Tháng 7 chưa kết thúc, cuộc đua trong lĩnh vực tạo video AI đã nóng đến mức cháy.
Từ ngày 3 đến 23 tháng 7, chỉ trong 20 ngày ngắn ngủi, 5 công ty đã lần lượt công bố các vòng gọi vốn lớn. Kelin AI nhận 3 tỷ USD, Shengshu Technology nhận 500 triệu USD, Aishi Technology vòng C+ vài tỷ USD, Zhixiang Weilai vòng C 1.5 tỷ NDT, ngay cả một công ty mới thành lập chưa đầy một năm là FlovaAI cũng nhận được 80 triệu USD vòng thiên thần.
Tổng số tiền gọi vốn của 4 công ty đầu tiên đạt cấp độ kỳ lân cộng lại, vượt quá 26.2 tỷ NDT. Điều này có nghĩa là số tiền đổ vào chỉ riêng tháng 7 năm 2026 này, còn nhiều hơn tổng số tiền của toàn bộ lĩnh vực trong hai năm qua (2024-2025) cộng lại.
Tại sao họ đều tập trung gọi vốn vào tháng 7, rốt cuộc đã xảy ra chuyện gì? Đây không nên là một sự trùng hợp ngẫu nhiên.
Kelin AI: BAT lịch sử cùng đầu tư, ARR tăng gấp 4 lần trong một năm
Ngày 3 tháng 7, Kelin AI thông báo huy động tối đa 3 tỷ USD vòng A, dẫn đầu bởi CPE Yuanfeng, Guofang Innovation, với sự tham gia của 34 tổ chức đầu tư – trong danh sách nhà đầu tư, Tencent, Alibaba Cloud, Baidu hiếm hoi cùng xuất hiện. Guangyuan Capital đóng vai trò cố vấn tài chính.
Mức tăng vốn tối đa 3 tỷ USD vòng A, tương ứng với định giá sau đầu tư khoảng 18 tỷ USD; phần đã ký kết hiện tại khoảng 19 tỷ NDT.
Tại sao vốn dám đưa ra con số này, vẫn phải nhờ báo cáo quý I năm 2026 của Kuaishou mang lại niềm tin cho thị trường.
Báo cáo tài chính Q1/2026 của Kuaishou tiết lộ, Kelin AI doanh thu một quý vượt 650 triệu NDT, tăng trưởng trên 300% so với cùng kỳ. Tỷ lệ doanh thu hàng năm hóa (ARR) từ 100 triệu USD vào tháng 3/2025 đã tăng vọt lên gần 500 triệu USD vào tháng 3/2026, tăng gấp 4 lần.
Con số này trong lĩnh vực video AI là đứt gãy – ngoại trừ Seedance của ByteDance, không có công ty thứ hai nào trong nước đạt được quy mô này.
Doanh thu của Kelin được thúc đẩy bởi hai bánh xe: Khách hàng doanh nghiệp B2B gọi API + Thuê bao thành viên trả phí P2C. Tính đến tháng 6/2026, Kelin AI người dùng toàn cầu vượt 100 triệu, khách hàng doanh nghiệp gần 50 nghìn. Chẳng hạn, Kelin đã tham gia sâu vào sản xuất cảnh ảo và hiệu ứng đặc biệt cho bộ phim truyền hình lịch sử nổi tiếng Trung Quốc "Thái Bình Niên", hỗ trợ tạo ra hàng trăm cảnh quay chất lượng cao cho loạt phim Hollywood "Vương triều David".
Về sản phẩm, tháng 2 năm nay, Kelin ra mắt loạt mô hình 3.0, thực hiện tạo video dài nhất 15 giây, kiểm soát phân cảnh, tính nhất quán chủ thể, đồng bộ âm thanh và hình ảnh.
Đáng chú ý là hai chi tiết. Một là định giá có điều chỉnh giảm so với mục tiêu 20 tỷ USD đồn đại vào tháng 5, định giá thực tế hơn, giao dịch chạy nhanh hơn; hai là trong thông báo có điều khoản cược – nếu Beijing Kelin không hoàn thành IPO trước tháng 10/2031, nhà đầu tư có quyền yêu cầu mua lại với lãi suất đơn 8% hàng năm cộng vốn gốc.
Tách ra, gọi vốn, khuyến khích cổ phần, điều khoản mua lại, loạt tổ hợp này chỉ rõ một hướng: Kelin đang mở đường cho việc niêm yết độc lập.
