质量固然有帮助，但周边工作流决定了人们能否高效地应用它。

设想一个正在筹备产品发布的广告团队。其目标是获得符合营销简报、并得到批准的素材。如果产品发生变形，或构图遮挡关键细节，即使片段在视觉上颇具吸引力，仍会带来额外工作。

这个例子是评估场景，而非有记录可查的 VidMuse 客户成果。它说明了为什么视频买家需要的不只是精选演示。真正相关的问题是，系统能否持续交付符合任务要求的素材。

这一预期给 Sand.ai 的产品和基础设施团队带来压力。他们需要将研究能力转化为创作者能够理解的控制方式，也需要让修改行为具备足够可预测性，以服务于有截止期限的用户。

买家也面临自身压力。不断增加的视频系统选择带来了更多评估工作。团队必须区分那些会改变制作结果的改进，与主要只是改善演示观感的功能。

对于企业买家——即为持续业务使用采购工具的组织——审查范围不止于生成片段。数据处理、商业许可、支持服务和持续性，都会影响一款工具能否进入获批工作流。

开发者则有另一种视角。他们需要文档、稳定的接口，以及请求失败时清晰的行为表现。模型的视觉输出固然重要，但如果周边服务的变化难以预测，集成工作就会更加困难。

这些需求解释了为何基础设施融资应处于这则报道的核心位置。可靠交付是产品体验的一部分。若一家公司改善了生成能力却没有改善交付能力，客户就不得不承担剩余的摩擦成本。

Sand.ai 的机会在于连接这些层面。其研究可以提供新能力，应用则可以展示创作者是否认为它们有用。这种连接的强度，将通过重复使用和有记录可查的制作成果变得更加清晰。

MAGI-2 Preview 将效率变成系统性问题

Sand.ai 的研究将模型容量、数据和基础设施视为相互依赖的工程问题。

公司的技术方向为其资金需求提供了背景。在其关于 视频扩展研究的文章中，Sand.ai 将 MAGI-2 Preview 描述为一个中期研究版本。8 月 5 日发布的文章强调，仍需要进一步开展受控实验和能力分析。

Sand.ai 表示，该预览版本包含约 1,140 亿个参数，每个 token 大约激活 60 亿个参数。参数是模型学习得到的数值；token 是系统处理的单位。该架构采用专家混合机制，将工作路由至选定的模型组件。

这些数字描述的是架构，而非完整的运营成本衡量。Sand.ai 明确提醒，激活参数并不等同于总计算量。内存、注意力机制、通信及其他系统操作仍会影响部署需求。

这一限定对于解读该研究至关重要。选择性激活提供了一种扩展模型容量的方法。但它能否带来有吸引力的生产经济性，取决于完整的实现方式和工作负载。

视频增加了复杂性，因为系统必须表征随时间发生的变化。音频则引入了另一组关系，包括语音时序和声音对齐。基础设施必须在高效地让信息穿过模型的同时，支持这些交互。

Sand.ai 早期的 自回归视频研究探索了通过连续时间块生成视频的方法。自回归生成使用先前输出来约束后续内容。该研究将这种方法描述为支持续写和时间一致性的一种途径。

公司表示，MAGI-2 采用了不同的起点，而非直接延续这一分块方法。这一区别避免了对连续模型名称产生误导性解读。后续版本可能是在探索不同的工程问题，而不只是扩大前代模型的规模。

对于融资故事而言，其含义关乎执行。Sand.ai 正在支持涵盖架构、数据和分布式计算的工作，其中多个设备协同完成一项任务。进展需要这些领域共同发挥作用。

这项研究也限制了观察者能够得出的结论。预览版本提供了检验和进一步开发的材料，但并不能自动证明在每一项生产任务上都具有广泛优势、可靠的商业表现或有利的经济性。

独立评估将有助于把架构选择与用户结果联系起来。有用的证据应说明经测试的工作负载、部署配置、输出设置和失败行为。缺少这些背景时，孤立的效率声明仍然难以比较。

这正是 Sand.ai 融资与技术议程直接相连之处。资本可以支持实验，以及为这些实验提供服务所需的工程投入。最终形成的优势必须通过可复现的测量和可用的产品呈现出来。

