LibTV首月单日收入超100万美元：近千个客户，先把增长数字拆成可验证的商业化 (2026)

先看结论

Fun AI Everyday 这篇公司全景分析最有价值的新信息，不是「LiblibAI 从 AI 绘画社区走向视频平台」这条已经出现过的路线，而是给出了 LibTV 商业化的三个数字：2026 年 3 月上线，首月内单日收入一度超过 100 万美元；到 5 月，月收入达到上线首月的 13 倍以上；累计服务近 1000 个短剧团队、影视制作机构、广告公司和品牌客户。1

这组数字把 LibTV 从「有一套视频工作流」推到了「有人愿意为这套工作流付钱」的层面。它说明平台已经碰到专业生产预算，尤其是短剧、影视、广告和品牌内容这些比个人尝鲜更接近商业交付的场景。

但数字之间不能直接相加。单日收入是峰值，5 月 13 倍是增长比例，近 1000 个是服务规模，3 亿美元 ARR 则是演语科技集团截至 5 月的年度经常性收入口径。公开材料没有给出 LibTV 的收入绝对值、毛利率、付费客户数、留存率或退款规则，因此目前能确认的是商业化信号增强，不能确认收入质量已经稳定。

这篇报道带来的新判断可以压缩成一句话：LibTV 可能已经找到了 B 端付费入口，但还没有公开足够数据证明自己拥有可持续的单位经济模型。

原文信息

标题：Liblib：打破中国 AI 应用层融资记录，从 AI 绘画社区做到 20 亿美元
来源：微信公众号「Fun AI Everyday」
作者：张艾拉
发布时间：2026 年 7 月 23 日 09:00
文章类型：公司成长史、融资与产品商业化分析
主文入口：阅读原文
文章主线：LiblibAI 先用模型社区和创作者生态积累供给，再把能力扩展到云端工具、设计 Agent 和 AI 视频生产。

新增经营数据怎么读

指标	原文口径	这能说明什么	仍缺什么
上线时间	LibTV 于 2026 年 3 月正式上线	经营周期很短，增长数字处在早期窗口	具体上线日、不同版本和计费阶段
单日收入	上线首月内单日收入一度超过 100 万美元	至少有一天出现了较大规模的付费需求	是流水还是净收入，是否含充值、预付、促销和大客户订单
月收入增长	2026 年 5 月月收入达到上线首月的 13 倍以上	早期收入曲线陡峭	「首月」的计算基数、5 月完整收入和收入构成
服务规模	近 1000 个短剧团队、影视制作机构、广告公司与品牌客户	客户范围已经超出个人尝鲜	是注册、试用、签约、付费还是累计服务过的客户
集团 ARR	演语科技截至 2026 年 5 月 ARR 超过 3 亿美元	母公司整体进入较大规模的经常性收入阶段	LibTV、Lovart、LiblibAI 各自占比，ARR 的定义和审计情况
用户规模	原文写的是 Evoken 创作者生态超过 3000 万用户	说明集团有较大的创作者触达面	活跃用户、付费用户、产品去重方式，以及「集团生态」与「LiblibAI 用户」是否同一口径

量子位在 6 月 25 日的报道中也写到，演语科技 ARR 已超过 3 亿美元，LibTV 5 月收入达到上线首月的 13 倍以上，并服务近千个专业客户。它把「近千个」归为官方披露数据。2

这构成了同一口径的媒体复述，却还不等于第三方审计。东方财富的研究文章已经把 ARR、同比增长、LibTV 收入倍数等内容标成公司披露或媒体援引口径，并明确指出公司没有披露分产品收入占比、毛利率和留存数据。3

全文速读

文章把 LiblibAI 的成长写成四次产品迁移。

第一步是模型社区。2023 年，模型作者需要地方上传模型、展示效果、共享参数，普通用户则需要更低门槛地找到并复用这些模型。文章把 LiblibAI 早期定位概括为「AI 绘画领域的 GitHub」。

第二步是云端工具。模型找到以后，用户仍要安装环境、准备显卡、学习 WebUI 或 ComfyUI。LiblibAI 开始提供云端算力、模型调用、模型训练和作品发布，把模型库变成在线生产工具。

第三步是设计工作流。文章认为，专业设计师的任务不是出一张图，而是从视觉方向、主视觉、包装效果图到海报和线下物料的一连串修改。Lovart 和星流 Agent 由此承接了「对话加画布」的设计过程。

第四步是视频交付。LibTV 面向短剧团队、影视制作机构、广告公司和品牌客户，试图把脚本、角色、分镜、视频生成和成片交付放进一个工作台。文章最后把模型、图片、设计和视频串成一条「创作者内容生产」路线。1

