字節海外競對：停更一年半躺賺50萬，逆襲估值5億美元

出品｜虎嗅科技組

作者｜SnowyM

編輯｜陳伊凡

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「53」篇文章。

2021年初，兩個年輕人花了兩天時間做了一個自動字幕App。上線沒幾天，它就沖上了App Store排行榜榜首。

聽起來是個好的開始。但這兩個人覺得字幕工具太“小”了，不夠性感，于是轉頭去做了一個照片分享應用，想抓住Instagram從照片轉向視頻時留下的空白。照片App確實拿到了五六萬日活用戶，也順利完成了A輪融資。

而那個字幕App被他們扔在了付費墻后面，停了維護，停了更新，徹底遺忘了。創始人Gaurav Misra的個人蘋果賬戶里堆了幾千封用戶客服郵件，一封都沒讀。

一年半之后，他們偶然打開后臺，發現了一件離譜的事：這個沒人管的App，自己長到了50萬用戶，賺了50萬美元。

這個被遺忘又被撿回來的產品，就是今天剛剛拿到General Catalyst 7500萬美元、估值5億美元、累計融資1.75億美元的AI視頻平臺Mirage的前身Captions。

在AI視頻賽道競爭最激烈的2026年，Mirage走了一條很特別的路。它既沒有像Runway那樣瞄準電影級的視頻生成，也沒有像Synthesia那樣全力押注企業數字人培訓。它死磕的是一件更大眾的事：讓普通人和小團隊也能快速做出好看的短視頻。

帶著a16z、紅杉、Kleiner Perkins、Index Ventures這些頂級機構給的錢，和超過2000萬全球用戶，這家公司正試圖證明，AI視頻賽道里最大的機會，可能藏在最日常的場景里。

Mirage的轉型，是AI時代，AI視頻公司一個非常典型的樣本。L2F光源創業者基金投資總監Lela一直在一線密集看許多AI視頻的項目，她告訴虎嗅，視頻模型群雄逐鹿，國內外均有幾十億美金的創業公司，大模型公司和大廠也均有布局，應用公司的突圍方式更多要回歸創作本身。

在前幾年，創業公司會更多聚焦在單點功能和交互方式的創新上，比如captions的字幕，對口型，虛擬形象；還有typenow主推的畫布交互，出發的基點都是創作者在ai時代與agent產生的新交互。隨著模型能力的提升，模型端到端完成任務的能力趨強，創作者的心智也在改變，交互將會變得更為簡單，底層的工程框架和創作者knowhow/skill的積累會成為新一代視頻agent的核心資產，市場會一直處于紅海狀態，新的10億美金公司仍會產生，對于創業公司來說只有變化是不變的。

Lela的話，也指出了Mirage這家公司未來的挑戰，他們正是從Captions起家，迅速跑起來，然后再Pivot（轉型）最后成為一個讓AI端到端完成從素材到成片的工作流的平臺。

從一個字幕工具到AI視頻全棧平臺

Captions最早能跑起來，靠的是一個特別樸素的洞察：人們越來越多地在無聲狀態下刷短視頻。

地鐵上、辦公室里、深夜躺在床上，手機靜音是常態。TikTok、Instagram Reels、YouTube Shorts上的內容，有很大比例是在沒有聲音的情況下被消費的。a16z在投資Captions時就專門提到了這一點：無聲觀看讓字幕和文字覆蓋變成了短視頻的剛需，而當時市面上的字幕工具要么太粗糙，要么太貴。

Captions做的事情很簡單：給視頻自動加字幕，支持100多種語言，還能自定義字體、顏色、動畫效果。就這么一個看起來不起眼的功能，上線6個月就做到了10萬日活用戶。

但字幕只是起點。

2023年開始，Captions進入了功能爆發期。它推出了AI口型同步配音（Lipdub），能把視頻里的語音翻譯成28種語言，同時讓說話人的嘴型和翻譯后的語音匹配上。2025年的新版音頻模型甚至能保留說話者原本的口音特征，這在行業里很領先。

