短期做补贴，长期拿用户。

文｜魏琳华

编｜刘俊宏

8月5日，彭博社报道称，演语科技（Evoken）已启动香港IPO筹备工作，新一轮融资估值达30亿美元。就在三个月前，这家公司刚刚完成近3亿美元B+轮融资，投后估值超过20亿美元，刷新了中国AI应用层单轮融资最高纪录。

这家公司的名字或许对大众来说还比较陌生，但它的产品正在AI创作领域攻城略地。从产品的更新迭代上，它在大厂们的边界之中游走，找到细分领域里的空白机会，然后快速跟进。

三年里，他们发布了五款产品：图像模型社区Liblib、设计Agent产品Lovart（中文版星流）、AI视频创作平台LibTV和对标Sora的AI视频应用造次。截至2026年5月，公司ARR（年度经常性收入）已突破3亿美元，他们和投资人同步的信息是，年底ARR至多可达7亿美元。

按照7亿美元ARR做对比，高盛预测可灵AI年底将达到10亿美元ARR，这意味着靠AI应用，演语科技已经做到可以和模型厂商媲美的营收水平。

产品虽然定位五花八门，但在设计思路上却出奇一致：它不造模型，而是卖“怎么用模型的能力”。

“我们的价值就是在模型上叠了一层——对齐。”用演语科技创始人陈冕来说，这一系列产品的核心，都是解决模型能力和用户使用之间的gap。

演语科技创始人陈冕

陈冕曾担任剪映与CapCut全球商业化负责人，也是字节跳动最年轻的产品4-1（高级管理层）之一。这段经历解释了演语科技的开局逻辑：看到AI工具的机遇，从模型社区切入，然后在一个更垂直的领域一头扎下去。

但劣势也很明显。

作为互联网时代出来的人，陈冕深知AI应用的护城河是个问题。大厂手握对模型的定价权，也能快速复制产品矩阵。即使是在AI应用的新领域，他们也不得不面对互联网时代的老问题：怎么在大厂纷纷跟进的情况下，维护好自己的垂类生意？

演语科技的故事，是一个从大模型“中间商”起家的AI应用公司与时间赛跑的故事。

增长，打的是大厂还没醒来的时间差；利润，赌的是用户办卡却不来的惰性。直到，IPO时刻揭晓最终答案。

不做模型的Liblib怎么撑起模型生意

演语科技的故事始于Liblib。

2023年，陈冕离开字节跳动创办LiblibAI。当时，Stable Diffusion的完全开源，给图像模型领域带来了新的机会：用户可以在它的模型基础上“喂”图像数据，通过LoRA（Low-Rank Adaptation，低秩适应）、VAE（变分自编码器）等微调方式，训练出各种生成特定图片效果的模型。

在庞大的Stable Diffusion模型生态上，渐渐长出来了一个个类似“AIGC界GitHub”的社区，包括2022年底创建的Civitai和2023年创建的LiblibAI。它们把自己做成了一个模型社区——创作者上传自己微调好的模型，根据使用量拿收益，用户则从社区里直接找需要的风格，再调用对应的模型。

但模型能力追上来之后，“特定风格”的价值被大幅稀释。尤其是当Nano-Banana们直接出图后，Stable Diffusion的生态影响力开始变得有限。

随之而来的是，Liblib也迎来了2.0升级。相比之前的“模型微调社区”，它变成了一个创作站，底层模型变成了Seedream、Qwen等一系列多模态模型，应用界面也更像我们现在熟悉的一键生成的对话窗口。

但1.0时代的经验，并非全然无用。

在2.0时代，Liblib的很多差异化功能就有不少1.0时期的影子。比如保留在现在的工作流，用户可以直接调用别人训练好的模型，直接“摘桃子”。比如上传一个电脑的图片，可以直接调用工作流里的案例，把它变成电商网站上的商品图。这是Liblib选定设计赛道的优势，够垂，也让它能够真正应用在实际工作场景中。

但作为大模型的“中间商”，它挣钱的方式其实并不高明，靠的是卖差价：一边找各种新模型、找更便宜的渠道上架，一边计算成本，把它包装成套餐卖出去。

放在多模态模型中转站这个赛道，经典打法就是价格战。

以字节跳动的Seedance 2.5为例，在即梦上，它的调用成本核算下来约为1.5元每秒。而其它家的定价远低于此：oiioii把Seedance 2.5打到了0.27元每秒；Liblib是限时58折优惠，折合下来0.4元每秒。

这些平台是怎么做到将价格打下来的？

第一，与官方合作拿折扣。比如Liblib与字节跳动签了头部年框，可以获得一定返利。但作为官方，显然不可能给到这么低的折扣，也就是说，各家实际售价已经远低于拿到的补贴。

第二，寻找便宜的API渠道。实际上，在行业里充斥着来源复杂的API来源：比如批量从海外申请学生资格认证得到的免费Token优惠。更有甚者会存在“滥竽充数”的情况，比如显示用的是Seedance，但部分调用实际上接了更便宜的mini或fast版本。