Shengshu Technology: Gọi vốn 500 triệu USD đêm trước IPO, từ mô hình video hướng tới "Mô hình thế giới"
Ngày 6 tháng 7, Shengshu Technology thông báo gọi vốn 500 triệu USD vòng B+.
Nhưng nếu kéo dài đường thời gian, công ty này đã gọi được 3 vòng trong 5 tháng: Tháng 2 vòng A+ hơn 600 triệu NDT (dẫn đầu bởi Zhongguancun Science City, Xinglian Capital), tháng 4 vòng B 2 tỷ NDT (dẫn đầu bởi Alibaba Cloud), cộng thêm vòng 500 triệu USD tháng 7 này, tích lũy đã vượt 5 tỷ NDT.
3 vòng trong 5 tháng, nhịp độ này nói lên một điều: Vốn đang tranh nhau lên thuyền. Tại sao lại vội vã như vậy?
Cuối tháng 3 năm nay, Shengshu Technology đã hoàn thành cải tổ cổ phần – đây là động thái tiêu chuẩn trước khi niêm yết. Tin thị trường cho biết công ty nhanh nhất sẽ khởi động quy trình IPO ở Hồng Kông vào nửa đầu năm. Vì vậy, vốn tranh nhau lên thuyền vào đêm trước IPO.
Sản phẩm cốt lõi của Shengshu Technology là Vidu , ra mắt toàn cầu vào tháng 7/2024, ba năm đã lặp lại đến phiên bản Vidu S1 – mô hình tương tác thời gian thực, hỗ trợ điều khiển khung hình bằng giọng nói và tạo video thời lượng vô hạn (1 phút - 2 giờ).
Năm 2025, Shengshu Technology đã đạt được tăng trưởng người dùng và doanh thu trên 10 lần, tích lũy tạo ra hơn 400 triệu video; đặc biệt danh sách khách hàng B2B khá cứng: lĩnh vực quảng cáo thương mại điện tử có JD.com, Alibaba 1688, Amazon, Meituan, Focus Media, BlueFocus, L'Oréal, Anta; lĩnh vực phim ảnh hoạt hình bao phủ Tencent Animation, Yuewen Group, CCTV Animation, iQiyi, Mango TV; lĩnh vực game phục vụ Lilith Games, 37 Interactive Entertainment.
Shengshu Technology không hài lòng chỉ làm tạo video, năm nay bắt đầu mở rộng hướng đến trí thông minh thể hiện.
Tháng 4/2026, Shengshu Technology chính thức phát hành mô hình hành động thế giới phổ quát Motubrain, áp dụng lộ trình công nghệ World Action Model (WAM), mô hình hóa thống nhất nhận thức, dự đoán và hành động, giúp robot có khả năng "một não dự đoán" và "một não đa năng", đồng thời phiên bản thương mại MotuBrain bước vào giai đoạn xác minh cấp công nghiệp.
Công ty thuộc hệ thống Thanh Hoa này thành lập chỉ 3 năm, đang tăng tốc tiến hóa từ "công ty mô hình video" thành "nền tảng mô hình thế giới phổ quát". 500 triệu USD đến tài khoản, vốn sẽ chủ yếu được sử dụng cho nghiên cứu phát triển "Mô hình thế giới phổ quát".
Đây mới là câu chuyện mà vốn thực sự nhìn thấy.
Aishi Technology: Kỳ lân ba năm, 1.5 tỷ người dùng toàn cầu
Ngày 14 tháng 7, vòng C+ của Aishi Technology do Alibaba dẫn đầu. Cộng với vòng C 300 triệu USD hoàn thành vào tháng 3 (dẫn đầu bởi CDH Investments, với sự tham gia của gần 20 tổ chức như China Ruyi, 37 Interactive Entertainment), tổng số vốn gọi vòng C đạt 2.98 tỷ NDT, định giá sau đầu tư vượt 2 tỷ USD.
Alibaba trước đó đã dẫn đầu vòng B 60 triệu USD của Aishi vào tháng 9/2025, vòng C+ này tiếp tục tăng cường. Ant Group cũng đã dẫn đầu vòng A2 hơn 100 triệu NDT vào tháng 4/2024.
Việc đầu tư liên tục của hệ thống Alibaba vào Aishi, cho thấy họ coi Aishi là điểm bố trí chiến lược trong lĩnh vực video AI.
Tính đến tháng 3/2026, người dùng toàn cầu của Aishi Technology đã vượt 150 triệu, hoạt động hàng tháng (MAU) 15 triệu, doanh thu thường xuyên hàng năm (ARR) đã đạt 40 triệu USD.
