一張 RTX 5090 撐住 120 分鐘不漂移：Dawa 的 Scenes AI

賣這家公司的 demo，不是一段算圖。是一場直播。

一位講者在普通辦公室裡站著。地板塌了。有獠牙的東西從底下竄上來。他旁邊的椅子扭成狼頭王座，他坐下去。一棵樹從盆栽裡長出來，窗簾燒起來，然後整個房間變成一片動畫草原。

那個畫面裡沒有任何人是合成進去的。人是真的，攝影機是真的，而那些生物、道具和佈景，是在單張消費級 RTX 5090 上即時生成的。這就是 Dawa Technology——一家重慶公司、自稱是生成式世界基礎模型公司——九月推出 Scenes AI 時的主張，也是它的名字突然出現在投資人對話裡的原因。

他們實際蓋了什麼

架構被描述成「重控制層、輕生成層」，值得拆開講，因為它跟現在的流行完全相反。

Dawa 沒有要一個大模型重畫每一格，而是在創作意圖和像素之間，放了一套控制系統。那一層叫 Latent Stage，340 億參數，把人物、動作、攝影機、燈光、服裝、道具和物理互動，建模成各自獨立、但被聯合約束的變數。改一個，其餘的世界狀態就凍結。

公司回報針對性連續編輯成功率 98.2%、身分保留 93.3%。這些是廠商數字，在他們自己的測試上量的，該當成方向性參考。不過方向上，它們描述的正是 AI 影片圈每個人都在抱怨的問題：你要求一個小改動，模型把整個世界重蓋一遍。

底下，生成層只算有動的那部分。他們的稀疏局部 micro-diffusion 只碰畫面的 10% 到 20%，他們說這讓 GPU 功耗降 40% 到 60%、推論快三到五倍。穩定的牆、地板和臉被重複使用，而不是重新去噪。

然後是 LiveStage，即時路徑：每步大約 40 億參數作用中，720p、每秒 25 格，連續跑超過 120 分鐘不漂移。在一張顯卡上。最後那個數字才是關鍵，因為漂移是殺死每一場長時間生成 session 的東西——場景慢慢變異，直到變成另一個房間。

為什麼離線生意才是有意思的部分

即時 demo 很好玩，也很難變現。Dawa 的收入，據公司說法，來自一個樸素得多的東西：短劇。

中國的直式短劇市場龐大，而且對成本極度敏感。字節的免費短劇 app 紅果，七八月月活大約 4.03 億；騰訊的小程式入口八月月活 1.43 億、十月第一週週活 8,968 萬，比九月第一週成長 44.1%。當你的觀眾這麼多、毛利這麼薄，每個人唯一在意的數字，就是每分鐘成品的成本。

Dawa 說已經有幾部 AI 短劇在紅果上線，包括片名大致可譯為《從虎王進化》、《被食神附身》和《我的荒島人生》的作品。附在這些作品上的主張很具體、原則上也可查：單鏡頭重試次數從五六十次掉到五次以下，單位製作成本比主流模型低一個數量級。

就算只有一半成立，也足以解釋那筆募資。今年 Pre-A 和 A 輪合計五億人民幣，約七千萬美元，Qifu Capital、Kongkong Donghai、Yicun Capital 等參與。公司還說今年確認了近五億人民幣營收、且已規模化獲利——在這個行業裡，這是一句真的不尋常的話。

沒人有的那 180 TB

他們描述的護城河不是模型。是模型底下的資料集。

在重慶永川，Dawa 營運一座 8.4 萬平方公尺的數位製作基地，有 11 個棚，他們說使用率超過 92%。五年間，超過 300 個商業專案從頭到尾走過那裡，產出大約 180 TB 的結構化流程資料：攝影機怎麼動、演員站哪裡、燈怎麼擺、道具怎麼處理。每個場景超過 300 個標註維度。

這跟網路上的影片語料是不同種類的資料。一段 YouTube 影片教模型一個場景長什麼樣。一份 shot log 教它為什麼那個場景長那樣。對一個控制模型來說，後者就是全部，因為控制是從意圖到結果的映射，而那個映射只存在於流程紀錄裡。

它也是公司裡最難複製的資產。你爬不到它，而它只在你已經在跑製作時才會累積。那個飛輪——拍攝產出資料、資料改進控制模型、模型贏得更多拍攝——才是真正的賣點，而它比一張 benchmark 表好得多。

每個人都會做的比較

Higgsfield，那家名字在討論裡很像的舊金山公司，走了不同的路。根據 Dawa 這輪募資前後的報導，Higgsfield 在三輪嘗試裡燒掉一千萬美元，然後從八位資深創意總監口中聽到同一個答案：缺的是攝影機和鏡頭控制，不是生成品質。它把這件事做成一項應用層功能，十八個月內年化營收從 100 萬成長到 1 億美元，據報 B 輪後估值 54 億美元。其創辦人的公開立場是：垂直公司不該去追通用基礎模型；護城河是模型路由，大約 40% 的呼叫自動指派，毛利率超過 80%。

Dawa 的反駁是：路由決定哪個模型來生成，而控制層決定輸出能不能被改、能不能保持一致。一個優化成本。另一個決定你能不能交片。這個區分是合理的，也解釋了為什麼他們蓋的是一組佈景，而不是一張路由表。

它是不是更好的生意，還沒有答案。路由隨需求擴張，不需要攝影棚。控制模型需要 8.4 萬平方公尺和十年的拍攝，才變得可防禦。

在相信之前，我想看到什麼

三件事。

第一，重試次數的獨立測量。「五十降到五」是那種在 pitch 裡會被四捨五入的數字，而五和十五的差別，就是一部能賺錢的製作和一個興趣之間的差別。

第二，一場未剪輯的直播，驗證 120 分鐘不漂移的主張。漂移在精華剪輯裡很容易藏，在一小時連續串流裡則藏不住。

第三，一部上映的片。Dawa 的作品表包括參與坎城獲獎的《Wild Times》和院線片《The Vanished》，並說正在規劃業界第一部全 AI 院線長片。長片是一種非常公開的犯錯方式，而這正是它能終結爭論的原因。

讓我覺得最有說服力的，完全不是 demo。是這家公司真的去買了一座片廠、雇了團隊、花五年記錄鏡頭是怎麼拍出來的。那是一個緩慢、不性感的賭注，賭的是 AI 影片的瓶頸從來不是像素。是知道自己要什麼，並且有本事把它留住。