曹越与Sand.ai的创业历程
“每一代模型，我们都在押注一个非共识。” Sand.ai创始人曹越不太关心自己站在共识的哪一边。Sand.ai是一家视频生成模型和产品公司，成立于2024年1月。在上一段创业“光年之外”结束后，曹越投入到Sand.ai的创业中，做视频生成模型。彼时，市场主流是Diffusion路线，几乎没人认为曹越选择的自回归路线是正解。
模型发展与创新
2025年初，发布基于自回归架构训练的模型Magi - 1后，曹越意识到“只有画面是不够的”，团队开始探索音画同出，Sand.ai成为除Google VEO 3之外最早拿出音画同出模型的团队，Magi - 1在Google DeepMind的Physics IQ benchmark上长期保持第一。
2025年11月，曹越决定带着团队将模型架构从Dense转向MoE，“那个时间点，国内应该几乎没有什么视频公司在全力推进这件事”。发布音画同出模型Gaga - 1之后发现，在Dense架构下继续Scale Up，成本会直线上升，而MoE是突破视频模型成本、速度、效果不可能三角的答案。
2026年Q3，Sand.ai将发布新一代视频生成模型，采用MoE架构，兼顾高效推理与目前开源领域最大的参数规模，曹越有信心做到头部水准并开源。
融资情况
这家公司刚刚完成两轮合计超亿美元融资，投资方包括Look Capital、Lollapalooza Capital（王慧文家办）、九坤创投、经纬创投、和玉资本（MSA Capital）、创新工场、襄禾资本、源码资本、中科创星、洪泰基金、今日资本、华业天成、云晖资本、IDG、百度风投等一线机构联合投资，星涵资本担任本轮融资财务顾问。
底层思考与对世界模型的判断
创业近三年，曹越押注自回归路线、做音画同出、采用MoE架构的底层思考同源，即让每个人能消费非常个性化的内容，前提是降低内容生产成本。他不关心是否站在市场共识一边，认为过于关心他人认知，大概率没从第一性原理思考问题。
对于世界模型，曹越认为它还在“前GPT时代”，数据不够、定义不清、技术路线未收敛。世界模型是2026年最说不清道不明的AI概念之一，杨立昆、李飞飞等学术巨擘押注不同方向，Sora已在3月暂时停运，国内也有多家明星初创进入该领域。
一方面，世界模型寄托人们对未来模型路线的想象；另一方面，它成了fomo情绪的出口。但曹越确定视频模型是通往终局的重要路径，因为视频数据距离世界的Observation最接近且体量足够大。
应用探索与产品策略
在推进基础模型训练同时，Sand.ai已在应用侧落子，探索过数字人、视频Agent等产品。今年1月上线的音乐Agent产品VidMuse，三个月做到千万美元ARR的体量。
曹越表示，创业公司若没有训练出SOTA模型的能力，易被模型厂商整合，Sand.ai会继续边做模型边做应用。
做模型的公司做垂直整合后，成本和体验更好。在视频模型方向上，必须模型和产品双轮驱动。Sand.ai以模型为核心采用多产品矩阵打法，现阶段选了Agent方向，VidMuse商业化已被验证成立。
用户反馈有助于模型的后训练，产品不局限于调用自己的模型，收集的数据能让自身模型效果更好。视频领域过去两年是模型牵引产品，模型解锁能力，产品侧搭建的脚手架就减少。
Sand.ai的开源模型持续贡献价值，开源的MagiAttention算子库被国内几乎所有多模态模型团队使用，英伟达官方也推荐用它训多模态模型。
行业竞争与发展趋势
Seedance 2.0的爆发证明多镜头叙事重要，音画同出由Veo3先实现，多镜头叙事由Sora2先实现，但Sora在多主体参考、多镜头叙事细节效果上不足，而Seedance 2.0补齐维度吃到红利。
视频模型的垄断程度不会比语言模型更高，目前竞争烈度没语言模型高，领先窗口约两三个月，行业最终可能留下三五家分市场。
OpenAI关停Sora是合理的战略收缩，一是为上市优化短期目标，二是在Coding上落后，将Sora算力平移到Codex模型更可能撑起上市业绩。
中国能快速在视频模型上做到世界Tier 1，与起步早晚有关，国内外视频模型起步时间差距不大，且国内短视频生态活跃加速了模型应用落地。
