文/王慧莹编辑/子夜当整个AI行业都在为“得大模型者得天下”而狂热时一家AI应用层的公司给出了完全相反的答案。6月18日演语科技Evoken对外宣布完成近3亿美元B轮融资投后估值超过20亿美元成为中国AI应用层迄今为止最大的单轮融资之一。乍一看这家公司或许会陌生但其旗下产品LiblibAI以及Liblib这个名字则为外界熟知。此次融资也是这家公司第一次用演语科技集团品牌的身份对外发声。在大量AI公司仍在靠投资人耐心换取时间窗口的行业里这家没有自研模型的公司成了最会赚钱的AI应用之一。但争议从未远离。有人质疑它缺少原创有人认为它靠激进定价换增长离开的人说它不够技术、不够创新甚至有投资人判断它迟早会爆雷。Liblib创始人陈冕的回应很直接“这个时代idea is cheapjudgment才稀缺。”陈冕承认Liblib是字节最大的代理商但坚决否认转售API。按照陈冕的比喻在模型厂商逐鹿中原时Liblib要做的是在江东站稳脚跟再找到自己的护城河。这个比喻精准地概括了Liblib的处境它不参与主战场的正面厮杀而是在巨头尚未充分覆盖的缝隙里寻找生存空间。当模型能力持续进化AI应用的价值可能很快就被模型覆盖。20亿美元的估值究竟建立在稳固的护城河上还是仅仅踩准了模型红利的时间窗口答案取决于这家公司能否在应用层之外找到更深的生存根基。1、“字节最大的代理商”Liblib撑得起20亿美元估值吗陈冕不介意外界说Liblib是字节最大的代理商。“我们的价值就是在模型上叠了一层。”陈冕在晚点LatePost的采访中直言。在他看来模型能力和用户使用之间是有错配的应用层要做的是让用户和模型之间更好对齐。这也是Liblib存在的价值它不造模型但它帮人用好模型。陈冕把模型比作单反相机普通人摁一下快门也能拍照但想拍出专业作品得请摄影师。Liblib要做的就是那个摄影师。也是这个定位让Liblib在2026年的AI应用融资寒冬中完成了一笔大额融资。不到三年时间从天使轮到B轮Liblib几乎以每年2-3轮的节奏被资本青睐。比融资更值得关注的是Liblib的赚钱速度。截至2026年5月公司ARR已达3亿美元5月集团整体收入同比增长超过3000%。在中国这是除了大厂之外为数不多进入“亿级”俱乐部的AI应用初创公司。放在行业大背景下看这笔融资不意外。2026年上半年AI投资逻辑正发生根本变化应用与落地取代模型参数成为项目定价的核心。IT桔2026上半年AI投融资报告披露2026一季度起中小自研大模型项目融资遇冷、出清加速资本全面转向可落地、可变现的AI应用层标的Liblib正是这一拐点上的最大受益者之一。从路线上看Liblib的崛起提供了一个极具争议的样本。它不做淘金者甚至不卖自己造的铲子只是批量采购别家的铲子打磨包装后转售。要理解这桩生意的全貌需要拆解Liblib的三大产品矩阵。Liblib并非只有LiblibAI还有面向C端大众的轻量级AI艺术工具Lovart中文名星流和AI短剧社区与分发平台LibTV。图源演语科技微信公众号三条业务线各司其职、依托上游算力实现快速落地。LiblibAI深耕国内C端及中小创作者积累3000万用户、50万个原创LoRA微调模型通过会员订阅、算力充值获得营收LibTV精准切入短剧、广告工业化赛道解决行业AI视频量产痛点上线两月收入暴涨13倍海外产品Lovart聚焦全球商业设计师上线五个月ARR突破8000万美元跑通全球化订阅商业模式。这门生意的本质似乎是一个“Token中间商”的逻辑。它的核心竞争力在于通过汇聚海量C端与B端创作者的需求整合最新大模型形成一个巨大的采购池。Liblib将这些API能力打包进自己体验流畅、工具链完善的产品中在算力成本之上叠加服务费、功能溢价和社区价值重新定价卖给终端用户。以LibTV为例据硅基研究室报道LibTV是Seedance 2.0系列模型首次接入的第三方产品并在Seedance 2.0问世两周前模型相关能力就以StarVideo的形态提前在LibTV上完成了大规模验证。也正是这一深度合作让LibTV平台中的Seedance 2.0模型使用门槛更低、视频生成的准确度更高。市场惊叹其增速与赚钱能力但疑问也随之而来当“字节最大代理商”的标签越贴越牢它的护城河究竟是什么这种依附性商业模式的天花板又有多高2、增长光环下的持久争议Liblib轻量化路线跑通了吗要理解Liblib的路线选择得先了解陈冕是何许人。陈冕有着深刻且丰富的大厂烙印。创业前他先后在摩拜单车、滴滴、每日优鲜工作过后来加入字节跳动成为剪映与CapCut全球商业化负责人。2023年他从字节离开时正值国内大模型创业最狂热的时候但陈冕看到的不是机会而是陷阱。陈冕对此很清醒“我知道和巨头硬碰硬是什么下场。”与其在烧钱的无底洞里消耗生命不如抓紧赚钱。“大家需要明白在什么都没有的时候以时间换空间是你最强的武器。”在与晚点LatePost的对话中陈冕也多次强调“创业公司的首要目标依然是活着。”Liblib的轻量化聚合路线正是这套生存思想落地的最终产物。路线选择帮助Liblib抢先一步实现规模化变现但伴随亮眼增长数据而来的是从未停歇的行业质疑。最集中的质疑有两层。第一产品只是对底层模型做了简单封装和市面上大量Token中转平台没有本质区别。更严重的质疑是Liblib可能存在对外转售API的行为。LibTV的质疑声最大。