Julio aún no ha terminado, y el campo de la generación de vídeos con IA ya está ardiendo de calor.
Desde el 3 de julio hasta el 23 de julio, en solo 20 días, 5 empresas anunciaron sucesivamente grandes rondas de financiación. Keling AI obtuvo 3 mil millones de dólares, Shengshu Technology consiguió 500 millones de dólares, Aishi Technology completó su ronda C+ con cientos de millones de dólares, Zhixiang Weilai (Smart Elephant Future) cerró su ronda C con 1,5 mil millones de RMB, e incluso una nueva empresa con menos de un año de existencia, FlovaAI, recibió 80 millones de dólares en una ronda ángel.
La financiación combinada de las primeras 4 empresas que alcanzaron el estatus de unicornio supera los 26,2 mil millones de RMB. Es decir, el dinero que entró en julio de 2026 es mayor que la suma total de los dos años anteriores (2024-2025) en todo el sector.
¿Por qué todas ellas concentraron su financiación en julio? ¿Qué ha ocurrido realmente? No debe ser una simple coincidencia.
Keling AI: Inversión histórica conjunta de BAT, ARR se cuadruplica en un año
El 3 de julio, Keling AI anunció un límite máximo de financiación de la ronda A de 3 mil millones de dólares, liderado por CPE Yuanfeng y Guofang Innovation, con la participación de 34 instituciones — en la lista de inversores aparecieron raramente al mismo tiempo Tencent, Alibaba Cloud y Baidu. Light Source Capital actuó como asesor financiero.
El límite máximo de 3 mil millones de dólares de la ronda A corresponde a una valoración post-inversión de aproximadamente 18 mil millones de dólares; la parte ya comprometida actualmente es de unos 19 mil millones de RMB.
La confianza del capital en esta cifra se debe en gran medida a los resultados del primer trimestre de 2026 de Kuaishou. El informe financiero de Kuaishou Q1 2026 reveló que Keling AI generó unos ingresos trimestrales superiores a 650 millones de RMB, con un crecimiento interanual de más del 300%. Su tasa anual de ingresos en ejecución (ARR) pasó de 100 millones de dólares en marzo de 2025 a casi 500 millones de dólares en marzo de 2026, cuadruplicándose interanualmente.
Esta cifra es abrumadora en el sector de vídeo con IA — aparte de ByteDance's Seedance, ninguna otra empresa nacional ha alcanzado este nivel.
Los ingresos de Keling tienen un doble motor: clientes empresariales (API) + suscripciones de usuarios pagos. Hasta junio de 2026, Keling AI superó los 100 millones de usuarios globales y cerca de 50.000 clientes empresariales. Por ejemplo, Keling participó profundamente en la creación de escenas virtuales y efectos especiales para el drama histórico chino "Años de Paz", y apoyó la generación de cientos de tomas de alta calidad para la serie de Hollywood "La Dinastía de David".
En cuanto a producto, en febrero de este año, Keling lanzó su serie de modelos 3.0, logrando generar vídeos de hasta 15 segundos, control de planos, consistencia del sujeto y salida simultánea de audio e imagen.
Es importante destacar dos detalles. Primero, la valoración bajó respecto al rumor de mayo de 20 mil millones de dólares, con un precio más realista, lo que aceleró la operación. Segundo, el anuncio incluía una cláusula de apuesta — si Beijing Keling no completa su OPV antes de octubre de 2031, los inversores tienen derecho a exigir la recompra al capital principal más un interés simple anual del 8%.
Escisión, financiación, incentivos de capital, cláusulas de recompra, esta combinación apunta claramente a que Keling se está preparando para una OPV independiente.
Shengshu Technology: Financiación de 500M$ en vísperas de la OPV, del modelo de vídeo al "Modelo del Mundo"
El 6 de julio, Shengshu Technology anunció una ronda de financiación B+ de 500 millones de dólares.
Pero si se observa la línea temporal, esta empresa ha cerrado 3 rondas en 5 meses: ronda A+ de más de 600 millones de RMB en febrero (liderada por Zhongguancun Science City, Xinglian Capital), ronda B de 2 mil millones de RMB en abril (liderada por Alibaba Cloud), más esta ronda de julio de 500 millones de dólares, acumulando más de 5 mil millones de RMB.
Tres rondas en cinco meses, este ritmo indica una cosa: el capital se apresura a subirse. ¿Por qué tanta prisa?
A finales de marzo de este año, Shengshu Technology ya completó su transformación en sociedad anónima — un paso estándar previo a la OPV. Los rumores del mercado indican que podría iniciar el proceso de OPV en Hong Kong en la primera mitad del año. Por lo tanto, el capital quiere subirse en vísperas de la OPV.
