Sand.ai 再融2亿美元：10个月累计3亿，MAGI-2正式版将至

独立模型公司这条路，价值仍然被资本看在眼里。

近日 Sand.ai 拿下了 2 亿美元 A+ 轮融资。算上这一笔，该公司今年已经完成三轮融资，10 个月内累计融到 3 亿美元，在视频生成赛道跻身新晋独角兽。

本轮由基石资本与网宿科技（300017.SZ）联合领投，上海国资、时代资本等知名基金参投，经纬创投等老股东继续加码。网宿科技是国内 CDN（内容分发网络）与边缘计算领域的龙头，字节、腾讯、京东等客户的高并发场景都用过它的服务；2026 年央视春晚上，豆包大模型的表现背后也有它提供的底层网络与边缘技术支撑。

放眼有中国背景的 AI 创业公司，以视频生成为核心业务、估值摸到独角兽门槛的，只有寥寥数家。Sand.ai 的创始人是前微软亚洲研究院（MSRA）主管研究员曹越，视觉模型 Swin Transformer 便出自他手，他是这项研究的主要作者之一。该研究让计算机识别、理解图像更高效，曾拿下计算机视觉顶级会议 ICCV 的最佳论文奖。

2026 年，爱诗科技、生数科技（Vidu）、Vivix 等不少公司都转向世界模型与具身智能赛道，并发布了相关模型。Sand.ai 则把力气放在基础模型研发上，年中发布并开源了 MoE 架构的视频生成模型 MAGI-2 Preview。

据了解，Sand.ai 参数规模更大的新一代视频生成基础模型 MAGI-2 正式版同样采用 MoE 架构，近期就会发布。

视频模型头部席位的资本争夺战

视频生成眼下已是 AI 领域最赚钱的生意之一。

《晚点 LatePost》此前获悉，到 2026 年年中，字节跳动 Seedance 2.0 单月收入已突破 10 亿元，毛利率约 70%。快手旗下可灵 AI 在 2026 年第二季度的营业收入超过 8.5 亿元，同比增长逾 200%。

7 月，快手宣布推动可灵业务独立融资，融资前估值约 150 亿美元，足额融资后预计达到约 180 亿美元。10 月底增资交割完成，实际融资约 29.05 亿美元。

视频模型已经不只是技术上有前景，两家公司的商业进展说明它能带来规模化收入。AI 视频进入广告、短剧、游戏和影视制作之后，市场对模型供应商的需求开始分化。生产规模较大的客户往往会接多个模型供应商，以此压低成本、分散供应风险。

可灵的独立融资，则给这类模型业务提供了一个估值参照。资本市场愿意对具备领先模型能力和商业化基础的视频业务单独定价，这一点已经被可灵证明。

基石资本的投资人告诉我们，视频生成还处在相对早期的阶段，推理速度、成本、长时间生成的一致性等方面都有很大的改善空间。他们认为，基础模型能力提升会带动产品和应用形态迭代，新的产品和付费场景会不断出现，市场容得下更多成功的公司。

资本愿意往这个领域投钱，押的是未来可能出现更多有独立市场地位的模型供应商。视频生成有机会变成内容生产的基础服务，由少数具备持续研发能力的公司提供，头部席位因此有提前布局的价值。

Sand.ai 是一家独立创业公司，承担前沿模型研发，并选择开放模型权重和技术成果，通过开源扩大市场影响力。眼下拿到的技术成果和正在起步的开源生态，让它成为头部席位的候选者之一。

基础模型是一门需要持续投入的生意。模型能力越接近前沿，训练和迭代通常越烧资源。早期形成的技术差距可能转化为市场优势，不过也可能在下一轮技术更新中迅速缩小。目前 Sand.ai 已经具备参与头部竞争的技术基础，从 MAGI-1 到千亿参数的 MAGI-2 Preview，可以看出它持续研发前沿模型、不断迭代技术的能力。

