达瓦科技年内完成5亿元融资：以34B控制层模型定义AI视频的「可控时刻」
达瓦科技年内连续完成Pre-A、A轮融资，累计近5亿元，启赋资本、投控东海等参投。公司以“重控制、轻渲染”路线打造可控视频基础设施，自研Latent Stage控制层及CineStage、LiveStage模型体系，依托重庆永川片场过程数据，推动AI视频走向稳定交付与实时交互。
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。
在AI视频行业普遍以「烧钱换参数、抽卡换素材」的当下，达瓦是少数把「可控」做成生意、把技术做成利润的公司：不拼参数规模，拼控制能力；不赌单次惊艳，给稳定交付。
视频生成的下半场，由「可控」定义
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：画面越来越逼真，生成时间越来越长，参数规模一次次刷新纪录。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。
这容易让人形成一种判断：视频赛道终将属于算力最多、资金最雄厚的巨头。
但真正站在生产一线的人知道，商业视频制作最贵的成本，从来不是「生成」，而是「改不动」。创作者无法控制画面，改一个动作等于重来一遍；镜头无法组织成作品，素材再多也交不了片。行业真正稀缺的能力，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。
达瓦正是从这一组问题出发，选择了与主流截然不同的技术路线：当视频模型不断加码参数与算力，达瓦选择「重控制、轻渲染」——以自研控制层模型 Latent Stage，将人物、动作、镜头与场景纳入精准控制，仅用34B参数实现工业级交付效果，让算力更多用于有效生成，把反复抽卡与修改的成本降到最低。
当模型可以「按想法控制」，生成式世界的想象空间也随之打开。达瓦把这套能力从视频制作延伸至实时交互：最新发布的实时交互模型 Scenes AI，已在单张 RTX 5090 消费级显卡上实现超过120分钟的连续实时生成。
达瓦自研控制层+实时渲染模型demo
全自研控制模型 Latent Stage：修改一个变量，保留整个世界
AI视频进入工业级生产环境，客户最终关心的只有一个问题：生成多少次才能得到可用结果，每一次修改要付出多少成本。
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。工业制作中最常见的要求，恰恰是：「这个保留，只改那里。」
海外明星公司 Higgsfield 找到的突破口，是精准的虚拟运镜控制。这个需求看似具体，背后却是专业制作的基本要求：摄影机的位置、运动和景别，必须服从创作者的意图。
达瓦长期处理的，也是这类问题，并且把控制能力更进一步前置到模型表征与训练阶段。自研控制层模型 Latent Stage 仅用34B参数，通过对创作要素的分层建模与联合约束，将控制范围从运镜扩展到人物、动作、光照、服装、道具与物理交互。动作捕捉把真实表演准确转成数字动作，空间理解处理人物与环境的关系，实时控制让输入及时、忠实地影响画面。这些在真实片场积累的能力，自然延伸为对人物动作、镜头路径和场景变化的精准控制。
达瓦在离线视频中，精准控制单一变量
达瓦在实时视频中，精准实时编辑
控制层做重，生成层才能做轻
把这条路线落到技术架构，达瓦的做法可以概括为一句话：控制层做重，生成层做轻。
没有把所有问题都交给一个大模型逐帧重画，达瓦在「创作意图」与「画面生成」之间，加了一层以世界状态为核心的控制系统——视频生成的控制层。
控制层承担更多的规划、状态维护与变化推演，生成层根据明确条件输出画面。稳定内容持续复用，计算只集中于需要变化的部分。这套架构的目标朴素而直接：让每一次生成更准确、每一次修改更有效，把合格内容的交付成本持续打低。
