Higgsfield 与两位创始人：从 AI Factory、Snap 生成式 AI 到新一代视频生成平台的创业路径
目录
1、先给结论：Higgsfield 真正值得研究的，不是“又一家 AI 视频模型公司”，而是它怎样从“自己造模型”迅速转成“控制整个生成式视觉工作流”。
Higgsfield 2023 年启动时，带有相当强的模型/基础设施色彩；到 2024 年公开亮相时，主打自研 text-to-video 和移动端 Diffuse；但到 2025—2026 年，公司最重要的定位已经发生变化：它不再把胜负押在“谁拥有世界上最强的单一视频基础模型”，而是把 OpenAI、Google、字节系、Kling 等不同模型接入同一工作流，再在其上增加自己的 post-training、fine-tuning、自动提示、模型自动选择、角色/品牌一致性和 agentic orchestration。Reuters 2026 年明确把它描述成建立在基础模型之上的应用层公司，而 Alex 自己也公开说，平台上已经存在约 20—25 个有竞争力的模型，Higgsfield 的任务是替企业吸收这种复杂性。
因此，Higgsfield 的核心竞争逻辑不是简单的“模型聚合器”。Alex 对 Sacra 的解释是：聚合器解决“怎样调用模型”，Higgsfield 想解决的是“怎样从创意最终得到可用的视频，甚至得到销售结果”。OpenAI 2026 年发布的客户案例也验证了这一层结构：Higgsfield 用 GPT‑4.1/GPT‑5 做创意规划和结构化指令，再调用 Sora 2 等视频模型完成生成。换句话说，它试图占据的是 Adobe/Canva/广告代理工作流与基础模型之间的控制层。
2、这家公司实际上有两个完全不同、但高度互补的创始人来源。
Alex Mashrabov 的优势是：竞技编程训练、Yandex 搜索经验、第一次 AI 创业并成功卖给 Snap、在 Snap 直接做消费级视觉 AI 和生成式 AI、美国融资和硅谷网络，以及对“消费产品如何传播”的经验。AI Factory 被 Snap 收购之后，他实际上已经完整经历过一次“研究技术 → 消费产品 → 大平台分发 → 并购退出”的闭环。
Yerzat Dulat 则是完全不同的路径：哈萨克斯坦数理竞赛背景、几乎没有传统大学教育、自学计算机科学和机器学习、早期参与哈萨克斯坦很小的机器学习社区、自己做开源/研究项目，然后在 2023 年先启动了 Higgsfield 的原始项目、拿到第一笔个人投资，再寻找一个能把项目带进美国市场的合伙人。也就是说，Yerzat 更像项目的技术起点，Alex 更像把技术项目重构成全球化公司的人。
3、Higgsfield 最关键的时间线可以压缩为下面这条链。
2018 年，Alex 与 Victor Shaburov、Greg Tkachenko 等创办 AI Factory；AI Factory 最终把重心放到人脸/视频生成技术，并与 Snap 合作开发 Cameos。2020 年 1 月，Snap 以约 1.66 亿美元收购 AI Factory，Alex 进入 Snap。
2023 年 5 月，按 Yerzat 本人的回忆，他先向哈萨克斯坦投资人 Murat Abdrakhmanov 推介一个与神经网络训练基础设施有关的项目，获得 25 万美元，随后组建团队。之后 Nikolay “Nick” Davidov 把他介绍给 Alex；原本计划约半小时的通话最后持续约七小时。这个阶段才形成后来 Higgsfield 的核心联合创始人组合。
2023 年下半年，团队把方向从训练基础设施逐渐转到生成式媒体/视频；Yerzat 表示这一决定发生在 OpenAI 公开 Sora 之前。Higgsfield 作为公司通常被公开资料记为 2023 年成立。
2024 年 4 月，公司带着约 800 万美元种子轮正式公开亮相，首个主要消费产品是 Diffuse：可以 text-to-video，也可以从自拍生成“本人出演”的视频。当时的战略非常明显——先做手机、短视频和社交传播，而不是直接攻好莱坞。
2024 年的移动消费应用很快做到约 100 万用户，但留存不好。Alex 后来把这视为一次错误产品假设：真正愿意高频付费的人不是普通娱乐用户，而是 VFX 创作者、广告从业者和职业营销人员；他们需要的控制能力在手机上很难实现。
