百亿上市公司，入股上海大模型企业！

近日，网宿科技股份有限公司(以下简称：网宿科技）宣布拟以自有资金出资3亿元认购Sandai开曼增发的A+轮优先股，投资完成后持有Sandai开曼4.3963%股权。

作为过渡性安排，公司先期向上海三呆科技有限公司（以下简称“三呆科技”）提供3亿元可转债，并获得A+轮认股权证。

三呆科技成立于2024年1月，是一家视频生成模型公司，主要从事视觉内容生成模型及基于视频模型应用产品的研发。公司自研大模型包括自回归视频生成Magi-1大模型、音画同出MagiHuman大模型，2026年1月正式上线了以音乐为内容的视频Agent产品VidMuse。

如今，网宿科技的投资计划，为双方在模型推理和内容分发领域的合作提供了新的可能。

01

清华博士再创业，押注视频生成

Sand.ai创始人曹越于2019年在清华大学软件学院获得博士学位，后任微软亚洲研究院视觉计算组主管研究员。

2021年，作为四位核心一作之一，他发表的《Swin Transformer》获当年ICCV最佳论文奖（马尔奖）。这篇论文问世后在计算机视觉领域产生巨大影响，被大量后续工作引用。

但曹越没有留在学术圈。2022年，他加入了北京智源人工智能研究院。

当时的智源，是国内最早一批拥抱大模型的组织，不以发论文为核心指标，2022年年中就已部署了1500张A100连在一起的算力集群。

曹越后来回忆，在他当时的认知里，智源是国内最像OpenAI的组织。加入智源一段时间后，ChatGPT就出来了，国内形势瞬间巨变。他明确知道这是一个大机会。

2023年，王慧文创立光年之外，曹越作为算法联合创始人加入。同年6月，美团宣布收购光年之外全部权益。此后，曹越开启了Sand.ai的创业历程。

他选择了视频生成。

视频生成是一个技术天花板和商业天花板都非常高的方向。与单张图片相比，视频不仅要处理人物、物体和场景，还要维持动作与镜头之间的连续关系。一段画面能否用于实际制作，往往取决于人物是否前后一致、动作是否自然，以及创作者能否按照意图控制生成过程。

2025年4月，Sand.ai发布其首个视频生成大模型产品Magi-1，并同步开放在线体验服务，同时开源模型权重与推理代码。这是行业内较早落地自回归路线、深耕物理仿真能力的视频基础模型之一。

作为一款探索自回归路线的视频生成模型，Magi-1通过逐段预测和生成视频内容，提升了长时序视频中的连贯性与可控性，支持文本生成视频、图片生成视频等多种生成方式。

然而在发布Magi-1后，曹越很快意识到“只有画面是不够的”，团队将研究进一步延伸至音画同出。

Sand.ai也成为除了Google VEO 3之外最早拿出音画同出模型的团队，Magi-1也在Google DeepMind的Physics IQ benchmark上长期保持第一。

但生成能力越丰富，对算力与工程效率的要求也越高。2025年11月，曹越决定带着团队将模型架构从Dense转向MoE，希望在扩大模型容量的同时，降低同等效果下的计算成本。

而在那个时间点，国内几乎没有视频公司在全力推进这件事，Sand.ai是少数几个敢于下注并积极探索的公司。

02

将千亿级视频MoE路线带入开源社区

Sand.ai旗下目前有VidMuse、Gaga、Magi三款产品，分别对应不同的应用场景。

其中，Gaga主打数字人表演，用户上传单张人像图片，配合脚本或音频，即可生成人物口播与表演视频，适用于内容解说、角色对白等场景。

VidMuse则定位于专业视频创作Agent，以音频驱动内容生产，可围绕音乐生成MV、叙事短片及商业广告，并通过时间线编辑、片段重生成等功能，支持创作者对生成结果进行调整，逐步完成从素材生成到成片制作的流程。

据悉，VidMuse上线仅2个月，年度经常性收入（ARR）超千万美金，成为Video Agent赛道最快达成此商业化里程碑的产品。

应用端开始验证付费需求的同时，Sand.ai也在继续迭代底层模型。2026年8月5日，公司正式发布并开源MAGI-2 Preview，将模型规模推进至千亿参数级别。

根据官方技术介绍，MAGI-2 Preview采用MoE架构，总参数约114B，单次前向计算仅激活约6B参数。

凭借约6B激活参数，MAGI-2 Preview进入Artificial Analysis视频生成榜单前六。

在这套模型中，文本、视频和音频进入同一个Transformer主干，画面与声音由同一模型联合生成。人物表情、口型、对白和环境声之间的对应关系，可以在生成过程中共同建模，减少分别制作后再进行同步调整的环节。

传统多流方案通常为画面和声音设置不同的主干网络，再通过cross-attention或后处理完成连接。由于音频和视频在生成早期分别建模，音画对齐更依赖后续环节，链路越长，越容易累积延迟和误差。

MAGI-2 Preview延续了Sand.ai在daVinci-MagiHuman论文中提出的单流架构，从模型内部共同处理文本、视频和音频。模型还设置了共享专家与模态专属专家：共享专家处理不同模态之间的共性，专属专家分别处理语言、画面和声音独有的信息。

统一主干缩短了生成链路，也减少了多套模型串联带来的接口、等待和维护成本。

MAGI-2 Preview还将千亿级视频MoE路线带入开源社区。开发者可以围绕统一音视频、细粒度专家、低成本推理和模型部署继续测试，检验这条路线在更多任务与硬件环境中的表现。

03

超亿美元融资之后，迎来产业投资方

今年6月，Sand.ai对外披露近期连续完成两轮、合计超过1亿美元融资。参与方包括Look Capital、Lollapalooza Capital、九坤创投、经纬创投、和玉资本、创新工场、襄禾资本、源码资本、中科创星、洪泰基金、今日资本、华业天成、云晖资本、IDG资本及百度风投等。

此次拟参与投资的网宿科技股份有限公司，成立于2000年，2009年成为创业板首批上市公司，业务覆盖CDN、边缘计算及安全等领域。与财务投资机构相比，其自身业务与视频应用的部署、交付存在更多交集。

视频生成涉及的基础设施需求，需要分环节来看。模型推理依赖GPU算力和调度效率，生成后的内容传输与播放，则涉及带宽、分发和安全能力。对实时交互等场景，靠近用户的部署还有助于减少网络传输时延。

但传统CDN节点并不天然具备运行大型视频模型的条件。模型能否在边缘部署，仍取决于硬件配置、模型压缩和具体业务要求，不能把分发网络优势直接等同于推理能力。

按照公告，网宿科技希望借助此次参股，探索双方在音视频推理、低延时边缘推理，以及政企和互联网行业智能化解决方案等场景的合作。

对一家以CDN和边缘计算为主业的基础设施公司而言，视频模型的推理环节，是它能够切入AI应用层的一个现实入口。而Sand.ai选择开源千亿级MoE模型的路线，客观上也需要更多边缘算力节点的支撑来承接推理需求——从这个角度看，双方的合作逻辑，并不只是资本层面的绑定。