当整个AI行业都在为“得大模型者得天下”而狂热时，一家AI应用层的公司给出了完全相反的答案。
6月18日，演语科技（Evoken）对外宣布完成近3亿美元B+轮融资，投后估值超过20亿美元，成为中国AI应用层迄今为止最大的单轮融资之一。
乍一看这家公司或许会陌生，但其旗下产品LiblibAI，以及Liblib这个名字则为外界熟知。此次融资也是这家公司第一次用演语科技集团品牌的身份对外发声。
在大量AI公司仍在靠投资人耐心换取时间窗口的行业里，这家没有自研模型的公司，成了最会赚钱的AI应用之一。
但争议从未远离。
有人质疑它缺少原创，有人认为它靠激进定价换增长，离开的人说它不够技术、不够创新，甚至有投资人判断它迟早会爆雷。
Liblib创始人陈冕的回应很直接，“这个时代idea is cheap，judgment才稀缺。”陈冕承认Liblib是字节最大的代理商，但坚决否认转售API。
按照陈冕的比喻，在模型厂商逐鹿中原时，Liblib要做的是在江东站稳脚跟，再找到自己的护城河。
这个比喻精准地概括了Liblib的处境，它不参与主战场的正面厮杀，而是在巨头尚未充分覆盖的缝隙里寻找生存空间。
当模型能力持续进化，AI应用的价值可能很快就被模型覆盖。20亿美元的估值，究竟建立在稳固的护城河上，还是仅仅踩准了模型红利的时间窗口？
答案，取决于这家公司能否在应用层之外，找到更深的生存根基。
“字节最大的代理商”Liblib，撑得起20亿美元估值吗？
陈冕不介意外界说Liblib是字节最大的代理商。
“我们的价值就是在模型上叠了一层。”陈冕在晚点LatePost的采访中直言。
在他看来，模型能力和用户使用之间是有错配的，应用层要做的是让用户和模型之间更好对齐。
这也是Liblib存在的价值，它不造模型，但它帮人用好模型。陈冕把模型比作单反相机，普通人摁一下快门也能拍照，但想拍出专业作品得请摄影师。
Liblib要做的就是那个摄影师。
也是这个定位，让Liblib在2026年的AI应用融资寒冬中完成了一笔大额融资。不到三年时间，从天使轮到B+轮，Liblib几乎以每年2-3轮的节奏被资本青睐。
比融资更值得关注的是Liblib的赚钱速度。截至2026年5月，公司ARR已达3亿美元，5月集团整体收入同比增长超过3000%。在中国，这是除了大厂之外，为数不多进入“亿级”俱乐部的AI应用初创公司。
放在行业大背景下看，这笔融资不意外。
2026年上半年，AI投资逻辑正发生根本变化，应用与落地取代模型参数，成为项目定价的核心。IT桔2026上半年AI投融资报告披露，2026一季度起，中小自研大模型项目融资遇冷、出清加速，资本全面转向可落地、可变现的AI应用层标的，Liblib正是这一拐点上的最大受益者之一。
从路线上看，Liblib的崛起提供了一个极具争议的样本。它不做淘金者，甚至不卖自己造的铲子，只是批量采购别家的铲子，打磨包装后转售。
要理解这桩生意的全貌，需要拆解Liblib的三大产品矩阵。
Liblib并非只有LiblibAI，还有面向C端大众的轻量级AI艺术工具Lovart（中文名：星流），和AI短剧社区与分发平台LibTV。
图源演语科技微信公众号
三条业务线各司其职、依托上游算力实现快速落地。
LiblibAI深耕国内C端及中小创作者，积累3000万用户、50万个原创LoRA微调模型，通过会员订阅、算力充值获得营收；
LibTV精准切入短剧、广告工业化赛道，解决行业AI视频量产痛点，上线两月收入暴涨13倍；
海外产品Lovart聚焦全球商业设计师，上线五个月ARR突破8000万美元，跑通全球化订阅商业模式。
这门生意的本质，似乎是一个“Token中间商”的逻辑。它的核心竞争力，在于通过汇聚海量C端与B端创作者的需求，整合最新大模型，形成一个巨大的采购池。
