اگر به دنبال ابزاری هستید که ویدیوهای تبلیغاتی یا سینمایی شما را با کیفیت ۴کی تولید کند، رقابت میان استارتاپهای تخصصی و غولهای فناوری اکنون به نقطه جوش رسیده است. این رقابت دیگر تنها بر سر «تولید تصویر متحرک» نیست، بلکه نبرد بر سر تسلط بر مدلهای جهانی است.
طبق گزارش ۱۴ ژوئیه ۲۰۲۶ از TechCrunch، استارتاپ سنگاپوری PixVerse با جذب ۴۳۹ میلیون دلار سرمایه در مرحلهی تکمیلی سری C، ارزش خود را به ۲ میلیارد دلار رساند. این مبلغ قرار است برای نفوذ در بازارهای جغرافیایی جدید و گسترش مدلهای جهانی (World Models) — که شبیه به شبیهسازهای فیزیکی هستند و قوانین دنیا را در ویدیو بازسازی میکنند — استفاده شود.
همانطور که در تحلیلهای قبلی ما دربارهی رقابت مدلهای مولد ویدیو اشاره کردیم، بازار اکنون از هیجان اولیه عبور کرده و به میدان جنگی میان متخصصان و شرکتهای بزرگ تبدیل شده است. در حالی که موج اولیه بر محور چند آزمایشگاه dominant متمرکز بود، اکنون چشمانداز ویدیوهای مولد دچار شکستگی شده است. جادن ژی (Jaden Xie)، یکی از بنیانگذاران PixVerse، مدعی است که غولهایی مثل متا و تنسنت در رسیدن به استانداردهای کیفی لازم برای تولید ویدیوهای حرفهای شکست خوردهاند و PixVerse خود را به عنوان جایگزینی با کیفیت بالا برای آنها معرفی میکند.
در این دور از تأمین سرمایه، مجموعهای متنوع از سرمایهگذاران استراتژیک حضور دارند. شرکتهای جدیدی چون Alibaba، Lollapalooza Capital، Ivy Capital، Grand Mount Capital، Eastern Bell Capital، Mirae Asset، BlueFocus و CloudAlpha در این مسیر همراهی کردهاند. همچنین پشتیبانان قدیمی مانند iGlobe Partners و OCBC’s LionX Ventures پس از دور اولیه سری C در ماه مارس که توسط CDH Investments رهبری میشد، در این مرحله تکمیلی نیز مشارکت کردند.
پلتفرم PixVerse در حال حاضر برای پوشش نیازهای مختلف بازار، سه سطح مدل ارائه میدهد:
- V-Series: طراحیشده برای استفادههای عمومی مصرفکنندگان و ادغام از طریق API.
- C-Series: طراحیشده برای جریانهای کاری تولید فیلم و تبلیغات حرفهای و تجاری.
- R-Series: مجموعهای تخصصی از مدلهای جهانی برای توسعه بازی و ساخت محیطهای مجازی که اوایل امسال عرضه شد.
این پلتفرم ویدیوهای ۴کی را با صدای یکپارچه تولید میکند. طبق اعلام شرکت، تاکنون بیش از ۱۵۰ میلیون کاربر ثبتنام کردهاند و ۱۵ میلیون کاربر ماهانه فعال دارند. اگرچه شرکت تعداد دقیق مشترکان پرداختکننده را فاش نکرد، اما خدمات تولید ویدیو از روی تصویر (image-to-video) را با نرخ ۴.۸۰ دلار به ازای هر دقیقه ارائه میدهد.
از نظر فنی، PixVerse برتری خود را نه در حجم خام داده، بلکه در برچسبگذاری داده (Data Labeling) — یعنی فرآیند دقیق معرفی اجزای تصویر به مدل، شبیه به اینکه به یک کودک یاد بدهیم دقیقاً چه چیزی در عکس است — میبیند. وانگ چانگهو (Wang Changhu)، بنیانگذار شرکت که پیش از این در ByteDance روی فناوریهای بینایی ماشین و درک بصری تیکتاک کار میکرد، معتقد است با بهکارگیری همان تکنیکهای برچسبگذاری دقیق در تولید ویدیو، میتواند مدل خود را از رقبایی که بر مجموعهدادههای پالایشنشده تکیه میکنند، جلو بیندازد.
این تمرکز بر دقت، پاسخی مستقیم به نوسانات این بخش است. جادن ژی اشاره کرد که OpenAI با توقف Sora 2 عملاً از میدان رقابت فوری خارج شد و این خلأ را برای شرکتهایی که میتوانند سطح کیفی بالایی را حفظ کنند، ایجاد کرد.
نقشه راه فوری شرکت، تعمیق ادغام با بخشهای سازمانی است؛ برای نمونه، قراردادی با سرمایهگذارش، علیبابا، برای استقرار قابلیتهای ویدیو بسته شده است. تا پایان سال ۲۰۲۶، عرضه مدل جدید V-series و نسخه بهروزرسانیشده مدل جهانی در دستور کار است.
با این حال، فشار رقابتی شدید است. PixVerse در آسیا با رقبایی چون Kling AI، Video Rebirth و مدل Seedance متعلق به ByteDance دستوپنجه نرم میکند. در غرب نیز با رقبایی چون Runway، Luma و Midjourney روبروست. همچنین مدلهای جهانی که توسط آزمایشگاههای تحت هدایت فی فی لی و یان لکان توسعه مییابند، تهدیداتی جدی برای این استارتاپ هستند.
در حال حاضر ۱۵۰ کارمند این شرکت در سنگاپور، پکن و شانگهای مشغول به کار هستند و شرکت بهشدت در حال جذب پژوهشگران و متخصصان ورود به بازار (go-to-market) است تا گسترش جهانی خود را سرعت ببخشد.
گام بعدی شما
- اگر تولیدکننده محتوا هستید، مدل V-series جدید را برای بررسی «ثبات زمانی» (Temporal Consistency) در ویدیوها تست کنید تا ببینید آیا رویکرد «اول-برچسبگذاری» PixVerse جهشی بصری نسبت به رقبا ایجاد کرده است یا خیر.
- جریان کاری خود را با مدلهای تخصصی C-series برای پروژههای تجاری مقایسه کنید.
- تغییرات قیمتگذاری در مدلهای image-to-video را رصد کنید تا استراتژی رقابتی شرکت را بشناسید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell و تأثیر آنها بر استنتاج ویدیو مراجعه کنید.
گفتگو