爱诗科技这轮30亿融资，在我看来不只是资本寒冬里的一个特例，更是视频生成赛道从“拼参数”转向“拼工程”的信号。
先看技术层面：他们能做到1.5亿用户和4000万美元ARR，说明模型在生成质量和推理效率上找到了不错的平衡点。视频生成的核心痛点一直在于时空一致性——如何让生成的每一帧不仅画质高，还能连续不跳变。爱诗可能在高压缩率的时空注意力机制或分层扩散模型上有了实质性突破，否则很难支撑这样大规模的用户端推理成本。
从个人经验看，很多团队在视频模型上过分追求分辨率或帧率，忽略了工程化的可部署性。爱诗双线打法（模型+应用）说明他们意识到了这点：没有应用反馈，模型迭代容易走偏。阿里领投也侧面印证了云厂商对视频生成算力需求的押注——这波融资很可能部分用于优化推理基础设施。
两个值得讨论的问题：1）视频生成的“Token效率”是否将成为下一阶段关键指标——即用更少计算量生成更长时间的一致视频？2）大厂（如阿里、字节）的生态优势会不会反而限制创业公司独立获取训练数据？
行业格局上，视频生成已进入“工程落地期”。早期靠参数规模讲故事的时代过去了，真正壁垒在于数据飞轮、推理成本和场景适配。爱诗若能借这轮资本在垂直场景（如短剧、广告）建立数据闭环，才有机会在巨头围剿中活下来。