这个AI赛道，一个月内融资4笔，一大半的创始人是华人

2024 年初，要说在众多 AI 赛道之中，哪个赛道在资本、创业者、公众几个层面都获得了极大的关注，那一定有 AI 视频生成。而放眼海内外，我们会有一个明显的感受，在视频生成这股风潮中，华人的参与度尤其高。

仅在 2024 年 3 月一个月，就有三个华人创立的 AI 视频生成创企获得了融资，而且融资额都过了千万美金。

1、3 月 7 日，总部位于英国伦敦的Haiper宣布产品上线，并已经完成 1380 万美金融资。Haiper 由两位曾供职于 Google 旗下 DeepMind 团队的华人工程师建立，提供免费的视频生成功能，最长可以生成 2 秒的高清视频，和最长 4 秒的标清视频。

2、3 月 13 日，由前字节跳动视觉技术负责人创立的爱诗科技，完成一亿元人民币（约合 1380 万美金）左右的 A1 轮融资，而其视频生成产品 Pixverse 已在海外上线，生成视频的时长为 4 秒，2 月份的网站流量已经达到 120 万。

3、3 月 24 日，据 The Information 报道，去年下半年，凭借让霉霉说中文视频火起来的 AI 数字人产品 HeyGen 正在进行一轮 6000 万美元的融资，由曾经投资过 Uber 和 Snap 的知名 VC Benchmark 领投，完成此次融资后，HeyGen 的总估值将达到 4.4 亿美元。

再加上之前估值已达 2-3 亿美金的 Pika Labs。由华人建立的创企们纷纷入局 AI 视频赛道。

而其实，“AI 视频融资热潮里华人密度尤其大”这个命题可以拆开去看，一个是 AI 视频的融资热，另一个是创业者里面的华人密度。

不赚钱、还烧钱，AI 视频为什么还会融资热，又为什么是 3 月份？

AI 这一波的创业潮，给已经有点冷清的市场注入了活力。但一圈看下来，除了大模型驱动的 Chatbot，基本上就没有新的产品形态了，AI 只是在“赋能”各个领域，文字、图片、视频。

a16z Top50 AI 产品中的视频生成（蓝）和视频编辑产品（红）

而在上述几个领域中，AI 视频生成产品的用户接受度最低。在 a16z 刚刚发布的 2023 下半年 Top50 AI 产品榜单中，上榜的 5 款 AI 视频产品中，只有 runway 一款是以视频生成为核心功能的，其他都是刚需属性更强的视频编辑产品。

runway 的流量走势图（23.9-24.2）

而就算 runway 也在 2023 年 12 月网站流量达到峰值后，出现了明显下滑。

这说明 AI 生成视频没市场吗，显然不是。按照赋能逻辑，AI 在某个领域落地，其潜在机会和规模，应该参考其服务的赛道。

显然，视频的市场规模不小，简单粗暴点，就互联网头部的产品来看，视频产品，也比图片和文字产品“值钱”。而当前这种流量的下滑，是因为产品确实拉胯。

截至 2023 年年底的 AI 视频生成产品｜图片来源：a16z

根据 a16z 的统计，绝大多数产品都只能生成5秒钟以内的视频，而像 Kaiber 和 Deforum 虽然可以生成十几秒的视频，但只限于动画风格。

而虽然，像 Runway、Pika，和后续切入市场的 Pixverse 生成的视频看上去很真实，也很酷炫。但是短短几秒钟时间+简单的镜头移动，对于绝大多数用户来说，除了体验一下之外，很难有使用场景。即便和一些创作者交流下来，他们也很难把这些 AI 产品融入工作流里面。在新鲜感过去后，访问量下滑也属合理。

就网上的信息和与 AI 视频产品创始人的对话内容来看，大家普遍认为，目前的 AI 视频生成大概在 GPT-2 时代，也就是说，有一定技术突破，但是视频生成的时长和质量，还没有到能够落地应用和商业化的程度。

市面上几款常见模型的推理运算量估算，注：横坐标是输出内容的量，纵坐标是所需运算量，采用对数形式作图 | 图片来源：知乎

没落地，更别提商业化了，但硬币的另一面，“烧钱”却是实打实的。

从成本来看，Sora 的算力需求就比 GPT-4 高出了好几个数量级。有网友根据 Sora 的公开数据做出了保守估算，训练 Sora 需要 1.4 万张 NVIDIA H100 GPU 运行一个月，光这些芯片的价值就高达 4.4 亿美金......