这条叙事的逻辑是通的：模型社区解决供给，工作台解决调用，Agent 解决任务组织，视频工具则把付费场景推向专业客户。问题在于，产品路线的连续性和收入的可持续性是两件事。前者可以从产品公开页面和文章描述中看见，后者还要看客户是否复购、毛利是否为正，以及模型价格变化后客户是否留下。

功能细节拆解

1. LibTV 卖的是生产过程的合并

原文列出的 LibTV 能力包括脚本生成、角色一致性、AI 导演台、主体库、提示词优化和批量分镜。把这些功能放在一起看，产品重点不是再做一个「输入提示词，生成一段视频」的入口，而是减少短剧生产中脚本、角色、镜头和素材之间的来回搬运。1

LibTV 官方首页把产品写成「创作，只需要一张画布」，可见页面还保留了「TV Show」入口。4 这说明它的公开定位更接近视频工作台，而不是单一模型页面。

2. 自动化入口已经露出，但自动交付仍未被数字证明

官方 CLI 页面支持通过网页登录初始化，并把 LibTV 接入 Kimi Code/Claw、MiniMax Agent、Trae、腾讯云代码助手、通义灵码和文心快码等工具。页面给出的能力入口包括生成视频、图像和角色。5

这为开发者和工作室提供了程序化使用路径，也解释了为什么 LibTV 的价值可以从「一条片子」扩展到「一批项目」。不过，CLI 能调用不等于自动化交付已经稳定，公开资料仍没有提供批量任务成功率、失败重试、平均等待时间或人工收尾比例。

3. 百万美元是峰值，不是可直接年化的收入

「首月内单日收入一度超过 100 万美元」这句话的关键词是「一度」。如果每天都达到这个水平，数学上对应的年收入约为 3.65 亿美元；但原文没有说这是日均收入，也没有说首月有多少天达到相近水平。用峰值乘以 365 天，会把一个瞬时信号误读成经营常态。

同样，5 月收入是上线首月的 13 倍，也没有解决基数问题。这里至少有两个可能的分母：上线首月的整月收入，或首月内某个收入口径。月收入增长很快，可能来自客户数量增加，也可能来自大客户预付、充值活动、产品定价变化或短期集中采购。没有收入拆分表，不能判断是哪一种。

4. ARR 与 LibTV 收入不是同一张表

ARR 是把经常性收入按年度化方式表达，通常用于观察订阅或持续性合同；单日收入和某月收入则是期间流水或收入指标。演语科技超过 3 亿美元的 ARR 属于集团口径，不能直接归到 LibTV，更不能和 LibTV 的单日峰值相加。

这一区分会改变估值判断。如果 ARR 主要来自 Lovart 的海外订阅，LibTV 的高速增长还处在验证期；如果 LibTV 已经贡献了大部分新增收入，集团增长会更依赖 AI 视频和短剧市场。两种情况都可能成立，但公开材料没有给出分产品数字。

目标用户场景

短剧团队：从单片生成转向批量生产

近 1000 个服务对象中，短剧团队是原文最先列出的客户群。短剧制作有连续角色、批量分镜、场景重复和交付周期等要求，平台是否能减少素材整理和镜头返工，通常比某一个镜头是否惊艳更直接影响预算。

但「服务过」不等于「持续付费」。需要把客户再拆成注册过、试用过、完成首个项目、持续生成和续费五类，才能知道 LibTV 的增长来自流量、首购还是复购。

影视制作机构与广告公司：更看重项目协作和交付

这两类客户的需求不只是生成视频，还包括角色资产、参考素材、版本管理、多人协作和客户修改。LibTV 的主体库、批量分镜和工作台式结构，正好对应这类生产流程。原文的客户分类说明平台在争取专业预算，但没有给出具体客户案例、项目金额、交付周期和人工参与比例，所以场景匹配仍属于产品路线判断。

品牌客户：能否从试创意走到持续投放

品牌团队可能先用 AI 视频做脚本草案、广告样片和社交媒体素材，再决定是否进入正式投放。对于这类客户，低价只是入口，版权、角色一致性、素材合规、品牌资产管理和稳定交付才会决定是否长期使用。原文把品牌列入服务对象，却没有公开行业分布、合同周期或品牌客户的复购数据。

竞品坐标

这篇文章里的竞争关系，不是「哪个视频模型画面最好」的横评，而是「谁把创作者从生成动作带到交付流程」。可以先按产品位置分成四类：

位置	典型能力	LibTV 的比较维度
模型原生入口	围绕单一或少数模型做生成体验	画面质量、速度、价格和模型更新
模型聚合平台	把多个模型和资产放在一个入口	模型选择、统一工作流和切换成本
设计 Agent	通过对话、画布和编辑推进设计任务	从需求到视觉交付的连续操作
视频生产工作台	管理脚本、角色、分镜、生成和项目输出	多镜头一致性、批量生产和团队协作

