独家｜中国Higgsfield「达瓦科技」完成5亿元融资，定义AI视频的「可控时刻」

近日，达瓦科技披露，公司年内连续完成 Pre-A 轮、A 轮融资，累计融资金额近5亿元，投资机构包括启赋资本、投控东海、一村资本、宝捷会、鞍羽资本及多家产业投资机构，老股东持续加注。鞍羽资本担任公司长期独家财务顾问。

过去两年，视频生成行业最容易被看见的进步，都发生在渲染层：参数规模从几十B冲到几百B，GPU集群从千卡扩到万卡，画面越来越逼真，视频越来越长，跑分榜单一期一期刷新。竞争也随之变得直观——谁的卡更多，谁能训练更大的模型，谁能在下一次发布中拿出更惊艳的效果。

但站在生产一线的人知道，这条路正在逼近天花板。上百B参数的通用视频模型，在实验室里能生成惊艳的片段，到了商业片场就露怯：第一个镜头很好看，第二个镜头的人却变了；想让摄影机换个角度，场景也跟着换了；客户觉得其他都可以，只改一下演员的动作，结果就是无限抽卡。行业真正稀缺的能力，从来不是生成惊艳的画面，而是准确执行创作意图，并以可负担的成本持续交付。

这个判断，地球两端的两家公司，用各自的方式正在验证。

在硅谷，Higgsfield 烧掉1000万美元、试了三个方向之后，从8位资深创意总监那里听到了同一个答案：现有AI视频工具最缺的不是生成能力，而是运镜与机位控制。从这个切口进入，它18个月年化收入从100万美元冲到10亿美元，B轮估值54亿美元。

在重庆，达瓦科技从模型层直接切入。它没有在应用层加一个运镜按钮，而是直接用34B参数，把人物、动作、镜头、光照、服装、道具全部纳入分层约束。这条路不是实验室里的Demo：公司年内确认收入近5亿元，在AI视频行业普遍亏损的阶段率先实现规模化盈利。

达瓦自研控制层+实时渲染模型demo

01 Higgsfield 在应用层做运镜控制，达瓦把控制写进模型本身：从镜头到世界

如果说 Higgsfield 的突破口是「让摄影机可控」，达瓦做的事情是：让整个世界可控。

自研控制层模型 Latent Stage 仅用34B参数，将人物、动作、镜头、光照、服装、道具与物理交互全部纳入分层建模与联合约束。这不是在应用层加一个运镜控制面板，而是在模型表征与训练阶段就把「可控」内生化——修改一个变量，其余世界状态全部冻结。

工业制作中最常见的要求是「这个保留，只改那里」。达瓦的连续编辑测试中，目标编辑成功率达98.2%，人物身份保持率达93.3%。

Higgsfield 创始人 Alex Mashrabov 最近在访谈《20VC》里有一个判断：垂直公司不应该为了技术虚荣追通用基座模型，真正的护城河是控制模型路由——决定每个任务调用哪个模型。Higgsfield 目前40%的调用由系统自动分配，毛利率做到80%以上。

达瓦往前多走了一步：它不满足于在调用时选模型，而是在训练时就把「可控」写进了模型本身。路由控制的是用哪个模型生成，控制层解决的是「生成出来的东西能不能改、能不能保持一致」。前者优化成本，后者决定交付。

02 算力军备竞赛的终点，是控制权的竞争

达瓦的技术架构可以概括为一句话：控制层做重，生成层做轻。

达瓦的技术架构

没有把所有问题交给一个大模型逐帧重画——那种路线意味着，哪怕只动一帧里的一根手指，整张图的像素都要重新算一遍。达瓦在「创作意图」与「画面生成」之间构建了一层以世界状态为核心的控制系统：控制层负责想清楚「哪里变了、哪里不能动」，生成层只对真正变化的那一小块做局部扩散。稳定的墙、地板、角色脸全部复用，算力只花在刀刃上。

达瓦在实时视频中，精准实时编辑

达瓦在离线视频中，精准控制单一变量

自研的局部稀疏微扩散技术，只对画面里10%–20%真正在动的区域做计算——GPU功耗直接砍掉40%–60%，推理速度翻3到5倍。同样一张显卡，离线出片量翻倍，实时交互延迟砍掉一大半。

这套架构在离线和实时两条产品线上同时跑通：离线侧，CineStage 负责长镜头连续生成，角色不崩、场景不跳；实时侧，LiveStage 每步只激活约4B参数，在单张消费级 RTX 5090 上跑出720P、25帧/秒，连续120分钟不漂移。

