刚刚，国内 AI 应用层最大的一笔融资落定了，但你很可能并没有听过这家公司的名字——演语。

演语科技，英文名 Evoken。这是它第一次用集团品牌的身份对外发声。在此之前，外界更熟悉的，是它旗下的 LiblibAI。

今天，演语科技完成了近 3 亿美元的 B+ 轮融资，投后估值超过 20 亿美元。本轮由 Granite Asia、腾讯、顺为资本联合领投，HT Investment、时代资本参与投资，高榕资本、蚂蚁集团、渶策资本、明势创投、源码资本、红杉中国等一众老股东继续加码。

它的成长一直走得很「闷声」。2023 年从一个 AI 绘画的模型分享社区起步，一路长成今天横跨图片、视频、设计的 AI 内容平台。这次启用「演语」这个集团品牌，更像一场「成人礼」，它要从一个被叫做哩布哩布的社区，正式变成一家以 AI 创意内容为核心的科技集团。

AI 应该同时为人和 Agent 服务

这次融资故事里最大的亮点，莫过于今年 3 月上线的 AI 视频创作平台 LibTV。

在 LibTV 出现之前，用 AI 做视频的人普遍有个共同的痛点：生成好看的镜头已经不难，难的是把几十个镜头组织成一支完整的片子。市面上的工具大致分两类，一类是对话式的，给一句话就出片，上手快，但能力天花板很低；另一类是纯节点式的工作流，能力很强，门槛却高到能劝退大半创作者。

LibTV 真正特别的地方，不在于又接入了多少个视频大模型，而在于它的设计哲学。这可能是市面上第一个从第一天起，就同时为人类创作者和 Agent 设计的视频工具。

相比于强调彻底的解放双手，LibTV 保留了「两条路径」。一条路给创作者，一块无限画布，就把文本、图片、视频、音频、脚本几类素材，用节点式的工作流串成一条确定的生产线。

一个做 AI 漫剧的人，可以把自己的画风、固定镜头、人物 IP 打包成一条流水线，稍作调整，就能按既定风格批量出片。

另一条路则留给 Agent。这里说的 Agent，指的是能听懂任务、自己调用工具、跑完一整段流程的智能体。LibTV 把自己的能力打包成了一个个 Skill，也就是技能接口。你可以让自己的 Agent，比如 OpenClaw 这类产品，直接学会调用 LibTV，用一句话就生成一支五分钟的短剧。

为什么要设计两条路径？OpenClaw 走红之后，行业里慢慢形成一个判断，一个产品未来的用户，可能有一半不是人，而是 Agent。当大多数公司还在为人优化界面时，LibTV 已经提前把 Agent 当成了自己的用户，版本领先。

按公司这次统一披露的口径，LibTV 上线首月就出现过单日收入超过百万美金的表现，到了 5 月，月收入已经是上线首月的 13 倍以上，服务了近千个短剧团队、影视制作机构、广告公司和品牌客户。

集团旗下还有一款叫星流的产品，是国内用户规模领先的 AI 设计 Agent，累计服务用户超过千万，负责把创意从构思一路带到设计交付。三款产品看似分散在社区、视频、设计三个领域，背后却是同一个命题，AI 创意内容。

比「3 亿美元」更重要的事

这是演语再一次刷新国内 AI 应用层单轮融资的最高金额。过去两年，钱大多砸向训练底层大模型的公司，而现在，资本的注意力正在从「卷模型」转向「卷应用」。能把模型能力真正落进创作、生产、消费场景的应用公司，重新成了资本眼里的香饽饽。

这次的特殊之处还在于「集团化」的战略布局，在国内大多数 AI 公司还停在单一产品、单一场景的阶段，演语已经跑通了从单点产品到业务矩阵的一跃：LiblibAI 管社区和素材，LibTV 管视频生产，星流管设计交付，这在国内 AI 应用行业里，是少见的、相对完整的一张商业版图。

不过，战略的有效性仍然业绩作为支撑，这也是最关键的一件事：赚钱。演语当前的 ARR（每年可持续收取的经常性收入），已经接近 3 亿美元，公司预计 2026 年底突破 6 亿美元。2026 年 5 月，集团整体收入的同比增速超过了 3000%。

即便是放进全球 AI 应用公司的坐标系，演语也已经有资格和 Cursor、Suno、HeyGen、Higgsfield 这些公司放在第一梯队里比较，而和这些海外同行相比，它的估值，仍停在一个明显的洼地里。

也因此，这次演语融资真正的看点不在于金额，更在于它背后的意义：过去两年，AI 创业的默认叙事，是谁的模型更大、参数更多、跑分更高，应用层一度被当成模型能力的附庸。

演语用一份能赚钱的成绩单给出了相反的答案，当训练大模型越来越成为少数巨头烧钱的游戏，能把模型能力稳定翻译成真金白银的应用公司，正在成为这一轮 AI 叙事里新的价值锚点。离用户和场景最近的那一层，往往才是价值最后沉淀下来的地方。

至于那个估值洼地能不能被填平，还要看它在 Agent 时代能不能守住今天的生态位，也要看现实能否证明它对于「人与 Agent 并重」的预判。但至少此刻，它把「应用层到底值不值钱」这个被反复质疑的问题，回答得相当有底气。