2025 年 3 月 31 日，Higgsfield 把重心切到浏览器/桌面端专业工作流。按 Alex 自己的说法，这才是公司真正找到 product-market fit 的节点。后续的 Click-to-Video、Draw-to-Video、摄像机运动 preset、角色一致性、广告工作流，基本都是从这个判断展开。
2025 年 9 月，公司完成 5000 万美元 Series A，由 GFT Ventures 领投。2026 年 1 月再扩展 8000 万美元，Series A 总融资超过 1.3 亿美元，估值超过 13 亿美元。
2026 年 8 月，Higgsfield 完成 4 亿美元 Series B，估值 54 亿美元。公司称年化收入已达到 7 亿美元、全球用户超过 3000 万；Reuters 对这些核心数据进行了报道。若把公开披露的约 800 万美元 seed、超过 1.3 亿美元 Series A 体系和 4 亿美元 Series B 相加，主要公开融资至少约 5.38 亿美元。
4、真正的转折不是某一次融资，而是三次认知变化。
第一次是 Yerzat 从“给别人训练模型的基础设施”转向“直接生成内容”。这把一个技术基础设施项目变成了潜在的消费/媒体平台。
第二次是从 mobile consumer 转向 desktop professional。移动端 100 万用户并没有自动变成好生意；职业创作者和营销人员才暴露出更高付费意愿、更强工作流需求和更清晰的 ROI。这次转向直接决定了后来的 ARR 爆发。
第三次更重要：从“我们有自己的视频模型”变成“哪个模型最好并不重要，我们控制模型之上的工作流”。这一转向显著降低了必须长期与 OpenAI、Google、字节、快手等公司在基础模型资本开支上正面竞争的压力，同时使每一个更强的新模型理论上都可能成为 Higgsfield 的上游能力，而不是纯粹的竞争威胁。
两位创始人的成长、教育与职业路径
5、Alex Mashrabov：他的早期背景不是典型的美国硅谷精英路线，而是“中亚/前苏联数理教育 → 俄罗斯竞技编程体系 → Yandex → AI 创业 → Snap → 硅谷”。
关于出生与成长，公开资料呈现出一个跨地区轨迹。乌兹别克斯坦创业媒体 Pivot 将 Alex 描述为 “Andijan-born”，他本人则说父亲来自安集延，父母都是机械工程教授；Forbes Russia 的早期人物资料又显示，他至少从小学三年级起就和后来 AI Factory 的合伙人 Greg Tkachenko 一起在俄罗斯车里雅宾斯克的物理数学中学学习。因此，把他简单归类为“俄罗斯创始人”或“乌兹别克斯坦创始人”都会漏掉一部分成长路径。
家庭最有信息价值的地方不是财富，而是技术教育资本。Alex 自述父母都是机械工程教授；这意味着他很早处于强 STEM 环境中，但他又把编程描述为自己向上流动的重要工具。现有资料并不支持把其家庭直接定义为富裕阶层。
小学后期到青少年阶段，他进入前苏联极强的数学、物理和算法竞赛体系。Forbes Russia 记录他和 Greg 从三年级起就在物理数学学校学习；之后 Alex 前往莫斯科进入 Moscow Institute of Physics and Technology（MIPT）。Phystech Union 将其明确称为 FIVT 2018 届毕业生。
这一训练路径对他的创业风格影响非常明显：Higgsfield 后来一直强调高频发布、快速实验、把产品市场拟合当作持续优化问题，这种思路与竞技编程“快速拆解问题—测试—修正”的方法非常接近。这一点属于基于其履历和后来管理方式的分析判断，而不是 Alex 对自己成长的直接因果表述。
6、Alex 的竞技编程成就很强，但网上流传的“世界前三”需要准确区分。
他两次进入 ICPC World Finals：2014 年代表 MIPT，团队最终排名第 53；2016 年代表 Innopolis University，团队排名第 38。2015 年，他所在的 MIPT Two Captains 团队在 CodeChef SnackDown 获得第 3。也就是说，最严谨的表述是 “两届 ICPC 世界总决赛选手，并有其他国际程序设计赛事前三成绩”，而不能把“ICPC 世界前三”当作事实。
类似地，他经常被个人简介写成 “Forbes 30 Under 30”，但 Forbes Russia 2020 原始页面称 Alex 和 Greg 是该年度“100 名候选人/nominees”中的科技类别候选者。更严谨的写法是 Forbes Russia 30 Under 30 nominee，而不是在没有进一步证据时把它写成最终 30 人获奖者。