03 从交付结果的工业级视频，到1800亿美元的实时世界

控制能力的商业价值，在离线交付和实时交互两条线上同时被验证。

离线侧：按结果收费的工业级交付。达瓦是行业内少数按交付结果收费的AI视频公司，国内红果平台已上线《从虎王开始进化》《厨神附体》《我的荒岛生活》等多部AI短剧，客户单镜头“抽卡”次数从此前的五六十次下降至5次以内，单位制作成本较使用主流模型下降一个数量级；大预算影视侧，公司在戛纳获奖影片《狂野时代》、头部院线电影《消失的人》，并在筹划业内首部纯AI大银幕电影。

实时侧：把直播间搬进一张消费级显卡。9月，达瓦发布实时世界模型 Scenes AI，首发实拍演示中：主播站在一间普通办公室里，地面塌陷、雪怪破土而出；身旁的椅子在火光中变形为狼首铁王座，主播坐了上去；花盆里长出果树，窗帘下摆燃起明火；最后整间办公室化为动画草原。真人与生成的怪物、道具、场景同框、接触、互动——不是预渲染，不是绿幕合成，而是一张本地 RTX 5090 消费级显卡实时跑出来的。

这是国内首次将真实摄像头输入、真人实时驱动、连续世界生成跑在单张消费级显卡上：模型总参数34B，每步仅激活约4B，720P、25帧/秒输出，连续运行超过120分钟不漂移。传统直播间动辄数十万的布景、灯光、LED大屏，被压缩到一张显卡上；未来，数千万的主播可以在雪地里卖雪地靴、在雨林里卖防蚊液，场景随商品一键切换。这切入的是全球1800亿美元规模的直播与游戏互动市场——从交付一段成片，到实时改写一个世界，达瓦正在把AI视频从「抽卡出片」变成「现场生产力」。

04 数据即壁垒：成片只是冰山一角，达瓦拥有180TB拍摄过程高质量数据集

控制模型最需要知道一件事：画面里的这个变化，到底是被什么条件逼出来的。

互联网上海量视频回答不了这个问题——它只看到数十万个像素点，看不到空间的深度、遮挡、互动和关系；它只记录「最后长什么样」，不记录「导演为什么这么拍、演员为什么这么动、灯光为什么这么打」。

Higgsfield 攒的是用户在软件里的「决策序列」——创作者怎么选、怎么改、怎么调，再拿这些轨迹做后训练。它专门养了一支150人的全职创意团队，把顶级工作流开源到社区，八周滚出一万个工业级用例。

达瓦攒的是片场里真实发生的「创作过程」，是从剧本，到分镜的全要素，到每个镜头背后世界的构建和拍摄过程。在重庆永川，8.4万平米全流程数字化科技片场，11个影棚常年92%以上满产。过去五年，300多个真实商业项目在这里走完从开机到成片的全流程，沉淀下约180TB结构化过程数据——摄影机怎么运动、演员怎么站位、灯光怎么打、道具怎么动，单场戏标注维度超过300个。

这是国内唯一规模化跑通的影视制作过程数据集。互联网上的公开视频只能教模型「画面长什么样」，片场里的过程数据才能教模型「画面为什么变成这样」。从第一天起，这些数据就是为「控制」而生的，不是为「生成」而生的。

片场数据训练控制模型，控制模型交付商业项目，项目回流新的过程数据——这条飞轮一旦转动，控制能力将持续自我强化。

当AI视频从「抽卡赌一把」变成「按订单交付」，这个赛道的下一程就不再比谁的模型大、谁的卡多——而是比谁能把创作意图变成可交付的生产力。达瓦要做的，是工业级影视和实时交互世界共同依赖的那层控制底座。一次世界构建，可以拍、可以渲、可以播、可以玩。

05 关于达瓦科技

达瓦科技是一家生成式世界基础模型公司，总部位于重庆永川，专注打造可控、可交付、轻量易部署的AI视频生成基础设施。公司依托真实影视生产沉淀的高质量独家过程数据集，构建 Latent Stage 控制基模、CineStage 离线生成与 LiveStage 实时交互三大模型体系，通过 FilmOS 与 Scenes AI 连接专业影视、短剧、直播、营销等创作与商业场景，推动模型、产品、交付与数据回流持续迭代。

文章来自于"Z Potentials"，作者 "Z Potentials"。