緊接著是AI虛擬形象（AI Creator），號稱全球第一個專為內容創作設計的3D數字人，用戶不用真人出鏡就能生成逼真的視頻。然后是AI一鍵編輯，系統自動給視頻加轉場、插入B-roll素材、配音樂和音效，提供21種以上的預設風格。還有AI眼神矯正，讓說話的人看起來始終在直視鏡頭。

這些功能單拎出來看都挺厲害，但Captions把它們全部塞進了同一個App里。一個從沒剪過視頻的普通人，打開Captions，錄一段話，點幾下，就能拿到一條看起來像專業團隊產出的短視頻。

2025年9月，公司做了一件引起行業關注的事：從Captions更名為Mirage。

這次改名背后有很明確的信號。創始人Gaurav Misra在官方聲明里說：「在我們看來，AI視頻的真正競賽還沒有開始。Mirage這個名字代表了我們更大的愿景——通過前沿AI研究和模型，從短視頻開始，重新定義視頻這個品類。」

改名之后的架構是這樣的：Mirage作為母公司品牌，旗下保留Captions（消費者創作應用）和新開辟的Mirage Studio（面向品牌和營銷團隊的企業平臺）。更核心的變化在技術層。公司從頭訓練了自己的基礎模型，包括Mirage Video（音頻到視頻的生成模型）和Mirage Audio（可控的表現力音頻生成模型）。

這兩個模型的特別之處在于，它們是專門為短視頻場景設計的。傳統的AI視頻模型追求的是通用的畫面生成能力，但Mirage的模型關注的是短視頻里最核心的三個變量：節奏、構圖和注意力動態。

簡單說，就是什么時候切畫面、畫面怎么擺、怎么在前幾秒抓住觀眾的注意力。這些東西對專業剪輯師來說是直覺，Mirage要做的是把這種直覺變成模型能力，讓AI替你做出這些判斷。

Mirage官方把這種方法叫做“Assembly Intelligence（組裝智能）”，核心思路是把多個專門的AI模型組合在一起，分別負責節奏、構圖、注意力和音頻，最后輸出一條完整的視頻。

在賺錢這件事上，Mirage用的是訂閱制加積分制的組合。免費版提供基礎功能，Pro版每月9.99美元（200積分），Max版24.99美元（500積分），Scale版69.99美元（1400積分），企業版定制價格。AI功能按積分消耗，比如用AI生成視頻按秒計費，用對話式編輯按消息計費。這種模式的好處是，把后臺的AI算力成本透明化了，用戶用多少付多少。

另一個讓人意外的數字是，Captions在2023年B輪融資時就已經實現了正現金流，這在AI創業公司里幾乎沒人做到過。根據AppFigures的數據，過去12個月Captions的應用內收入約為2840萬美元，其中75%來自美國以外的市場，全球化能力很突出。

融資路徑也非常清晰。種子輪和A輪由紅杉和a16z聯合領投，2023年B輪2500萬美元由Kleiner Perkins領投，2024年C輪6000萬美元由Index Ventures領投，估值達到5億美元。2026年3月，公司又拿到了General Catalyst旗下Customer Value Fund的7500萬美元增長融資，累計融資超過1.75億美元。

General Catalyst給這輪錢用的是一種特殊的“非稀釋性資本”結構，之前只有Stripe和Gusto拿過類似的錢。General Catalyst常務董事Pranav Singhvi對Mirage的評價是：Mirage的商業方程式非常成熟。他們清楚知道怎么花每一美元，并且產生很強的投資回報。如果你想想他們面對的市場，這在某種意義上是一個無限大的可尋址市場。

一個Snap設計主管和一個高盛產品經理

Mirage的兩位創始人背景差異很大，但剛好拼成了一塊完整的拼圖。

Gaurav Misra，CEO，出生在波士頓，4歲搬回印度新德里長大。在印度，計算機科學從小學就開始教，Misra 8到10歲就跟哥哥一起編程做游戲了。后來他去波士頓大學讀了計算機科學，在學校里學了機器學習的課程。

