一、案例背景
2026年,视频生成模型的能力进步有目共睹:AI短剧、换脸、场景合成在各大内容平台频繁出现。但一个结构性矛盾始终未被解决——生成一条”满意”的视频往往需要反复”抽卡”,算力与时间成本高企;而一旦进入专业影视管线,通用视频模型能承担的工业级工作仍然有限。行业由此分化出两条路线:一条堆参数、扩算力,押注通用大模型终将跨过工业门槛;另一条扎进真实片场,从具体制作需求自下而上生长。达瓦科技选择了后一条。
达瓦科技总部位于重庆永川,其前身团队自2014年起运营科技影视片场,长期为影视项目提供虚拟拍摄与技术服务。2023年,团队正式成立达瓦科技,将业务重心转向AI模型研发。2026年,公司连续完成Pre-A轮与A轮融资,累计融资约5亿元人民币;按公司财务口径,年度ARR约1亿美元。CTO朱子威与CPO李宗兴构成技术与产品的核心决策组合,创始人张鹏(极客公园)对谈中,二人系统阐述了公司的技术路线与商业逻辑。
达瓦的技术路线被概括为”重控制、轻渲染”。传统视频生成模型将”理解内容”与”生成像素”混在同一套扩散模型中完成,用户只能通过提示词间接影响结果,一旦画面局部出错便需整段重新生成。达瓦的做法是将二者拆开:自研控制层基座模型Latent Stage,专门承载对人物、动作、镜头、灯光、场景的理解与控制;渲染层则负责将控制结果转化为画面像素。朱子威用一个类比说明分工——”渲染层像相机,控制层像导演”。控制层在一个不可见的虚拟空间中先完成场景要素的匹配与调度:桌子、凳子、人物、机位都作为真实存在的对象被登记、被约束,再交由渲染层出图。由此,画面符合真实物理环境的拍摄逻辑,也避免了抽卡常见的穿帮——”人走过去一扭头,门口的人突然坐到沙发上”。
围绕这条路线,达瓦布局了两款产品。FilmOS是面向专业内容团队的AI Agent影视创作平台,做离线生成,用户以一句话目标即可获得高质量画面,得益于控制模型,”少抽卡”就能拿到合适画面。Scenes AI则是正在研发的实时世界模型,基于稀疏扩散自回归架构,可在单张消费级显卡上实时运行,能将摄像头画面实时演化与编辑,公司将其定位为Physical AI产品,未来可推向AR眼镜等终端。
……