Sand.ai融2亿美元：MoE把视频成本砍九成

视频生成公司 Sand.ai（上海三呆科技）11 月 5 日宣布完成 2 亿美元 A+ 轮融资，由基石资本、网宿科技联合领投，10 个月内累计融资 3 亿美元，正式跻身独角兽行列。它押注的是一条与众不同的 MoE 路线：用 MoE 架构把视频模型做到千亿参数，同时把 10 秒 1080P 的推理成本压到 0.5 元。

在视频生成这条赛道上，这家靠 MoE 起家的公司不算最有名的。快手的可灵、字节的即梦、阿里的通义万相都有大厂资源支撑，Runway、Sora 在专业创作领域领先。Sand.ai 选的是一条更窄也更硬的路：用架构创新换成本优势，用开源换生态，然后用 B 端交付赚钱。

融资的具体构成

这轮 2 亿美元的领投方是基石资本与网宿科技，参投方包括时代资本、国方创投、磐霖资本、东证资本，天创资本携山东铁投产投、山东铁路基金战略参投，浦东创投及其他上海国资背景机构加入，老股东经纬创投、华业天成、中科创星持续加注。

这个股东名单值得琢磨。产业资本（网宿科技是做 CDN 与边缘计算的）、地方国资（浦东创投、山东铁投）、一线 VC（经纬、中科创星）同时出现，说明各方看中的东西不同：产业资本看的是视频生成对带宽与算力的需求，国资看的是本地产业落地，VC 看的是赛道成长性。

资金用途官方口径很明确：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。这四条其实是一条链——模型更强需要更多算力，算力投入要摊薄需要更多用户，用户增长需要产品迭代与海外拓展。

维度	具体信息	解读
本轮金额	2 亿美元 A+ 轮	2026 年第三轮融资
累计融资	10 个月约 3 亿美元	融资节奏极快，资本押注明确
领投方	基石资本、网宿科技	财务投资人 + 产业资本组合
估值	正式跻身独角兽	即估值超过 10 亿美元
资金用途	模型研发、训推基建、产品、出海	全链条投入，非单点突破
技术路线	MoE 统一音视频	与主流 Dense 路线形成差异

MoE 路线到底解决了什么问题

视频生成行业最大的痛点，也正是 MoE 要解决的核心问题：模型做大，推理成本同步暴涨。这跟语言模型早期的困境一样——参数越多效果越好，但每生成一秒视频就要烧掉一笔钱，商业化根本跑不通。

MoE（混合专家）的核心思路是把模型拆成很多”专家”子网络，每次推理只激活其中一小部分。这样总参数量可以做得很大（知识容量大），但单次计算量可以控制得很小（成本低）。Sand.ai 的 MAGI-2 Preview 总参数量约 1140 亿，单次前向计算只激活约 60 亿参数。

效果是：主流 Dense 视频模型生成 10 秒 1080P 视频的推理成本普遍在 3 到 5 元区间，Sand.ai 做到了 0.5 元级别，差距接近 10 倍。这个差距对短剧、电商短视频、信息流批量生产、API 服务商、私有化部署客户是决定性的——它直接决定了一条商业路径能不能跑通。

难在哪：视频不是语言

MoE 在语言模型上已经验证得很充分，但搬到视频上难度大得多。语言是一维序列，视频是时空联合的高维信号。路由决策要考虑的不只是”这个词该给哪个专家”，还有”这一帧、这个区域、这个运动状态该给哪个专家”。

更麻烦的是时序一致性。视频的每一帧都要和前后帧保持连贯，如果不同帧被路由到不同的专家，很容易出现闪烁、人物漂移、物体变形。这些问题的调试难度远高于语言模型，需要大量的工程试验。

Sand.ai 选择 MoE 这条路，本质上是用工程难度换成本优势。如果做成，它就有了别人短期难以复制的护城河；如果做不成，就会被打上”便宜但不好用”的标签。

为什么视频模型比语言模型更烧钱

同样是大模型，视频开销比语言高出一到两个数量级，原因在数据形态，这也是 MoE 走红的背景。一段 10 秒的 1080P 视频，原始像素数据约 600MB；压缩后仍有几十 MB。把它切成时空片段送进模型，token 数量远超一段同等”信息量”的文字。

