字節(jié)海外競(jìng)對(duì)：停更一年半躺賺50萬(wàn)，逆襲估值5億美元

出品｜虎嗅科技組

作者｜SnowyM

編輯｜陳伊凡

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對(duì)AI原生創(chuàng)新欄目，這是本系列的第「53」篇文章。

2021年初，兩個(gè)年輕人花了兩天時(shí)間做了一個(gè)自動(dòng)字幕App。上線(xiàn)沒(méi)幾天，它就沖上了App Store排行榜榜首。

聽(tīng)起來(lái)是個(gè)好的開(kāi)始。但這兩個(gè)人覺(jué)得字幕工具太“小”了，不夠性感，于是轉(zhuǎn)頭去做了一個(gè)照片分享應(yīng)用，想抓住Instagram從照片轉(zhuǎn)向視頻時(shí)留下的空白。照片App確實(shí)拿到了五六萬(wàn)日活用戶(hù)，也順利完成了A輪融資。

而那個(gè)字幕App被他們?nèi)釉诹烁顿M(fèi)墻后面，停了維護(hù)，停了更新，徹底遺忘了。創(chuàng)始人Gaurav Misra的個(gè)人蘋(píng)果賬戶(hù)里堆了幾千封用戶(hù)客服郵件，一封都沒(méi)讀。

一年半之后，他們偶然打開(kāi)后臺(tái)，發(fā)現(xiàn)了一件離譜的事：這個(gè)沒(méi)人管的App，自己長(zhǎng)到了50萬(wàn)用戶(hù)，賺了50萬(wàn)美元。

這個(gè)被遺忘又被撿回來(lái)的產(chǎn)品，就是今天剛剛拿到General Catalyst 7500萬(wàn)美元、估值5億美元、累計(jì)融資1.75億美元的AI視頻平臺(tái)Mirage的前身Captions。

在AI視頻賽道競(jìng)爭(zhēng)最激烈的2026年，Mirage走了一條很特別的路。它既沒(méi)有像Runway那樣瞄準(zhǔn)電影級(jí)的視頻生成，也沒(méi)有像Synthesia那樣全力押注企業(yè)數(shù)字人培訓(xùn)。它死磕的是一件更大眾的事：讓普通人和小團(tuán)隊(duì)也能快速做出好看的短視頻。

帶著a16z、紅杉、Kleiner Perkins、Index Ventures這些頂級(jí)機(jī)構(gòu)給的錢(qián)，和超過(guò)2000萬(wàn)全球用戶(hù)，這家公司正試圖證明，AI視頻賽道里最大的機(jī)會(huì)，可能藏在最日常的場(chǎng)景里。

Mirage的轉(zhuǎn)型，是AI時(shí)代，AI視頻公司一個(gè)非常典型的樣本。L2F光源創(chuàng)業(yè)者基金投資總監(jiān)Lela一直在一線(xiàn)密集看許多AI視頻的項(xiàng)目，她告訴虎嗅，視頻模型群雄逐鹿，國(guó)內(nèi)外均有幾十億美金的創(chuàng)業(yè)公司，大模型公司和大廠(chǎng)也均有布局，應(yīng)用公司的突圍方式更多要回歸創(chuàng)作本身。

在前幾年，創(chuàng)業(yè)公司會(huì)更多聚焦在單點(diǎn)功能和交互方式的創(chuàng)新上，比如captions的字幕，對(duì)口型，虛擬形象；還有typenow主推的畫(huà)布交互，出發(fā)的基點(diǎn)都是創(chuàng)作者在ai時(shí)代與agent產(chǎn)生的新交互。隨著模型能力的提升，模型端到端完成任務(wù)的能力趨強(qiáng)，創(chuàng)作者的心智也在改變，交互將會(huì)變得更為簡(jiǎn)單，底層的工程框架和創(chuàng)作者knowhow/skill的積累會(huì)成為新一代視頻agent的核心資產(chǎn)，市場(chǎng)會(huì)一直處于紅海狀態(tài)，新的10億美金公司仍會(huì)產(chǎn)生，對(duì)于創(chuàng)業(yè)公司來(lái)說(shuō)只有變化是不變的。