El producto central de Shengshu Technology es Vidu , lanzado globalmente en julio de 2024, y tras tres años ya ha iterado a la versión Vidu S1 — un modelo de interacción en tiempo real, que soporta control de fotogramas por voz y generación de duración ilimitada (1 minuto - 2 horas).
En todo 2025, Shengshu Technology logró un crecimiento de más de 10 veces en usuarios e ingresos, generando acumulativamente más de 400 millones de vídeos; su cartera de clientes B2B es particularmente sólida: en publicidad y comercio electrónico están JD.com, Alibaba 1688, Amazon, Meituan, Focus Media, BlueFocus, L'Oréal, Anta; en cine, animación y televisión cubre Tencent Animation, China Literature (Yuewen), CCTV Animation, iQiyi, Mango TV; en videojuegos sirve a Lilith Games, 37 Interactive Entertainment.
Shengshu Technology no se conforma solo con la generación de vídeos, este año comenzó a extenderse hacia la inteligencia corporeizada.
En abril de 2026, Shengshu lanzó oficialmente el modelo de acción del mundo universal Motubrain, utilizando la ruta tecnológica World Action Model (WAM), que unifica en un solo modelo la percepción, predicción y acción, dotando a los robots de capacidades de "previsión de un solo cerebro" y "multifuncionalidad de un solo cerebro"; la versión comercial MotuBrain entró en validación a nivel industrial.
Esta empresa del ecosistema Tsinghua, fundada hace solo 3 años, está acelerando su evolución de "empresa de modelos de vídeo" a "plataforma de modelo del mundo universal". Los 500 millones de dólares recibidos se destinarán principalmente a la I+D del "Modelo del Mundo Universal".
Esta es la historia que realmente atrae al capital.
Aishi Technology: Unicornio en tres años, 150 millones de usuarios globales
El 14 de julio, Aishi Technology completó su ronda C+ liderada por Alibaba. Sumada a la ronda C de 300 millones de dólares completada en marzo (liderada por CDH Investments, con participación de China Ruyi, 37 Interactive Entertainment y cerca de 20 otras firmas), la financiación total de la ronda C alcanzó los 2,98 mil millones de RMB, con una valoración post-inversión que superó los 2 mil millones de dólares.
Alibaba ya había liderado previamente la ronda B de Aishi de 60 millones de dólares en septiembre de 2025, y esta ronda C+ representa una nueva apuesta. Ant Group también lideró la ronda A2 de más de 100 millones de RMB en abril de 2024.
La inversión continua del ecosistema Alibaba en Aishi indica que la considera un punto estratégico en el campo del vídeo con IA.
Hasta marzo de 2026, Aishi Technology superó los 150 millones de usuarios globales, con 15 millones de usuarios activos mensuales (MAU), y sus ingresos anuales recurrentes (ARR) alcanzaron los 40 millones de dólares.
Es interesante que el cofundador Xie Xuzhang revelara que el coste de entrenamiento de modelos de nivel similar de Aishi es aproximadamente solo el 10% del de sus competidores. La clave de esta ventaja de coste radica en la selección de datos de alta calidad, la reducción de iteraciones de entrenamiento ineficaces, y el uso de una arquitectura optimizada Diffusion Transformer, que mejora la utilización de recursos, reduce el coste por entrenamiento individual y logra reutilización de experiencia de ingeniería.
En enero de este año, Aishi lanzó PixVerse R1, proclamado como el primer modelo del mundo universal en tiempo real que soporta 1080P. A diferencia de la generación de vídeo tradicional "pregrabada", R1 logra la "generación dinámica en tiempo real" — el usuario puede ingresar nuevas instrucciones en cualquier momento durante la reproducción del vídeo, y la imagen puede lograr una transición natural y suave de luces, sombras y planos en aproximadamente 0,5 segundos.
La ruta de Aishi es diferente a la de otros jugadores: mientras otros compiten por la calidad de generación, Aishi compite por la capacidad de interacción. Una semana después del lanzamiento de R1, China Ruyi anunció una cooperación estratégica con Aishi e invirtió 14,2 millones de dólares.
Y el uso de los fondos de la última ronda C+ se especifica claramente: para el modelo base de generación de vídeo, el modelo del mundo en tiempo real y el crecimiento global.
Zhixiang Weilai (Smart Elephant Future): Nuevo unicornio, el enfoque atípico de "modelo + agente + hardware"
Zhixiang Weilai es el "nuevo unicornio" en esta lista — tras recibir 1,5 mil millones de RMB en su ronda C, su valoración post-inversión supera los mil millones de dólares. Su fundador, Mei Tao, es académico extranjero de la Academia Canadiense de Ingeniería y ex vicepresidente de JD.com.