MoE 训练开销更夸张。视频数据的清洗、标注、去重成本极高，一段可用训练片段往往要从几十段素材里筛出来。算力上，视频模型需要处理三维张量，显存占用和通信开销都远大于文本模型，集群效率更难做高。

MoE 在推理侧还要面对一个特殊约束：用户等不了。生成一段 10 秒视频如果花 5 分钟，产品体验就崩了，厂商只能在延迟和成本之间找平衡，靠架构优化而非堆算力硬扛。

这三点叠加，解释了为什么 MoE 这类架构创新在视频赛道上价值特别大——它直接减少了每次推理的计算量，而不牺牲模型的参数容量。

MoE 在视频上的三个工程难点

第一个难点是专家划分。语言模型按 token 划分专家相对自然，视频要按什么划分？按空间区域、按时间片段、还是按语义内容？不同的划分方式对应不同的路由策略，而这个选择没有标准答案，只能靠实验。

第二个难点是负载均衡。如果大部分视频帧都被路由到少数几个专家，其他专家就闲置了，MoE 的成本优势也就没了。要在训练中引入均衡损失，逼着模型把负载分散，但这又会影响质量。

第三个难点是时序一致性。视频的连贯性依赖于前后帧的关联，如果相邻帧被路由到不同专家，很容易出现闪烁或形变。解决这个问题需要在路由上加时序约束，让相邻帧尽量走同一条路径。

这三点的共同特征是”没有现成方案”。语言模型的 MoE 有大量论文和开源实现可以参考，视频的 MoE 几乎是空白。这意味着 Sand.ai 的工程团队必须自己摸索，试错成本很高。

也正因为如此，这条路一旦走通，护城河就很深。别人要复制，不只要复制架构，还要复制这些踩坑经验。这就是为什么它敢把权重开源——真正的门槛不在权重里。

产品侧已经在跑的数据

MoE 之外，Sand.ai 的商业化也有进展。公司推出的视频生成产品 VidMuse 上线两个月，年度经常性收入（ARR）突破千万美元。这个数字放在视频生成赛道里属于不错的起步，说明产品找到了愿意付钱的用户。

亏损这件事怎么看

公开数据显示，Sand.ai 2025 年净亏损 1.87 亿元；2026 年上半年营业收入 1739.8 万元，净亏损 1.52 亿元。这是一家典型的”高投入、低收入”阶段公司。

MoE 训练导致亏损并不意外——训练千亿参数的视频模型，算力开销是天文数字。真正需要关注的是亏损结构：如果主要花在训练上，说明在积累能力；如果主要花在获客上，说明商业模式还没跑通。从公开信息看，Sand.ai 属于前者。

三类客户的真实需求

把 MoE 面向的”B 端市场”这个词拆开，能看到三类完全不同的客户。第一类是平台型客户，比如短剧平台、电商平台，它们要的是稳定的 API 和高并发能力，价格敏感但对画质要求中等。第二类是政企客户，要的是私有化部署和数据不出门，对价格不敏感但对合规极其严格。

第三类是工具型客户，比如广告公司、MCN，它们要的是可控的生成流程和丰富的编辑功能。这类客户最难伺候，因为它们的创意需求千变万化，模型要能理解细致的指令。

Sand.ai 的 MAGI 系列在这三类客户里的适配度不同。第一类最契合，成本优势直接转化为利润；第二类需要交付能力，是团队要补的功课；第三类最难，因为工具链的完善度依赖长期积累。

从 MoE 产品的融资用途看，官方把”全球市场拓展”单列一项，说明它想去海外找第一类和第二类客户。这个选择合理——海外市场的付费意愿更强，对价格优势的反应更直接。

开源这条路怎么走通

Sand.ai 是国内少数坚持开源的视频模型团队：MAGI-1、MagiHuman、MAGI-2 Preview 都开放了权重。开源的好处很直接——开发者会用、会传播、会基于它做二次开发，形成生态。

但开源的商业化悖论也很明显：所有人都能下载微调，云厂商可以直接拿去封装成 API，分流原创公司的客户。要破解这个悖论，必须找到”开源模型之外的价值”。

MoE 之下，Sand.ai 的答案是四条路径，其中最核心的是把 MAGI 做成事实标准：托管 API、私有化部署、行业定制服务、训推工具链（MagiCompiler）。前两条赚的是”省心”的钱，第三条赚的是”懂行”的钱，第四条赚的是”效率”的钱。这四条都不是卖权重，而是卖服务。