Lela的話(huà)，也指出了Mirage這家公司未來(lái)的挑戰(zhàn)，他們正是從Captions起家，迅速跑起來(lái)，然后再Pivot（轉(zhuǎn)型）最后成為一個(gè)讓AI端到端完成從素材到成片的工作流的平臺(tái)。

從一個(gè)字幕工具到AI視頻全棧平臺(tái)

Captions最早能跑起來(lái)，靠的是一個(gè)特別樸素的洞察：人們?cè)絹?lái)越多地在無(wú)聲狀態(tài)下刷短視頻。

地鐵上、辦公室里、深夜躺在床上，手機(jī)靜音是常態(tài)。TikTok、Instagram Reels、YouTube Shorts上的內(nèi)容，有很大比例是在沒(méi)有聲音的情況下被消費(fèi)的。a16z在投資Captions時(shí)就專(zhuān)門(mén)提到了這一點(diǎn)：無(wú)聲觀看讓字幕和文字覆蓋變成了短視頻的剛需，而當(dāng)時(shí)市面上的字幕工具要么太粗糙，要么太貴。

Captions做的事情很簡(jiǎn)單：給視頻自動(dòng)加字幕，支持100多種語(yǔ)言，還能自定義字體、顏色、動(dòng)畫(huà)效果。就這么一個(gè)看起來(lái)不起眼的功能，上線(xiàn)6個(gè)月就做到了10萬(wàn)日活用戶(hù)。

但字幕只是起點(diǎn)。

2023年開(kāi)始，Captions進(jìn)入了功能爆發(fā)期。它推出了AI口型同步配音（Lipdub），能把視頻里的語(yǔ)音翻譯成28種語(yǔ)言，同時(shí)讓說(shuō)話(huà)人的嘴型和翻譯后的語(yǔ)音匹配上。2025年的新版音頻模型甚至能保留說(shuō)話(huà)者原本的口音特征，這在行業(yè)里很領(lǐng)先。

緊接著是AI虛擬形象（AI Creator），號(hào)稱(chēng)全球第一個(gè)專(zhuān)為內(nèi)容創(chuàng)作設(shè)計(jì)的3D數(shù)字人，用戶(hù)不用真人出鏡就能生成逼真的視頻。然后是AI一鍵編輯，系統(tǒng)自動(dòng)給視頻加轉(zhuǎn)場(chǎng)、插入B-roll素材、配音樂(lè)和音效，提供21種以上的預(yù)設(shè)風(fēng)格。還有AI眼神矯正，讓說(shuō)話(huà)的人看起來(lái)始終在直視鏡頭。

這些功能單拎出來(lái)看都挺厲害，但Captions把它們?nèi)咳M(jìn)了同一個(gè)App里。一個(gè)從沒(méi)剪過(guò)視頻的普通人，打開(kāi)Captions，錄一段話(huà)，點(diǎn)幾下，就能拿到一條看起來(lái)像專(zhuān)業(yè)團(tuán)隊(duì)產(chǎn)出的短視頻。

2025年9月，公司做了一件引起行業(yè)關(guān)注的事：從Captions更名為Mirage。

這次改名背后有很明確的信號(hào)。創(chuàng)始人Gaurav Misra在官方聲明里說(shuō)：「在我們看來(lái)，AI視頻的真正競(jìng)賽還沒(méi)有開(kāi)始。Mirage這個(gè)名字代表了我們更大的愿景——通過(guò)前沿AI研究和模型，從短視頻開(kāi)始，重新定義視頻這個(gè)品類(lèi)。」

改名之后的架構(gòu)是這樣的：Mirage作為母公司品牌，旗下保留Captions（消費(fèi)者創(chuàng)作應(yīng)用）和新開(kāi)辟的Mirage Studio（面向品牌和營(yíng)銷(xiāo)團(tuán)隊(duì)的企業(yè)平臺(tái)）。更核心的變化在技術(shù)層。公司從頭訓(xùn)練了自己的基礎(chǔ)模型，包括Mirage Video（音頻到視頻的生成模型）和Mirage Audio（可控的表現(xiàn)力音頻生成模型）。