Liblib将这些API能力打包进自己体验流畅、工具链完善的产品中，在算力成本之上叠加服务费、功能溢价和社区价值，重新定价，卖给终端用户。
以LibTV为例，据硅基研究室报道，LibTV是Seedance 2.0系列模型首次接入的第三方产品，并在Seedance 2.0问世两周前，模型相关能力就以StarVideo的形态提前在LibTV上完成了大规模验证。
也正是这一深度合作，让LibTV平台中的Seedance 2.0模型使用门槛更低、视频生成的准确度更高。
市场惊叹其增速与赚钱能力，但疑问也随之而来：当“字节最大代理商”的标签越贴越牢，它的护城河究竟是什么？这种依附性商业模式的天花板，又有多高？
增长光环下的持久争议，Liblib轻量化路线跑通了吗？
要理解Liblib的路线选择，得先了解陈冕是何许人。
陈冕有着深刻且丰富的大厂烙印。创业前，他先后在摩拜单车、滴滴、每日优鲜工作过，后来加入字节跳动，成为剪映与CapCut全球商业化负责人。
2023年他从字节离开时，正值国内大模型创业最狂热的时候，但陈冕看到的不是机会，而是陷阱。陈冕对此很清醒：“我知道和巨头硬碰硬是什么下场。”
与其在烧钱的无底洞里消耗生命，不如抓紧赚钱。“大家需要明白，在什么都没有的时候，以时间换空间是你最强的武器。”
在与晚点LatePost的对话中，陈冕也多次强调，“创业公司的首要目标依然是活着。”
Liblib的轻量化聚合路线，正是这套生存思想落地的最终产物。路线选择帮助Liblib抢先一步实现规模化变现，但伴随亮眼增长数据而来的，是从未停歇的行业质疑。
最集中的质疑有两层。第一，产品只是对底层模型做了简单封装，和市面上大量Token中转平台没有本质区别。更严重的质疑是，Liblib可能存在对外转售API的行为。
LibTV的质疑声最大。争议的焦点，是LibTV与字节跳动旗下火山引擎的视频生成模型Seedance 2.0之间的合作。
图源LibTV微信公众号
市场一度盛传，LibTV在低价转卖Seedance 2.0的API接口赚取差价。据晚点LatePost报道，许多业内人士都以为LibTV是在卖3.9折的Seedance API。
对此，陈冕在晚点LatePost采访中明确否认。此外，所谓的3.9折，并非针对API的单次调用费用，而是LibTV推出的连续包月订阅价格。
据陈冕介绍，3亿美元ARR中，LibTV贡献了超过一半的收入。不过，陈冕很清楚这套模式的盈亏边界。他在晚点LatePost采访中坦言，LibTV的模式就像是健身房模式，本质上是在赌订阅用户不会把积分用满。
“用户买了100万积分，实际只用20万，剩下80万是我们的利润。”但如果黑产用户对LibTV做逆向工程，把年费会员账号做成API批量调用，LibTV就是亏的。
更深层的质疑，指向了Liblib的命脉。没有自己的模型，意味着定价权和服务的稳定性始终掌握在底座厂商手中。上游的火山引擎等平台只要微调一下API价格，或者自己下场做一个更有针对性的应用，Liblib的利润空间和用户基础就可能遭受剧烈冲击。
陈冕也清楚Liblib当下的处境。在晚点聊LateTalk播客节目中，陈冕直言，虽然Liblib的现金流是正的，但应用层公司不掌握模型，在早期就不应该追求高毛利率，因为追求高毛利率就是在抑制需求。他认为AI应用毛利率短期内不超过30%。
面对外界对Liblib代理商的标签偏见，陈冕有着清晰的自我认知与价值界定。他坦言，Liblib确实向上游厂商批量采购算力，但这绝非简单的套利生意。
