王慧文、宿华接连下注，这个90后清华博士，杀入视频大模型独角兽梯队
创业邦 · 商业与创投
思齐 2026-11-06 08:04 北京 以下文章来源于：快鲤鱼 快鲤鱼 创业邦旗下AGI矩阵号，寻找海内外创新性的AGI高成长公司，记录AGI商业领袖的成长轨迹。 从训练模型，到经营一家公司。 作者丨思齐 编辑丨子钺 图源丨 Sand.ai 视频大模型的牌桌上，又 杀入 一家独角兽。 Sand.ai 宣布完成 2 亿美元 A+ 轮融资，基石资本、网宿科技联合领投，时代资本、国方创投、磐霖资本、东证资本等机构参投，上海国资背景机构加入，经纬创投 、 中科创星 等老股东继续加注。 据 Sand.ai 介绍 ， 本轮融资后 公司 正式跻身独角兽行列 。 这是 Sand.ai 今年完成的第三轮融资，三轮 融资 在约十个月内完成， 累计约 3 亿美元。 在下半年的一级市场，这是一笔足够醒目的交易。而 Sand.ai 身后，还站着两位颇具辨识度的支持者：王慧文和宿华。 一个曾经带队做美团，一个创办了快手。他们先后看中的，是一位从清华、微软亚洲研究院走出来的 90 后博士——曹越。 曹越 的上一段创业 是光年之外 ， 那段经历很快结束。随后，他重新组队，选择了一条资金消耗大、工程难度高，而且科技巨头已经入场的道路：视频生成。 字节 Seedance 、快手 可灵 在前， 同期 生数、爱诗、智象未来等独立公司 也 拿到 了 大额资金。曹越接下来要回答的，是一个更具体的问题： Sand.ai 能在哪一批客户中建立自己的 核心 位置？ 从光年之外重新出发 认识创业者曹越之前，计算机视觉领域 早 已 熟悉 他的名字。 Sand.ai创始人曹越 他本科、博士均就读于清华，获得过清华大学特等奖学金，后来担任微软亚洲研究院主管研究员，也曾负责智源的视觉模型研究。 他是 Swin Transformer 的主要作者之一，相关工作获得 ICCV 2021 最佳论文奖，也就是计算机视觉领域知名的马尔奖。这段经历，为他积累了视觉模型架构和大规模训练的研究基础。 2023 年，王慧文创办光年之外， 要打造对标 OpenAI 的中国 AGI 公司， 曹越以算法联合创始人的身份加入。那段备受关注的创业很快发生转折 ： 同年 6 月，王慧文因个人健康原因离岗就医，美团随后以约 20.65 亿元 收购 了 光年之外 。 此后，曹越重新组队 创业 ，把方向转向了视频模型。 视频是他研究积累更深的领域，也是一个更考验连续性的任务。 一张图片把一个瞬间处理好，就可能让人惊艳。视频里，人物、物体、空间和动作都得接得上。 Sand.ai 早期押注了分块自回归生成：根据前面的片段，继续生成后面的片段。这为持续生成和中途交互提供了可能，也把一连串难题交给了团队 ： 前面的错误会不会传到后面？片段之间如何衔接？复杂的训练任务怎样稳定运行？ 2025 年 5 月， MAGI-1 发布时，团队算上数据、基础设施、算法和测评，只有三四十人。曹越回顾这段经历时说：“还是低估了这个路线的难度。” 外界看到的是一段视频，团队面对的却是一整套系统：数据、算法、训练、调度、评测。很多最耗时间的工作，无法直接放进演示片里。 后来，王慧文家办出现在投资人名单中。曾经一起创业的人，以投资者的身份继续支持曹越。 从训练模型 到经营一家公司 Sand.ai 的技术路线被概括为“自回归世界模型”。 与可灵、 Seedance 等采用的 Diffusion （扩散模型） 架构不同， 核心逻辑是让视频按时间序列逐块生成，后一段接续前一段状态，更接近 “视频世界如何持续演化”的本质建模。 MAGI-1 最初试图解决的，是视频如何持续往下生成。 它把视频分成连续片段，按时间顺序逐步生成；片段内部 再通过扩散去噪形成画面。因此，自回归与扩散在这里承担不同层次的任务。 到了 2026 年 8 月发布的 MAGI-2 Preview ， Sand.ai 把重点推进到更大规模的模型训练：总参数量 1140 亿，单 Token 激活参数约 60 亿，采用混合专家架构，也就是 MoE 。 可以把它理解为，模型内部有许多 “ 专家 ” ，每次计算只调用其中一部分，以控制单次计算开销。 MAGI-2 Preview 千亿参数只是起点。专家如何分工，计算任务怎样分配，通信与显存开销如何控制，都可能影响最终效果。 按照公司技术介绍， MAGI-2 Preview 没有直接照搬 MAGI-1 的分块自回归设计，而是转向单流架构，推进规模扩展与音视频联合建模。 MAGI-2 Preview生成的画面 这是曹越创业过程中的一次关键调整：训练系统、数据处理和工程经验继续使用，模型设计根据下一阶段的目标重新选择。 做基础模型 需要有自己的判断，也要允许实验结果修改判断。对投资人而言，值得下注的能力，正是团队能否反复完成这个过程。 随着模型迭代