过去这一年，AI行业聊得最多的，还是模型本身。OpenAI、Anthropic、DeepSeek——这些大模型公司几乎霸占了所有聚光灯。

但与此同时，另一条路也在悄悄走通：AI应用。

最近，LiblibAI的母公司演语科技（Evoken）完成了近3亿美元的B+轮融资，投后估值超过20亿美元。

这个数字，是目前中国AI应用公司拿到的单轮融资最高纪录。

资方阵容也很有看点。

• Granite Asia、腾讯、顺为资本联合领投

• HT Investment、时代资本跟投

• 高榕资本、蚂蚁集团、渶策资本、明势创投、源码资本、红杉中国等老股东继续加码

但比融资数字更值得留意的，是另一组数据：截至2026年5月，演语科技的ARR（年化经常性收入）已经达到了3亿美元，比本轮融资完成时又翻了将近3倍。

在中国，除了大厂之外，这应该是为数不多跨入“亿级ARR”俱乐部的AI应用初创公司。

换句话说，演语科技的增长，并不依赖某个偶然爆发的单一产品。

它的增长，建立在连续跑通多款AI产品的PMF（产品-市场匹配）之上。

三轮浪潮里，演语都交出了产品

回顾过去三年的AI产业演进，可以清晰看到三轮应用浪潮：

• 图片生成

• Agent

• 视频生成

而演语在每个周期里，都交出了代表作。

2023年上线的AI创作者社区LiblibAI，累计用户突破3000万。中国每三位设计师里，就有一位是它的活跃用户。

2025年7月发布的AI设计Agent星流，累计服务用户规模已到千万级别。

2026年2月上线的AI视频创作平台LibTV，则刷新了国内AI应用造血的速度。

上线首月，单日营收就超过百万美金；两个月后，产品收入增长了超过13倍。

当行业还在摸索“如何找到AI PMF”时，这家公司已经开始回答一个更现实的问题：AI，究竟怎么变成一门生意？

而从LiblibAI，到星流，再到LibTV，看起来它们想构建的，不只是一个接一个的爆款应用。

它们真正想做的，可能是中国第一家AI内容矩阵。

用三款产品，成为中国最会赚钱的AI公司之一

AI行业从来不缺爆款产品，缺的是能持续制造爆款的公司。

过去三年，大量明星产品诞生，但绝大多数公司依然停留在“只有一个超级产品”的阶段。

比如，提起Cursor，标签就是AI Coding；提起Suno，标签就是AI Music。

这些产品无疑取得了巨大成功，但同时也扛着为母公司造血的全部压力。

这背后是一个困境：很多AI公司能找到一个PMF，却很难复制它。

Character.AI尝试过社区、Agent、游戏等多个方向，但最终被记住的标签，还是“AI角色陪伴”——第二增长曲线迟迟没有跑出来。

相比之下，演语科技的节奏，几乎踩准了每一轮技术周期。

第一阶段：图片生成

2023年，Midjourney、Stable Diffusion让AI图片生成进入大众视野，大量创业公司涌入。

演语推出的LiblibAI，选择从创作者社区和模型生态切入，填补了国内多模态模型“卖铲人”的空白。

第二阶段：Agent时代

随后是Agent时代。以Manus为代表，行业开始探索AI从“生成内容”到“完成任务”的跃迁。

演语在这个节点推出了AI设计Agent星流。

第三阶段：视频生成

