扬帆出海，专注服务中国互联网出海！

2026年7月，AI产品榜（AICPB）出海增速榜上出现了一组反差。可灵AI月活1026万，环比下跌22.16%，排名第二十；PixVerse月活1742万，环比下跌6.6%，排名第十三。智象未来（HiDream.ai）的Vivago月活460万，环比增长17.1%，双月蝉联第一。

同一个榜单上，规模占优的两大头部产品增长节奏趋缓，一个体量更小的挑战者在加速上行。而增速最快的十款App里，占比最多的依然是AI情感陪伴，Vivago是唯一的AI视频生成类产品。当头部产品的用户基数已经铺开，AI视频工具的增长瓶颈到底在哪？Vivago的高增速，究竟是产品力驱动的增长，还是基数小、渠道红利未消退带来的短期现象？

2026年7月蝉联出海增速榜首 图源：AICPB

Vivago的增长更多来自基数较小的长尾市场 图源：点点数据

Vivago定位为面向社媒创作者的“一站式AI Agent创作平台”，目前已迭代至vivago R1，覆盖全球120多个国家和地区，5000万注册用户，百万级付费用户，2026年Q1营收已超2025全年总和。智象未来在三个月内密集完成三轮融资，累计超21亿元，投后估值突破10亿美元。

同为智象未来旗下的HiBurst作为TikTok官方Top5合作伙伴，让智象未来在TikTok上拥有了深度的平台理解。这种公司级的运营能力同时赋能HiBurst（B端营销）和Vivago（C端获客）两条线。这一点是Vivago区别于纯C端AI工具的优势：多数AI视频出海团队对TikTok的理解停留在“投放”层面，而智象通过B端业务积累了平台规则、算法偏好和内容趋势的一手经验，再反哺到C端产品的获客策略里。但渠道能力是双刃剑：它让Vivago的获客效率高于同行，也意味着它的增长高度依赖TikTok渠道，对于平台自身的变化更加敏感。

最具体的体现，就是Vivago的一次社媒裂变：去年底，Vivago团队从TikTok异常活跃的评论区发现“宠物跳舞”素材的爆款信号，并迅速做出反应，推出上线自研的3D功能，采取一系列针对性链式传播策略，并成功在2025年12月在社媒爆发。据36氪报道，截至2026年年初第一个月，Vivago凭借这次社媒流量拿下了1000+万下载，一度压过可灵。复盘这次增长，本质上是一次精准的社媒运营操作：发现趋势、快速响应、功能配合、流量承接。它证明的是Vivago团队的渠道执行力，这种打法可复制性很强。

智象未来发布一系列宠物跳舞制作教程 图源：智象未来

AI工具类产品的注册用户到活跃用户的转化率通常不高，“尝鲜用户”的留存是行业普遍难题。Vivago的增长曲线还处在前半段，真正的考验是尝鲜期过后，用户是否还愿意留下来。

在用户留存上，Vivago则打通了从生成到发布的链路，这在AI视频生成工具里比较少见。2026年1月，据极客公园报道，vivago.ai上线了TikTok美区授权发布功能，通过官方OAuth接口，Vivago同时支持创作者账号授权（内容侧）和店铺授权（电商侧），并将已授权账号“官方店铺/渠道/联盟创作者”分类管理。用户在vivago里做完视频，不用跳转别的平台，直接发布到TikTok，有效减少了用户流失，也意味着它的增长高度依赖TikTok单一渠道。

授权面向需要同时管理多个TikTok账号和店铺的商家/机构或C端创作者 图源：vivago.ai

但换个角度看，“生成+发布”的闭环本身就是TikTok生态里的标配能力。Vivago向剪映等成熟工具的标准看齐的同时，还是要面临真正的留存考验：用户发出去的视频数据，能不能反过来指导Vivago帮用户生成更好的内容？而除了获客、资源和变现等方面，Vivago在技术路线上，也确实相比同体量的产品抢占了一些先机。

