聚焦前沿 赋能决策
中茗汇产业研究
2026年11月5日，视频大模型公司Sand.ai宣布完成2亿美元A+轮融资。这是它2026年的第三轮融资，10个月内累计融资3亿美元，本轮融资后正式跻身独角兽行列。
一家成立不到三年的公司，在资本对AI视频赛道普遍谨慎的2025年之后，用十个月跑出了三轮融资。但比融资速度更值得拆解的，是资本愿意在这个时间点集中下注的两个深层原因：一条被验证的差异化技术路线，和一个已经跑出收入的产品。
资方：产业资本、地方国资与老股东三重共振
本轮融资的出资结构，透露了资本对Sand.ai的判断逻辑。
领投方是基石资本与网宿科技（300017.SZ）的联合体。网宿科技的身份尤其值得注意——它是CDN与边缘计算龙头，此前已与Sand.ai达成战略合作，聚焦音视频推理、低延时边缘推理方向。网宿将提供算力资源、边缘推理和智能调度能力，Sand.ai的新模型及相关技术成果将优先通过网宿平台部署。产业资本领投，意味着这笔钱买的不仅是股权，更是“模型能力+推理基础设施”的深度绑定。
跟投方覆盖了多层次资本：时代资本、磐霖资本、东证资本等知名机构；天创资本携山东铁投产投、山东铁路基金战略参投；浦东创投、上海国方等上海国资背景机构加入；经纬创投、华业天成、中科创星等老股东持续加注。财务资本、地方国资、老股东在同一轮中集体出现，说明Sand.ai在“技术差异化”和“商业化验证”两个维度上，同时给出了让不同属性资本都能接受的答案。
资金用途指向明确：视频基础模型研发、训练与推理基础设施建设、产品迭代及全球市场拓展。新一代更大参数规模的MoE架构视频生成基础模型MAGI-2正式版将于近期发布。
技术路线的“非共识”兑现：为什么自回归成了差异化筹码？
Sand.ai在2024年选择了一条在当时属于“小众争议”的路线：自回归。行业主流是DiT扩散模型，Sora、可灵、Seedance均采用Diffusion架构。自回归路线让视频按时间序列逐块生成，后一段内容接续前一段状态。
2024年，这条路线的处境是“外界普遍不看好”。但到2026年，自回归的认可度快速提升，头部厂商均有所布局。 创始人曹越将驱动因素拆解为四层：短剧、影视B端客户对多镜头、长时序一致性的需求爆发，DiT原生短板无法满足商业化刚需；世界模型叙事升温，时序预测被认定为世界模型核心能力；MoE稀疏技术成熟，解决了自回归算力消耗过高的痛点；多家自研自回归模型跑出了优于DiT的长视频效果，路线可行性被实际数据证实。
技术成果的硬指标在支撑这条路径。Magi-1是全球首个自回归视频生成大模型，在Google DeepMind Physics IQ benchmark上长期保持第一；MAGI-2 Preview是全球首个开源千亿级MoE视频生成模型，在Artificial Analysis Image to Video榜单位列全球第六。当行业从“比拼单段画面的精美度”转向“比拼长视频的时序一致性和商用交付能力”时，自回归路线的结构性优势开始被重新定价。
商业化验证：VidMuse两个月ARR破千万美元，这是融资的“底气锚”
技术路线需要商业化来背书。Sand.ai在融资材料中给出了一组关键数据：旗下音乐视频C端创作产品VidMuse，上线两个月ARR（年度经常性收入）突破千万美元。
这个数字的意义，需要放在视频生成赛道的语境中理解。2025年视频模型赛道一度遇冷，曹越的判断是，核心原因在于“行业缺少可验证的规模化营收标杆，投资人无法判断赛道真实市场空间”。当一家公司在十个月内连续完成三轮融资，同时拿出一个上线两个月即达成千万美元ARR的产品，它实际上是在为整个赛道的商业化可行性提供一个可参照的坐标。
更值得关注的是商业模式的“双轮驱动”结构。Sand.ai的路径是既做模型又做产品：先用市场上效果最好的模型为产品找到PMF，再用自研模型回到关键节点“换效果、换成本、换毛利”。VidMuse验证了C端付费意愿，而即将发布的MAGI-2正式版，则指向MaaS（模型即服务）的第二增长曲线，在国内与海外B端API市场同步开拓。
产业信号：视频生成竞争的主战场，正在从“参数”转向“推理效率”
网宿科技以产业资本身份领投并深度绑定，指向了一个容易被忽视但正在变得关键的趋势：视频生成进入长视频、实时交互和规模化生产阶段后，模型能力与推理基础设施的协同，正在成为竞争的分水岭。
网宿科技董事长李伯清的判断是：“AI视频正从技术创新加速走向产业应用，基础设施能力将成为模型价值释放的重要支撑。”曹越的回应是：随着视频生成进入长视频、实时交互和规模化生产阶段，“模型能力与基础设施协同愈发重要”，双方合作将提升推理效率、并发能力和交付稳定性。
Grand View Research的估算为这个赛道提供了规模参照：全球AI视频市场规模预计从2025年的45.5亿美元增长至2030年的422.9亿美元，复合年均增长率32.2%。中信证券的判断是，AI视频生成行业的核心逻辑是“模型能力突破与场景落地的正向循环”，当前模型能力正处在L3向L4升级的阶段。
当行业从“谁的Demo更惊艳”进入“谁能以可接受的成本稳定交付长视频”的阶段，竞争的重心就从单纯的参数规模，转向了“模型效率 × 推理基础设施”的乘积。 Sand.ai用自回归路线和网宿的推理网络，押注的正是这个乘积。
需要冷静看待的边界
第一，VidMuse的千万美元ARR是“起点”，不是“终局”。 音乐视频C端创作是一个需求分散但总量庞大的赛道，长期年化ARR天花板在30亿至50亿美元量级。从千万到十亿量级的跨越，需要的是产品留存、付费转化和全球化拓展的持续验证，而非单月数据。
第二，自回归路线的“非共识”红利正在收窄。 当头部厂商纷纷布局自回归，这条路线的差异化窗口不会永远敞开。MAGI-2正式版的实际表现，将决定Sand.ai能否在“共识形成”之后继续保持身位。
第三，视频生成赛道的竞争格局远未收敛。 字节Seedance、快手可灵、阿里通义万相、爱诗科技、生数科技——每一个名字背后都是充足的算力和资本。Sand.ai的3亿美元，放在这个竞争烈度中，是一张“入场券”，而不是“保险单”。
结语
10个月3亿美元，Sand.ai拿到的不只是一笔钱。
它拿到的是对一条“非共识路线”的阶段性确认——自回归在长时序一致性上的结构性优势，正在被商业化需求重新定价；它拿到的是一个“可验证的营收锚点”——VidMuse两个月千万美元ARR，为整个视频生成赛道的商业化叙事提供了一个可参照的刻度；它拿到的是一个“产业级基础设施伙伴”——网宿的边缘推理网络，让“模型效率×推理效率”的乘积有了落地的底座。
视频生成赛道的下半场，比的不是谁能在Demo里生成最惊艳的5秒钟，而是谁能以可接受的成本，稳定地交付一段又一段、连贯而可控的长视频。Sand.ai用自回归和3亿美元，买下了参与这场竞赛的资格。
