深度｜Sand.ai融资2亿美元，资本押注视频模型的开源未来

视频生成大模型赛道近日迎来了又一笔颇具标志性交易。

11月5日，Sand.ai官宣完成2亿美元的A+轮融资。这已是其在2026年内完成的第三轮融资。短短10个月，累计融资额达3亿美元，一举跻身全球AI独角兽行列。

本轮融资汇聚了产业资本、知名人民币及美元基金、上海国资等多方投资力量。其中，基石资本、网宿科技（300017.SZ）联合领投；时代资本、国方创投、磐霖资本、东证资本等知名机构参投；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。

视频生成模型算力消耗巨大，且已步入商业化探索深水区，在这种背景下，资本为何如此青睐Sand.ai？答案不仅源于资本对视频基础模型“技术壁垒”与“算力降本”的双重预期，更在于它押注了一个能重构AI视频生态的开源未来。

01 视频生成的下一个红利窗口：开源生态

纵观过去几十年的技术历史发展脉络，开闭源并存始终是数字产业演进的必然格局。

PC时代，微软的Windows占据桌面端绝对优势，但开源的Linux最终支撑了全球90%以上的云计算底座；移动时代，iOS构建了高利润的封闭系统，而开放的 Android则拿下了近70%的全球市场份额，谷歌则借此延续了互联网时代的王座，成为了移动时代最大获益者之一；到了LLM时代，OpenAI等闭源龙头率先确立体验标杆，但Llama、DeepSeek等开源权重模型的涌现，快速打破了单体垄断，重塑了企业级部署的经济学逻辑。

这一数字世界的铁律，背后既有技术文化的根源，也有现实的市场竞争逻辑。

一方面，开源开放深植于程序员的文化与价值观。开放代码、共享成果、协作创新对许多程序员而言，是一种底层信条。另一方面，开源也是技术挑战者打破既有市场格局最有力的竞争武器之一。

往更深一层看，开源与闭源在商业模式和市场需求上形成了天然分工。闭源模型可以集中研发资源，然后依靠领先的技术能力和端到端的产品体验建立商业溢价。开源模型则让更多企业和开发者获得前沿技术的使用、部署与定制能力，推动技术以更低成本进入千行百业。两种模式各有优势，也各自拥有稳定的市场需求，因此能够长期共存。

沿着这一规律推导，视频生成领域也必然会衍生出一个规模庞大的开源模型市场。

但现实情况是，虽然大语言模型（LLM）的开源生态已趋于成熟，但视频生成领域的开源供给却严重不足。当前，视频生成领域虽然已经出现了MAGI、Wan、H3、LTX等开源模型，但Seedance在综合生成效果上仍然有比较明显的领先优势。这种“闭源独大”的格局，则给下游产业筑起两道商业化壁垒：

其一，高昂的API成本。视频生成对算力的消耗远大于语言模型，闭源API高昂的token费用大幅挤压了下游创作者与应用软件的毛利空间；

其二，“黑盒”限制了自主定制。对于影视、广告等专业生产场景，企业往往需要围绕特定角色、视觉风格和制作标准持续训练和优化模型，并将其深度融入已有的生产流程。但调用闭源模型API，开发者无法获取模型权重，难以针对特定业务需求进行自主微调和深度优化。

生态失衡与定制痛点的叠加，意味着打破闭源垄断、建立开放底座，正是视频生成赛道下阶段最具广阔空间的战略机会。Sand.ai早已在这条道路上完成前瞻占位。从推出MAGI-1探索自回归长视频生成，再到开源千亿参数MoE模型MAGI-2 Preview，Sand.ai用持续的开源动作一步步把“开放底座”从判断落成现实。

对于Sand.ai而言，持续在开源生态上深耕，其终局逻辑早已超越了单点模型能力的胜负。其野心，是成为下一代视频应用生态无可替代的底层基础设施。

02 千亿MoE与开源长跑赢得资本重注

Sand.ai的这套开源打法并非临时起意，而是建立在极其连贯且具备高技术壁垒的长期开源积累之上。

自2024年初成立起，Sand.ai便对“自回归（Autoregressive）”这一具备长时序扩展潜力与更强物理规律理解能力的生成路线，展开了持续的探索与实验。

2025年5月推出并开源自回归视频模型MAGI-1，让全行业看到了视频模型流式生成的能力。MAGI-1系列模型更是长期在权威的Physics-IQ官方榜单上高居第一，验证了其在物理世界规律模拟上的实力；随后推出的Gaga-1进一步探索“AI 演员”控制力与原生音画同出体验。

如果说持续的开源积累夯实了技术基础，那么2026年8月发布的MAGI-2 Preview迅速登上AA全球榜单第六名，则进一步展现了Sand.ai参与全球顶级视频模型竞争的潜力。

在大模型领域，参数规模是影响模型能力上限的重要因素之一。一般而言，模型规模越大，模型处理复杂的知识与任务的能力越强，同时训练和推理所需的计算资源也会迅速增加。

MoE架构为这一难题提供了一条新的解决路径。它将模型内部的计算能力分配给大量不同的“专家”，每次处理信息时，只激活其中一小部分参与计算。以 MAGI-2 Preview为例，模型拥有114B的总参数，但在单次前向计算中，实际参与计算的参数只有约6B。