本轮 2 亿美元融资发生在 MAGI-2 正式版推出之前。投资人押注的是已经形成的研发能力，也看好这套能力未来转化为更强模型的可能性。

过去几年，OpenAI、Anthropic 等公司靠闭源模型和商业服务建立竞争地位。DeepSeek、Kimi 等中国模型公司则走不同的技术路线、开放策略和产品定位，参与全球竞争，这也是 Sand.ai 这类基础模型公司的机会。

从自回归到千亿参数 MoE，创业公司的技术选择

判断一家基础模型公司的长期价值，要看它是否建立了能够持续研发、训练和改进模型的能力。

2025 年 5 月，Sand.ai 开源了自回归架构的视频生成模型 MAGI-1，技术框架一并放出。那会儿团队刚起步，数据、infra、算法、测评这些岗位全算上，也就三四十人。曹越聊起当初的技术路线时说：“还是低估了这个路线的难度。”

一段视频，本质上是多张连续画面按时间顺序叠加。分块自回归生成里，分块指的是在时间维度上把一段长视频切成多个片段；自回归则是生成视频的连接方式，依据前面的片段继续生成后面的片段。每个片段内部，通过扩散去噪生成。

靠分块自回归的方式，MAGI-1 能在生成途中接受交互。代价是团队得把片段间的衔接、前一段结果对后续的影响，还有复杂的计算调度都处理好。

画面质量要往上追，这套生成机制还得在大规模训练和实际使用中稳定运转。刚组建的团队只能从零啃起：数据处理、算法实验、训练系统搭建、效果评测，每个环节都得反复磨。很多功夫不体现在最终画面上，却占去了团队大量时间和精力。

团队在磨合、为训练做前期准备那段时间，把 MagiAttention 算子库开源了出来，这是他们一路攒下的积累之一，别的团队也能拿去复用。腾讯混元 Hy-Nomas 项目已经把它列进官方依赖，推理示例里用上了相关内核；NVIDIA 的 NeMo AutoModel 框架也给了支持。

MAGI-1 一发布，投资人从这支小团队身上看到了竞争力。在物理过程预测基准 Physics-IQ 和视频续写任务上，它当时都拿出了领先成绩，说明模型对物理规律有理解力。到现在，MAGI-1 在 Physics-IQ 上仍排第一。Sand.ai 的技术报告还提到，其增强解码器版本在 VBench 图生视频评测中总分最高。

基石资本投资人告诉我们，他们内部拿 MAGI-1 和同期视频模型一起实测过，看到的效果不输其他前沿模型。

到了 2026 年，视频模型往持续生成、实时交互方向走，越来越多团队开始试这条路，Sand.ai 早先想解决的问题也进了更大的行业视野。对曹越来说，MAGI-1 同时把自回归路线做成了一次阶段性验证。

2026 年 8 月，Sand.ai 推出 MAGI-2 Preview，研究重心转向大规模模型训练。

MAGI-2 Preview 总参数 1140 亿，单 Token 激活参数约 60 亿，用的是超细粒度混合专家架构（MoE）。这套架构把模型里的部分计算分给不同专家，每次生成只激活其中一部分，总体容量上去了，单次计算量还能压住。

对做视频模型的公司来说，千亿参数不只是模型变大这么简单。视频生成要处理海量时空信息，还得经过多轮去噪计算。参数和训练数据一涨，计算、通信、显存、数据处理这些问题都会变复杂，计算、显存和通信开销明显增加。模型架构怎么设计才能跟训练系统对上，成了继续扩大规模绕不开的坎。

既要扩大模型容量又得控制计算成本，再加上音视频联合建模的需求，Sand.ai 没有照搬 MAGI-1 的自回归分块设计。他们从单流架构入手，让文字、画面和声音进同一个主干网络处理，集中力量推下一阶段的扩展。

MAGI-2 Preview 算是一次不错的演练：超细粒度 MoE、分布式训练和数据处理方法被整合进同一个千亿参数模型，并且真刀真枪跑完了训练。这些经验后面调架构、迭代模型还会接着用，支撑模型能力继续往上走。

