Hinter der 300 Millionen US-Dollar umfassenden Finanzierung und einer Bewertung von 2 Milliarden US-Dollar haben chinesische KI-Anwendungen zum ersten Mal eine erfolgreiche „Produktmatrix“ hervorgebracht.

Im vergangenen Jahr lag der narrative Fokus der KI-Branche stets auf Modellen.

Von OpenAI und Anthropic bis hin zu DeepSeek dominieren Unternehmen für große KI-Modelle den Großteil der Aufmerksamkeit. Gleichzeitig taucht jedoch ein weiterer kommerzieller Pfad rasant auf – KI-Anwendungen.

Kürzlich schloss Evoken, die Muttergesellschaft von LiblibAI, eine B+-Finanzierungsrunde von fast 300 Millionen US-Dollar ab, mit einer Bewertung von über 2 Milliarden US-Dollar nach der Investition – dies ist zugleich die größte Einzelfinanzierungsrunde für chinesische KI-Anwendungsunternehmen bislang.

Diese Finanzierungsrunde wurde gemeinsam von Granite Asia, Tencent und Shunwei Capital angeführt, HT Investment und Times Capital beteiligten sich gemeinsam an der Investition. Bestehende Aktionäre wie Gaorong Capital, Ant Group, Yingce Capital, Mingshi Venture Capital, Source Code Capital, HSG und mehrere andere namhafte Investmentinstitutionen erhöhten ihre Beteiligungen kontinuierlich zur Unterstützung.

Verglichen mit den Finanzierungszahlen verdient ein anderer Datensatz mehr Aufmerksamkeit: Bis Mai 2026 hat das jährliche wiederkehrende Umsatzvolumen (ARR) von Evoken bereits 300 Millionen US-Dollar erreicht, was einer fast dreifachen Steigerung gegenüber dem Abschluss dieser Finanzierungsrunde entspricht.

In China ist dies eines der wenigen KI-Anwendungsstartups außerhalb großer Technologiekonzerne, die in den Klub der Unternehmen mit einem ARR von über 100 Millionen Yuan eingetreten sind.

Dies bedeutet, dass der Wachstumshebel von Evoken nicht auf einem zufällig erfolgreichen Einzelprodukt beruht, sondern auf der Grundlage, dass das Unternehmen wiederholt die Produkt-Markt-Passung (PMF) für mehrere KI-Produkte nachgewiesen hat.

Rückblickend auf die Entwicklung der KI-Industrie in den vergangenen drei Jahren lassen sich klar die drei wichtigsten Anwendungs-Wellen erkennen: Bildgenerierung, Agenten und Videogenerierung. Evoken hat in fast jedem Zyklus sein eigenes repräsentatives Produkt vorgelegt:

Die 2023 eingeführte KI-Ersteller-Community LiblibAI hat insgesamt über 30 Millionen Nutzer erreicht. Jeder dritte Designer in China ist ein aktiver Nutzer von LiblibAI; der im Juli 2025 vorgestellte KI-Design-Agent Xingliu hat bereits Millionen von Nutzern bedient.

Die im Februar 2026 eingeführte KI-Videoproduktionsplattform LibTV hat die Geschwindigkeit der Eigenfinanzierung von KI-Anwendungen im Inland neu definiert – Im ersten Monat nach der Einführung überstieg der tägliche Umsatz von LibTV eine Million US-Dollar; zwei Monate nach der Einführung stieg der Produktumsatz um mehr als das 13-fache.

Während die Branche noch darüber diskutiert, wie man die KI-PMF finden kann, hat dieses Unternehmen bereits begonnen, eine realere Frage zu beantworten: Wie lässt sich KI tatsächlich zu einem rentablen Geschäft machen?

Und von LiblibAI über Xingliu bis hin zu LibTV baut dieses Unternehmen möglicherweise nicht nur einzelne beliebte Anwendungen auf, sondern das erste KI-Inhaltsmatrix-Unternehmen in China.

Mit drei Produkten zu einem der profitabelsten KI-Unternehmen Chinas werden

Die KI-Branche hat keinen Mangel an beliebten Produkten, sondern einen Mangel an Unternehmen, die kontinuierlich erfolgreiche Produkte entwickeln können.