今年，随着Seedance 2.0、Kling 3.1等高性能视频模型发布，加上下游短漫剧市场高速增长，演语迅速推出了LibTV。

在大家都在强调“单镜头”生成的视频赛道里，它率先在下游客户中打出了“交付成片”这个心智。

对AI行业来说，跑通一次PMF证明的是产品能力；连续跑通三次PMF，真正证明的，是组织能力。

演语的方法论：抓住模型拐点，也抓住需求拐点

演语团队的一个方法论，是比别人更早发现模型能力变化带来的机会。

创始人陈冕曾在访谈中总结为两件事：

• 第一，密切跟进模型迭代

• 第二，内部对齐了一个假设——模型在变强，但短期来看，它更像是人，还没超越人

△演语科技创始人陈冕

在他看来，应用层公司的必修课就是“如何leverage前沿模型”——在最短时间内用好最新的模型。

模型公司关心能力边界，应用公司更关心能力拐点。

当模型出现某种新能力时，过去哪些解决不了的问题能解决了？会催生什么新交互方式？哪些工作流会被重构？这才是应用公司真正要回答的问题。

星流的诞生，就是一个典型例子。

在GPT-Image-1这类高性能图像生成模型上线之前，演语团队就判断，模型厂商正在集中攻克复杂多轮指令理解、一致性控制和编辑能力。

如果这些问题被解决，设计软件的核心交互方式就可能发生根本变化。

用户不再需要学习复杂的工具链，而是通过自然语言与AI持续协作完成设计。

基于这个判断，团队提前在星流上押注了“ChatCanvas”的产品形态。

但光理解技术变化还不够。

过去几年，很多AI创业公司都能敏锐感知模型进步，却未必能把技术优势转化成真实需求。

相比发现技术机会，识别市场机会往往更困难。

演语的第二项能力，是把下游需求拆解、重构，并最终产品化。

LibTV就是在模型能力和下游需求交汇点上诞生的一款应用。

在外界看来，视频生成赛道的核心问题是镜头美不美、理解准不准。

但团队和大量客户交流后发现，短漫剧团队、MCN机构、广告公司真正缺的，不是单镜头生成能力，而是完整的内容生产能力。

只有融入整条生产链路，帮客户完成作品交付，才能真正创造商业价值。

所以LibTV从一开始瞄准的，就不是视频生成模型本身，而是视频生产工作流。

这个思路贯穿了演语过去几年的产品路径：

• LiblibAI解决的是创作者获取和管理AI素材的问题

• 星流解决的是人与AI协作的设计工作流问题

• LibTV解决的是成片交付的问题

表面上看，它们分属不同赛道。

但底层逻辑是一致的：不是寻找模型最强的地方，而是寻找产业链中最需要被重构的环节。

而这或许也是AI应用创业最重要的一条规律：在一个高速增长的增量市场里，最重要的不是标新立异，而是在正确的时间，做正确的事。

中国AI应用开始进入“集团战争”

2026年初，AI的热度还在，但多款曾经的“爆款”却相继“死亡”。

根据AI Gra veyard的统计，2025年全球有392个AI工具停止服务。算下来，平均每天都有一个AI产品消失。

最让人错愕的“猝死”，来自AI巨头OpenAI。

2026年3月25日，OpenAI宣布Sora应用下架——这款发布下载量就冲上1000万次的爆款产品，生命周期只有25个月。

a16z合伙人Bryan Kim说得很直白：“消费级AI领域根本没有护城河。”