Kling 表明竞争已超越模型本身

Sand.ai 进入的是一个创作控制已构成竞争要约一部分的市场。

快手关于 多模态视频生成的公告介绍了其于 2026 年 2 月 5 日发布的 Kling 3.0。多模态系统处理多种形式的信息，如文本、图像、音频和视频。快手在这次发布中强调了叙事控制和一致性。

这为 Sand.ai 所处的竞争环境提供了一个具体参照。视频提供商正通过制作功能以及模型输出呈现能力。客户看到的是综合体验，包括可用的控制方式和使用这些功能所需的投入。

Kling 的公告是公司对其产品的描述，不应被视为其相对于 Sand.ai 表现的独立证明。这一比较说明的是优先事项重叠，而非经过验证的排名。

这些优先事项为专业初创公司创造了要求很高的环境。运动质量的改善很重要，但创作者也希望获得保持角色一致、引导场景并修改素材的方法。提供商必须决定，自己将最有说服力地解决哪些问题。

Sand.ai 还通过公开可访问的研究资料提供了另一条路径。开发者可以查阅技术材料，并评估模型是否适合自身系统。与使用托管应用的创作者相比，这类受众可能会以不同方式看重灵活性和可检视性。

这些路径对应着不同的客户关系。应用用户希望能便捷地将创意转化为可用的视频素材。开发者则可能愿意接受更多部署工作，以换取对部署和集成的控制权。

同时服务这两类群体能够扩大公司的覆盖范围。但这也要求在文档、支持、发布实践和基础设施决策上采取不同做法。赢得一类受众的认可，并不意味着自动赢得另一类受众。

因此，竞争问题比 Sand.ai 能否制作出吸引人的视频更具体。关键在于，哪些用户能获得采用其技术的明确理由。这种理由可能涉及特定创作任务、部署要求或工作流优势。

买家还应区分基准测试结果与生产环境中的对比。基准测试是经过定义的评估任务，或一组评估任务。当测试条件接近买家的实际工作时，其结果才更具参考价值。

公平的比较应让竞品系统接受相同的任务要求，并记录完整的修改过程。它还应计入不可用的尝试和人工编辑工作。精心挑选的最终成片可能掩盖投入成本上的实质差异。

这笔融资为 Sand.ai 提供了资源，以针对这些期待进一步明确自身定位。但融资本身并不能确定胜出的客户细分市场。产品表现和采用证据将揭示，公司采取的方法会在哪些领域获得持久立足点。

融资数据未能回答的问题

融资、估值和产品表现回答的是不同的问题。

头条数字确立了报道称 Sand.ai 获得的投资者支持规模。但它们并未揭示，该公司将支出转化为可靠客户价值的效率如何。当研究与应用开发同步推进时，这一区别尤为重要。

DealStreetAsia 还报道称，公司声称 VidMuse 在 1 月上线后的两个月内，年度经常性收入超过 1,000 万美元。年度经常性收入以年化口径反映持续性业务。它不应被理解为公司已在完整年度内实际收取的收入。

这一说法表明了一个被报道的商业里程碑，但仍留下重要问题。现有报道并未明确留存率、客户构成或单项产品能力的贡献情况，也未对盈利能力作出完整评估。

这些空白应当引导解读，但不应演变为指控。早期企业常会披露精选的里程碑，而非完整经营报表。读者可以认可这一里程碑，同时准确理解其衡量的内容。

在评估模型策略时，收入证据同样需要放在语境中考量。客户购买的是有用的服务，其理由可能包括界面设计、便利性或某项特定创作功能。仅凭应用需求，无法单独界定底层架构的价值。

