文 / 王慧莹

编辑 / 子夜

当整个 AI 行业都在为 " 得大模型者得天下 " 而狂热时，一家 AI 应用层的公司给出了完全相反的答案。

6 月 18 日，演语科技（Evoken）对外宣布完成近 3 亿美元 B+ 轮融资，投后估值超过 20 亿美元，成为中国 AI 应用层迄今为止最大的单轮融资之一。

乍一看这家公司或许会陌生，但其旗下产品 LiblibAI，以及 Liblib 这个名字则为外界熟知。此次融资也是这家公司第一次用演语科技集团品牌的身份对外发声。

在大量 AI 公司仍在靠投资人耐心换取时间窗口的行业里，这家没有自研模型的公司，成了最会赚钱的 AI 应用之一。

但争议从未远离。

有人质疑它缺少原创，有人认为它靠激进定价换增长，离开的人说它不够技术、不够创新，甚至有投资人判断它迟早会爆雷。

Liblib 创始人陈冕的回应很直接，" 这个时代 idea is cheap，judgment 才稀缺。" 陈冕承认 Liblib 是字节最大的代理商，但坚决否认转售 API。

按照陈冕的比喻，在模型厂商逐鹿中原时，Liblib 要做的是在江东站稳脚跟，再找到自己的护城河。

这个比喻精准地概括了 Liblib 的处境，它不参与主战场的正面厮杀，而是在巨头尚未充分覆盖的缝隙里寻找生存空间。

当模型能力持续进化，AI 应用的价值可能很快就被模型覆盖。20 亿美元的估值，究竟建立在稳固的护城河上，还是仅仅踩准了模型红利的时间窗口？

答案，取决于这家公司能否在应用层之外，找到更深的生存根基。

" 字节最大的代理商 "Liblib，

撑得起 20 亿美元估值吗？

陈冕不介意外界说 Liblib 是字节最大的代理商。

" 我们的价值就是在模型上叠了一层。" 陈冕在晚点 LatePost 的采访中直言。

在他看来，模型能力和用户使用之间是有错配的，应用层要做的是让用户和模型之间更好对齐。

这也是 Liblib 存在的价值，它不造模型，但它帮人用好模型。陈冕把模型比作单反相机，普通人摁一下快门也能拍照，但想拍出专业作品得请摄影师。

Liblib 要做的就是那个摄影师。

也是这个定位，让 Liblib 在 2026 年的 AI 应用融资寒冬中完成了一笔大额融资。不到三年时间，从天使轮到 B+ 轮，Liblib 几乎以每年 2-3 轮的节奏被资本青睐。

比融资更值得关注的是 Liblib 的赚钱速度。截至 2026 年 5 月，公司 ARR 已达 3 亿美元，5 月集团整体收入同比增长超过 3000%。在中国，这是除了大厂之外，为数不多进入 " 亿级 " 俱乐部的 AI 应用初创公司。

放在行业大背景下看，这笔融资不意外。

2026 年上半年，AI 投资逻辑正发生根本变化，应用与落地取代模型参数，成为项目定价的核心。IT 桔 2026 上半年 AI 投融资报告披露，2026 一季度起，中小自研大模型项目融资遇冷、出清加速，资本全面转向可落地、可变现的 AI 应用层标的，Liblib 正是这一拐点上的最大受益者之一。

从路线上看，Liblib 的崛起提供了一个极具争议的样本。它不做淘金者，甚至不卖自己造的铲子，只是批量采购别家的铲子，打磨包装后转售。

要理解这桩生意的全貌，需要拆解 Liblib 的三大产品矩阵。

Liblib 并非只有 LiblibAI，还有面向 C 端大众的轻量级 AI 艺术工具 Lovart（中文名：星流），和 AI 短剧社区与分发平台 LibTV。

图源演语科技微信公众号

三条业务线各司其职、依托上游算力实现快速落地。

LiblibAI 深耕国内 C 端及中小创作者，积累 3000 万用户、50 万个原创 LoRA 微调模型，通过会员订阅、算力充值获得营收；

LibTV 精准切入短剧、广告工业化赛道，解决行业 AI 视频量产痛点，上线两月收入暴涨 13 倍；

海外产品 Lovart 聚焦全球商业设计师，上线五个月 ARR 突破 8000 万美元，跑通全球化订阅商业模式。

这门生意的本质，似乎是一个 "Token 中间商 " 的逻辑。它的核心竞争力，在于通过汇聚海量 C 端与 B 端创作者的需求，整合最新大模型，形成一个巨大的采购池。