一个明显的信号是：单爆品的叙事正在过时。

模型能力的快速迭代，正在吞没AI应用。

同时，Coding能力的迭代，又大幅降低了爆款产品的复刻成本。

结果是，爆款AI应用的生命周期越来越短，产品层竞争加剧，获客成本也水涨船高。

据部分从业者反馈，2024年AI产品的平均获客成本（CAC）还在20-30元，现在这个数字已经涨到了百元。

在这样的背景下，“集团化”成了AI企业建立壁垒的新方式。

相比单一产品，多产品矩阵的商业抗风险能力更强。

更重要的是，集团化意味着企业不再争夺某一个工具赛道，而是在争夺行业的生态位。

后来者复制一个产品也许不难，但要复制一个由多个产品、数千万用户和完整商业体系构成的生态，难度就大多了。

演语科技，是中国第一批进入“集团化作战”阶段的AI应用公司。

横向看：产品矩阵协同

先看横向的产品矩阵。

从LiblibAI到星流再到LibTV，它们沿着一条清晰主线展开：跨越AI技术周期的创意内容交付。

这意味着三款产品的用户高度重合。

和那些分散在不同场景下的单点产品相比，它们能形成用户、数据和商业化能力的共享。

比如，LiblibAI社区里的图片创作者，可能需要设计Agent进一步辅助创作。

而图片创作者，也可能转化为视频创作者。

不同产品互为流量入口，自然拉长了用户生命周期。

纵向看：内容产业生态打通

再看纵向的内容产业生态。

从LiblibAI提供创意灵感、素材生成，到星流和LibTV交付视觉设计，多个产品共同构成了一条完整的内容生产链路。

尤其是率先提出“用户和Agent双入口”的LibTV，它不只是一款为人设计的产品，更像是在为Agent时代搭建基础设施。

随着AI从“回答问题”走向“完成工作”，越来越多的内容生产环节会被封装成可调用的能力模块。

而视频生成，正是其中最核心的一环。

换句话说，今天的LibTV服务的是创作者，未来的LibTV服务的可能是Agent。

当越来越多Agent开始参与创意和内容工作流，谁掌握了图片、视频和设计这些关键生产能力，谁就有机会成为下一代内容生态的重要入口。

组织能力，正在成为新的估值逻辑

在商业史里，企业随着业务拓展变得组织臃肿、动作变形，这样的故事屡见不鲜。

一家才3岁的公司，快速成长成“集团”，组织面临的压力也越来越大：如何保持效率？如何保证决策准确？

演语给出的核心答案很简单：快。

陈冕在公开访谈中说过：“速度是在模型更新频繁、产品生命周期短的时代最稀缺的壁垒。”

据了解，LibTV从立项、用户访谈、研发到上线，只用了1个月。

快的背后，是一个围绕内容创意产品构建的组织。

陈冕把演语的组织描述为“没有产品经理，只有设计师”“只有‘教AI的人’”。

这个员工画像背后的逻辑是：当工具足够智能，“管理需求的人”不再被需要，但“定义需求的人”反而更重要。

简单说，“行业Know-How”正在成为团队的核心资产。

放到全球AI应用公司的坐标系里，演语科技的估值逻辑，可能值得重新审视。

从最简单的PS（市销率）来看，演语在全球处于明显的估值洼地。

一个典型的对照是：美国的AI音乐创作工具Suno，ARR在2026年3月达到了3亿美元，对应54亿美元估值；而ARR体量相同的演语，融资后估值只有约20亿美元，不到Suno的一半。

无论收入规模、增长速度还是商业化能力，两者已经处于同一量级。

但市场给出的定价差距，相当明显。

不过更值得关注的，或许不是PS本身，而是AI应用公司的估值体系本身正在发生变化。

过去二十年，资本市场习惯用SaaS公司的逻辑来衡量软件企业。

软件只是工具，真正创造价值的是使用工具的人。

所以估值最终取决于订阅收入、客户数量和续费率这些指标。

但在AI时代，工具的角色正在发生根本变化。

陈冕说得直接：“我们不能沿用工具时代的思路来理解AI时代的工具。SaaS的本质是服务由人提供，是人使用工具。而现在，AI成为提供服务的主体。”

所以，AI应用的价值锚点正在从“软件席位”转向“劳动力席位”。

过去企业购买的是软件，未来企业购买的会是一个能持续交付成果的数字员工。

衡量一家AI公司的标准，也将从它卖了多少工具，逐渐转向它承担了多少工作、创造了多少生产力。

从这个角度看，演语的价值，也许不该被简单看作一家AI工具公司。

它构建的AI内容创作矩阵，本质上是在重构内容产业的生产方式。

当市场开始用“数字劳动力”而不是“软件工具”来衡量AI应用时，演语20亿美元的估值，可能真的只是一个开始。