争议的焦点是LibTV与字节跳动旗下火山引擎的视频生成模型Seedance 2.0之间的合作。图源LibTV微信公众号市场一度盛传LibTV在低价转卖Seedance 2.0的API接口赚取差价。据晚点LatePost报道许多业内人士都以为LibTV是在卖3.9折的Seedance API。对此陈冕在晚点LatePost采访中明确否认。此外所谓的3.9折并非针对API的单次调用费用而是LibTV推出的连续包月订阅价格。据陈冕介绍3亿美元ARR中LibTV贡献了超过一半的收入。不过陈冕很清楚这套模式的盈亏边界。他在晚点LatePost采访中坦言LibTV的模式就像是健身房模式本质上是在赌订阅用户不会把积分用满。“用户买了100万积分实际只用20万剩下80万是我们的利润。”但如果黑产用户对LibTV做逆向工程把年费会员账号做成API批量调用LibTV就是亏的。更深层的质疑指向了Liblib的命脉。没有自己的模型意味着定价权和服务的稳定性始终掌握在底座厂商手中。上游的火山引擎等平台只要微调一下API价格或者自己下场做一个更有针对性的应用Liblib的利润空间和用户基础就可能遭受剧烈冲击。陈冕也清楚Liblib当下的处境。在晚点聊LateTalk播客节目中陈冕直言虽然Liblib的现金流是正的但应用层公司不掌握模型在早期就不应该追求高毛利率因为追求高毛利率就是在抑制需求。他认为AI应用毛利率短期内不超过30%。面对外界对Liblib代理商的标签偏见陈冕有着清晰的自我认知与价值界定。他坦言Liblib确实向上游厂商批量采购算力但这绝非简单的套利生意。争议的本质其实是一条路线的两面。轻量化模式带来了低成本、快起步的优势让Liblib在两年内冲上20亿美元估值并拥有3亿美元ARR。但天然伴随的依附性竞争隐患也如影随形Liblib依靠赚钱速度占据了先机但这个路径能否转化为稳固的护城河仍然有待时间验证。3、从AI应用的大浪中逃杀如何摆脱路径依赖在AI创业潮几轮起落之中大量同期起步的AI生成应用公司早已销声匿迹。Liblib能够走到台前首先是一场艰难的生存胜利。过去三年很多AI应用创业公司都经历过多轮生死考验。即便是Liblib也经历过九死一生的时刻。2023年5月上线后仅4个月LiblibAI因未完成大模型备案被下架与此同时前期高举高打的补贴大战烧掉了300多万美元资金储备迅速见底。到2024年初公司账上只剩4000块钱LiblibAI差点倒闭。陈冕后来回忆其实账上只有600万的时候就慌了。最困难的时候LiblibAI收到了好几个收购意向全被陈冕挡掉了他没想过卖。“我不是为了创业而创业而是为了赢而创业。”那段低谷经历带给Liblib团队最深的教训是现金流健康是企业生存的根本。当时行业里普遍两条路要么继续烧钱赌流量等待下一轮融资续命要么立即收缩战线砍掉不赚钱的业务。大量同期创业公司选择了前者。但当2024年资本寒潮来袭这条以增长换融资的路愈加艰难那些没有及时转向的公司绝大多数没能等到下一轮融资。陈冕也没有其他选择账上只剩4000块烧钱的路已经走不通了。他唯一能做的就是立刻收缩、换方向。他换的不是“C端到B端”的简单转向而是一条更复杂的路——用集团化的产品矩阵来对冲单一产品的风险通过持续推出新产品来拓宽收入来源。Liblib的起点是纯粹的C端社区产品但单一的社区模式在低谷期被证明难以独立支撑一家公司的生存。最终从LiblibAI到Lovart再到LibTVLiblib完成了一次关键的生存进化。正如陈冕感慨如果不是他来做它们可能会变成三家不同的创业公司而三家公司各自存活的机会可能更渺茫。这句话道出了Liblib集团化产品的战略核心不是赌一个产品能不能成而是用多个产品分摊风险、交叉验证。LiblibAI积累了用户和社区资产Lovart验证了设计场景的付费能力LibTV踩中了AI短剧爆发的行业窗口。三个产品共享创作者、素材与模型资产最终形成老社区为新产品导流新产品为老社区带来新的付费场景的正向循环。但帮助Liblib熬过寒冬的这套生存策略现在正成为它必须警惕的路径依赖。目前Liblib的产品架构、团队能力和商业化体系全部围绕算力调用搭建三条产品线虽然覆盖了素材、设计、视频但核心枢纽依然是Token流转。即便LibTV被寄予厚望它本质上仍是Token调用逻辑的延伸而非模式创新。更微妙的风险在于ARR越高Token调用体量越大但商业路径决定了Liblib的规模扩张未必能同步带来上游议价权的提升。随着算力成本下行、大厂工具持续下沉同质化竞争只会越来越激烈。当模型厂商自己开始做应用端或者把API价格压低Liblib的价差空间就会被逐步压缩。随着模型能力持续进化今天属于应用的价值明天可能就被模型覆盖。AI应用公司不掌握底座模型、不掌握算力、不掌握稳定入口看起来跑得很快但这种快可能只是建立在模型红利和注意力引爆上。陈冕也明白应用的时代还没有到来。只有当Token足够便宜、智能随手可得应用公司才有真正的机会“可能是两三年或五年后的事”。摆在陈冕面前最重要的考题已经不只是继续拉高营收规模而是如何利用当下这个窗口期打破历史形成的路径依赖进行真正的创新探索。Liblib能否从“Token中间商”进化出更深的护城河决定了它究竟是AI应用时代的先行者还是又一次潮水退去后的搁浅者。本文头图来源于 LiblibAI 官网。