這兩個(gè)模型的特別之處在于，它們是專(zhuān)門(mén)為短視頻場(chǎng)景設(shè)計(jì)的。傳統(tǒng)的AI視頻模型追求的是通用的畫(huà)面生成能力，但Mirage的模型關(guān)注的是短視頻里最核心的三個(gè)變量：節(jié)奏、構(gòu)圖和注意力動(dòng)態(tài)。

簡(jiǎn)單說(shuō)，就是什么時(shí)候切畫(huà)面、畫(huà)面怎么擺、怎么在前幾秒抓住觀眾的注意力。這些東西對(duì)專(zhuān)業(yè)剪輯師來(lái)說(shuō)是直覺(jué)，Mirage要做的是把這種直覺(jué)變成模型能力，讓AI替你做出這些判斷。

Mirage官方把這種方法叫做“Assembly Intelligence（組裝智能）”，核心思路是把多個(gè)專(zhuān)門(mén)的AI模型組合在一起，分別負(fù)責(zé)節(jié)奏、構(gòu)圖、注意力和音頻，最后輸出一條完整的視頻。

在賺錢(qián)這件事上，Mirage用的是訂閱制加積分制的組合。免費(fèi)版提供基礎(chǔ)功能，Pro版每月9.99美元（200積分），Max版24.99美元（500積分），Scale版69.99美元（1400積分），企業(yè)版定制價(jià)格。AI功能按積分消耗，比如用AI生成視頻按秒計(jì)費(fèi)，用對(duì)話(huà)式編輯按消息計(jì)費(fèi)。這種模式的好處是，把后臺(tái)的AI算力成本透明化了，用戶(hù)用多少付多少。

另一個(gè)讓人意外的數(shù)字是，Captions在2023年B輪融資時(shí)就已經(jīng)實(shí)現(xiàn)了正現(xiàn)金流，這在AI創(chuàng)業(yè)公司里幾乎沒(méi)人做到過(guò)。根據(jù)AppFigures的數(shù)據(jù)，過(guò)去12個(gè)月Captions的應(yīng)用內(nèi)收入約為2840萬(wàn)美元，其中75%來(lái)自美國(guó)以外的市場(chǎng)，全球化能力很突出。

融資路徑也非常清晰。種子輪和A輪由紅杉和a16z聯(lián)合領(lǐng)投，2023年B輪2500萬(wàn)美元由Kleiner Perkins領(lǐng)投，2024年C輪6000萬(wàn)美元由Index Ventures領(lǐng)投，估值達(dá)到5億美元。2026年3月，公司又拿到了General Catalyst旗下Customer Value Fund的7500萬(wàn)美元增長(zhǎng)融資，累計(jì)融資超過(guò)1.75億美元。

General Catalyst給這輪錢(qián)用的是一種特殊的“非稀釋性資本”結(jié)構(gòu)，之前只有Stripe和Gusto拿過(guò)類(lèi)似的錢(qián)。General Catalyst常務(wù)董事Pranav Singhvi對(duì)Mirage的評(píng)價(jià)是：Mirage的商業(yè)方程式非常成熟。他們清楚知道怎么花每一美元，并且產(chǎn)生很強(qiáng)的投資回報(bào)。如果你想想他們面對(duì)的市場(chǎng)，這在某種意義上是一個(gè)無(wú)限大的可尋址市場(chǎng)。

一個(gè)Snap設(shè)計(jì)主管和一個(gè)高盛產(chǎn)品經(jīng)理

Mirage的兩位創(chuàng)始人背景差異很大，但剛好拼成了一塊完整的拼圖。

Gaurav Misra，CEO，出生在波士頓，4歲搬回印度新德里長(zhǎng)大。在印度，計(jì)算機(jī)科學(xué)從小學(xué)就開(kāi)始教，Misra 8到10歲就跟哥哥一起編程做游戲了。后來(lái)他去波士頓大學(xué)讀了計(jì)算機(jī)科學(xué)，在學(xué)校里學(xué)了機(jī)器學(xué)習(xí)的課程。

