AI告别画饼期：游戏数据融30亿，聚合平台估值20亿，68元工具替代外包

【核心摘要】General Intuition借助游戏录像训练通用AI，斩获3.2亿美元投资；Liblib母企演语科技投后估值破20亿美元，年营收超3亿美元；雷科技仅凭68元/年的专业版豆包，独立完成海外站从规划到上线的全过程。三大事件共同印证：AI应用层已由“谈概念”迈入“拼营收”时代。

首个焦点是General Intuition。这家创办不足一年的企业，依托海量游戏录像训练通用智能体，斩获3.2亿美元A轮融资，估值达23亿美元。Khosla Ventures领投，谷歌前董事长施密特及亚马逊创始人贝索斯等跟投。

第二个焦点在Liblib。其母企演语科技宣称完成近3亿美元B+轮融资，投后估值破20亿美元，年度经常性收入（ARR）超3亿美元。然而它并未自研大模型，仅定位为“模型聚合平台”。

第三个焦点更具生活气息。雷科技发文透露，他们利用68元/年的专业版豆包，将海外站从需求拆解、资料归集、多语种文案、画面生成、前端编码到部署上线，整条链路全交由豆包处理，基本走通。

综合这三件事，我猛然发觉：AI应用层，似乎真到了盈利的时候。

General Intuition的创办人Pim de Witte是位94年出生的荷兰青年。他此前创立了名为Medal的游戏剪辑社区，供玩家上传高光时刻。听起来只是个普通社区，但在AI浪潮下，这些片段却成了稀缺资源。

缘何如此？

因为下一代AI渴求的不再是文本，而是行为数据。

大语言模型依靠互联网文本来习得语言逻辑。但机器人、无人机、自动驾驶、游戏NPC所倚重的，是“感知环境→做出决策→执行动作”的连贯能力。General Intuition掌握的游戏录像，不仅有画面，还囊括了玩家的按键、鼠标轨迹、操作节点。画面叠加动作标签，恰好是训练“时空推理”模型的最佳养料。

他们的蓝图不止于游戏。游戏仅是预训练入口，后续可迁移至仿真、机器人及自动驾驶。传闻OpenAI曾拟用5亿美元收购Medal，足见此类数据之珍贵。

此案例给我的启示是：在AI纪元，最宝贵的并非算力，亦非模型，而是旁人无法复刻的、带标注的、优质数据。

Liblib的模式更令我惊叹。它未亲自训练大模型，而是将市面主流的视频及图像生成模型汇聚于同一平台，供设计师与创作者使用。

听起来宛如“模型搬运工”，但它达成了旁人难以短期复刻的三点：

其一，用户体量。Liblib AI累计用户破3000万，稳居国内最大AI素材社区之列。

其二，营收规模。公司ARR突破3亿美元，海外产品Lovart上线5个月ARR超8000万美元，LibTV上线两月月营收暴涨13倍。

其三，窗口期占位。今年春节后AI短剧兴起，海量制作方急需低价生成工具。LibTV恰好踩中此风口，成为即梦提价后的“平价替代”。

但我也得泼盆冷水：Liblib的护城河实则不深。其价值极度依附上游模型。一旦字节、快手等模型方下调API价格，或推出体验更佳的原生应用，聚合平台的优势恐被迅速抹平。

某投资人的点评一针见血：它是“模型尚未收敛期的过渡产物”。在模型高速迭代的窗口期，谁能助用户省心组合模型、削减成本，谁就能获利。但窗口期不会恒久敞开。

雷科技的那项实验最令我身临其境。

他们未将豆包视作闲聊工具，而是当成一个“虚拟小团队”：拆解需求、归拢资料、撰写文案、出图、编程、部署。结果显示，豆包在无产品经理介入下，将网站搭建完毕。

但人工返工的痛点亦很现实：风格统一、多语种校对、细节雕琢。这表明AI能搞定80%的粗活，但最终20%的品味与精度，仍需人工兜底。

此事真正冲击的，并非资深程序员或资深设计师，而是仰仗简单任务维生的小外包团队。以往需花几千元外包的宣传站、落地页、多语种站点，如今68元/年的AI工具即可搞定七八成。

对创业者与小企业而言，此乃天大喜讯。试错成本几近归零。但对低端外包市场而言，则意味着生存空间被大幅挤压。

串联三件事，我洞察到一个共通走向：AI行业正由“模型驱动”切换至“商业驱动”。

前两年，投资人审视AI项目，多问：你们用何模型？参数多大？benchmark得分几何？

如今，投资人更倾向于问：你们ARR多少？获客成本几何？用户留存怎样？有无自身的数据壁垒？

General Intuition坐拥数据壁垒，Liblib具备用户及营收壁垒，豆包占有低成本生产力壁垒。三者形态迥异，却均在回应同一命题：你凭何盈利？

作为一线AI从业者，我认为此转变是良性的。任何技术终须接受商业洗礼。只会烧钱、不懂赚钱的企业，终将被市场出清。

94年青年凭游戏录像融资30亿，Liblib借“模型搬运”估值20亿，68元豆包可抵小团队劳力。这三大案例，勾勒出AI应用层最真切的画面：机遇俯拾皆是，但编故事的时代已落幕。

未来能存活的AI企业，大致分两类：

一类是握有数据或技术壁垒的底层企业，如General Intuition这类掌控稀缺训练数据的公司；另一类是享有用户或工作流壁垒的应用企业，如Liblib这般将模型组合为生产力工具的公司。

于我们普通开发者而言，与其焦虑AI会否取而代之，不如深思一问：我手中可有人家夺不走的独有数据、独有场景、独有用户？

若有，便无惧被替。若无，方为险境。