Thú vị là, đồng sáng lập Tạ Húc Chương tiết lộ, chi phí đào tạo mô hình cùng cấp của Aishi chỉ bằng khoảng 10% so với các công ty cùng ngành. Con đường chính cho lợi thế chi phí này là lọc dữ liệu chất lượng cao, giảm số lần lặp đào tạo vô hiệu, và tận dụng kiến trúc Diffusion Transformer tối ưu hóa, nâng cao tỷ lệ sử dụng tài nguyên, giảm chi phí đào tạo một lần, thông qua tái sử dụng kinh nghiệm kỹ thuật hóa để đạt được.
Tháng 1 năm nay, Aishi phát hành PixVerse R1, tuyên bố là mô hình thế giới thời gian thực phổ quát đầu tiên trên thế giới hỗ trợ 1080P. Khác với tạo video kiểu "ghi trước" truyền thống, R1 thực hiện "tạo động thời gian thực" – người dùng nhập lệnh mới bất cứ lúc nào trong quá trình phát video, hình ảnh có thể đạt được sự chuyển tiếp tự nhiên mượt mà giữa ánh sáng, bóng tối và cảnh quay trong khoảng 0.5 giây.
Lộ trình của Aishi khác với các tay chơi khác: Người khác đang cuốn theo chất lượng tạo, nó đang cuốn theo khả năng tương tác. R1 phát hành chỉ một tuần, China Ruyi đã thông báo thiết lập hợp tác chiến lược với Aishi và đầu tư 14.2 triệu USD.
Và mục đích sử dụng vốn vòng C+ mới nhất ghi rõ: Dùng cho mô hình cơ bản tạo video, mô hình thế giới thời gian thực, tăng trưởng toàn cầu hóa.
Zhixiang Weilai: Kỳ lân mới lên, cách đánh khác biệt "Mô hình + Agent + Phần cứng"
Zhixiang Weilai là "kỳ lân mới lên" trong danh sách này – vòng C 1.5 tỷ NDT hoàn thành, định giá sau đầu tư vượt 1 tỷ USD. Người sáng lập Mai Thao là Viện sĩ nước ngoài Viện Hàn lâm Kỹ thuật Canada, cựu Phó chủ tịch JD.com.
Công ty này trong ba tháng gần đây đã hoàn thành dày đặc ba vòng gọi vốn, tích lũy vượt 2.1 tỷ NDT.
Vào ngày 23 tháng 7, Zhixiang Weilai thông báo gọi vốn 1.5 tỷ NDT vòng C, dẫn đầu bởi Quỹ Bảo hiểm Xã hội, Tứ Xuyên Chấn Hưng Công nghiệp Quỹ, Công Thương Ngân hàng Đầu tư, với sự tham gia của vốn ngành công nghiệp phim ảnh như Thượng Ảnh Tân Thị Dã Quỹ, Hoa Sách Ảnh Thị và 18 tổ chức khác – sự kết hợp giữa vốn dài hạn cấp quốc gia, vốn nhà nước địa phương và vốn ngành công nghiệp, không phổ biến trong lĩnh vực video AI.
Zhixiang từ tháng 5/2024 đã ra mắt mô hình tạo video kiến trúc DiT đầu tiên trên thế giới cho phép sử dụng mở, tại WAIC 2026 vừa kết thúc đã phát hành Agent sáng tạo đa phương thức vivago R1, chủ đạo tạo và chỉnh sửa video thời lượng vô hạn.
Hiện tại sản phẩm của họ bao phủ hơn 100 quốc gia toàn cầu, phục vụ hơn 50 triệu người dùng và 40 nghìn khách hàng doanh nghiệp. Năm 2025 doanh thu cả năm vượt 100 triệu NDT, trong khi Q1/2026 doanh thu đã vượt năm ngoái. Mai Thao trong thời gian Hội chợ Chuỗi 2026 phát biểu, do chi phí đào tạo trước mô hình lớn cao, dự kiến công ty đạt cân bằng thu chi hàng tháng vào năm 2029.
Mai Thao nói cũng rất trực tiếp: "Chúng tôi không đấu với ByteDance về năng lực cơ sở, chúng tôi làm marketing thương mại, là hợp tác chuyên nghiệp điện ảnh."
Lộ trình của Zhixiang rất rõ ràng: Tránh mặt trận chính của các công ty lớn, đào sâu trong kịch bản dọc. Họ sử dụng mô hình hình ảnh để thiết lập cơ sở người dùng trước, sau đó tiến hóa sang video và mô hình thế giới.
