11月5日，视频生成基础模型公司 Sand.ai（三呆科技）宣布完成2亿美元 A+ 轮融资。这是它2026年完成的第三轮，十个月里累计融资3亿美元，本轮之后正式跨过独角兽门槛。领投方是基石资本与网宿科技，时代资本、磐霖资本、东证资本等参投，天创资本携山东铁投产投与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、中科创星等老股东继续加注。资金用途写得很具体：基础模型研发、训练与推理基础设施建设、产品迭代、全球市场拓展。
一年之内完成三轮，这个节奏在视频模型赛道并不罕见，但含义要说清楚。视频模型的资本消耗结构与语言模型不同，它的训练数据是视频，存储与解码的开销大；推理阶段又要保证帧率与分辨率，单位请求的算力占用高。这两头都不便宜，导致这个赛道的公司很难靠一轮融资走到自我造血。
本轮的投资人结构值得注意。产业资本（网宿科技做 CDN 与边缘计算，与推理分发直接相关）、地方国资（浦东创投、上海国方，公司在北京与上海都有办公）、老股东（经纬、华业天成、中科创星），三类钱各有各的诉求。产业资本看的是算力与分发的协同，国资看的是落地与产业带动，老股东看的是估值曲线能不能继续往上走。这种组合通常出现在"技术已经验证、商业化刚起步"的阶段。对一家做基础模型的公司，这个阶段的估值逻辑不看利润，看的是三件事：模型能不能持续迭代、客户愿不愿意付订阅费、团队会不会散。
今年8月，Sand.ai 发布并开源了 MAGI-2 预览版，这是全球第一个把视频生成模型扩展到千亿参数规模并开放权重的尝试。架构是超细粒度混合专家，总参数约1140亿，单次前向计算激活约60亿。官方给出的成本数字是，10秒1080P视频的推理成本约0.5元。
这几个数字要放在一起读才有意义。总参数决定容量，激活参数决定单次计算量，两者的比例接近19比1，说明路由非常稀疏。稀疏的好处是容量涨、成本不怎么涨；坏处是训练更难收敛，路由一旦不均，某些专家会被训得特别好、另一些几乎没用上，推理时表现就会出现波动。0.5元这个成本对应的是一次成功生成，重试的成本要另算，而视频生成的实际重试率通常远高于图片。
在第三方评测平台 Artificial Analysis 的图生视频榜单上，MAGI-2 预览版发布时位列全球第六。这个位置说明它在前沿阵营里，但不是第一。对一家要融资的公司，第六名足够讲故事；对要选型的客户，第六名意味着它更适合当备选而不是唯一供应商。
Sand.ai 走的是两条腿：一条开源，MAGI-1 是自回归视频生成模型，已经开源；MagiHuman 开源；MAGI-2 预览版也开源。另一条做产品，视频生成应用 VidMuse 上线两个月，年度经常性收入突破千万美元。
这两条腿的分工很清楚。开源换来的是开发者心智与技术口碑，权重放出去之后，研究会引用它、创业公司会基于它做微调、云厂商会主动做适配，这些都不需要市场费用。产品换的是现金流，订阅收入能证明"有人愿意为结果付钱"，这在融资谈判里比榜单排名更有说服力。两条腿的风险也清楚：开源会把技术优势快速摊平，产品要在体验与工作流上持续领先，否则用户随时可以换一家更便宜的。VidMuse 的两个月千万美元 ARR 是个不错的起点，但它对应的用户基数还很小，能不能在价格战里守住这个数字，要看接下来两个季度的续费率。
融资用途里列的三项，其实是三笔性质不同的支出。第一笔是训练算力，视频模型要用大量带音频的高质量片段训练，一次完整预训练动辄需要上千张卡跑几周，失败了还得从头再来，这笔钱花出去不留资产，只留下权重。第二笔是数据，公开视频的授权状态复杂，能商用、版权干净、分辨率够高的素材是最贵的部分，不少团队真正卡住的地方在这里而不是算力。第三笔是推理基础设施，也就是机房、带宽与调度系统。
第三笔最容易被低估。视频推理的产物是几十兆到几百兆的文件，出口带宽成本远高于文本模型；用户又要求点了就出片，服务方必须按峰值预留容量。一个按月订阅的产品，如果高峰期的请求要排队十分钟，用户很快会流失。把这三笔加起来，就能理解这个赛道为什么必须一轮接一轮地融资，单靠模型能力撑不起一条可持续的现金流。反过来说，能把这笔账算清楚并压住的公司，才有资格谈长期。
从最近一个月的发布看，画质的边际提升已经很难被普通观众感知。15秒与30秒的差别、1080P与4K的差别，在手机屏幕上几乎看不出来。真正拉开差距的是三件事：一是可控性，能不能按关键帧、按参考素材、按镜头语言精确控制；二是迭代成本，改一个细节要不要重跑整段；三是交付形态，成片能不能直接进剪辑软件、能不能带音轨、能不能导出可编辑的中间层。
这三件事都不只是模型问题，而是工程与产品问题。可控性需要一套参数体系，迭代成本需要缓存与增量计算，交付形态需要与下游工具打通。Sand.ai 说 MAGI-2 正式版会有更大的参数规模，参数能解决的是"生成得像不像"，解决不了"改起来顺不顺"。这也是为什么视频赛道的竞争会从模型层慢慢挪到工作流层，能让创作者少返工的团队，就更难被替换。
还有一个变量是价格。当推理成本被压到每十秒五毛钱，按秒计费的商业模型就开始承压，因为客户的预期会跟着往下走。价格战一旦开打，最先受伤的是那些靠 API 转售赚差价的中小平台，最后受益的是有自有算力或者能把成本压到极致的头部公司。这个行业在过去半年里已经出现过一轮明显的降价，接下来要看的是降价之后谁还能维持毛利。