Sand.ai融资2亿美元，正式跻身独角兽行列

独角兽早知道 iponews

｜资讯撬动新资本｜

11月5日，视频大模型企业Sand.ai宣布完成2亿美元A+轮融资，本轮融资由基石资本、网宿科技（300017.SZ）联合领投，时代资本、磐霖资本、东证资本等机构参投，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。

这是Sand.ai在2026年完成的第三轮融资，10个月内累计融资额达到3亿美元，本轮融资后正式跻身独角兽行列。资金将主要用于视频基础模型研发、训练与推理基础设施建设、产品迭代及全球市场拓展。

综合 | 证券时报 投资界 编辑 | Echo

本文仅为信息交流之用，不构成任何交易建议

在视频生成赛道，可灵AI以180亿美元估值完成近30亿美元融资、Sora因商业化困境关停的背景下，Sand.ai的故事提供了一种不同的叙事：公司不是在“共识”的赛道里追赶，而是在一条被主流忽视的技术路线上，用“非共识”的选择跑出了自己的速度。

全球首个千亿参数MoE开源视频模型MAGI-2 Preview、10秒1080P视频推理成本仅0.5元、产品VidMuse上线两个月ARR破千万美元，这些数据背后，是一个创始人对“第一性原理”的坚持，以及一套正在被工程和商业同时验证的技术判断。

Sand.ai成立于2024年1月，创始人曹越的履历上写着几个在AI学术界分量极重的标签：清华特奖得主、Marr奖得主、Swin Transformer核心作者。但比这些标签更值得关注的是，他在Sand.ai的每一次技术路线选择，几乎都站在了市场共识的对立面。

2024年初，视频生成赛道的主流路线是Diffusion，自回归被视为一条“非正解”的路径。曹越选择了自回归，2025年初发布了基于自回归架构的Magi-1，并在Google DeepMind的Physics IQ benchmark上长期保持第一。随后，团队发现“只有画面是不够的”，开始探索音画同出，成为除Google VEO 3之外最早拿出音画同出模型的团队。

第二个“非共识”发生在2025年11月。在Dense架构下继续Scale Up的成本直线上升，曹越判断，视频模型存在一个“不可能三角”：成本、速度、效果，要突破只能靠研究手段，而MoE是唯一的答案。当时，国内几乎没有视频公司在全力推进MoE架构，Sand.ai又一次站在了主流之外。

这两个选择指向同一条底层逻辑。曹越的判断是，终局状态下每个人都可以消费非常个性化的内容，前提是内容生产成本必须下降到足够低的水平。自回归解决的是生成范式的效率问题，MoE解决的是参数规模与推理成本的矛盾。Sand.ai的技术路线，不是对某个热点方向的跟随，而是对“如何让视频生成变得足够便宜”这一第一性问题的持续回答。

这条“非共识”路线的最新产物，是2026年8月发布并开源的MAGI-2 Preview，全球首个千亿级开源MoE视频生成模型，总参数约114B，单次前向计算仅激活约6B参数。

MAGI-2的技术差异化，体现在两个层面。第一是单流架构，传统多流方案为画面和声音设置不同的主干网络，再通过cross-attention或后处理完成连接，音画对齐依赖后续环节，链路越长越容易累积误差。MAGI-2将文本、视频和音频进入同一个Transformer，在每一层self-attention中持续交换信息，画面与声音由同一个模型共同生成。

第二是Ultra-fine-grained MoE，模型将3072维隐藏表示拆成12个256维head，在36层主体网络中使用Multi-Head MoE，每个head拥有256个专家、每次选择6个，一个token在12个head中合计激活72个小专家。这套结构让模型在扩大总容量的同时，将实际计算量控制在6B参数的规模。

更值得关注的是成本，按照当前8卡H100的月租金折算，MAGI-2生成10秒1080P视频的推理成本约0.5元，每秒生成成本约为行业主流模型的十分之一。在Artificial Analysis的image to video榜单上，MAGI-2 Preview排名第六，而它的参数规模和推理成本都远低于榜单前列的闭源模型。

“全球首个千亿MoE开源视频模型”的标签，在当前的竞争格局中具有双重含义。

可灵AI以180亿美元估值和数亿美元ARR证明了视频生成赛道的商业价值，但其路线是闭源、高成本、面向专业场景；Sora的关停则提醒行业，算力成本和商业化闭环之间的错配足以让一个技术领先的产品走向终结。