畢業(yè)后他先后在微軟Azure團(tuán)隊(duì)和幾家創(chuàng)業(yè)公司干過(guò)，2016年加入Snap，一待就是5年。他在Snap做到了設(shè)計(jì)工程負(fù)責(zé)人（Head of Design Engineering），這是一個(gè)融合設(shè)計(jì)和工程的混合角色，專(zhuān)門(mén)負(fù)責(zé)創(chuàng)新和新產(chǎn)品方向。Snap Map、Spotlight（Snap對(duì)標(biāo)TikTok的短視頻產(chǎn)品），他都參與了。

在Snap的這5年里，Misra親眼看到了短視頻從一種內(nèi)容形式變成了全球最主流的表達(dá)方式。TikTok爆發(fā)、Reels跟進(jìn)、Shorts入場(chǎng)，短視頻吞噬了幾乎所有人的注意力。但他同時(shí)也發(fā)現(xiàn)，絕大多數(shù)想做短視頻的人根本不會(huì)剪輯。拍攝多次、剪輯門(mén)檻高、配音和字幕費(fèi)時(shí)費(fèi)力，這些摩擦攔住了大量潛在的創(chuàng)作者。

另一位創(chuàng)始人Dwight Churchill，COO，走的是完全不同的路線(xiàn)。他在高盛做過(guò)消費(fèi)金融平臺(tái)Marcus的產(chǎn)品開(kāi)發(fā)，是Marcus團(tuán)隊(duì)的早期成員。在高盛之前，他還在Taboola做過(guò)開(kāi)發(fā)，后來(lái)轉(zhuǎn)型成了產(chǎn)品經(jīng)理。增長(zhǎng)和商業(yè)化是他的強(qiáng)項(xiàng)，他很清楚怎么把一個(gè)產(chǎn)品變成一門(mén)生意。

兩個(gè)人最早在一家叫Localytics的移動(dòng)分析公司認(rèn)識(shí)，當(dāng)時(shí)在不同團(tuán)隊(duì)工作，但都留意到了同一件事：短視頻平臺(tái)正在瘋狂增長(zhǎng)，可是做視頻的門(mén)檻完全沒(méi)有降下來(lái)。

2021年初，兩人先后離開(kāi)大公司，湊在一起，花了兩天時(shí)間做出了第一個(gè)產(chǎn)品原型。這就是前面提到的字幕App。上線(xiàn)幾天沖到App Store榜首，但每個(gè)月自費(fèi)超過(guò)1萬(wàn)美元維護(hù)服務(wù)器，兩個(gè)人扛不住成本壓力，決定先轉(zhuǎn)向做照片社交。

后面的事情我們已經(jīng)知道了。照片App拿到了融資和日活，但被遺忘的字幕App在沒(méi)有任何推廣和維護(hù)的情況下自己增長(zhǎng)到了50萬(wàn)用戶(hù)、50萬(wàn)美元收入。

這個(gè)數(shù)據(jù)說(shuō)明了一件事：市場(chǎng)在用錢(qián)投票。

Misra和Churchill反復(fù)討論之后，做了一個(gè)讓投資人和團(tuán)隊(duì)都有點(diǎn)緊張的決定：砍掉照片分享App，所有資源轉(zhuǎn)向AI視頻。用Misra后來(lái)的話(huà)說(shuō)，這是他職業(yè)生涯中機(jī)器學(xué)習(xí)、設(shè)計(jì)和快速產(chǎn)品原型制作完美交匯的時(shí)刻。

從管理風(fēng)格來(lái)看，Misra很推崇速度和取舍。他有幾個(gè)被團(tuán)隊(duì)反復(fù)引用的原則：「每個(gè)工程師每周都應(yīng)該發(fā)布一個(gè)可以推向市場(chǎng)的東西」，如果時(shí)間不夠，就 「砍范圍，砍到再砍就沒(méi)用了為止」，以及**「作為初創(chuàng)公司，你的工作就是承擔(dān)技術(shù)債務(wù)」**。

公司內(nèi)部有兩套產(chǎn)品路線(xiàn)圖：一套基于用戶(hù)需求，對(duì)外公開(kāi)；另一套充滿(mǎn)實(shí)驗(yàn)性的創(chuàng)新想法，只在內(nèi)部流通。Misra認(rèn)為，最大的勝利往往來(lái)自那些沒(méi)人預(yù)見(jiàn)到的東西。