7、Alex 的第一段真正有代表性的职业经历，是 Yandex，而不是 Snap。
Phystech Union 记录他 2015 年在 Yandex 工作，参与搜索业务；Forbes Russia 同样写到他负责 Search 的发展。这一点很重要，因为 Yandex 本身就是前苏联地区最强的搜索、机器学习和大规模消费互联网工程环境之一。Alex 在这里第一次把算法能力接到大规模真实产品上。
他还在 2025 年的一次公开访谈中回忆，18 岁时曾拒绝 Meta 的实习机会，并把它称为后来证明很重要的决定；由于当时公司仍叫 Facebook，且这一细节主要来自其本人回忆，因此应理解为创始人的自述，而非独立验证过的职业记录。
8、AI Factory 是理解 Alex 的关键，因为 Higgsfield 很大程度上是第二次做同一道题。
2018 年，Victor Shaburov、Greg Tkachenko 和 Alex 共同创办 AI Factory。Forbes Russia 的叙述显示，他们最初测试了多个计算机视觉方向，最后集中于在视频中改变/生成人的外观。AI Factory 后来与 Snap 合作开发 Cameos——用户上传自拍后，可以把自己的脸放进短视频场景。
2020 年 1 月，Snap 收购 AI Factory，报道中的交易金额约为 1.66 亿美元。必须强调：1.66 亿美元是公司交易金额，不是 Alex 个人获得的现金。 AI Factory 的股权结构和 Alex 的个人收益没有被公开到足以做可靠计算的程度。
Alex 随后进入 Snap，并继续围绕 Cameos、AR/AI 和生成式内容工作，最后成为 Snap 的生成式 AI 负责人。TechCrunch 在 Higgsfield 2024 年公开时直接称他为 Snap 前 generative AI head。这个阶段给他的最大资产不是单纯的大公司职级，而是对“数亿级消费用户如何使用 AI 视觉效果”的直接经验。
这也解释了为什么 Higgsfield 一开始不是去做企业后台软件，而是先做自拍、短视频、社交传播：它实际上继承了 Cameos/Snap 的产品 DNA，只是把 AR/人脸效果升级成生成式视频。 这是理解两个项目之间连续性的最关键一点。
9、Alex 后来的教育路径也值得注意：他并不是停止学习，而是从纯技术训练补管理与商业。
他的公开 LinkedIn 显示 2022—2023 年曾在 UC Berkeley Haas School of Business 学习，但公开页面没有列出具体学位名称，因此不应擅自写成 MBA。与此同时，他的履历里还保留大量 Coursera 的机器学习、神经网络、数据分析和算法课程记录。
这形成了一条很清晰的能力叠加：MIPT/竞赛提供算法基础，Yandex 提供互联网工程，AI Factory 提供第一次创业与退出，Snap 提供全球消费产品和美国网络，Haas 阶段则强化商业/管理背景。Higgsfield 正是这些能力第一次全部集中到同一家公司。
10、Yerzat Dulat：他的路径几乎与 Alex 相反，是典型的“非学历化、自学型研究者”。
2024 年哈萨克斯坦媒体把 Yerzat 描述为阿拉木图人、当时约 28 岁。他就读于 Kazakhstan Republican Physics and Mathematics School，并参加过物理竞赛；高中毕业后没有走传统大学路线。采访中他明确解释，自己不喜欢大学统一节奏和课程更新速度，因此选择自学。
大约 2013—2015 年，他大量使用 Udacity、Coursera 等在线课程学习计算机科学，同时并不局限于工程，还会读数学、文学、哲学等内容。毕业后大约两三年主要研究计算机科学，2016 年转向机器学习；当时哈萨克斯坦的 ML 社群仍然非常小。
他的成长模式不是“进入 Google/OpenAI 这样的实验室再获得身份”，而是开源项目、远程项目、咨询和社群。Yerzat 回忆自己早年与美国 AI startup 远程合作，也向本地企业团队分享/教授机器学习；因此网上有些资料会把他写成“Kaspi/Kolesa 的 ML 负责人”，但其本人访谈中的表述更接近为这些组织做课程、交流和项目，而不是清晰可验证的正式高管任职。
11、Yerzat 最传奇的一段经历——“拒绝 OpenAI”——应当带上来源限定。
Yerzat 在 2024 年采访中回忆：2018 年自己发表机器学习工作后，OpenAI 联合创始人 John Schulman 主动给他发邮件，邀请他加入 OpenAI；他当时认为自己可以拿已有资金购买 GPU、在一个夏天里尝试做自己的 AGI，因此拒绝了。