技术证据也有类似边界。公开发布模型使审查成为可能，但可获得性并不等于已经过独立验证。要得出有力结论，需要其他评估者能够检查和复现的结果。

这种区别对于效率相关主张至关重要。模型中较小的活跃部分可能减少部分计算量，但其他要求仍可能相当可观。买家需要完整的部署证据，才能对实际资源需求作出判断。

输出质量也包含多个维度。一段视频片段可能看起来很吸引人，却未遵循指令，或增加额外的编辑工作。只关注视觉效果的评估，可能忽视决定生产实用性的那些问题。

商业使用权限同样值得重视。团队需要了解模型、托管服务、上传材料和生成输出所适用的条款。在视频素材用于商业活动之前，必须直接审阅这些条款。

这份融资公告也没有明确 MAGI-2 的完整发布计划。DealStreetAsia 报道称，官方版本计划在近期推出。这种表述体现的是意向，而非固定交付日期。

这些不确定性使本文的核心判断保持在适当边界内。Sand.ai 已为一项技术要求很高的策略获得了大量据报道的资金支持。有关采用、部署和可重复输出的证据，将决定观察者如何评估其执行情况。

本轮融资后值得关注的三个信号

接下来有价值的证据，应将某个具体版本与可重复的结果及持续的客户使用联系起来。

第一个信号是有明确文档记录的 MAGI-2 发布。读者应关注可识别的版本、访问条件、支持的任务和技术要求。这些细节将使后续评估更易于解读和比较。

当一次发布将能力以可用形式交付时，它将加强“新增资本正在支持产品落地”的论据。若公告缺乏明确访问渠道或文档，其证明力则较弱。区别在于，开发者和客户实际上能够审查什么。

该公司已为其预览材料提供了一份 MAGI-2 模型卡。模型卡记录已发布模型及其相关信息。未来更新应让研究检查点与商业产品之间的关系更容易追踪。

读者不应假定每个新演示都代表普遍可用的版本。研究样本、评估提交内容、可下载模型和托管产品可能各不相同。清晰的版本信息有助于避免混淆这些类别。

第二个信号是接近生产工作的独立测试。这意味着评估指令遵循、连续性、音频对齐，以及获得可接受结果所需的修改工作量。测试设置应足够明确，以便他人评估。

如果此类测试显示，在部署要求可控的同时仍能产出有用结果，就会强化效率方面的论点。若结果显示频繁失败或需要大量干预，则会缩小这种方法看起来具有吸引力的适用场景。无论结果如何，都会改善证据基础。

最有力的比较应包含普通任务，而不只是视觉效果惊艳的提示词。一个容易识别的产品、一个持续出现的角色，或一个需要精确时序的场景，都可能暴露不同的弱点。这些测试将模型行为与买家需要完成的工作联系起来。

第三个信号是持续客户使用的证据。相关披露可能包括重复生产、留存率，或对工作流有清晰说明的已记录部署案例。这些信息将比最初的关注度或精挑细选的推广示例提供更多参考。

持续使用将强化这样一种判断：Sand.ai 的应用能够创造经常性价值。若只有试用而没有重复采用的证据，商业图景仍难以定论。客户结果之所以重要，是因为它们显示了相关能力能否经受日常工作的检验。

未来几个月，观察者应将这些信号结合起来解读。没有评估的发布会让性能仍存不确定性。没有采用的强劲评估会使客户关系不明朗；而没有运营背景的采用，则会让经济性难以评估。

对于跟踪 Sand.ai 融资动态的团队，请在共享研究记录中保留公告、模型版本、评估条件及自身观察结果。可搜索的 AI 知识库 有助于让不断变化的主张始终与其证据关联。向供应商索取具有代表性的输出结果，审阅使用权限，并比较完成同一任务要求所需的工作量。随后在下一次有文档记录的发布到来时重新审视这一决策。Sand.ai 的融资为公司推进其策略提供了资源；对买家真正重要的证据将来自由此产生的工具。哪一项有文档记录的改进，会让该公司与你的下一项生产决策相关？