Sand.ai选择的开源+低成本路线，本质上是在用工程效率对冲算力成本，用生态开放换取开发者规模。这条路能否走通，取决于开源社区能否将MAGI-2的技术优势转化为持续的调用和迭代，以及低成本能否在不牺牲质量的前提下支撑起B端MaaS的商业模型。

与技术路线的“非共识”形成对照的，是Sand.ai在产品商业化上跑出的“共识”速度。

Sand.ai的核心营收产品是音乐视频C端创作产品VidMuse。这款由前剪映PC端产品负责人张子贺主导的产品，首创“Music in Video Out”音频驱动视频创作模式，上线仅两个月，ARR突破千万美元，成为Video Agent赛道最快达成该里程碑的产品。

在一个尚未形成稳定付费习惯的视频生成市场里，两个月千万美元ARR是一个足够有说服力的信号：Sand.ai的技术能力，已经在C端产品中找到了可规模化的付费场景。

VidMuse的商业逻辑与可灵AI的路径存在本质差异，可灵的收入高度依赖专业用户订阅和API调用，客单价高但用户基数有限；VidMuse切入的是音乐视频创作这个更轻、更分散的场景，用户规模的天花板更高，但单用户价值更低。

两者的组合，构成了Sand.ai收入结构的两个支点：VidMuse验证C端付费意愿和产品化能力，MAGI-2的B端MaaS则指向更大的企业级API市场。曹越在融资披露中明确，公司“在国内与海外B端API市场同步开拓”，即将发布的MoE新模型有望通过MaaS服务成为第二增长曲线。

在产品之外，Sand.ai的技术溢出也在形成另一种壁垒，其开源的MagiAttention算子库已被国内几乎所有多模态模型团队使用，并获得英伟达官方推荐。一家成立不到三年的公司，在一个底层基础设施组件上建立了行业级的采用率，这种“技术公共品”的角色，为其在开发者生态中积累了开源模型之外的影响力。

本轮融资的领投方结构，是理解Sand.ai产业位置的关键切口。

网宿科技在2026年9月已公告，拟以3亿元自有资金认购Sand.ai的A+轮优先股，交易完成后持有4.3963%的股权。一家以CDN和边缘计算起家的A股上市公司，为什么要在视频大模型公司中占据一个董事级的股东位置？

答案写在网宿科技的业务转型里，公司明确表示，其定位是“全球领先的边缘智能及安全服务提供商”，投资Sand.ai是为了“加强与视频大模型企业的合作机会”。视频生成模型的训练和推理，对带宽、延迟和边缘节点的算力调度有极高的要求；而网宿科技遍布全球的边缘节点网络，恰好可以为视频大模型的推理分发提供基础设施层面的协同。这笔投资不是单纯的财务押注，而是一家基础设施服务商在AI时代对“算力+网络+模型”一体化趋势的卡位。

基石资本的联合领投，则代表了市场化长线资本对Sand.ai技术路线和商业化节奏的认可。加上浦东创投、上海国方等上海国资的加入，以及经纬创投、华业天成、中科创星等老股东的持续加注，Sand.ai的股东结构形成了“产业资本+市场化基金+地方国资”的组合。在视频大模型这个需要持续投入算力和人才的赛道里，这种结构既提供了资金，也提供了场景和区域资源的接口。

从2024年1月成立到如今10个月融资3亿美元、跻身独角兽，Sand.ai用不到三年时间在视频生成这条拥挤的赛道上，走出了一条由“非共识”技术选择驱动的路径。曹越押注自回归、押注音画同出、押注MoE，每一步都走在主流叙事之外，但每一步都指向同一个目标：让视频生成的生产成本下降到足够低的水平。

MAGI-2的千亿MoE架构和0.5元/10秒1080P的推理成本，是这个目标在工程层面的阶段性答案；VidMuse两个月千万美元ARR，是这个目标在商业层面的初步验证。

但视频生成赛道的竞争烈度正在升级。可灵AI以180亿美元估值和明确的IPO时间表占据了头部位置，快手、字节、阿里等平台型玩家在算力和场景上拥有结构性优势，Sora的关停则提醒所有参与者，技术领先并不自动等于商业可持续。

Sand.ai的差异化在于，其选择了一条用工程效率对冲算力成本、用开源生态换取开发者规模的路径，这条路在理论上可以避开与巨头在算力资源上的正面消耗，但公司同样需要证明：开源模型的生态势能，能否转化为可持续的MaaS收入；VidMuse的C端速度，能否在更长时间维度上保持。

注：本文素材来源于互联网公开渠道，如有侵权请联系删除。内容所述仅代表个人观点，不作为指导依据，据此操作风险自担！

【公司回顾】

好文！别忘点“推荐”