在招人上，Mirage的標(biāo)準(zhǔn)卡得很死。Churchill曾經(jīng)在LinkedIn上發(fā)布了一個(gè)帖子，2025年，公司工程崗的候選人錄取率只有0.05%。做個(gè)對(duì)比，Ramp是0.23%，Y Combinator是1%，哈佛大學(xué)本科錄取率是2.58%。

一個(gè)極度擁擠的賽道和Mirage的生存邏輯

先看看Mirage正在進(jìn)入的這個(gè)市場(chǎng)有多大。

AI視頻編輯工具市場(chǎng)2024年規(guī)模約16億美元，到2030年預(yù)計(jì)將達(dá)到93億美元，復(fù)合年增長(zhǎng)率超過(guò)42%。如果把視野放得更寬，整個(gè)AI視頻市場(chǎng)（包括生成、編輯、分發(fā)）在2024年就已經(jīng)是112億美元 的體量，到2034年預(yù)計(jì)膨脹到2460億美元。

但數(shù)字再大，也需要有人買(mǎi)單。買(mǎi)單的人是誰(shuí)？是全球超過(guò)2億的內(nèi)容創(chuàng)作者。

高盛估算，創(chuàng)作者經(jīng)濟(jì)在2024年的規(guī)模大約是2500億美元，預(yù)計(jì)到2027年將逼近5000億美元。這些創(chuàng)作者中，84%已經(jīng)在使用AI工具。但同時(shí)，超過(guò)一半的創(chuàng)作者年收入不到1.5萬(wàn)美元，這意味著他們對(duì)工具價(jià)格非常敏感。任何想在這個(gè)市場(chǎng)里站住腳的產(chǎn)品，都必須足夠便宜，或者足夠讓人覺(jué)得“值”。

市場(chǎng)夠大，但競(jìng)爭(zhēng)也夠殘酷。

大廠(chǎng)們?cè)缇蛣?dòng)手了。CapCut（字節(jié)跳動(dòng)旗下）是Mirage在消費(fèi)級(jí)市場(chǎng)遇到的最大對(duì)手。2025年，根據(jù)breakevenpointcalculator統(tǒng)計(jì)，CapCut的收入達(dá)到8.15億美元，是全球收入最高的照片和視頻應(yīng)用。月活用戶(hù)超過(guò)3億，Android端下載量超10億次，在移動(dòng)視頻編輯領(lǐng)域占據(jù)81%的市場(chǎng)份額。更關(guān)鍵的是，CapCut基本免費(fèi)，背后還有TikTok的巨大分發(fā)渠道。

Adobe在把AI全面嵌入Premiere Pro和After Effects，F(xiàn)irefly Video Model已經(jīng)進(jìn)入公測(cè)，還支持第三方模型接入。Google通過(guò)Veo模型和YouTube Shorts生態(tài)切入。Meta也推出了免費(fèi)的Edits視頻編輯應(yīng)用，直接對(duì)接Instagram和Facebook的分發(fā)體系。

對(duì)用戶(hù)來(lái)說(shuō)，這些功能幾乎是“順手就能用”的體驗(yàn)，不用額外安裝，不用學(xué)習(xí)成本，也不用額外花錢(qián)。

創(chuàng)業(yè)公司這邊，競(jìng)爭(zhēng)同樣激烈。

Runway是AI視頻生成領(lǐng)域的標(biāo)桿，累計(jì)融了5.44億美元，最新估值30億美元，年化收入約9000萬(wàn)美元。

Synthesia是企業(yè)級(jí)AI視頻的頭部，它的數(shù)字人平臺(tái)提供230多個(gè)虛擬形象，支持140多種語(yǔ)言，超過(guò)90%的財(cái)富100強(qiáng)企業(yè)是它的客戶(hù)。2025年，Synthesia甚至拒絕了Adobe一筆30億美元的收購(gòu)要約。