收入来源	客户类型	竞争壁垒	毛利水平
托管 API	中小开发者、应用团队	成本与稳定性	中等
私有化部署	政企、金融、媒体	交付能力与合规	较高
行业定制	短剧、电商、广告	场景理解与数据	高
训推工具链	有算力的企业	工程优化能力	高

技术之外的短板

客观地说，MoE 路线给 Sand.ai 带来的软肋同样清楚：画质、人物一致性、复杂物理交互、长镜头叙事的上限，目前弱于可灵、Runway 一代的产品。在专业影视广告、电影级镜头创作这些场景，它的竞争力不足。

MoE 把成本降下来了，工具链上的差距却更明显。参考图锁定、角色一致性控制、故事板、运动笔刷这些创作者每天要用的功能，海外头部产品做得很成熟，Sand.ai 还在补课。这些功能不需要模型突破，但需要产品打磨，而产品打磨是最耗时间的事。

还有一个隐性短板：MoE 视频模型的训练稳定性。它的对齐难度高于 Dense 模型，训练过程中出现模式坍塌、专家负载不均衡的概率更高。这需要工程团队有很强的调参经验，而这些经验无法从论文里学到。

和 Dense 路线的正面对比

把 MoE 和 Dense 两条路线摆在桌上比，各有明确的取舍。Dense 模型的优势是训练稳定、时序一致性好、调试经验成熟，所有工程手段都可以直接复用。劣势是成本刚性：参数翻倍，推理开销就翻倍。

MoE 的优势是成本弹性：总参数可以做大，单次计算只激活一部分。劣势是训练难度高、路由不稳定、时序一致性难保证。这些劣势在语言模型上还可控，在视频上会放大。

所以选择路线时要看场景。如果做的是高端影视级内容，画质和一致性是第一位，MoE 的成本优势没有意义。如果做的是批量生产的短视频，成本是第一位的，MoE 就是正确选择。

Sand.ai 选 MoE，说明它瞄准的是后一个市场。这个判断在 AI 短剧爆发的当下，是对的。但市场会变，如果高端需求增长更快，它就得考虑补上 Dense 路线，或者把 MoE 的质量做到接近 Dense。

MoE 路线能不能被复制

一个关键问题是：既然 MoE 能降成本，为什么别家不直接抄？答案是这个方案”看着简单，做着很难”。开源权重放出去，别人能拿到结构，但拿不到训练配方——专家的划分方式、路由的损失函数、负载均衡的策略、时序一致性的约束，这些都在代码之外的经验里。

更实际的障碍是数据。MoE 视频模型需要海量高质量视频做训练，而且要有好的时空标注。这类数据的采集与清洗成本极高，小团队根本承担不起。Sand.ai 能跑通，一部分靠融资，一部分靠早期的数据积累。

所以 MoE 的护城河不是”架构本身”，而是”架构加数据加工程经验”的组合。这个组合能被追赶，但需要时间。对 Sand.ai，这个时间窗口就是它必须抓住的机会。

市场侧的一股强劲东风

视频生成的需求正在爆发式增长。据国家广电总局披露，2026 年前 10 个月上线微短剧近 55 万部，是 2025 年全年的近 17 倍，其中 AI 短剧占比超过 94%。这个数字背后是一条完整的产业链：剧本、分镜、生成、剪辑、配音、投放。

对视频模型公司，这意味着一个巨大的、付费意愿强烈的 B 端市场。短剧制作方对成本极度敏感，同时对产量要求极高，正好是”低成本、可批量”模型的理想客户。

竞争格局的冷静判断

这个赛道并不宽松。快手可灵、字节即梦、阿里通义万相都在持续迭代，它们有海量视频数据、自有算力、成熟产品渠道。大厂同样可以做 MoE 视频模型，一旦跟进，初创公司的路线优势会被压缩。

MoE 带来的差异化在三处：开源带来的开发者生态、成本优势带来的 B 端渗透、以及在音视频联合生成上的技术积累。这三处都不算牢不可破，但组合起来形成了一定的独特性。