畢業后他先后在微軟Azure團隊和幾家創業公司干過，2016年加入Snap，一待就是5年。他在Snap做到了設計工程負責人（Head of Design Engineering），這是一個融合設計和工程的混合角色，專門負責創新和新產品方向。Snap Map、Spotlight（Snap對標TikTok的短視頻產品），他都參與了。

在Snap的這5年里，Misra親眼看到了短視頻從一種內容形式變成了全球最主流的表達方式。TikTok爆發、Reels跟進、Shorts入場，短視頻吞噬了幾乎所有人的注意力。但他同時也發現，絕大多數想做短視頻的人根本不會剪輯。拍攝多次、剪輯門檻高、配音和字幕費時費力，這些摩擦攔住了大量潛在的創作者。

另一位創始人Dwight Churchill，COO，走的是完全不同的路線。他在高盛做過消費金融平臺Marcus的產品開發，是Marcus團隊的早期成員。在高盛之前，他還在Taboola做過開發，后來轉型成了產品經理。增長和商業化是他的強項，他很清楚怎么把一個產品變成一門生意。

兩個人最早在一家叫Localytics的移動分析公司認識，當時在不同團隊工作，但都留意到了同一件事：短視頻平臺正在瘋狂增長，可是做視頻的門檻完全沒有降下來。

2021年初，兩人先后離開大公司，湊在一起，花了兩天時間做出了第一個產品原型。這就是前面提到的字幕App。上線幾天沖到App Store榜首，但每個月自費超過1萬美元維護服務器，兩個人扛不住成本壓力，決定先轉向做照片社交。

后面的事情我們已經知道了。照片App拿到了融資和日活，但被遺忘的字幕App在沒有任何推廣和維護的情況下自己增長到了50萬用戶、50萬美元收入。

這個數據說明了一件事：市場在用錢投票。

Misra和Churchill反復討論之后，做了一個讓投資人和團隊都有點緊張的決定：砍掉照片分享App，所有資源轉向AI視頻。用Misra后來的話說，這是他職業生涯中機器學習、設計和快速產品原型制作完美交匯的時刻。

從管理風格來看，Misra很推崇速度和取舍。他有幾個被團隊反復引用的原則：「每個工程師每周都應該發布一個可以推向市場的東西」，如果時間不夠，就 「砍范圍，砍到再砍就沒用了為止」，以及**「作為初創公司，你的工作就是承擔技術債務」**。

公司內部有兩套產品路線圖：一套基于用戶需求，對外公開；另一套充滿實驗性的創新想法，只在內部流通。Misra認為，最大的勝利往往來自那些沒人預見到的東西。

在招人上，Mirage的標準卡得很死。Churchill曾經在LinkedIn上發布了一個帖子，2025年，公司工程崗的候選人錄取率只有0.05%。做個對比，Ramp是0.23%，Y Combinator是1%，哈佛大學本科錄取率是2.58%。

一個極度擁擠的賽道和Mirage的生存邏輯

先看看Mirage正在進入的這個市場有多大。

AI視頻編輯工具市場2024年規模約16億美元，到2030年預計將達到93億美元，復合年增長率超過42%。如果把視野放得更寬，整個AI視頻市場（包括生成、編輯、分發）在2024年就已經是112億美元 的體量，到2034年預計膨脹到2460億美元。

但數字再大，也需要有人買單。買單的人是誰？是全球超過2億的內容創作者。

高盛估算，創作者經濟在2024年的規模大約是2500億美元，預計到2027年將逼近5000億美元。這些創作者中，84%已經在使用AI工具。但同時，超過一半的創作者年收入不到1.5萬美元，這意味著他們對工具價格非常敏感。任何想在這個市場里站住腳的產品，都必須足夠便宜，或者足夠讓人覺得“值”。