这段经历目前最强的公开证据仍然是 Yerzat 本人的叙述，未见 OpenAI 一方的公开独立确认，因此最严谨的写法是“据 Yerzat 本人回忆”。但它很能解释他的性格：比起加入已经存在的顶尖实验室，他更倾向于保持研究和创业自主权。
12、Yerzat 并不是只有创业叙事，他确实留下过公开研究和开源轨迹。
2023 年，他与 Aibek Bekbayev、Sungbae Chun、James Yamazaki 发布 arXiv 预印本《The Poison of Alignment》，研究监督微调数据中的 alignment 样本如何影响模型在若干推理基准上的表现；论文作者信息直接列出 Yerzat Dulat，并使用 Higgsfield AI affiliation。
GitHub 上还存在由 Yerzat 等人开发的 Higgsfield 开源项目，定位是面向多节点训练、容错和大模型训练的机器学习框架。这一点与他的创业回忆高度一致：“Higgsfield”最早并不只是一个视频产品品牌，它与训练基础设施思路有直接历史联系。
这也是为什么 Yerzat 比较适合被理解为 Higgsfield 的最初项目发起者和技术根系：2023 年 5 月是他先拿着基础设施构想向 Murat Abdrakhmanov 融资、拿到 25 万美元并组队，之后才寻找有美国市场和创业经验的 cofounder。
Higgsfield 的项目演变、产品与商业模式
13、创始结构：Yerzat 先起项目，Alex 把它重新定义成全球公司，Mahi de Silva 后来补上资本、战略与商业网络。
Yerzat 自述在获得 Murat Abdrakhmanov 的 25 万美元后，主动寻找能帮助项目进入美国市场的合伙人。Nikolay Davidov 介绍了 Alex，两人第一次长谈持续约七小时。Yerzat 强调自己看中的不是单纯工程能力，而是 Alex 对生成式 AI、硅谷和市场的综合理解。
公司后来形成 Alex CEO、Yerzat CTO 的分工。Alex 2026 年公开称 Yerzat “since day one” 就是 CTO，主要负责技术、AI research 和 engineering。
第三位值得视为核心创始层的人是 Mahi de Silva。Alex 称自己从 2018 年就认识 Mahi，后者曾帮助他处理 AI Factory 向 Snapchat 出售的过程；Higgsfield 创业时 Mahi 先作为 advisor 参与，长期进入重大决策，最后成为第三位 cofounder 和 Chief Strategy Officer。
这三人的组合很有结构性：Yerzat = 技术起源；Alex = 产品、融资、CEO 与硅谷执行；Mahi = 战略、并购经验、资本和企业关系。 这比把 Higgsfield 简化成“Alex 一个人的公司”更接近实际。
14、第一阶段产品：Diffuse，本质上是在尝试“生成式 AI 时代的 Snapchat Camera”。
2024 年正式公开的 Diffuse 可以直接从文字生成视频，也可以通过自拍把用户本人放进生成视频。它强调 mobile-first、social-first，而不是复杂的专业时间线和节点编辑。Alex 当时对 TechCrunch 给出的目标用户跨度很大：普通用户、社交内容创作者和品牌营销人员都包括在内。
这套逻辑来自 Snap：Alex 后来明确说，他在那里形成了“视频是互联网的语言”“应该出现一台新的数字摄像机”的判断。Higgsfield 最早其实是在寻找这个新的 AI Camera。
问题是，100 万快速用户并没有带来足够好的留存。对普通人来说，AI 视频有新鲜感，但没有每天使用的刚需；而专业用户虽然有真正需求，却需要镜头控制、角色一致性、品牌一致性、编辑和批量生成。因此公司放弃把 mobile consumer 当成最终形态。
Higgsfield 期间还测试过名为 Hera 的 AI/垂直视频消费产品，Yerzat 在 2025 年早期采访中将其描述为面向美国、欧洲测试 AI streaming/feed 的实验。到 2026 年公司核心公开产品已经明显围绕 web creation、Cinema Studio、Marketing Studio 和 enterprise workflow 展开，因此 Hera 更应理解为探索期项目，而非当前核心资产。