更现实的风险是数据。高质量、版权合规、多样性的视频训练数据，是比架构更长期的壁垒。创业公司在数据侧相比大厂天然弱势，这可能是最难补的短板。

算力的现实约束

再好的 MoE 架构，也要有算力跑。MoE 的优势是”总参数大、激活少”，但训练时每个专家都要更新梯度，总计算量并不省。这意味着 Sand.ai 的训练集群规模不能小，投入也不便宜。

国内团队还面临一个额外约束：高端芯片的获取。这逼着团队在国产算力上做优化，包括算子适配、通信优化、混合精度训练。这些工作量大、见效慢，但不做就没法扩大训练规模。

从另一个角度看，这个约束反而成了筛选器。能在受限算力上把 MoE 训出来的团队，工程能力一定不弱；这些能力沉淀下来，就是别人难以模仿的资产。MagiCompiler 这类训推工具链，正是这些工程经验的产物。

商业化路径上的两难

所以更合理的策略是”分层定价”：标准 API 走低价抢量，私有化部署走高价保利润，行业定制走溢价换粘性。这套组合既能覆盖价格敏感客户，也能服务高价值客户。MoE 的成本优势在这个组合里是”底线”而非”全部”——它保证你在低价层不亏，但不保证你赢。

为什么这次融资对公司是生死节点

3000 万美元和 2 亿美元的区别，对一家训练视频模型的公司来说是”能不能继续迭代”的区别。视频模型每一代训练都需要数千张卡跑数周，成本以千万元计。没有新钱，就没有下一代模型；没有下一代模型，客户就会流失。

从这个角度看，MoE 让 2 亿美元买到的是 12 到 18 个月的时间。在这段时间里，公司必须把 MAGI-2 正式版做出来、把商业化跑通、把团队稳定住。三件事都成，下一轮融资才会顺利；有一件不成，故事就难讲了。

为什么这件事对整个赛道是好事

MoE 路线的落地，对整个视频生成赛道都有正面影响。第一，它证明了”参数规模”和”推理成本”可以解耦，这打破了过去”越大越贵”的线性关系。其他团队可以沿着这个思路做更多优化，最终受益的是所有用户。

第二，它把视频生成的价格拉到了一个新区间。当 10 秒 1080P 的成本从几元降到几毛，很多原本不经济的场景变得可行：电商商品的自动短视频、教育内容的批量动画、本地商家的宣传片。这些需求的释放，会扩大整个市场的容量。

第三，它让开源模型第一次在视频领域有了和闭源商业模型竞争的能力。过去高质量视频模型都是闭源的，因为训练成本太高、商业价值太大。MoE 降低了门槛，让开源生态有机会参与进来。

但也要清醒：便宜不等于好用。如果 MoE 模型在画质、一致性、可控性上始终落后一档，它就只能在低端市场打转。要突破这个天花板，需要的不只是架构创新，还需要数据、工程、产品三方面的持续积累。

对 Sand.ai，这意味着它必须两条腿走路：一边用 MoE 守住成本优势，一边在质量和可控性上追赶。缺了任何一条，都走不远。

一个容易被忽略的问题：数据版权

视频模型训练需要海量视频素材，这些素材的版权归属一直是灰色地带。MoE 降低了训练成本，但没有解决版权问题。相反，成本降低意味着可以采集更多数据，版权风险反而被放大。

目前行业里的做法主要有三种：使用公开授权的数据集、与内容平台合作获取授权、以及使用合成数据。三种做法各有局限：公开数据集规模有限，合作授权的成本高，合成数据与真实视频仍有差距。

对 Sand.ai 这类公司，版权问题是出海时的最大不确定性之一。欧洲和美国的监管对训练数据来源的要求越来越严，一旦被认定侵权，可能面临巨额索赔和模型下架。

这也是为什么它在融资用途里强调”全球市场拓展”的同时，必须同步建设合规能力。一个能在国内跑通的模型，未必能在海外合法运营。这个差别，往往被技术团队低估。

对普通用户和创作者该关注什么

如果你是内容创作者，MoE 带来的最直接变化是成本。过去生成一段 10 秒的高清视频，成本可能在几元钱；现在降到几毛钱，意味着可以大量试错。试错次数多了，出好片的概率自然提高。

