十个月三轮融资，视频生成赛道又一家独角兽
11 月 5 日，视频生成基础模型公司 Sand.ai（三呆科技）宣布完成 2 亿美元（约合人民币 13.34 亿元）A+ 轮融资。这是该公司在 2026 年完成的第三轮融资，十个月内累计融资额达到 3 亿美元（约合人民币 20.01 亿元）。公司没有公布融资后估值，但称本轮之后已正式跻身独角兽行列。在快手可灵以约 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 用一条被主流忽视的技术路线，跑出了自己的速度。
本轮融资汇聚了产业资本、人民币与美元基金以及上海国资等多方力量：由基石资本、网宿科技联合领投；时代资本、磐霖资本、东证资本等参投；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。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。
资金去向与下一颗棋子：MAGI-2 正式版
Sand.ai 称，新一代更大参数规模的 MoE 架构视频生成基础模型 MAGI-2 正式版将于近期发布。2026 年 8 月开源的 MAGI-2 Preview 把视频生成模型扩展到千亿参数规模并开放权重，采用超细粒度 MoE 架构，总参数约 1140 亿、单次前向计算仅激活约 60 亿参数，在第三方评测平台 Artificial Analysis 的图生视频榜单发布时排到第六位。蒸馏优化版本生成一段 10 秒、1080p 视频的成本低至约 0.5 元。
面向终端的产品 VidMuse 上线两个月，年化经常性收入（ARR）已突破千万美元，是这条非共识路线在商业侧得到的早期验证。对 Sand.ai 来说，本轮资金的意义不只是账上更厚，而是把模型能力转化为稳定的产品收入、开发者生态与海外市场份额——这是下一阶段的主要看点。
技术路线：自回归、音画同出、再到千亿参数 MoE
Sand.ai 的技术演进从一条与主流不同的路径展开。2025 年 4 月，公司发布并开源自回归视频生成模型 MAGI-1，按时间顺序生成视频片段，支持视频连续生成与长时延展；2026 年 3 月，进一步开源音视频基座模型 MagiHuman，用统一的单流 Transformer 架构对文本、画面与声音联合建模，成为较早拿出音画同出模型的团队之一。随后在 Dense 架构继续 Scale Up 成本直线上升的判断下，团队转向 MoE，并在 2026 年 8 月开源 MAGI-2 Preview。
这几次技术选择指向同一条底层逻辑：在多数视频公司押注 Diffusion 时坚持自回归，在主流尚未全力推进视频 MoE 时提前卡位。模型架构从自回归生成、音视频联合建模，拓展到千亿参数级 MoE，并围绕模型能力与推理效率持续做优化，构成了 Sand.ai 区别于同赛道玩家的技术底色。
创始人与团队：Swin Transformer 核心作者带队
Sand.ai 于 2024 年 1 月启动，总部位于北京海淀，创始人兼 CEO 曹越 2019 年获清华大学软件工程博士学位，曾任微软亚洲研究院主管研究员、北京智源人工智能研究院视觉模型研究中心负责人，也是曾被美团收购的 AI 大模型公司光年之外的联合创始人。曹越参与提出 Swin Transformer、Video Swin、SimMIM 和 EVA 等视觉模型相关研究，其中 Swin Transformer 获得 ICCV 2021 Marr Prize。由一位在视觉模型学术界分量极重的创始人带队，是 Sand.ai 在视频生成这条重研究积累的赛道上被资本看重的底层原因。