Liblib 将这些 API 能力打包进自己体验流畅、工具链完善的产品中，在算力成本之上叠加服务费、功能溢价和社区价值，重新定价，卖给终端用户。

以 LibTV 为例，据硅基研究室报道，LibTV 是 Seedance 2.0 系列模型首次接入的第三方产品，并在 Seedance 2.0 问世两周前，模型相关能力就以 StarVideo 的形态提前在 LibTV 上完成了大规模验证。

也正是这一深度合作，让 LibTV 平台中的 Seedance 2.0 模型使用门槛更低、视频生成的准确度更高。

市场惊叹其增速与赚钱能力，但疑问也随之而来：当 " 字节最大代理商 " 的标签越贴越牢，它的护城河究竟是什么？这种依附性商业模式的天花板，又有多高？

增长光环下的持久争议，

Liblib 轻量化路线跑通了吗？

要理解 Liblib 的路线选择，得先了解陈冕是何许人。

陈冕有着深刻且丰富的大厂烙印。创业前，他先后在摩拜单车、滴滴、每日优鲜工作过，后来加入字节跳动，成为剪映与 CapCut 全球商业化负责人。

2023 年他从字节离开时，正值国内大模型创业最狂热的时候，但陈冕看到的不是机会，而是陷阱。陈冕对此很清醒：" 我知道和巨头硬碰硬是什么下场。"

与其在烧钱的无底洞里消耗生命，不如抓紧赚钱。" 大家需要明白，在什么都没有的时候，以时间换空间是你最强的武器。"

在与晚点 LatePost 的对话中，陈冕也多次强调，" 创业公司的首要目标依然是活着。"

Liblib 的轻量化聚合路线，正是这套生存思想落地的最终产物。路线选择帮助 Liblib 抢先一步实现规模化变现，但伴随亮眼增长数据而来的，是从未停歇的行业质疑。

最集中的质疑有两层。第一，产品只是对底层模型做了简单封装，和市面上大量 Token 中转平台没有本质区别。更严重的质疑是，Liblib 可能存在对外转售 API 的行为。

LibTV 的质疑声最大。争议的焦点，是 LibTV 与字节跳动旗下火山引擎的视频生成模型 Seedance 2.0 之间的合作。

图源 LibTV 微信公众号

市场一度盛传，LibTV 在低价转卖 Seedance 2.0 的 API 接口赚取差价。据晚点 LatePost 报道，许多业内人士都以为 LibTV 是在卖 3.9 折的 Seedance API。

对此，陈冕在晚点 LatePost 采访中明确否认。此外，所谓的 3.9 折，并非针对 API 的单次调用费用，而是 LibTV 推出的连续包月订阅价格。

据陈冕介绍，3 亿美元 ARR 中，LibTV 贡献了超过一半的收入。不过，陈冕很清楚这套模式的盈亏边界。他在晚点 LatePost 采访中坦言，LibTV 的模式就像是健身房模式，本质上是在赌订阅用户不会把积分用满。

" 用户买了 100 万积分，实际只用 20 万，剩下 80 万是我们的利润。" 但如果黑产用户对 LibTV 做逆向工程，把年费会员账号做成 API 批量调用，LibTV 就是亏的。

更深层的质疑，指向了 Liblib 的命脉。没有自己的模型，意味着定价权和服务的稳定性始终掌握在底座厂商手中。上游的火山引擎等平台只要微调一下 API 价格，或者自己下场做一个更有针对性的应用，Liblib 的利润空间和用户基础就可能遭受剧烈冲击。

陈冕也清楚 Liblib 当下的处境。在晚点聊 LateTalk 播客节目中，陈冕直言，虽然 Liblib 的现金流是正的，但应用层公司不掌握模型，在早期就不应该追求高毛利率，因为追求高毛利率就是在抑制需求。他认为 AI 应用毛利率短期内不超过 30%。

面对外界对 Liblib 代理商的标签偏见，陈冕有着清晰的自我认知与价值界定。他坦言，Liblib 确实向上游厂商批量采购算力，但这绝非简单的套利生意。

争议的本质，其实是一条路线的两面。轻量化模式带来了低成本、快起步的优势，让 Liblib 在两年内冲上 20 亿美元估值并拥有 3 亿美元 ARR。但天然伴随的依附性竞争隐患也如影随形，Liblib 依靠赚钱速度占据了先机，但这个路径能否转化为稳固的护城河，仍然有待时间验证。

