爱诗科技（PixVerse）获1亿B+轮融资：AI视频用户破1亿，ARR超4000万美元

10月17日，国内AI视频生成公司爱诗科技（PixVerse）宣布拿到1亿元人民币B+轮融资，投资方包括复星锐正、同创伟业这些知名机构。能吸引到这些资金，靠的是实打实的业绩数据：注册用户超1亿，月活有1600万，年度经常性收入（ARR）更是突破了4000万美元。

说实在的，这增长速度挺惊人。从2024年11月开始商业化到现在还不到一年，收入就翻了十倍，在全球AI视频平台里都算跑得快的。这背后是技术和运营双管齐下的结果，自家的视频生成大模型已经迭代五次，出了八个版本，今年8月的V5版本还加了Agent创作助手，就算不会做视频的普通人也能上手。

他们还挺懂用户心理，搞了“创作-分享-互动”的社交玩法，2023年推的特效模板让不同地区用户能加本地文化元素，粘性自然高了。加上年初开放的API系统已经生成1000多万个视频，又多了笔收入。

不过赛道竞争也激烈，国际上有Runway、Pika，国内可灵、即梦也在抢市场。而且版权、审核、成本这些问题都没解决。这次融资能帮着搞研发和扩张，但能不能一直领跑，还得看后续产品迭代和市场应对了。

体验地址：PixVerse AI网页版官网入口（海外网站需要科学上网）

PixVerse

程序员靠AI写歌当副业：单曲播放200万，赚好几万版权费

2025年越来越多人用AI搞音乐创作，其中程序员群体特别活跃，不少人把这当成了副业赚钱。就说今年3月，程序员Yapie用DeepSeek和Make Best Music这些工具，花了几小时写了首《七天爱人》，主题是“暗恋到分手”，没想到在网易云音乐播放量破200万，还卖了版权赚了好几万。

这事儿不是个例。今年1月有个《原神》玩家用游戏台词加AI工具Suno写的歌《奥奇坎竟是我自己》，在B站快640万播放了。更有意思的是，7月有个百万月听众的乐队Velvet Sundown，被爆作品全是AI生成的，大家才发现现在AI音乐已经难辨真假了。

数据也能说明问题，到2025年AI生成的乐曲超1亿首，业内猜2026年市场收益能到70亿美元。一开始音乐人还抵制AI，现在大多接受了，毕竟AI能补短板——帮没基础的人实现创作想法，也给专业人士省时间。

变现路子也清晰，播放分成、卖版权、商业授权都行。但麻烦也不少，版权归谁、算不算原创都是问题，现在有些平台已经要求标注AI内容了。说到底，AI只是工具，真能打动人的作品，还得靠创作者自己的经历和想法。

详情查看：AI音乐创作进入变现期-程序员“副业”月入数万背后的产业新路径

奥奇坎竟是我自己

影目科技发布新款AI眼镜，要在全国开2000多家体验店

2025年10月16日，在成都开的智能眼镜产业大会上，AR“四小龙”里的影目科技搞了个大动作：发布新一代AI智能眼镜，还说要进军线下，和LOHO、亚洲眼镜合作开2000多家体验店，12月成都、深圳这些城市先开一批快闪店。

影目科技CEO杨龙昇说，想让AI融入日常，这眼镜不只是个设备，更是未来生活的入口。这话不是空喊，他们家底其实挺厚，前身是酷派智能穿戴事业部，早就量产过消费级AR眼镜，现在和XREAL、雷鸟创新、Rokid并称“AR四小龙”，去年搬了总部到成都，还拿了1.5亿多融资。

不过行业痛点也挺明显，腾讯应用宝负责人就说，虽然2029年智能眼镜应用支出可能超20亿，但现在内容太少、更新慢。蚂蚁集团也提到，这行得补软硬件和原生应用的短板。

所以影目科技这次还搭了个“影目世界”平台，和蚂蚁、腾讯合作搞生态。毕竟光有硬件不行，得有足够的应用撑起来，不然用户买回去也用不久。接下来就看线下店能不能让更多人愿意试试，生态又能建得有多快了。

详情查看：影目科技携新一代AI眼镜杀入线下，2000+门店能否撬动万亿市场？

成都开的智能眼镜产业大会

百度PaddleOCR-VL登顶全球榜单：轻量模型能认109种语言

百度在2025年10月16日开源的多模态文档解析模型PaddleOCR-VL，在全球权威的OmniBenchDoc V1.5榜单上拿了92.6分的第一，这成绩在文本、表格、公式、阅读顺序这四项核心能力上都很能打。

最让人意外的是，这模型才0.9B参数，特别轻量，计算成本低但识别超精准。手写汉字、复杂表格、数学公式这些难搞的内容，它都能处理，还支持109种语言，不管是政企存文档、查资料，还是档案数字化、搞科研抽信息，都能用得上。

