当硅谷转向「世界模型」，中国视频公司选择先把钱赚了丨对话 Sand.ai

来源类型： AI视频行业访谈
日期： 2026-06-17
标签： Sand.ai, VidMuse, 世界模型, 视频生成, 音画同出, 多镜头叙事

核心论点

2026年视频模型赛道出现"中美分野"：硅谷（OpenAI/Runway/Luma AI）转向"世界模型"叙事，弱化产品强化模型；中国公司（字节即梦/快手可灵）更重视视频生成商业价值，快速实现付费闭环。Sand.ai作为创业样本，选择"双轮驱动"路径（产品用最好模型找PMF，模型在关键环节换效果/成本/毛利），VidMuse主打"Music in, Video Out"，ARR超千万美元。曹越认为中国视频模型能力已处世界第一梯队，音画同出和多镜头叙事是过去一年最关键突破。

关键事实

中美分野：硅谷弱化产品强化模型（OpenAI停Sora、Runway/Luma转向世界模型）；中国快速商业化（Seedance/可灵付费闭环）
VidMuse产品：Music in, Video Out（音乐驱动视频创作）；ARR超千万美元（上线2个月）；单周收入20+万美元；注册到付费转化5-7%
双轮驱动路径：产品先用最好模型跑PMF，模型在关键环节支持（提升效果/降低成本/提高毛利）；创业公司更容易实现（founder mode对齐）
技术突破：音画同出（人物表演细腻/口型声音动作同步）、多镜头叙事（提升真实感/空间感）
音乐作为入口：音乐天然连接创作意愿（有音乐的人已有创作意愿）；音频是比图片文字更适合的连续信息；音乐人/AI音乐人是核心用户
用户画像：音乐相关用户（Suno创作者补"从音乐到视频"）、泛生活化创作（年会/生日/家庭纪念/情绪表达）
护城河：memory（长期记忆）+ 信任关系（稳定性/纠正幻觉）；用户敢信才能建立长期关系

与已有知识的关联

entities/Sand.ai — 核心公司
entities/VidMuse — 核心产品
entities/曹越 — Sand.ai创始人
concepts/世界模型 — 硅谷视频模型转向方向
concepts/音画同出 — 视频模型关键技术突破
concepts/多镜头叙事 — 提升真实感的关键
concepts/双轮驱动 — 产品+模型协同路径

资料来源

原文URL：https://mp.weixin.qq.com/s/1ETnm2CSUlxSbRIUdpVpew
原始文件路径：raw/articles/微信文章3/当硅谷转向「世界模型」，中国视频公司选择先把钱赚了丨对话 Sand.ai.md
作者：曹思颀（极客公园）
发布时间：2026-06-17

我的判断

置信度：高（创始人访谈，战略清晰）
预测（2026-2028）：
1. 2027年视频模型商业化将超越语言模型，市场规模突破100亿美元
2. "Music in, Video Out"模式将在2027年被50%视频AI产品采用
3. 中国视频模型公司将在2027年占据全球市场60%份额
4. 音画同出+多镜头叙事将成为2027年视频模型标配能力

批处理信息：batch-2026-微信文章3，第19/108篇