其他产品虽然可能不像 Sora 一样走“大力出奇迹”的路径，但是算力成本远超其他类别 AI 模型是肯定的。

即便如此，赚不了钱、又烧钱的AI视频赛道仍受到了资本们的特别关注，2024 年仅过了 3 个多月就有多达 7 款产品获得融资，总融资额达到 2.18 亿美金。

背后的原因，也刚好如上所述。有市场、但供给都不太行，有心气的 VC 们还是愿意搏一把的，而 3 月份资本的密集出手，还多亏于 Sora 这样头部产品带来的“清晰信号”。

具体来看的话，有市场，不只是上面说的 AI 落地到的视频赛道规模更大，还有 AI 视频模型更接近于 AGI 的一层逻辑。

而很多从业者认为，AGI 如果真正实现，则很多细分领域的应用层机会就消失了，也就是谁先做出来，可能会形成比较强的流量聚集效应，从风险投资的角度，资本肯定愿意搏一下，也就出现了 AI 视频融资热。

视频生成任务流程示意图，注：AI 在生成视频的过程中，一是要生成视频画面，这涉及 AI 视觉领域；二是需要理解并遵守 Prompt，这涉及自然语言处理；三是要保持视频的一致性、连贯性、合理性，这要求 AI 理解视频中的元素如何随时间变化及现实世界的物理规律，这考验 AI 综合学习及理解能力。此外，目前 Pika、Sora 等产品已经可以加入了声音生成的功能，AI 还需要保证画面、音频和文本描述的协调性。｜图片由 ChatGPT 生成

而这个热潮出现在 3 月份，则是因为技术路径相较于之前清晰了不少。

技术路径收敛，AI 视频生成已走过了从 0 到 1 的探索阶段

2024 年 AI 视频生成产品融资情况｜数据来源：AI产品榜（aicpb.com），红色为创始人为华人的AI视频产品

AI 这一波的融资，其实集中出现在 3 月前后，这与 Sora 这样通过摸索技术路径、实现了远高于之前同类产品的惊艳效果强关联。

根据对前谷歌 VideoPoet 项目负责人蒋路的一篇采访，AI 视频生成有两个主要的技术路径 Diffusion 和 Transformer，前者是 AI 生图的主要技术路径，而后者则是 GPT 等大语言模型（LLM）的主要技术路径。

在 Sora 出现前，在视频生成赛道中，两者被认为是泾渭分明的两条路径。90% 的研究者都在进行 Diffusion 路径的研究，但也有少量的研究者在做 Transformer 路径的研究，但基本上逃不出这两个方向。

Sora 的技术示意图｜图片来源：知乎

而 Sora 的出现则让技术路线基本确定。Sora 是 Diffusion-Transformer 模型，等于把上述两种技术路径整合起来了。其中 Diffusion 的作用是细化和完善视频画面，而 Transformer 则用来处理和解析复杂的文本输入，并控制视频的逻辑连贯性。通过这种技术架构，Sora 可以按图像帧的时间序列来处理视频画面，就像 ChatGPT 按文字逻辑顺序处理文本一样。

有创业者说，看过 Sora 的论文后发现，原来泾渭分明的两种路线完成了交汇。而 Pixverse 的创始人王长虎则说：“Sora 让我们坚定了前进的方向。”

由于 AI 视频赛道目前的技术路径已经日趋清晰，免去了选错技术路径带来满盘皆输的风险。VC 虽然考虑收益，但更关注风险。

又为什么是华人？

AI 视频产品华人创业者的履历｜信息来源：谷歌、领英

看几位创始人的履历，在创业之前就专注于 AI 或视觉相关技术，都有海外名校学习或国际化大厂供职的经验，拥有开阔的国际视野。

除了这两项“基础素质”，作为华人的他们对视频赛道，也有着自己的理解。

在上一波互联网创业大潮中，视频，尤其是短视频赛道，是中国互联网企业优势所在，TikTok 已经成长为全球主流媒体之一，引得 Google、Meta 等社交巨头们竞相模仿。