FlovaAI: 80 triệu USD vòng thiên thần, lần xuất phát thứ ba của Quách Liệt
Người sáng lập FlovaAI là Quách Liệt, là một cái tên không thể bỏ qua trong lịch sử di động Internet Trung Quốc. Năm 2013 Quách Liệt làm ra Liǎn Mēng, sau đó là FaceU Jī Mēng, năm 2018 đội ngũ được ByteDance mua lại với giá 300 triệu USD. Sau đó anh tham gia ấp trứng cho Light Cam, Xǐng Tú , Jiǎn Yìng – đúng vậy, Jiǎn Yìng chính là sản phẩm anh tham gia làm ra.
Năm 2025 Quách Liệt lại xuất phát, thành lập Thâm Quyến Vũ Chu Công nghệ, tháng 10 ra mắt Flova.ai. Sequoia Capital China, IDG, Yunjiu Capital tích lũy đầu tư hơn 80 triệu USD.
Vòng thiên thần đã dám cho 80 triệu USD, nhà đầu tư đánh cược không phải sản phẩm, mà là con người Quách Liệt. Mỗi sản phẩm công cụ C2C anh từng làm đều trở thành hiện tượng bùng nổ.
Flova là một nền tảng Agent sáng tạo video nguyên sinh AI. Người dùng thông qua hội thoại biểu đạt nhu cầu sáng tạo, Agent hoàn thành toàn bộ quy trình từ sáng tác kịch bản, thiết kế nhân vật, thiết kế phân cảnh đến tạo hình ảnh/video/âm thanh, lắp ráp dòng thời gian chỉnh sửa.
Khác với hình thái canvas chủ đạo trên thị trường, Flova thiết kế một bảng làm việc "bảng phân cảnh". Agent nhận lệnh trong hộp hội thoại, quá trình làm việc hiển thị trên bảng phân cảnh bên trái, người dùng thông qua khu vực xem trước ở giữa xem kết quả trực tiếp, không hài lòng có thể can thiệp sửa đổi bất cứ lúc nào bằng cách nhấp đúp.
Phản hồi từ nhiều người dùng sớm cho thấy, điểm lớn nhất của Flova là "trí nhớ" – sau khi sáng tác hơn chục tập, vẫn có thể nhớ một phân cảnh nào đó của tập đầu tiên. Khả năng ghi nhớ ngữ cảnh dài này rất nổi bật trong các sản phẩm cùng loại.
Giai đoạn hiện tại Flova áp dụng chiến lược 0 lợi nhuận gộp. Quách Liệt nói: "Trong giai đoạn phát triển, chúng tôi sẽ cố gắng đạt 0 lợi nhuận gộp." Đội ngũ không vội vàng theo đuổi doanh thu ngắn hạn, quan tâm hơn đến tỷ lệ tiêu hao hiệu quả: Trong số Token tiêu hao, bao nhiêu phần trăm là người dùng cảm thấy có giá trị, những phần nào là lãng phí vô hiệu do sản phẩm không đủ tốt.
Tại sao đều dồn vào tháng 7? Nguyên nhân có thể có
Bây giờ quay lại vấn đề cốt lõi: Tại sao 5 công ty này không hẹn mà cùng nhau gọi vốn dày đặc vào tháng 7? Tôi ghép tất cả thông tin lại, phát hiện bốn nguyên nhân tạo thành cộng hưởng.
Thứ nhất, hiệu ứng "hút khí" của ByteDance Seedance buộc tất cả mọi người tăng tốc.
Seedance 2.0 của ByteDance kể từ khi phát hành vào tháng 2 năm nay, doanh thu một tháng vượt 1 tỷ NDT, tỷ lệ thâm nhập ngành phim ngắn khoảng 95%, tính theo lượng tiêu hao Token hàng ngày chiếm hơn 80% thị phần thị trường.
Volcano Engine điều chỉnh mục tiêu doanh thu MaaS năm 2026 từ 1.5 tỷ NDT năm ngoái lên 15 tỷ NDT – tăng 10 lần, hầu như chỉ dựa vào một mô hình Seedance. Và Seedance 2.1 sắp phát hành, hiệu quả dự kiến tăng thêm 20%, phiên bản thấp cấp giá ép xuống 5 hào một giây.
Khi ByteDance đang sử dụng "khả năng mô hình dẫn đầu đứt gãy + chiến tranh giá" giết kép thị trường, những tay chơi khác nếu không nhanh chóng lấy tiền, tích trữ năng lực tính toán, tăng tốc lặp lại, có thể ngay cả tư cách ở lại bàn chơi cũng không có.