达瓦「控制层—渲染层」架构示意
- 控制层：
达瓦提出的非线性视角矩阵融合方法，把影像从「线性时间」变成「可编辑矩阵」——将连续视频拆解为可查询、可更新、可约束的状态因子：场景与空间、角色与动作、相机与镜头、灯光与材质、资产与服化道、物理与时间。控制层可直接理解、规划镜头运动，维护状态，推演结果。
- 渲染层：
接收控制层下发的条件，只把需要变化的部分生成出来，再合成回画面。达瓦在离线视频和实时视频中，均实现「可编辑、可修改、可复用」，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%。
一张消费级显卡上的实时世界：切入直播与沉浸娱乐
当生成内容具备更强的控制能力，就可以进入实时场景——这也是达瓦与纯渲染路线的分水岭。
达瓦的实时交互世界模型，直接接收普通摄像头拍摄的真实空间，随着人物动作与交互持续生成画面，已在单张 RTX 5090 上实现超过120分钟的连续实时生成。
技术上，LiveStage 将持久世界状态与因果化稀疏微扩散结合：稳定区域通过潜空间缓存复用，动作与接触事件触发局部生成，需要保留的变化再写回世界状态。空间上的局部更新与模型内部的稀疏激活，共同把实时计算开销压缩到消费级硬件可以承载的量级。
其实时模型每步仅激活约4B参数，在单张消费级 RTX 显卡上即可实现720P、25帧每秒输出。硬件成本与持续运行能力，从第一天起就被纳入同一套技术设计。
达瓦发布ScenesAI实时世界模型样例
通过 Scenes AI，达瓦将这项能力推向直播与沉浸娱乐：直播间可以随商品与话题切换环境，让主播在雪地中展示雪地靴、在山间介绍徒步装备；互动娱乐中，用户可以直接改变场景、对象与环境，让内容随着参与持续演化。
消费级硬件上的实时生成，为达瓦打开了一个约1800亿美元规模的直播与游戏互动市场。从交付一段成片，到支撑一场直播、一次沉浸体验，公司的产品边界正在扩大——这正是「可控视频基础设施」的想象力所在。
片场即数据工厂：别人只有成片，达瓦拥有过程
控制模型需要知道，一段画面中的变化由什么条件产生。这个问题，互联网视频回答不了——它只记录「画面最终长什么样」，不记录「相机怎么拍、演员怎么动、导演为什么这样改」。
达瓦的答案，是一间真实运营的片场。公司在重庆永川运营8.4万平方米的全流程数字化科技片场，过去五年从300多个真实商业项目中沉淀约180TB结构化过程数据，覆盖摄影机轨迹、人物动作、对象状态、光照与物理变化——这是国内唯一规模化运营的影视制作过程数据集，也是其他厂商无法从公开渠道获取的独家数据资产。
这些数据将同一次表演中的动作、机位、空间与灯光对齐，让模型学习控制条件与画面结果之间的对应关系；真实制作中的客户修改与交互反馈，又为数据积累与模型迭代提供持续入口。数据→技术→产品→交付→更多数据，这条飞轮让达瓦的控制能力越用越强。
目前，达瓦已形成 Latent Stage 控制基模、CineStage 视频生成与 LiveStage 实时交互的模型体系，通过 FilmOS 和 Scenes AI 连接内容制作与互动应用。
视频生成的下半场，拼的不是谁的模型更大，而是谁能把创作意图变成稳定交付的成品。达瓦要建立的，是从工业级视频制作到实时交互世界共同依赖的控制底座——可控视频的基础设施。一次世界构建，可以拍、可以渲、可以播、可以玩。
关于达瓦科技
达瓦科技是一家生成式世界基础模型公司，打造可控可交付、轻量易部署的AI视频生成基础设施，总部位于重庆永川。公司依托真实影视生产形成的高质量独家过程数据集，打造 Latent Stage、CineStage 与 LiveStage 三大模型体系，并通过 FilmOS 与 Scenes AI 连接专业影视、短剧、直播、营销等创作与商业场景，实现「一次世界构建，可以拍，可以渲，可以播，可以玩」，推动模型、产品、项目交付与数据回流持续迭代。
责任编辑： 云散