Esta empresa completó intensamente tres rondas de financiación en los últimos tres meses, acumulando más de 2,1 mil millones de RMB.
El 23 de julio, Zhixiang Weilai anunció una ronda de financiación C de 1,5 mil millones de RMB, liderada por el Fondo de Seguridad Social, Sichuan Industrial Revitalization Fund y ICBC Investment, con la participación del fondo de visión nueva de Shanghai Film Group, Huace Film & TV y otros capitales de la industria cinematográfica y 18 instituciones — esta combinación de capitales nacionales a largo plazo, estatales locales y capital industrial es poco común en el campo del vídeo con IA.
Zhixiang ya lanzó en mayo de 2024 el primer modelo de arquitectura DiT para generación de vídeo de uso abierto global, y en la recién concluida WAIC 2026 presentó su agente de creación multimodal vivago R1, que se centra en la generación y edición de vídeos de duración ilimitada.
Actualmente, sus productos cubren más de 100 países, sirviendo a más de 50 millones de usuarios y 40.000 clientes empresariales. Sus ingresos totales en 2025 superaron los 100 millones de RMB, y los ingresos del Q1 2026 ya superaron los del año pasado. Mei Tao declaró durante la Feria de la Cadena de Suministro 2026 que, debido al alto costo del preentrenamiento de modelos grandes, se espera que la empresa alcance el punto de equilibrio mensual en 2029.
Mei Tao fue muy directo: "No competimos con ByteDance en capacidades subyacentes, nosotros nos dedicamos al marketing comercial, a la colaboración cinematográfica profesional."
La ruta de Zhixiang es clara: evitar el campo de batalla frontal de los grandes jugadores y profundizar en escenarios verticales. Primero estableció una base de usuarios con modelos de imagen, luego evolucionó hacia vídeo y modelos del mundo.
FlovaAI: Ronda ángel de 80M$, la tercera salida de Guo Lie
El fundador de FlovaAI, Guo Lie, es un nombre ineludible en la historia del internet móvil chino. En 2013, Guo Lie creó "Lianmeng" (Facemoji), luego "FaceU", y en 2018 su equipo fue adquirido por ByteDance por 300 millones de dólares. Posteriormente, participó en la incubación dentro de ByteDance de "Qingyan Camera" (Light颜 Camera), Xingtu (醒图), y Jianying (剪映) — sí, Jianying (剪映) es en lo que participó.
En 2025, Guo Lie emprendió nuevamente, fundando Shenzhen Yuzhou Technology (Rainboat Tech) y lanzando Flova.ai en octubre. Sequoia Capital China, IDG y Yunjiu Capital invirtieron acumulativamente más de 80 millones de dólares.
Dar 80 millones de dólares en una ronda ángel no es una apuesta por el producto, sino por Guo Lie como persona. Cada producto de herramienta para consumidores que ha creado en el pasado se ha convertido en un fenómeno viral.
Flova es una plataforma Agente de creación de vídeo nativa para IA. Los usuarios expresan sus necesidades creativas a través del diálogo, y el Agente completa todo el flujo de trabajo, desde la creación del guión, diseño de personajes, diseño de planos, hasta la generación de imágenes/vídeo/audio y el montaje de la línea de tiempo de edición.
A diferencia del formato principal de lienzo en el mercado, Flova diseñó un panel de trabajo de "storyboard". El Agente recibe instrucciones en el cuadro de diálogo, y el proceso de trabajo se presenta en el storyboard izquierdo; el usuario ve el resultado directamente en la zona de vista previa central y puede intervenir y modificar en cualquier momento haciendo doble clic si no está satisfecho.
Varios usuarios tempranos comentaron que la mayor característica de Flova es su "memoria" — después de crear más de una docena de episodios, aún puede recordar un plano específico del primer episodio. Esta capacidad de memoria de contexto largo es muy destacada entre productos similares.
En esta etapa, Flova adopta una estrategia de margen bruto cero. Guo Lie dijo: "Durante el período de desarrollo, intentaremos lograr un margen bruto cero." El equipo no tiene prisa por perseguir ingresos a corto plazo, y se centra más en la proporción de consumo efectivo: qué parte del consumo de tokens considera valioso el usuario, y cuáles son desperdicios ineficaces debido a deficiencias del producto.
¿Por qué se aglomeran todas en julio? Posibles razones
Volvamos ahora a la pregunta central: ¿Por qué estas 5 empresas concentraron su financiación en julio de manera tan densa? Al unir toda la información, encuentro que cuatro razones generan una resonancia.
Primero, el "efecto de succión" de ByteDance's Seedance obliga a todos a acelerar.