这意味着，Sand.ai可以在控制单次计算开销的情况下，继续扩大模型的总参数规模，让模型拥有更大的学习容量和能力提升空间。

随着模型进一步扩展到数千亿乃至更大的参数规模，并配合训练数据、算法和工程能力的持续改进，模型就能更好地理解复杂场景、人物动作、物理规律以及长时间跨度内的画面关系，进一步提升视频生成的质量、稳定性和复杂任务处理能力。

从这个角度来看，MAGI-2 Preview的意义不止是一次技术上的突破，更重要的是它验证了一条可以继续向更大模型规模扩展的技术路线，也为后续持续提高开源视频模型的能力上限提供了基础。

03 视频模型的“Linux”时刻正在到来

据透露，Sand.ai将在未来几周发布更大参数规模的MoE模型——MAGI-2正式版。在Preview版本已跑通MoE架构的基础上，团队将进一步扩大模型规模、增加训练投入，推动模型能力赶超头部闭源模型。

对于行业而言，如果真的能出现一个与顶尖闭源模型旗鼓相当的开源模型，那么它会从根本上改变现有的竞争格局。视频生成领域将迎来自己的“Linux时刻”——通过极致的MoE架构创新破除成本高墙，重塑顶尖模型与内容创作的底层生产关系。

当基础模型能力追平闭源顶尖水平，一个全新的生态价值飞轮将被彻底激活：开源底座的技术突破将直接降低企业与开发者的采用门槛，带动上层应用生态迅速扩张。

延伸到商业化层面，短期看开源当然会损失掉一些API的收入，但把视角拉远则恰恰相反，这本质上是一种从长期主义出发、通过释放技术红利来重新锚定商业价值的战略选择。

原因在于，模型可以自由获取，但高并发的部署、运维与持续优化仍需要极高的算力与技术门槛，这恰恰为官方API、托管推理与企业定制留下了广阔的商业化空间。

对于开发者而言，获得模型权重只是第一步。真正运行一个大规模视频模型，还需要昂贵的GPU、稳定的推理服务和专业的工程能力，因此直接购买Sand.ai提供的API服务，比自行部署更经济；有特殊业务需求的大型企业，则可能选择付费获得私有化部署和模型定制服务。当越来越多的开发者使用同一个开源模型，围绕它建立应用和产品，模型提供方也有机会从不断扩大的使用需求中获得商业收入。

此外，自有产品为模型能力提供了面向终端用户的直接出口。在Sand.ai“模型＋产品”的双轮驱动下，自研模型不仅能针对具体场景精准调优、大幅降低推理成本，还能将技术升级迅速转化为产品体验，并借助真实创作反馈持续反哺底层研发。

这也正是Sand.ai即将发布的MAGI-2正式版的关键价值所在。它不只是一次简单的模型能力升级，更是检验开源视频模型能否真正缩小与闭源顶尖差距、推动行业从单点技术比拼走向生态综合竞争的核心观察点。

04 当视频生成驶向开源深水区，一场生态与商业的终局

参投Sand.ai此轮融资的磐霖资本表示：“Sand.ai凭借千亿级参数MOE架构，以开源方式积极参与全球视频生成模型赛道，展现出前瞻性的技术视角和发展成为全球伟大科技公司的商业竞争潜力。磐霖积极布局AI应用新范式并坚持在早期与潜在伟大公司同行，看好Sand.ai在全球视频生成市场的商业前景。”

而支撑Sand.ai持续技术创新的，是一支兼具前沿学术研究与大规模工程实践经验的团队。创始人兼CEO曹越与联合创始人张拯分别拥有清华与华科背景，曹越曾任MSRA主管研究员，不仅是ICCV 2021马尔奖（Marr Prize）得主，更是视觉骨干网络革命性架构Swin Transformer的核心作者，Google Scholar引用合计已超 13万次。此外，公司研发核心集结了来自MSRA、阿里达摩院的算法专家，产品与运营团队则来自字节跳动、腾讯等一线互联网大厂。这种兼具基础理论研究、架构创新、大集群工程训练与复杂产品化落地综合能力的人才组合，为Sand.ai 持续开展基础模型研究、大规模模型训练和产品开发提供了重要支撑。

随着视频生成技术不断发展，视频生成模型的竞争正在进入一个新的阶段。模型生成质量仍然是竞争的核心，决定一家视频模型公司长期竞争力的因素，也逐渐从单纯的模型效果，扩展到训练与推理效率、开发者生态以及商业化能力。能否以足够低的成本向市场提供服务，以及能否吸引更多开发者和企业围绕模型建立应用生态，将共同决定其未来的市场地位。

视频模型的技术与市场格局远未收敛，这场长跑的终局，绝不仅仅是做出一款让人惊艳的视频生成工具，而是在开源水系尚未完全定型前，将自己铸造成视频内容生产的底层基石。这场关乎未来格局的博弈，才刚刚揭开帷幕。

文章来自于微信公众号 “Z Potentials”，作者 “Z Potentials”