HeyGen的客戶(hù)年增長(zhǎng)率超過(guò)1000%，Descript年化收入接近1億美元，Opus Clip拿了超過(guò)6000萬(wàn)美元融資做AI視頻裁剪。光是2025年1月以來(lái)，AI視頻領(lǐng)域的創(chuàng)業(yè)公司就總共籌集了超過(guò)5億美元的新資金。

這里有一個(gè)更深層的問(wèn)題：AI視頻功能正在快速商品化。 以前需要幾個(gè)月才能做出來(lái)的功能，現(xiàn)在幾周就能復(fù)制。a16z合伙人Justine Moore說(shuō)得很直接：下一階段的差異化不在生成層，而在“編輯層”。誰(shuí)能把AI變成一個(gè)隱形的后期制作團(tuán)隊(duì)，誰(shuí)就能贏。

這也是Mirage從Captions改名背后更深的邏輯。它不想只做一個(gè)App，它想做一個(gè)平臺(tái)，一個(gè)讓AI端到端完成從素材到成片的工作流的平臺(tái)。CEO Misra在2026年的融資公告里說(shuō)了一句很有意思的話(huà)：在AI時(shí)代，光有好產(chǎn)品不夠。贏在獲客效率和增長(zhǎng)速度。

這句話(huà)可以理解為，Mirage已經(jīng)意識(shí)到，在一個(gè)功能趨同、競(jìng)爭(zhēng)越來(lái)越激烈的市場(chǎng)里，技術(shù)優(yōu)勢(shì)的保質(zhì)期越來(lái)越短。真正的護(hù)城河，可能是分發(fā)效率和資本效率的組合。

Gaurav Misra說(shuō)過(guò)一句話(huà)，被反復(fù)引用：AI視頻的真正競(jìng)賽還沒(méi)有開(kāi)始。

放在2026年的語(yǔ)境下看，這句話(huà)有兩層意思。一層是樂(lè)觀的：AI視頻的市場(chǎng)還遠(yuǎn)遠(yuǎn)沒(méi)有到天花板，機(jī)會(huì)依然巨大。另一層更冷靜：目前的格局隨時(shí)可能被推翻，誰(shuí)也不知道最終贏家是誰(shuí)。

回看Mirage這5年的路，從兩天做出的字幕原型，到被遺忘一年半后自己長(zhǎng)出來(lái)的產(chǎn)品，再到砍掉照片App全力轉(zhuǎn)向AI視頻，它的每一次關(guān)鍵轉(zhuǎn)折都來(lái)自于對(duì)市場(chǎng)信號(hào)的敏感捕捉。用戶(hù)用腳投票說(shuō)字幕是剛需，他們就回頭做字幕。短視頻創(chuàng)作者需要更低門(mén)檻的生產(chǎn)工具，他們就把所有AI功能塞進(jìn)一個(gè)App。后來(lái)發(fā)現(xiàn)企業(yè)也需要批量生成短視頻廣告，他們又開(kāi)了Mirage Studio。

這家公司最特別的地方可能就在這里：它從來(lái)沒(méi)有什么宏大的起點(diǎn)，一直是被市場(chǎng)推著走的，但每一步都踩對(duì)了。

在AI視頻這個(gè)賽道里，大廠(chǎng)有錢(qián)有渠道，創(chuàng)業(yè)公司有速度有創(chuàng)意。Mirage的賭注是，在這兩者之間存在一個(gè)精確的生態(tài)位：用自研模型的技術(shù)壁壘加上全球化分發(fā)的效率，在短視頻這個(gè)最大眾、最高頻的場(chǎng)景里跑出來(lái)。

這個(gè)賭注能不能贏，取決于三件事：自研模型能不能持續(xù)領(lǐng)先、企業(yè)客戶(hù)能不能真正跑起來(lái)、全球監(jiān)管收緊的環(huán)境下能不能守住合規(guī)底線(xiàn)。

但至少有一件事是確定的：當(dāng)一個(gè)沒(méi)人管的App自己長(zhǎng)出了50萬(wàn)用戶(hù)和50萬(wàn)美元收入的時(shí)候，它背后代表的那個(gè)需求，是真實(shí)的。

本文來(lái)自虎嗅，原文鏈接：https://www.huxiu.com/article/4856233.html?f=wyxwapp