Desde su lanzamiento en febrero de este año, ByteDance's Seedance 2.0 generó ingresos mensuales superiores a mil millones de RMB, con una tasa de penetración en la industria del mini-drama de aproximadamente el 95%, y según el consumo diario de tokens, ocupa más del 80% de la cuota de mercado.
Volcano Engine ajustó su objetivo de ingresos MaaS para 2026 de 1,5 mil millones del año pasado a 15 mil millones — un crecimiento de 10 veces, casi completamente dependiente del modelo Seedance. Además, Seedance 2.1 se lanzará próximamente, con una mejora esperada del 20%, y el precio de la versión de baja gama se reducirá a 0,5 RMB por segundo.
Cuando ByteDance está utilizando una "capacidad de modelo abrumadoramente líder + guerra de precios" para dominar el mercado, si otros jugadores no obtienen dinero rápidamente, acumulan potencia de cálculo y aceleran la iteración, podrían perder incluso la calificación para permanecer en la mesa.
Todos buscan un punto de apoyo para enfrentarse a ByteDance a largo plazo. Pero los enfoques son completamente diferentes: Keling sigue la ruta de plataforma multimodal completa, Shengshu la ruta del experto tecnológico, Aishi la ruta diferenciada de interacción en tiempo real, Zhixiang la ruta de profundización en escenarios verticales, y FlovaAI la ruta del flujo de trabajo con Agentes.
El capital no está invirtiendo en la misma historia, sino apostando por diferentes rutas tecnológicas y modelos de negocio.
Segundo, la comercialización ya está funcionando, el capital ve una vía de salida.
El año pasado aún se debatía si "el vídeo con IA puede generar dinero", este año los datos ya están aquí: Keling tiene un ARR de casi 5 mil millones de dólares, Shengshu creció más de 10 veces en ingresos en 2025, Aishi tiene un ARR de 40 millones de dólares, Seedance supera los mil millones mensuales.
Publicidad, comercio electrónico, mini-dramas, videojuegos, cine y televisión — los escenarios de pago para el vídeo con IA se están validando uno tras otro. Este estado de "flujo de caja visible" es el desencadenante directo de la entrada concentrada de capital.
Tercero, el campo evoluciona de "generación de vídeo" a "modelo del mundo", la narrativa se ha actualizado.
En la primera mitad de este año, el panorama competitivo de los modelos base grandes tiende a concentrarse, y el capital del mercado primario comenzó a buscar la siguiente dirección, convirtiéndose la generación multimodal y los modelos del mundo en la salida consensuada.
Observa una tendencia: ninguna de las 4 empresas que recibieron financiación masiva dice que solo hace "generación de vídeo". Keling habla de un flujo de trabajo de creación multimodal All-in-One, Shengshu habla del "Modelo del Mundo Universal" y la inteligencia corporeizada, Aishi habla del "Modelo del Mundo en Tiempo Real" y el entretenimiento interactivo, Zhixiang habla del "Modelo del Mundo Multimodal Nativo" y el razonamiento causal.
La generación de vídeo es solo la entrada, el final real es el modelo del mundo — un sistema de IA que pueda comprender, razonar y construir el mundo físico. Los inversores no miran el mercado de generación de vídeo de este año, sino quién podrá destacar en los modelos del mundo dentro de tres años.
Cuarto, la ventana para OPV en Hong Kong está abierta, el capital se apresura a conseguir "billetes".
Tras el exitoso debut en la Bolsa de Hong Kong de Zhipu y MiniMax en enero de este año, los fondos captados por OPV en el primer trimestre superaron los 100 mil millones de HKD en 79 días, un récord histórico, y hay más de 350 empresas en lista de espera.
Shengshu completó su transformación en sociedad anónima y los rumores de OPV son constantes; la escisión, financiación y cláusulas de recompra de Keling son esencialmente un preludio a la OPV. La densa financiación del mercado primario se debe en gran medida a la preparación para la entrada en el mercado secundario.
Finalmente, quiero decir que después de este julio, el campo del vídeo con IA ha entrado en la ronda final, y el panorama probablemente será mucho más claro: las empresas líderes con grandes fondos se lanzan hacia la OPV, las empresas de nivel medio son reevaluadas bajo la narrativa del modelo del mundo, y nuevos jugadores como Flova intentan eludir la carrera armamentística de modelos con Agentes, cortando un trozo del pastel desde la capa de aplicación.
Pero detrás del bullicio está el problema de que el dinero llega rápido, pero se quema aún más rápido. La generación de vídeo es la categoría de IA que más consume potencia de cálculo; más de 26 mil millones suenan impresionantes, pero distribuidos entre las facturas anuales de cálculo de cada empresa, no necesariamente serán abundantes.
Este artículo proviene del WeChat Official Account "IT桔子" (ID: itjuzi521), autor: Wu Meimei
