🔥36氪•較早收集於 18h
Sand.ai 獲超億美元融資，深耕自回歸視頻生成模型
#video-gen#moe#autoregressivesand.ai-video-generation-modelssand.aigoogle-veosora
💡一家押注自回歸視頻模型與 MoE 架構的團隊獲得巨額融資，旨在重新定義世界模型架構。
⚡ 30-Second TL;DR
有什麼變化
開創視頻自回歸建模路徑，與主流的純 Diffusion 路線形成差異。
為什麼重要
Sand.ai 對自回歸視頻模型與 MoE 架構的押注，挑戰了目前業界對 Diffusion 模型的依賴，可能為高效、高保真的視頻合成樹立新標準。
下一步行動
請密切關注 Sand.ai 即將開源的 MoE 視頻模型，並將其與當前 SOTA 的 Diffusion 視頻生成器進行基準測試。
誰應關注：Researchers & Academics
關鍵要點
- •開創視頻自回歸建模路徑，與主流的純 Diffusion 路線形成差異。
- •轉向 MoE 架構以解決成本、速度與效果的「不可能三角」。
- •將「音畫同出」視為世界模型的核心組成部分。
- •預計於 2026 年第三季發布新模型並將其開源。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •Sand.ai 創始人曹越曾任職於字節跳動，具備深厚的視覺生成與 AI 基礎設施研發背景。
- •該公司在自回歸模型中引入了長序列建模技術，旨在解決視頻生成中常見的時序一致性崩潰問題。
- •本輪融資由頂級風險投資機構領投，資金將主要用於擴充 GPU 算力集群與招募頂尖 AI 研究人才。
- •Sand.ai 的技術路徑受到 Transformer 架構在視頻領域應用的啟發，試圖將視頻生成視為一種「下一幀預測」的語言建模任務。
- •公司已與多家頭部雲服務供應商達成戰略合作，以優化 MoE 架構在大規模推理時的顯存調度效率。
📊 競品分析▸ Show
| 競爭對手 | 核心技術路線 | 視頻生成架構 | 預計發布/現狀 |
|---|---|---|---|
| OpenAI (Sora) | Diffusion Transformer | DiT | 已發布/迭代中 |
| Runway (Gen-3) | Diffusion | 多模態擴散模型 | 已商用 |
| Kling AI | Diffusion + 自回歸 | 混合架構 | 已商用 |
| Sand.ai | 自回歸 (Autoregressive) | MoE (混合專家) | 2026 Q3 (預計) |
🛠️ 技術深入
- 採用自回歸視頻生成架構，將視頻序列視為 Token 流進行處理，而非傳統的擴散噪聲去噪過程。
- 引入 MoE (Mixture of Experts) 架構，通過稀疏激活機制降低單次推理的計算量，實現模型參數規模與推理速度的解耦。
- 核心算法支持「音畫同出」，通過聯合訓練音頻與視頻 Token，確保生成內容在語義與節奏上的高度同步。
- 優化了長上下文窗口的注意力機制，提升了視頻生成在長時序下的穩定性與邏輯連貫性。
🔮 前景展望AI analysis grounded in cited sources
自回歸模型將挑戰 Diffusion 模型在視頻生成領域的主導地位。
自回歸架構在處理長序列與多模態對齊方面具有潛在的計算效率優勢，可能改變當前以擴散模型為主的技術格局。
MoE 架構將成為高性能視頻生成模型的標配。
隨著模型參數規模不斷擴大，MoE 提供的推理成本優化對於商業化落地至關重要。
⏳ 時間線
2025-03
Sand.ai 正式成立，曹越啟動自回歸視頻生成模型研發。
2025-11
完成種子輪融資，初步驗證自回歸架構在短視頻生成的可行性。
2026-06
完成超億美元融資，並宣布轉向 MoE 架構以優化模型性能。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗
每週 AI 簡報
每週一封，可隨時退訂。