对后者，陈冕明确否认：“这件事很损害长期利益，我根本没有做的意义。”

第三，付费模式的设计。Liblib的会员积分设置为30天有效，如果消耗不够，月底全部作废。对于平台来说，未消耗的积分就是利润。

在陈冕的形容中，这更像是类似健身房的付费模式：“用户买了100万积分，实际只用20万，剩下80万是我们的利润。”他还解释道，“你可以理解为，大部分工具产品是周活产品，本来就不是日活产品。哪怕是剪映、Adobe，一个稳定的留存用户，LT 30（30天内活跃天数）也就5天左右。”

但这个说法，也存在另一个解读方向——健身房的护城河是地理位置和习惯，而AI工具几乎没有迁移成本。用户可以用不完额度，也可以下个月就不来了。

结论很残酷，如果用户将积分全部用满，按照真实模型成本计算，Liblib是要亏钱的。

这门生意本质上不是卖工具，而是在赌用户的使用惰性。这门生意赚的就是买了却用不完的钱。但规模要增长，又必须让更多人买了“使劲用”。利润和增长两者之间，天然存在张力。

陈冕清楚，做视频模型的中转站不是一门好生意，演语科技需要靠产品做更健康的业务。

Lovart和LibTV，抢占风口

如果说Liblib是演语科技的底盘，那么接下来的一系列产品，比如Lovart与LibTV就是公司冲刺估值、撬动资本的“增长引擎”。

在模型平台的基础上，演语科技接下来开拓的都是产品，虽然仍以模型能力打底，但更考验的是产品设计能力，这样的产品付费也更有想象空间。

Lovart是一个典型代表，它的定位是设计领域的垂类Agent助手产品，上线打着的名号就是全球第一款设计Agent。2025年3月，通用Agent产品Manus发布，引爆了整个赛道的想象力。据智能涌现报道，三天后，LiblibAI内部就组建了Lovart团队。和Manus一样，Lovart同样是以邀请码的方式注册，一度被炒到500元一个。

快，一直是演语科技抢占空白赛道的方式。相比大厂今年才开始密集上线的设计Agent产品，Lovart抢占了将近1年的时间。

“坦诚讲，Agent确实没有那么成熟。但如果等Agent真的成熟了，那就不是创业者的机会了，尤其不是应用创业者的机会了，因为本身并不掌握模型。”陈冕说。

Lovart能够抢占优势的核心，一是用Agent逻辑接管了内容生成的步骤，提升了成品的效果。比如要生成一套卡牌，它会调用更擅长分析的模型拆解任务，根据用户描述的风格和主题搜索对应的图像当设计灵感，等用户确认方案后，再推进图片生成。

二是针对设计师的一些痛点，把各种AI工具的能力打包到产品中，做定向的能力优化。比如最开始上线的“图文分离”能力，它能让设计师直接把图片中的文字提取出来，直接打字修改，而不是用模型生图“抽卡”的方式解决。

但这种能力并不新鲜，因为实况文本的提取功能，早在几年前我们就能在手机上用到，比如苹果2021年上线的实况文本功能。

后期Lovart上新的一些功能，更像是把大模型能力做成了标准化功能，做到了实用的同时也提升了修改效果。以文字编辑功能为例，它可以直接把图片上的文字识别提取出来，用户只需要在文本框内修改，就能同步修改掉原图上的文字，且不改变图片原来的设计效果。

Lovart没有公布具体技术，我们猜测可能是用OCR做文字识别提取，再由Lovart套入自己预设好的提示词模板返还给对应模型，让AI完成文字的修改和替换工作。

谈及为什么能抢先做出来这样的功能，陈冕说：“因为在模型能力到之前，大多数人不会做这个事。今年有几个密集进化：GPT-4o 更新 Image-1（4o 系列的文生图模型），在指令跟随、一致性、文字生成能力上都大幅提升......这些变化太快了，所以大部分人还没来得及做。”

但随着模型能力的不断迭代升级，部分创新功能正在被新的大模型吞噬。仍然以上述的文字编辑功能为例，如果我们直接把更改文章的需求给到GPT-image2，模型一样能实现局部文字修改的要求，甚至一致性表现比Lovart更强。

相比之下，演语科技推出的星流虽然被视为国内版本的Lovart，但无论是定价还是功能更新，都更像是“省流版”——星流单月会员定价为99元，而Lovart最低定价为单月29.9美元。在功能上，星流也没有同步Lovart的产品功能，比如品牌套件、字体生成器等等。

为了实际体验一下效果，光锥智能实测了Lovart和星流。

我们让两者都针对星流AI的演示模板“生成一套Hello Kitty的桌游卡牌”来生图。Lovart生成的每张都符合主题，且确认了方案；星流调用了便宜的模型，生成的不仅在精美度上和前者差了一大截，生成到一半就忘了是桌游主题，变成了单纯的卡片，上面的汉字也意味不明。