Sand.ai 的技术报告显示，MAGI-2 Preview 不只是参数规模变大了，配套还做了专家路由、并行训练、优化器和数据处理体系。模型先用大量视频数据预训练，再用高质量数据和人工标注去改善人物动作、镜头语言及音画关系。

这次发布对一套千亿参数视频模型的架构与训练系统做了前瞻性验证，确认两者能协同跑通；从公开评测结果看，MAGI-2 Preview 已具备一定竞争力。

一路走来，Sand.ai 从 MAGI-1 的自回归视频生成，做到音画同出、单流架构，再到 MAGI-2 Preview 的大规模 MoE，目标始终是找办法把视频基础模型的能力往上推。站在投资人角度，这家公司拿得出的，是从模型架构到训练基础设施的一整套研发和工程本事。

阶段性验证之后，MAGI-2 正式版也在研发当中。Sand.ai 想做的，是把攒下的架构、数据和工程能力，变成更好的模型表现。

对独立模型公司来说，开源是另一条竞争路径

基础软件的发展历程里，开放与封闭两种竞争方式一直并存。

从 Windows 与 Linux，到 iOS 与 Android，领先的一方选择闭源，为愿意掏钱的用户做优化；开源则成了挑战者的另一条路——借庞大的开发者生态，把技术做成可靠产品，为公司持续腾出商业空间。

对独立模型公司而言，开源还多一层含义：它给了一条不必完全依赖自有产品入口的竞争路径。

大厂推模型，可以靠内部产品、渠道和现成客户。创业公司手里往往没这些资源。把模型权重、代码和底层技术开放出去，开发者就能直接上手模型，把它用进别的公司的产品和基础设施里。

这条路在大语言模型领域已经显出影响力。Hugging Face 的统计显示，截至 2026 年 7 月，平台上基于 Qwen 系列形成的衍生模型仓库超过 15 万个。大批第三方开发者不用从零训练基础模型，按自己的需求做微调、适配和开发就行。

视频生成这边，类似的生态也开始冒头。Wan2.1 接入 ComfyUI 后，走进了更多创作者的工作流。除了模型开发者自己，其他团队也下场参与模型部署、优化和应用开发。

Sand.ai 正试着靠持续开放技术成果加入这场竞争。从 MAGI-1 到 MAGI-2 Preview，模型权重、推理代码和技术方案都公开了，还攒下 MagiAttention 这类可供其他团队使用的工程组件。除 MagiAttention 之外，MAGI-2 Preview 还开源了 Multi-Head LatentMoE（多头潜在混合专家）等设计，摸索让模型拥有更多“专家”，同时压低调用这些专家时的数据搬运和等待成本。

这些成果，为 Sand.ai 进入全球开发者社区铺了路。模型质量一旦达到更高水平，又能以合理成本部署，就可能吸引更多开发者围绕 MAGI 做产品、工具和服务。

开源带来的市场机会，不止模型调用收入这一项。一个被广泛采用的模型，可能进入不同企业的生产系统，成为其他产品的底层技术。模型公司由此能拿到企业部署、托管推理和持续技术服务的收入。依赖 MAGI 系列模型的产品、工具和企业工作流足够多的话，Sand.ai 在视频生成产业里的市场地位就可能超出自有应用的规模。

眼下，模型质量、推理成本、第三方工具支持和企业部署能力都还在快速变化，开发者生态也没形成固定格局。靠着连续的模型发布和技术开源，Sand.ai 已经攒下参与竞争的基础，有机会在这一阶段去争一个有影响力的开放视频基础模型位置。

三轮融资在10个月内落定，Sand.ai由此拿到了继续留在牌桌上的资金与时间。接下来要回答的问题是：过去两年攒下的技术能力，能否持续变成领先的模型；在巨头把持的视频生成市场里，一家独立公司又能否撑起长期价值。

题图来源：《西蒙尼》

- FIN -