它能这么厉害，是因为融合了NaViT视觉编码器和ERNIE-4.5语言模型，精度和效率都提上去了。数据说话最实在：文本编辑距离才0.035，表格识别TEDS达93.52，阅读顺序误差0.043，复杂文档和老档案都能稳住。

速度更是没话说，在A100GPU上每秒能处理1881个Token，比MinerU2.5快14.2%，比dots.ocr快了两倍多。和老OCR不一样，它能像人一样看懂版面结构，自动按阅读习惯整理信息，分两阶段先检测再识别，又稳又高效。对需要处理大量文档的企业和机构来说，这确实是个好工具。

详情查看：百度PaddleOCR-VL正式上线

百度PaddleOCR-VL

OpenAI Sora 2上线Azure：每秒0.1美元，国内暂不能用

10月17日微软官宣，OpenAI的Sora 2视频生成模型在Azure AI Foundry国际版上线了，还开放了API，这意味着AI视频工具终于从测试走向商业化了。

用过的人都知道，Sora 2能处理文本、图像、视频这些输入，直接生成新视频，广告、教育内容、社交媒体素材都能做，省了拍和剪的麻烦。不过用着得花钱，按秒收费，每秒0.1美元，批量做短视频的企业还好，成本能算明白，但个人创作者可能觉得有点贵。

这是微软和OpenAI老套路了，之前GPT也是先上Azure。但Sora 2现在还在公共预览阶段，官方没给详细参数，估计还在优化，生成质量不稳定、理解错场景这些问题可能会遇到。

还有些限制得说清楚：国内用户没法通过Azure中国区用，而且这定价对个人来说不友好，不知道微软以后会不会出不同的收费方案。现在赛道上谷歌Veo、Meta的工具，还有国内的可灵、即梦都在抢市场，Sora 2能不能站稳脚跟，得看质量、成本和适配性能不能比过对手了。

工具地址：Sora 2网页版官网入口（海外网站需要科学上网）

sora2

Kayak推AI旅行助手：能问预算推荐，目前只支持英语

旅行规划终于能省点事了，旅行搜索引擎Kayak刚上线了“AI模式”，网站里加了个聊天机器人，不管是查航班、比酒店，还是问租车信息，直接跟它说就行，桌面和手机网页都能用。

这功能是和ChatGPT合作搞的，能理解上下文，给的结果更准。其实Kayak四月份就试了个Kayak.ai平台，现在算正式落地了。用起来还挺灵活，像“预算有限去哪玩”“新年想找个地方开派对”这种开放性问题，它都能给建议，连最佳航班时间和票价也能问。

不过现在还有局限，只支持英语，先在美国上线，这月才会扩到其他国家和语言。Kayak说之后还要加语音功能，到时候问起来更方便。

和Expedia、Booking.com这些平台一样，Kayak也是想靠AI改善体验。但有个关键问题没说：用AI问的人，最后到底有多少会真的下单？毕竟规划得再好，不转化成实际预订也没用。接下来就看功能扩展开后，用户买不买账了。

详情查看：2025年10月17日，KayakAI模式上线，旅行规划进入“聊天即预订”时代

Kayak上线AI模式

开源模型LLaVA-OneVision-1.5：3天训练完，性能超Qwen2.5-VL

开源社区近期上新了个厉害的多模态模型LLaVA-OneVision-1.5，这可是LLaVA系列两年磨出来的成果，从当初简单的图文对齐模型，变成了能处理图像、视频的综合框架。

它的核心想法是搞个开放又高效的训练框架，普通人也能搭出好的视觉语言模型。训练分三步：先让模型学怎么把视觉特征转成语言；再用8500万样本做全参数训练，灌进去大量知识；最后微调一下，让它能处理复杂的视觉指令。

最牛的是效率，团队搞了个离线并行数据打包方法，数据压缩比11倍，8500万样本训练才花3.7天。还用上了RICE-ViT视觉编码器，对文档里的文字理解特别准。

数据方面也下了功夫，用了“概念均衡”的方法选样本，保证模型在各种任务上都不差。测试下来成绩很亮眼，80亿参数的版本在27个基准测试里都超过了Qwen2.5-VL。对需要多模态能力的开发者来说，这开源模型既好用又省成本，估计会有不少人拿来用。

详情查看：LLaVA-OneVision-1.5正式上线，多模态模型赛道迎来开源黑马

LLaVA-OneVision-1.5

想了解AITOP100平台其它版块的内容，请点击下方超链接查看

AI 创作大赛 | AI活动 | AI工具集 | AI资讯专区

AITOP100平台官方交流社群二维码：

aitop100官方交流30群

探索AI视频革新，通义追影产品介绍