东方财富的研究文章把演语科技的产品矩阵概括为：LiblibAI 是模型和素材入口，Lovart/星流承担设计生产，LibTV 承接视频生产，并把它与即梦的「自研模型加消费级体验」路线对照。这个框架有助于定位产品，但不是统一提示词、统一模型版本和统一成本条件下的盲测结论。3

对 LibTV 来说，真正的竞争问题有两个。第一，模型厂商会不会继续向上做工作流，把脚本、角色、分镜和成片都收回自己的产品。第二，短剧团队是否愿意把项目资产、角色库和使用习惯留在一个中立平台里。如果答案分别是「会」和「不会」，LibTV 的聚合价值会被压缩；如果答案分别是「做得不够深」和「迁移成本很高」，工作台才可能形成更稳定的收入。

行业影响

这篇报道带来的新信号，是 AI 视频应用的讨论开始出现 B 端收入和客户覆盖，而不再只有模型效果、注册用户和单条价格。哪怕这些数字尚未完成订单级核验，它们至少提示了一种商业化路径：客户购买的可能是项目推进和最终交付，而不是某一次生成本身。

这也解释了为什么 LibTV 的商业化数据要和此前的价格横评、个人实测分开看。价格横评回答「一次生成账面上多少钱」，负面实测回答「一个项目可能怎样失控」，而本篇公司分析回答「平台是否已经吸引到足够多的专业需求」。三者合在一起，才接近真实成本和商业模式；任何一组数字单独拿出来都不够。

风险也很具体。LibTV 需要向上游模型支付调用和算力成本，向下游客户提供低门槛价格，还要承担失败重试、内容审核和客户支持。如果收入增长主要依靠低价或短期充值，单日峰值可能和毛利改善没有关系。反过来，如果客户把角色、主体库和项目流程长期留在平台里，收入才可能从一次性生成转为持续性工作流订阅。

待验证点

单日收入的口径：100 万美元是充值流水、确认收入、毛收入还是扣除退款后的净收入？当天是否存在单一大客户或集中采购？
13 倍增长的分母：5 月收入对应上线首月完整月收入，还是另一种首月口径？5 月月收入的绝对金额是多少？
近千个客户的定义：这些对象是注册客户、试用团队、签约客户、付费客户，还是累计服务过的组织？独立客户如何去重？
集团 ARR 的拆分：LibTV、Lovart、星流和 LiblibAI 各自贡献多少 ARR？ARR 中有多少是订阅、合同或可重复购买收入？
毛利与算力成本：外部模型调用、视频推理、存储、失败重试和人工服务占收入多少？平台是否需要用融资补贴低价？
客户留存：首批短剧团队在即梦等竞品价格变化后是否仍然续费？客户的月留存、季度留存和项目复购率分别是多少？
实际交付质量：近千个客户完成了多少项目，合格片段率、角色一致性、人工返工时间和交付周期如何？
用户规模口径：3000 万是 Evoken 集团生态还是 LiblibAI 单一产品用户？是累计注册、月活还是去重后的创作者？
价格变化后的增长：如果上游模型降价、原生平台补齐工作流，LibTV 的客户和收入是否还能保持？
合规与版权成本：模型、角色、素材、剧本和成片的授权链条如何管理？专业客户是否把合规能力纳入采购条件？

原文关键句

「上线首月内，LibTV 单日收入一度超过 100 万美元，并服务近 1000 个短剧团队、影视制作机构、广告公司和品牌客户。」1

这是全文最重要的新数据，也是最需要继续追问的一句。「一度」保留了峰值性质，「服务」没有承诺付费和复购。读者不应把它改写成「LibTV 首月收入超过 100 万美元」，因为那会把日峰值偷换成月总额。

「模型可以换，用户不一定要换平台。」1

这句话概括了演语科技的产品假设：平台不押注某一个模型长期领先，而是押注创作者会把资产、工作流和习惯留在平台。它能否成立，最后要看模型降价、竞品补齐功能时，客户是否继续付费。

「这些数据主要来自公司及相关报道披露。」1

作者已经在文中提示了证据边界。现阶段最稳妥的写法，是把 100 万美元、13 倍、近 1000 个和 3 亿美元 ARR 都保留为披露口径，直到公司公开分产品收入、付费客户和留存数据。

产品入口：LibTV 官方页面，开发者入口：LibTV CLI。

LibTV首月单日收入超100万美元：近千个客户，先把增长数字拆成可验证的商业化