来源：猎云网

近日，AI视频生成解决方案提供商Sand.ai连续完成2轮累计超1亿美元融资，投资方包括：Look Capital、Lollapalooza Capital、九坤创投、经纬创投、和玉资本、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。

Sand.ai隶属于北京三呆科技有限公司，该公司成立于2025年3月。创始人&CEO曹越，曾是一家顶级人工智能研究机构的视觉模型中心的负责人，专注于基本视觉模型和多模态大型模型研究。

在过去的5年里，曹越广泛探索了视觉大型模型，在网络架构设计中提出了Swin Transformer和Video Swin等作品，以及在预训练方法中提出了SimMIM和EVA等作品。他的作品在该领域受到了广泛的关注，有7篇论文被列在PaperDigest最有影响力的论文中，累积了超过5万个谷歌学者引用。曹越打破了谷歌和OpenAI等北美科技巨头在视觉大型模型方面的垄断，在关键视觉感知任务（如ImageNet分类、COCO检测、ADE20K分割）方面取得了突破性进展。他的工作已被广泛应用于Microsoft Office 365、Azure Cognitive Service、TikTok和Kuaishou等产品。

在上一段创业“光年之外”戛然而止后，曹越很快就投入到Sand.ai的创业中，做视频生成模型。

2025年初，Sand.ai发布基于自回归架构训练的模型Magi-1后，曹越很快意识到“只有画面是不够的”，于是团队开始探索音画同出。后来，Sand.ai成为了除了Google VEO 3之外最早拿出音画同出模型的团队，Magi-1也在Google DeepMind的Physics IQ benchmark上长期保持第一。

随后在2025年11月，曹越决定带着团队将模型架构从Dense转向MoE。2026年Q3，Sand.ai即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。

值得一提的是，在持续推进基础模型训练的同时，Sand.ai也已经在应用侧探索过数字人、视频Agent等产品。今年1月上线的音乐Agent产品VidMuse ，三个月已经做到千万美元ARR的体量。