In den vergangenen drei Jahren sind zahlreiche Star-Produkte in der KI-Branche entstanden, aber die meisten Unternehmen befinden sich noch in der Phase, in der sie „nur ein einziges Superprodukt“ besitzen. Zum Beispiel wird Cursor als KI-Coding-Tool eingestuft, Suno als KI-Musik-Tool – zweifellos haben diese Produkte große Erfolge erzielt, aber bis heute tragen diese Superprodukte noch die Hauptlast der Generierung von Einnahmen für ihre Muttergesellschaften.

Dies rührt tatsächlich von einem Dilemma her: Die meisten KI-Unternehmen können eine PMF finden, verfügen aber nicht über die Fähigkeit, PMF kontinuierlich zu replizieren. Zum Beispiel hat Character.AI mehrere Richtungen wie Communities, Agenten und Spiele ausprobiert, aber das Label, an das man sich oft erinnert, ist immer noch „KI-Begleitung für Rollen“, eine zweite Wachstumskurve lässt sich nicht leicht aufbauen.

Im Vergleich dazu hat Evoken von LiblibAI über Xingliu bis hin zu LibTV fast vollständig die drei technologischen Zyklen der Bildgenerierung, der Agenten und der Videogenerierung durchlaufen:

Im Jahr 2023, als Midjourney und Stable Diffusion die KI-Bildgenerierung in die Öffentlichkeit brachten, strömten zahlreiche Startups in dieses Feld. LiblibAI von Evoken wählte den Einstieg über die Ersteller-Community und das Modell-Ökosystem und füllte die Lücke des „Schaufelverkäufers“ für multimodale Modelle im Inland.

Anschließend traten KI-Anwendungen in das Agenten-Zeitalter ein, angeführt von Manus begann die Branche zu erforschen, wie KI von der „Generierung von Inhalten“ weiter zur „Erledigung von Aufgaben“ gelangen kann. In dieser Phase brachte Evoken den KI-Design-Agenten Xingliu auf den Markt.

In diesem Jahr, mit der Veröffentlichung leistungsstarker Videomodelle wie Seedance 2.0 und Kling 3.1 sowie dem rasanten Wachstum des Marktes für kurze Comic-Dramen im nachgelagerten Bereich, hat Evoken schnell LibTV auf den Markt gebracht und ist im Bereich der Videogenerierung, der die Generierung „einzelner Aufnahmen“ hervorhebt, das erste Unternehmen, das bei nachgelagerten Kunden das Bewusstsein für die „Lieferung fertiger Videos“ aufbaut.

Für die KI-Branche gilt: Einmal die PMF zu erreichen, beweist die Produktfähigkeit; dreimal in Folge die PMF zu erreichen, beweist darüber hinaus die Organisationsfähigkeit.

Eine der Methoden des Evoken-Teams besteht darin, früher als andere die Chancen zu entdecken, die sich aus den Veränderungen der Modellfähigkeiten ergeben. Chen Mian, Gründer von Evoken, fasste dies in einem Interview auf zwei Punkte zusammen: Erstens, die Iteration der Modelle genau zu verfolgen; zweitens, intern eine Hypothese auszurichten: Die Modelle werden stärker, aber kurzfristig sind sie nur menschenähnlicher, nicht übertreffen sie den Menschen.

△ Chen Mian, Gründer von Evoken

Seiner Meinung nach ist die Pflicht für Unternehmen auf der Anwendungsebene, „wie man fortschrittliche Modelle nutzt“, also die neuesten Modelle in kürzester Zeit sinnvoll einzusetzen. Während sich Modellanbieter auf die Grenzen der Fähigkeiten konzentrieren, interessieren sich Anwendungsunternehmen mehr für die Wendepunkte der Fähigkeiten: Wenn ein Modell eine neue Fähigkeit erhält, welche Probleme kann es lösen, die früher nicht gelöst werden konnten? Welche neuen Interaktionsmethoden werden daraus entstehen? Welche Arbeitsabläufe werden neu strukturiert?