市場夠大，但競爭也夠殘酷。

大廠們早就動手了。CapCut（字節跳動旗下）是Mirage在消費級市場遇到的最大對手。2025年，根據breakevenpointcalculator統計，CapCut的收入達到8.15億美元，是全球收入最高的照片和視頻應用。月活用戶超過3億，Android端下載量超10億次，在移動視頻編輯領域占據81%的市場份額。更關鍵的是，CapCut基本免費，背后還有TikTok的巨大分發渠道。

Adobe在把AI全面嵌入Premiere Pro和After Effects，Firefly Video Model已經進入公測，還支持第三方模型接入。Google通過Veo模型和YouTube Shorts生態切入。Meta也推出了免費的Edits視頻編輯應用，直接對接Instagram和Facebook的分發體系。

對用戶來說，這些功能幾乎是“順手就能用”的體驗，不用額外安裝，不用學習成本，也不用額外花錢。

創業公司這邊，競爭同樣激烈。

Runway是AI視頻生成領域的標桿，累計融了5.44億美元，最新估值30億美元，年化收入約9000萬美元。

Synthesia是企業級AI視頻的頭部，它的數字人平臺提供230多個虛擬形象，支持140多種語言，超過90%的財富100強企業是它的客戶。2025年，Synthesia甚至拒絕了Adobe一筆30億美元的收購要約。

HeyGen的客戶年增長率超過1000%，Descript年化收入接近1億美元，Opus Clip拿了超過6000萬美元融資做AI視頻裁剪。光是2025年1月以來，AI視頻領域的創業公司就總共籌集了超過5億美元的新資金。

這里有一個更深層的問題：AI視頻功能正在快速商品化。 以前需要幾個月才能做出來的功能，現在幾周就能復制。a16z合伙人Justine Moore說得很直接：下一階段的差異化不在生成層，而在“編輯層”。誰能把AI變成一個隱形的后期制作團隊，誰就能贏。

這也是Mirage從Captions改名背后更深的邏輯。它不想只做一個App，它想做一個平臺，一個讓AI端到端完成從素材到成片的工作流的平臺。CEO Misra在2026年的融資公告里說了一句很有意思的話：在AI時代，光有好產品不夠。贏在獲客效率和增長速度。

這句話可以理解為，Mirage已經意識到，在一個功能趨同、競爭越來越激烈的市場里，技術優勢的保質期越來越短。真正的護城河，可能是分發效率和資本效率的組合。

Gaurav Misra說過一句話，被反復引用：AI視頻的真正競賽還沒有開始。

放在2026年的語境下看，這句話有兩層意思。一層是樂觀的：AI視頻的市場還遠遠沒有到天花板，機會依然巨大。另一層更冷靜：目前的格局隨時可能被推翻，誰也不知道最終贏家是誰。

回看Mirage這5年的路，從兩天做出的字幕原型，到被遺忘一年半后自己長出來的產品，再到砍掉照片App全力轉向AI視頻，它的每一次關鍵轉折都來自于對市場信號的敏感捕捉。用戶用腳投票說字幕是剛需，他們就回頭做字幕。短視頻創作者需要更低門檻的生產工具，他們就把所有AI功能塞進一個App。后來發現企業也需要批量生成短視頻廣告，他們又開了Mirage Studio。

這家公司最特別的地方可能就在這里：它從來沒有什么宏大的起點，一直是被市場推著走的，但每一步都踩對了。

在AI視頻這個賽道里，大廠有錢有渠道，創業公司有速度有創意。Mirage的賭注是，在這兩者之間存在一個精確的生態位：用自研模型的技術壁壘加上全球化分發的效率，在短視頻這個最大眾、最高頻的場景里跑出來。

這個賭注能不能贏，取決于三件事：自研模型能不能持續領先、企業客戶能不能真正跑起來、全球監管收緊的環境下能不能守住合規底線。

但至少有一件事是確定的：當一個沒人管的App自己長出了50萬用戶和50萬美元收入的時候，它背后代表的那個需求，是真實的。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4856233.html?f=wyxwapp