随着短视频占据了人们越来越多的注意力，互联网变现的 2 个印钞机也随之转动，广告和电商。根据 2023 年的数据，字节的广告收入折合 553 亿美元，排在国内主要互联网企业的第一位，总营收 1200 亿美元，排名第三。

而在电商方面，2023 年抖音电商的 GMV 在 2.3 万亿人民币左右（折合 3220 亿美元），在国内大概排在第四，海外的 TikTok Shop 有 200 亿美元。

作为华人，对于此要更敏感一些。纵观几款三月份获得融资的几款华人 AI 视频产品，虽然发展阶段不太相同，但是都针对短视频相关的广告营销和电商生态进行了探索。

Haiper 的产品于 3 月 7 日上线，而在产品还未正式上线时，Haiper 就开始了应用场景的探索。首先，在 1 月 24 日，Haiper 宣布与伦敦艺术大学时装学院展开合作，用 AI 的能力将时装草图转化为动态视频，在成衣制成之前预览上身效果。而在 2 月 9 日 Haiper 宣布和京东展开合作，探索电商方向的应用场景。作为一款新生产品，Haiper 已经在为技术找应用场景了。

而对视频、尤其是短视频商业化路径更清晰的认知，让 AI 视频赛道华人创业者们的发展路径看起来更接地气。

以其中融资金额最高的 HeyGen 为例。

HeyGen 0-100W ARR数据和主要成就｜图片来源：HeyGen

HeyGen 在众多“形而上学”的视频模型创业公司里面，商业化能力是非常强的。收入数据来看，从 2022 年 7 月底上线算起，ARR 从 0 到 100 万美金，仅用时 178 天，而最近一次融资放出的消息，HeyGen 2024 年 2 月的预期 ARR 已经达到 2000 万美元了。

回头去看，HeyGen 除了迭代技术之外，在场景上的探索也非常积极和接地气。

HeyGen 的主要功能是 AI 数字人生成和视频翻译，服务的是 AI 演讲视频场景。

在上线之前，HeyGen 首先在线上协作平台 Fiverr 上提供演讲者视频制作服务来验证市场需求，在这个平台上，HeyGen 提供的数字人演讲服务比真人服务价格降低了 90%，交付时间从 1 天缩短为了 10 分钟。通过这样的方式，HeyGen 找到了为服务买单的群体，电商卖家和内容创作者那样的小 B 用户。

而后，HeyGen 应该是想进一步去探索场景，锚定在企业宣传、内部管理和培训等能够用到 AI 视频的地方，来获取大客户。在 2022 年底，HeyGen 开始建立大客户团队，根据官网显示，Salesforce、amazon、NVIDIA 现都与 HeyGen 达成了合作。

在验证需求并有小范围内传播后，而后才有我们看到的 HeyGen 在社媒上曝光（“让霉霉说中文”），进一步再引发媒体曝光，打响知名度。

在发展的过程中，HeyGen 将各项技术（Avatar、声音、视频翻译）设计成一个个模块，然后组合应用到不同场景里，而场景的探索也偏多样化，例如一些个性化的外联视频、教育类会用到比较多的相关视频、商品展示和宣传视频等等。

但从第一开始的市场验证到后期的场景探索，电商和推广也都被作为重点探索领域。例如，HeyGen 在 4 月 17 日推出了基于商品页面生成商品介绍视频的功能。用户只需上传一个商品或 App 的网站链接，HeyGen 就可以基于页面上的文字和图片，自行生成幻灯片和对应的视频脚本，在用户确认后，生成产品介绍视频，进一步简化工作流程。

HeyGen 订阅页面，注：免费版 HeyGen只能生成 1 个视频，基本无法满足使用需求

参考文献：