Die Entstehung von Xingliu ist ein typisches Beispiel dafür.

Noch vor der Einführung leistungsstarker Bildgenerierungsmodelle wie GPT-Image-1 beurteilte das Team von Evoken, dass Modellanbieter sich darauf konzentrieren werden, Probleme wie das Verständnis komplexer mehrstufiger Anweisungen, Konsistenzsteuerung und Bearbeitungsfähigkeiten zu lösen.

Wenn diese Probleme gelöst werden, könnte sich die Kerninteraktionsmethode von Designsoftware verändern – Nutzer müssen keine komplexen Werkzeugketten mehr erlernen, sondern können durch natürliche Sprache kontinuierlich mit KI zusammenarbeiten, um Designaufgaben zu erledigen. Aufgrund dieser Beurteilung setzte das Team im Voraus auf das Produktkonzept von „ChatCanvas“ für Xingliu.

Aber es reicht nicht, nur technische Veränderungen zu verstehen. In den vergangenen Jahren konnten viele KI-Startups den Fortschritt der Modelle scharf wahrnehmen, aber sie waren nicht unbedingt in der Lage, technische Vorteile in echte Nachfrage umzuwandeln. Im Vergleich zum Entdecken technischer Chancen ist das Erkennen von Marktchancen oft schwieriger.

Die zweite Fähigkeit von Evoken besteht darin, die nachgelagerte Nachfrage zu zerlegen, neu zu strukturieren und schließlich zu einem Produkt zu machen.

LibTV ist eine Anwendung, die an der Schnittstelle von Modellfähigkeiten und nachgelagerter Nachfrage entstanden ist. Von außen betrachtet ist das Kernproblem des Videogenerierungsfeldes, ob die Aufnahmen schön sind und die Interpretation genau erfolgt. Aber nach Gesprächen mit zahlreichen Kunden stellte das Team fest, dass Teams für kurze Comic-Dramen, MCN-Agenturen und Werbeagenturen nicht wirklich die Fähigkeit zur Generierung einzelner Aufnahmen fehlt, sondern die vollständige Fähigkeit zur Inhaltserstellung.

Nur wer in der Lage ist, in die gesamte Produktionskette einzugreifen und Kunden bei der Lieferung fertiger Werke zu unterstützen, kann echten kommerziellen Wert schaffen. Daher zielte LibTV von Anfang an nicht auf das Videogenerierungsmodell selbst ab, sondern auf den Arbeitsablauf der Videoproduktion.

Diese Denkweise durchzieht tatsächlich den Produktentwicklungsweg von Evoken in den vergangenen Jahren: LiblibAI löst das Problem, dass Ersteller KI-Materialien erhalten und verwalten; Xingliu löst das Problem des Design-Arbeitsablaufs bei der Zusammenarbeit zwischen Mensch und KI; LibTV löst das Problem der Lieferung fertiger Videos.

Oberflächlich betrachtet gehören sie zu unterschiedlichen Bereichen, aber dahinter folgt dieselbe Logik: Man sucht nicht nach den stärksten Fähigkeiten des Modells, sondern nach den Gliedern der Industriekette, die am dringendsten neu strukturiert werden müssen.

Und dies ist vielleicht auch eines der wichtigsten Gesetze für das Unternehmertum im Bereich KI-Anwendungen: In einem schnell wachsenden Wachstumsmarkt ist das Wichtigste nicht, eigenwillig neue Wege zu gehen, sondern zur richtigen Zeit das Richtige zu tun.

Chinesische KI-Anwendungen beginnen in die Phase des „Gruppenwettbewerbs“ einzutreten

Anfang 2026 ist die Begeisterung für KI noch vorhanden, aber mehrere beliebte Produkte kündigten ihr „Ende“ an. Nach Statistiken von AI Graveyard wurden 2025 weltweit 392 KI-Tools eingestellt. Dies bedeutet, dass im vergangenen Jahr durchschnittlich täglich ein KI-Produkt eingestellt wurde.