Mọi người đều tìm một điểm tựa có thể chống lại ByteDance lâu dài. Nhưng cách đánh hoàn toàn khác nhau: Kelin đi lộ trình nền tảng hóa toàn phương thức, Shengshu đi lộ trình kỹ thuật cực đoan, Aishi đi lộ trình tương tác thời gian thực khác biệt hóa, Zhixiang đi lộ trình đào sâu kịch bản dọc, FlovaAI đi lộ trình quy trình làm việc Agent.
Vốn không đầu tư vào cùng một câu chuyện, mà đang đặt cược vào các lộ trình công nghệ và mô hình kinh doanh khác nhau.
Thứ hai, thương mại hóa đã chạy thông, vốn nhìn thấy đường thoái lui.
Năm ngoái mọi người còn thảo luận "AI video có kiếm được tiền không", năm nay số liệu đã ra: Kelin ARR gần 500 triệu USD, Shengshu năm 2025 doanh thu tăng trưởng trên 10 lần, Aishi ARR 40 triệu USD, Seedance một tháng hơn 1 tỷ NDT.
Quảng cáo, thương mại điện tử, phim ngắn, game, điện ảnh – kịch bản trả phí của video AI được xác minh từng cái một. Trạng thái "nhìn thấy dòng tiền" này, là công tắc kích hoạt trực tiếp cho vốn tập trung vào sân.
Thứ ba, lĩnh vực từ "tạo video" nâng cấp thành "mô hình thế giới", tường thuật nâng cấp.
Nửa đầu năm nay, cấu trúc cạnh tranh của mô hình lớn cơ sở có xu hướng tập trung, vốn thị trường sơ cấp bắt đầu tìm kiếm hướng đi giai đoạn tiếp theo, tạo đa phương thức và mô hình thế giới trở thành lối ra đồng thuận.
Chú ý một xu hướng: 4 công ty nhận được vốn gọi khổng lồ không có công ty nào chỉ nói mình đang làm "tạo video". Kelin đang nói về quy trình làm việc sáng tạo toàn phương thức All-in-One, Shengshu đang nói về "Mô hình thế giới phổ quát" và trí thông minh thể hiện, Aishi đang nói về "Mô hình thế giới thời gian thực" và giải trí tương tác, Zhixiang đang nói về "Mô hình thế giới toàn phương thức nguyên sinh" và suy luận nhân quả.
Tạo video chỉ là lối vào, cục diện cuối cùng thực sự là mô hình thế giới – hệ thống AI có thể hiểu, suy luận, xây dựng thế giới vật lý. Nhà đầu tư nhìn không phải thị trường tạo video năm nay, mà là ba năm sau ai có thể chạy ra trong mô hình thế giới.
Thứ tư, cửa sổ IPO Hồng Kông mở rộng, vốn đang tranh giành "vé xe".
Tháng 1 năm nay, Zhì Pǔ, MiniMax lên sàn Hồng Kông, cổ phiếu cả hai cùng tăng mạnh, quý I IPO Hồng Kông huy động vốn vượt 100 tỷ HKD trong 79 ngày, lập kỷ lục lịch sử nhanh nhất, số doanh nghiệp xếp hàng vượt 350.
Shengshu cải tổ cổ phần xong, tin đồn IPO không ngừng; việc tách vốn và điều khoản mua lại của Kelin, bản chất cũng là khúc dạo đầu trước khi niêm yết. Việc gọi vốn dày đặc trên thị trường sơ cấp, phần lớn đang chuẩn bị cho vé vào cửa thị trường thứ cấp.
Cuối cùng tôi muốn nói, sau tháng 7 này, lĩnh vực video AI bước vào vòng chung kết, cấu trúc đại khái sẽ rõ ràng hơn nhiều: Công ty hàng đầu nắm chặt vốn nặng tay chạy nước rút lên sàn, công ty tầm giữa được định giá lại bởi tường thuật mô hình thế giới, còn những tay chơi mới như Flova, đang cố gắng sử dụng Agent để tránh cuộc đua vũ trang mô hình, cắt một phần bánh từ tầng ứng dụng.
Nhưng vấn đề sau sự náo nhiệt là tiền đến nhanh, đốt tiền càng nhanh. Tạo video là loại AI tiêu hao năng lực tính toán dữ dội nhất, hơn 26 tỷ nghe kinh ngạc, trải đều lên hóa đơn năng lực tính toán một năm của các công ty, chưa chắc đã rộng rãi.
Bài viết này đến từ tài khoản WeChat công cộng "IT桔子" (ID:itjuzi521), tác giả: Ngô Mai Mai
