Sand.ai两轮超亿美元融资：自回归视频模型路线获资本最强背书-AITOP100,AI资讯

6月22日，由Swin Transformer共同作者曹越创立的AI视频生成公司Sand.ai，宣布3个月内连续完成两轮融资合计超1亿美元，将自回归视频生成路线从学术争议推向资本主赛道。

事件概述

2026年6月22日，由Swin Transformer共同作者曹越创立的AI视频生成公司Sand.ai，宣布3个月内连续完成两轮融资，合计金额超过1亿美元。投资阵容涵盖15家以上一线机构——源码资本（老股东持续加注）、经纬创投、创新工场、IDG、今日资本、百度风投、Lollapalooza Capital（王慧文家办）、九坤创投等联合投资，星涵资本担任财务顾问。

公司核心产品Magi-1自回归视频世界模型在Google-DeepMind Physics-IQ物理真实性榜单取得绝对领先，超越Nvidia cosmos3-super与 Sora2；

旗下VidMuse上线仅2个月即实现ARR突破千万美元，成为Video Agent赛道最快达成该里程碑的产品。公司同步宣布将于2026年Q3开源新一代MoE架构视频生成模型。

Sand.ai

核心看点

1. 自回归路线获资本定论

当行业主流押注Diffusion架构时，Sand.ai率先将研究重心转向自回归，曹越判断"视频不是像素生成问题，而是对时空和物理规律的压缩问题"。Physics-IQ榜单实测数据证明，自回归架构在物理行为预测精度上远优于纯Diffusion方案——这一技术路线之争，由资本超亿美元投票给出阶段性结论。

2. 15家一线机构密集押注

源码资本从2024年种子轮领投到本轮持续追加，经纬创投、创新工场、IDG、今日资本、百度风投等一线机构首次集体入局，王慧文家办Lollapalooza Capital现身投资名单——AI视频生成赛道头部玩家身份由此确立。

3. VidMuse 2个月ARR破千万美元

产品负责人张子贺（剪映PC端0到1产品策略负责人）主导的VidMuse，首创"Music in Video Out"音频驱动视频创作模式，上线2个月即突破千万美元ARR，成为Video Agent赛道商业化速度最快的案例，验证了从模型技术到产品收入的完整闭环。

4. Q3开源新一代MoE模型

曹越公开表态"有信心做到头部水准，并且要把它开源给所有人"。新一代模型采用MoE架构+全新routing机制+single-stream统一架构，将文本、图像、视频、声音统一映射为Token序列——这将是开源领域参数规模最大、推理效率最高的视频生成模型，直接冲击当前开源视频模型格局。

5. 抖音创始团队成员入局运营

运营增长负责人王佳为抖音创始团队七人之一、抖音0到1运营总监，曾任Minimax C端运营负责人——字节系核心运营人才的加入，为Sand.ai的C端产品爆发提供了实战经验保障。

行业背景

2026年上半年，AI视频生成赛道进入白热化竞争阶段。

海外方面，OpenAI Sora2、Google Veo3、Meta MovieGen持续迭代；

国内方面，快手可灵、生数科技Vidu、智谱CogVideoX等玩家密集推新。

与此同时，Diffusion架构与自回归架构的技术路线之争从学术层面延伸至产业层面——Diffusion在画面质量与生成效率上有成熟优势，但自回归在实时交互、长期预测与物理理解上展现更大潜力。

Sand.ai的Physics-IQ榜单领先与超亿美元融资，标志着自回归路线首次在产业验证与资本认可上取得双重突破。

此外，AI视频生成正从"内容工具"向"世界模型基础设施"演进——曹越认为"视频生成并不是世界模型的终点，只是通往那个终局过程中最重要的一座加油站"，这一认知正在获得越来越多研究者的共鸣。

专家/官方引述

曹越（Sand.ai创始人，Swin Transformer共同作者，ICCV 2021最佳论文奖获得者）： "视频不是像素生成问题，而是对时空和物理规律的压缩问题。真正该预测的不是任何human-defined的状态，而是世界唯一免费给你、且自带监督信号的东西——观测本身（observation）。正如next-token prediction之于推理是最终胜出的路，next-frame prediction之于具身也会是同一条路：拒绝在观测之上再架一层人造的状态，让模型自己优化。"

曹越（Sand.ai创始人）： "有信心做到头部水准，并且要把它开源给所有人。"

张拯（Sand.ai算法负责人，Swin Transformer核心作者，ICCV 2021最佳论文奖获得者）：作为MoE架构与single-stream统一架构的核心研发者，张拯的技术路线选择印证了曹越"直接建模raw data来构建世界模型"的Scalable路线判断。

王佳（Sand.ai运营增长负责人，抖音创始团队七人之一）：抖音0到1的实战运营经验为Sand.ai的VidMuse产品爆发提供了方法论支撑。

影响分析

对行业：自回归视频生成路线首次获得15家一线机构超亿美元集体背书，将推动更多团队从Diffusion转向自回归研究，加速AI视频生成从"画面质量竞赛"向"物理理解与实时交互竞赛"的范式转移。Q3开源MoE模型将进一步降低行业技术门槛，催生基于自回归架构的二次创新生态。

对用户： VidMuse"Music in Video Out"模式验证了音频驱动视频创作的C端需求，MoE架构的推理效率提升将直接降低用户使用成本。开源模型发布后，个人开发者与中小企业将获得与头部玩家同等的技术起点。

对市场： Sand.ai融资阵容中源码资本持续加注+百度风投首次入局的组合，暗示AI视频生成赛道正从"单点技术验证"向"平台级生态布局"跃迁。王慧文家办与宿华等快手系/字节系背景投资人的出现，表明短视频与直播平台对AI视频生成工具的战略需求正在从"功能补充"升级为"核心基建"。ARR千万美元的商业化验证也为整个Video Agent赛道注入信心——从技术到收入的完整闭环不再是假设。

对竞争格局：在OpenAI Sora2与Google Veo3主导海外市场、快手可灵与生数Vidu占据国内Diffusion阵营的格局下，Sand.ai以自回归路线+开源策略+千万美元ARR的差异化定位，开辟了第三条赛道——这迫使所有玩家在"闭源Diffusion"之外正视"开源自回归"的竞争维度。