从 AI 应用的大浪中逃杀，

如何摆脱路径依赖？

在 AI 创业潮几轮起落之中，大量同期起步的 AI 生成应用公司早已销声匿迹。Liblib 能够走到台前，首先是一场艰难的生存胜利。

过去三年，很多 AI 应用创业公司都经历过多轮生死考验。即便是 Liblib，也经历过九死一生的时刻。

2023 年 5 月，上线后仅 4 个月，LiblibAI 因未完成大模型备案被下架，与此同时前期高举高打的补贴大战烧掉了 300 多万美元，资金储备迅速见底。到 2024 年初，公司账上只剩 4000 块钱，LiblibAI 差点倒闭。

陈冕后来回忆，其实账上只有 600 万的时候就慌了。最困难的时候，LiblibAI 收到了好几个收购意向，全被陈冕挡掉了，他没想过卖。

" 我不是为了创业而创业，而是为了赢而创业。"

那段低谷经历带给 Liblib 团队最深的教训是，现金流健康是企业生存的根本。

当时行业里普遍两条路，要么继续烧钱赌流量，等待下一轮融资续命；要么立即收缩战线，砍掉不赚钱的业务。大量同期创业公司选择了前者。

但当 2024 年资本寒潮来袭，这条以增长换融资的路愈加艰难，那些没有及时转向的公司绝大多数没能等到下一轮融资。

陈冕也没有其他选择，账上只剩 4000 块，烧钱的路已经走不通了。他唯一能做的，就是立刻收缩、换方向。

他换的不是 "C 端到 B 端 " 的简单转向，而是一条更复杂的路——用集团化的产品矩阵来对冲单一产品的风险，通过持续推出新产品来拓宽收入来源。

Liblib 的起点是纯粹的 C 端社区产品，但单一的社区模式在低谷期被证明难以独立支撑一家公司的生存。最终，从 LiblibAI，到 Lovart，再到 LibTV，Liblib 完成了一次关键的生存进化。

正如陈冕感慨，如果不是他来做，它们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。

这句话道出了 Liblib 集团化产品的战略核心，不是赌一个产品能不能成，而是用多个产品分摊风险、交叉验证。LiblibAI 积累了用户和社区资产，Lovart 验证了设计场景的付费能力，LibTV 踩中了 AI 短剧爆发的行业窗口。

三个产品共享创作者、素材与模型资产，最终形成老社区为新产品导流，新产品为老社区带来新的付费场景的正向循环。

但帮助 Liblib 熬过寒冬的这套生存策略，现在正成为它必须警惕的路径依赖。

目前 Liblib 的产品架构、团队能力和商业化体系全部围绕算力调用搭建，三条产品线虽然覆盖了素材、设计、视频，但核心枢纽依然是 Token 流转。即便 LibTV 被寄予厚望，它本质上仍是 Token 调用逻辑的延伸，而非模式创新。

更微妙的风险在于，ARR 越高，Token 调用体量越大，但商业路径决定了 Liblib 的规模扩张未必能同步带来上游议价权的提升。随着算力成本下行、大厂工具持续下沉，同质化竞争只会越来越激烈。当模型厂商自己开始做应用端，或者把 API 价格压低，Liblib 的价差空间就会被逐步压缩。

随着模型能力持续进化，今天属于应用的价值，明天可能就被模型覆盖。AI 应用公司不掌握底座模型、不掌握算力、不掌握稳定入口，看起来跑得很快，但这种快可能只是建立在模型红利和注意力引爆上。

陈冕也明白，应用的时代还没有到来。只有当 Token 足够便宜、智能随手可得，应用公司才有真正的机会，" 可能是两三年或五年后的事 "。

摆在陈冕面前最重要的考题，已经不只是继续拉高营收规模，而是如何利用当下这个窗口期，打破历史形成的路径依赖，进行真正的创新探索。

Liblib 能否从 "Token 中间商 " 进化出更深的护城河，决定了它究竟是 AI 应用时代的先行者，还是又一次潮水退去后的搁浅者。

（本文头图来源于 LiblibAI 官网。）