整体看下来，星流更像是为了承接国内市场需求做的“降配版”。

Lovart是一次从通用到垂类领域的创新，LibTV则是一个后来者，它的故事相比起来就尴尬许多。

今年，演语科技延续了在垂类爆款赛道做产品的思路，推出了AI视频生成产品LibTV。它的产品设计新意不多。例如无限画布、节点式工作流，模型官方和一些 AI 短剧平台都有。最有亮点的是Skill功能，但它还是用了社区共创的方式，把脚本生成、分镜设计、视觉生成、后期剪辑封装为可插拔的Skills。

Skill让AI能够直接包揽从脚本写作到最终生成视频的过程

不过从成绩来看，切入爆款赛道，演语科技还是找到了新的增长来源。陈冕在访谈中说，LibTV从0到一天10万美元收入“非常快”，一个月以内峰值日收入就到了100万美元。在3亿美元ARR中，LibTV贡献了超过一半。

但这样的成绩，有多少是产品的胜利，又有多少是行业上升期的“躺赢”？

比如以昆仑万维的AI短剧平台做对比，昆仑万维董事长兼CEO方汉透露，其平台已经达到ARR 7亿美元的突破，位列海外短剧平台第一，快手的可灵也有近5亿ARR。

总结来看，Lovart和LibTV都是演语科技的一套标准化打法——瞄准风口、做产品、然后靠更快的速度迭代更多功能，抢到赛道的机会。

只是，这套打法并不总是奏效。比如在去年，演语科技曾经也对标过Sora的App做了一款新产品——造次。但正如同Sora本身已经被OpenAI关停，造次在市场上也并未如愿砸出水花。

造次App的官网示意图

造次的失败，也证明了同一套打法并非万能。当窗口关闭，或者对手足够强时，速度本身并不能转化为壁垒。演语科技真正依赖的，是它能不能持续找到下一个还没被大厂吃透的窗口，并用资本把窗口撑开。

只要钱够多，总能够砸出几个关键品类，它就能继续活下去。

轻薄的护城河演语科技能走多远？

筹备上市的演语科技，能撑起一个漂亮的IPO叙事吗？显然现阶段不太理想。

以大模型毛利率能够达到6成及以上的情况来看，Liblib虽然宣称毛利率跑正，但这个毛利率显然不高。对此，陈冕表示，AI应用类产品目前毛利率低于30%实属正常。但放到市场上来说，资本能不能为低利润的商业化叙事买单，还是个问题。

在演语科技财务报表公开后，我们将进一步跟踪做详细拆解。

而Lovart和LibTV这两个产品，今年要面对一场更严峻的考验。

如前文所述，演语科技的生存逻辑是抢占时间差。这只有在大厂尚未完全吃透垂类场景、模型能力尚未下沉至细分应用的窗口期，才能用先发优势构筑微弱的差异化壁垒。

例如Liblib是对标海外Civitai的模型社区产品，抓住了国内没有同类产品的空白期；Lovart是把Manus思路用在垂类设计赛道的产品，先后抢占海外和国内市场；LibTV则是看到了AI短剧价值后跑出来的PMF。

但在更有机遇的赛道里，大厂注定要加入竞争，没有人平白无故放弃这块“肥肉”。

以Lovart所在的设计Agent赛道，就已经开始有大厂入局。腾讯在7月全量上线了其首个自研创意智能体Miora，也是瞄着品牌设计、影视创意这种垂类赛道。

Miora 图源腾讯

也正因如此，演语科技必须靠融资和新产品不断给这套打法输血。用速度落地、低价获客、产品矩阵互相导流，构建流量层面的价值。

演语科技想要维持优势，关键在于产品能不能把积累下来的用户留住。在垂直设计领域，Liblib已积累了3000万用户，他们的产品矩阵可以互相导流——LiblibAI积累创作者和社区资产，Lovart验证了设计场景的付费能力，LibTV踩中了AI短剧的行业窗口。三个产品同时在垂直赛道发力，形成互相导流的局面。

陈冕表示，如果不是他来做，这三个产品可能会变成三家不同的创业公司，而三家公司各自存活的机会可能更渺茫。

但这种打法能否持续，从三款产品的数据上来看，结果并不乐观：据量子位智库统计，2026年七月，Liblib访问量达到173.1万，而在2025年12月，其访问量超过了300万。Lovart在海外也从巅峰时期超400万的访问量下降至今年7月的290万左右；LibTV则在今年7月的AI创作榜单中消失，上个月它还有190万的访问量。

残酷的现实，何尝不是演语科技曾经的依仗？

AI工具几乎不存在用户忠诚度。谁更便宜、谁更好用、谁能更快跟上模型迭代，谁就能暂时留在牌桌上。

或许，这套打法从来就没有护城河可言，而是一段段加速折旧的时间差。演语科技需要证明自己，下一个窗口到来前，它能找到真正属于自己的东西。