据报道，2026年8月17日，智象未来（HiDream.ai）正式发布HiDream-O1-World，定位为“全球首款原生全模态交互式世界模型”。

HiDream-O1-World让AI视频从“平面幻觉”升级成了“可操控的真实空间” 图源：ai_bot

世界模型在2026年集中爆发，国内外巨头几乎同步入局。海外阵营中，谷歌、AMI Labs和World Labs都推出了相关产品，国内腾讯也在四月推出了混元3D世界模型2.0（HY-World 2.0），阿里同日亮出主打实时交互的HappyOyster，一周后字节跟进，正式推出新一代3D生成大模型Seed3D 2.0。群雄逐鹿之下，各家的技术路线与侧重点并不相同，恰恰说明这一赛道尚无定论。

HiDream-O1-World的底层架构是智象未来自研的UiT（Unified Transformer）。2023年9月，智象就从60亿参数视觉多模态大模型起步，同时上线了图片模型和视频模型。2024年7月自研DiT（Diffusion Transformer）商用大模型发布，到2026年UiT架构成型，技术积累有近三年。

目前主流的多模态模型，文本、图像、视频各有各的编码器，各干各的，最后通过一个翻译层把信息拼起来。这种“拼积木”式架构的代价是：模态之间的理解是间接的，跨模态信息在翻译过程中会损耗。DiT的意义在于，它让AI生成图像和视频的能力不再有天花板，模型越大、喂的数据越多，生成质量就越好，而且不会因为架构瓶颈而停滞。

但DiT只换了生成端的心脏，理解端仍然是拼接的。于是智象的UiT更进一步，把图像像素、文本、视频、音频等所有原始信号直接映射进同一个共享Token空间，由同一套Transformer统一处理，“理解”和“生成”从训练之初就在同一个框架里完成，不再需要后期拼接。

AI进化为“懂世界的智能体”之前每一次架构跃迁，解决的是“理解得更深刻”

不过，UiT基于的“原生全模态”概念并非智象独有，当然也不是无需验证的护城河。2026年初，谷歌发布Gemini Embedding 2，将文本、图像、音视频、PDF融合进统一向量空间；英伟达推出Nemotron 3 Nano Omni，把全模态感知、理解、推理整合为单一模型。在这条路上，同体量的创业公司里，智象确实是动手较早的那一批，但UiT目前还在迭代过程中，其相对于拼接式架构的实际质量优势，需要更多产品端的数据来验证。成本优势会随开源模型成熟和算力降价而收窄，在技术迭代以月计的赛道上，新的技术前沿优势也可能被快速追平。

真正属于Vivago的，或许是一些更朴素的东西：在一个方向上走了将近三年的惯性、对长视频生成稳定性的持续打磨，以及在社媒创作场景中积累的垂类理解。当“生成好看的视频”这一维度正被模型趋同快速拉平时，“持续生成不出错、可交付的长链路内容”反而成了稀缺能力。智象的商业化逻辑也围绕这一点展开：以HiDream系列大模型为底座，在模型之上构建面向具体场景的智能体应用，帧赞、HiBurst和Vivago都是这套能力在具体场景中的产品化落地。

Vivago的AI工具箱里细分的功能矩阵 图源：Vivago.ai

但vivago强调的“协作”和“系统”目前也是行业中的共识之一。而当所有工具都在拼稳定性和具体交付能力时，产品之间的差异点就在于在“稳的代价是什么”：用户需要手动做多少事才能获得稳定结果？是每次生成都要重新描述角色特征，还是系统自动记住？是用户自己拼接片段，还是系统自动缝合？这些更加具体的、与创作者直接相关的体验细节，或许是需要Vivago和它背后的团队持续关注的问题。

vivago的增长享受了尝鲜用户涌入、渠道先发优势的市场早期红利，但技术架构的深度和场景理解的精度才是未来的逐鹿之地。世界模型集中落地，谷歌、李飞飞World Labs、腾讯、阿里、字节几乎同步入局，正因为模型能力爆发性提升，AI视频生成工具正在从单点工具向创作系统演进，用户需求逐渐开始从“尝鲜”转向“生产依赖”。在技术以月为单位迭代的赛道上，能保持增速并非易事。智象三年走了一个正确方向，拿到了入场券。而能不能留在牌桌上，取决于接下来的产品迭代速度和场景理解深度。