如果你只是好奇，建议先试用开源版本。Sand.ai 的 MAGI-2 Preview 权重是公开的，有算力的话可以自己部署；没有算力也可以用他们的在线产品。亲自试过才知道这类模型的实际水平，比看评测榜单靠谱。

把判断收一收

Sand.ai 的故事可以概括成一句话：用架构创新换取成本优势，用开源换取生态，用 B 端交付换取收入。这三步每一步都不新鲜，但组合在一起，构成了一个资源有限的团队对抗大厂的可行路径。

它的成败，几乎全部押在即将发布的 MAGI-2 正式版上。如果正式版在画质、时序一致性上追平主流 Dense 模型，同时保留成本优势，那它就会成为全球视频开源领域的重要基座，吸引大量开发者基于它做二次开发。如果正式版提升不及预期，它就会被贴上”便宜但不好用”的标签，困在低端素材市场。

开发者该怎么上手

如果你是想用视频模型做产品的开发者，建议按这个顺序试。第一步先跑开源版本，看在自己的硬件上能不能跑起来，速度如何，质量够不够用。这一步能快速排除掉不合适的方案。

第二步做场景验证。挑一个你最熟悉的场景，用五十条真实需求测一遍，统计”一次生成可用”的比例。这个比例决定了产品体验的上限——如果只有三成可用，那就得设计”多生成再挑选”的流程。

第三步算 MoE 方案的成本。不能只看单次生成多少钱，还要算上失败重试、人工筛选、后期修补的成本。MoE 的优势在单次成本，但如果可用率低，综合成本优势会被抵消。

第五步才是用 MoE 方案规模化。在这之前，建议先用 API 而不是私有化部署，保持灵活性。等场景验证清楚了，再考虑长期投入。

关于开源生态的一点观察

开源视频模型的实际使用情况，和语言模型不太一样。语言模型开源后，社区会做大量微调、量化、部署优化，形成活跃的衍生生态。视频模型开源后，社区的参与门槛高得多——需要大量显存、需要懂视频编解码、需要处理时序问题。

这意味着 MoE 视频模型的开源，短期内更像”技术展示”而非”生态建设”：真正做二次开发的主要是云厂商、算力厂商和少数有工程能力的中型团队。

常见问题

Sand.ai 是什么公司？

2024 年 1 月成立的视频生成基础模型公司，全称上海三呆科技，创始人曹越是前微软亚洲研究院主管研究员、视觉模型 Swin Transformer 的主要作者之一。

这轮融资的规模和领投方？

2 亿美元 A+ 轮，基石资本与网宿科技联合领投，多家机构参投，10 个月内累计融资约 3 亿美元，估值进入独角兽行列。

MoE 架构为什么能降成本？

因为它把模型拆成多个专家子网络，每次推理只激活一小部分。总参数量大保证能力，单次计算量小控制成本，MAGI-2 总参数 1140 亿、单次激活约 60 亿。

0.5 元是什么概念？

指生成 10 秒 1080P 视频的推理成本。主流 Dense 视频模型普遍在 3 到 5 元，差距接近 10 倍，这个差距决定了批量生产能否跑通商业模型。

公司现在赚钱吗？

还在亏损。2025 年净亏损 1.87 亿元，2026 年上半年营收 1739.8 万元、净亏损 1.52 亿元，亏损主要来自训练投入。

开源了会不会被别人白拿？

会，这是开源商业化的固有矛盾。公司的对策是不靠卖权重赚钱，而是靠托管 API、私有化部署、行业定制、训推工具链四条服务线。

MAGI-2 正式版什么时候发？

官方口径为”近期发布”，参数规模更大。正式版的质量提升是关键变量，决定公司能否从”便宜”走到”好用”。

和大厂模型比谁更强？

画质、人物一致性、复杂物理交互、长镜头叙事上，目前弱于可灵、Runway、Sora；优势在成本、开源生态与批量生产效率。

AI 短剧真的有那么大市场吗？

据国家广电总局数据，2026 年前 10 个月上线微短剧近 55 万部，是 2025 年全年近 17 倍，其中 AI 短剧占比超 94%，需求确实在大幅放量。