争议的本质，其实是一条路线的两面。轻量化模式带来了低成本、快起步的优势，让Liblib在两年内冲上20亿美元估值并拥有3亿美元ARR。但天然伴随的依附性竞争隐患也如影随形，Liblib依靠赚钱速度占据了先机，但这个路径能否转化为稳固的护城河，仍然有待时间验证。
从AI应用的大浪中逃杀，如何摆脱路径依赖？
在AI创业潮几轮起落之中，大量同期起步的AI生成应用公司早已销声匿迹。Liblib能够走到台前，首先是一场艰难的生存胜利。
过去三年，很多AI应用创业公司都经历过多轮生死考验。即便是Liblib，也经历过九死一生的时刻。
2023年5月，上线后仅4个月，LiblibAI因未完成大模型备案被下架，与此同时前期高举高打的补贴大战烧掉了300多万美元，资金储备迅速见底。到2024年初，公司账上只剩4000块钱，LiblibAI差点倒闭。
陈冕后来回忆，其实账上只有600万的时候就慌了。最困难的时候，LiblibAI收到了好几个收购意向，全被陈冕挡掉了，他没想过卖。
“我不是为了创业而创业，而是为了赢而创业。”
那段低谷经历带给Liblib团队最深的教训是，现金流健康是企业生存的根本。
当时行业里普遍两条路，要么继续烧钱赌流量，等待下一轮融资续命；要么立即收缩战线，砍掉不赚钱的业务。大量同期创业公司选择了前者。
但当2024年资本寒潮来袭，这条以增长换融资的路愈加艰难，那些没有及时转向的公司绝大多数没能等到下一轮融资。
陈冕也没有其他选择，账上只剩4000块，烧钱的路已经走不通了。他唯一能做的，就是立刻收缩、换方向。
他换的不是“C端到B端”的简单转向，而是一条更复杂的路——用集团化的产品矩阵来对冲单一产品的风险，通过持续推出新产品来拓宽收入来源。
Liblib的起点是纯粹的C端社区产品，但单一的社区模式在低谷期被证明难以独立支撑一家公司的生存。最终，从LiblibAI，到Lovart，再到LibTV，Liblib完成了一次关键的生存进化。
正如陈冕感慨，如果不是他来做，它们可能会变成三家不同的创业公司，而三家公司各自存活的机会可能更渺茫。
这句话道出了Liblib集团化产品的战略核心，不是赌一个产品能不能成，而是用多个产品分摊风险、交叉验证。LiblibAI积累了用户和社区资产，Lovart验证了设计场景的付费能力，LibTV踩中了AI短剧爆发的行业窗口。
三个产品共享创作者、素材与模型资产，最终形成老社区为新产品导流，新产品为老社区带来新的付费场景的正向循环。
但帮助Liblib熬过寒冬的这套生存策略，现在正成为它必须警惕的路径依赖。
目前Liblib的产品架构、团队能力和商业化体系全部围绕算力调用搭建，三条产品线虽然覆盖了素材、设计、视频，但核心枢纽依然是Token流转。即便LibTV被寄予厚望，它本质上仍是Token调用逻辑的延伸，而非模式创新。
更微妙的风险在于，ARR越高，Token调用体量越大，但商业路径决定了Liblib的规模扩张未必能同步带来上游议价权的提升。随着算力成本下行、大厂工具持续下沉，同质化竞争只会越来越激烈。当模型厂商自己开始做应用端，或者把API价格压低，Liblib的价差空间就会被逐步压缩。
随着模型能力持续进化，今天属于应用的价值，明天可能就被模型覆盖。AI应用公司不掌握底座模型、不掌握算力、不掌握稳定入口，看起来跑得很快，但这种快可能只是建立在模型红利和注意力引爆上。
陈冕也明白，应用的时代还没有到来。只有当Token足够便宜、智能随手可得，应用公司才有真正的机会，“可能是两三年或五年后的事”。
摆在陈冕面前最重要的考题，已经不只是继续拉高营收规模，而是如何利用当下这个窗口期，打破历史形成的路径依赖，进行真正的创新探索。
Liblib能否从“Token中间商”进化出更深的护城河，决定了它究竟是AI应用时代的先行者，还是又一次潮水退去后的搁浅者。
（本文头图来源于 LiblibAI 官网。）