Das überraschendste „plötzliche Ende“ stammt vom KI-Giganten OpenAI. Am 25. März 2026 kündigte OpenAI an, dass die Sora-Anwendung aus dem Store entfernt wird – dieses beliebte Produkt, dessen Download-Zahl sofort nach der Veröffentlichung 10 Millionen Mal erreichte, wurde nach 25 Monaten eingestellt.

Wie Bryan Kim, Partner bei a16z, sagte: „Es gibt überhaupt keine Schutzmechanismen im Bereich verbraucherorientierter KI.“ Ein deutliches Signal ist: Das Narrativ von einem einzelnen Erfolgsprodukt wird überholt.

Die schnelle Iteration der Modellfähigkeiten verschlingt KI-Anwendungen, gleichzeitig senkt die Iteration der Codierungsfähigkeiten die Kosten für die Nachbildung von Erfolgsprodukten rasant. Dies führt dazu, dass der Lebenszyklus beliebter KI-Anwendungen kürzer wird, der Wettbewerb auf Produktebene sich verschärft und die Kosten für die Kundengewinnung indirekt steigen – nach Angaben einiger Branchenvertreter lagen die durchschnittlichen Kosten für die Kundengewinnung (CAC) von KI-Produkten 2024 noch zwischen 20 und 30 Yuan; heute ist diese Zahl auf über 100 Yuan gestiegen.

Vor diesem Hintergrund wird die „Gruppenbildung“ zu einem neuen Weg für KI-Unternehmen, um Schutzbarrieren aufzubauen.

Im Vergleich zu Einzelprodukten ist eine Multi-Produkt-Matrix widerstandsfähiger gegen kommerzielle Risiken. Noch wichtiger ist, dass die Gruppenbildung bedeutet, dass Unternehmen nicht mehr nur um ein einzelnes Toolfeld konkurrieren, sondern um die ökologische Nische der Branche. Für Nachzügler ist es möglicherweise nicht schwierig, ein Produkt zu replizieren, aber es ist viel schwieriger, ein Ökosystem zu replizieren, das aus mehreren Produkten, Millionen von Nutzern und einem vollständigen kommerziellen System besteht.

Evoken ist eines der ersten chinesischen KI-Anwendungsunternehmen, das in die Phase des „gruppenbasierten Kampfes“ eingetreten ist.

Schauen wir zuerst die horizontale Produktmatrix an. Von LiblibAI über Xingliu bis hin zu LibTV hat die Produktentwicklung von Evoken eine klare Hauptlinie: die Lieferung kreativer Inhalte, die sich über alle KI-Technologiezyklen erstreckt.

Dies bedeutet, dass die Nutzer der drei Produkte stark übereinstimmen. Im Vergleich zu einzelnen Produkten, die in verschiedenen Szenarien verteilt sind, können sie die gemeinsame Nutzung von Nutzern, Daten und Kommerzialisierungsfähigkeiten ermöglichen.

Zum Beispiel können Bildgestalter in der LiblibAI-Community einen Design-Agenten benötigen, um ihre kreative Arbeit weiter zu unterstützen; Bildgestalter können sich wiederum zu Videogestaltern entwickeln – verschiedene Produkte fungieren gegenseitig als Zugang für Nutzerverkehr, was den Lebenszyklus der Nutzer auf natürliche Weise verlängert.

Schauen wir dann das vertikale Ökosystem der Inhaltsindustrie an. Von der Bereitstellung kreativer Inspiration und Materialgenerierung durch LiblibAI bis hin zur Lieferung visueller Designs durch Xingliu und LibTV bilden die mehreren Produkte von Evoken gemeinsam eine vollständige Produktionskette für Inhalte.

Insbesondere LibTV, das als erstes das „doppelte Zugangskonzept für Nutzer und Agenten“ vorschlägt, ist nicht nur ein Produkt für Menschen, sondern eher eine Infrastruktur für das Agenten-Zeitalter. Während KI von der „Beantwortung von Fragen“ zur „Erledigung von Arbeiten“ übergeht, werden immer mehr Glieder der Inhaltserstellung zu aufrufbaren Funktionsmodulen verpackt, und die Videogenerierung ist eines der zentralsten