15、第二阶段产品：从“生成一个视频”转到“完成一项创意工作”。
2025 年 3 月 31 日后的 web 产品开始围绕可控镜头运动、preset、Draw-to-Video、Click-to-Video、图像生成、角色一致性、storyboard 等能力展开。Series A 时公司给自己的名称甚至不只是 AI video generator，而是 “Video Reasoning Engine”。
这里最关键的产品哲学是减少 prompt engineering。Higgsfield 不希望用户知道某一个模型最适合什么，也不希望广告人为了一个镜头反复写几十次 prompt；它希望用户点击某个摄影语言、广告模板或效果，平台替用户决定 prompt、模型和生成顺序。
到 2026 年，平台已同时覆盖 image、video、audio、editing、Cinema Studio、Marketing Studio、团队 collaboration 等模块。其自研/品牌化能力包括 Soul 2.0、Soul Cinema、Soul ID、Keyframes 等；同时大量视频生成最终由 Kling、Seedance、Sora 等第三方模型承担。Reuters 也明确把 Soul 2.0 和 Keyframes 列为公司的 proprietary tools。
因此，分析 Higgsfield 的“技术资产”时必须把两类东西分开：
真正属于 Higgsfield 的资产，包括工作流软件、reasoning/orchestration layer、post-training/fine-tuning、自动 prompt/model routing、自有 Soul 系列能力、用户数据反馈闭环、品牌和企业客户关系。
并不属于 Higgsfield 的资产，包括 Sora、Kling、Seedance、Veo 等上游基础模型本身。Higgsfield 购买、集成或与提供商合作使用这些模型，但不能把整个模型能力算成自己的知识产权。
16、第三阶段：Higgsfield 正在从 creative software 向“AI 原生营销生产系统”移动。
Alex 对 Sacra 描述的长期路径是：今天覆盖 ideation → creation → collaboration，下一步是 publishing 和 measurement；也就是不仅帮助你做广告，还希望知道什么广告表现好，并根据社交趋势和效果数据持续产生下一批广告。
这解释了所谓 reasoning engine / agentic layer 的商业意义。如果平台只卖一次视频生成，它很容易被模型厂商压缩利润；但如果它控制“研究趋势—构思—storyboard—生成—修改—审批—投放—衡量—重新生成”的闭环，它就从生成工具变成营销基础设施。
2026 年推出的 Supercomputer/agentic products 进一步把多场景、多步骤视觉制作自动化。公司在 Series B 公告中称，Supercomputer 2026 年 5 月推出后三个月，这类 agentic 产品的用户增长 42 倍，并产生每月超过 2000 万次内容生成；这些数字属于公司披露，应视为公司口径。
17、商业模式目前已经形成三层。
第一层是个人创作者订阅。2026 年官方价格内容显示，Starter 一度从约 9 美元/月起，高档 Ultra 约 129 美元/月；不同计划提供不同数量 credits，所有模型生成都会消耗统一信用额度。价格会调整，因此这些数字只代表 2026 年中期公开定价。
第二层是 Team/Scale。公司按 seat 收费，每个 seat 带一定月度 credits，团队把 credits 汇入共享余额，同时增加工作区、权限、资产管理、优先队列、SSO、成员消费控制等协作功能。
第三层是 Enterprise。官方企业页面显示，企业合同按年度签、以 seats 和生成量确定 credit-based 价格，并提供专用容量、安全/合规、SSO、管理权限等。2026 年 8 月 Alex 还宣布专用美国 GPU deployment、dedicated capacity、Account Manager、Forward Deployed Creative 和团队级 credit allocation。
因此 Higgsfield 不是传统意义上的高毛利纯 SaaS：它是 SaaS 订阅 + GPU inference 消耗 + 企业合同的混合体。 Alex 自己认为 SaaS 是最接近的商业模型，但生成视频的成本结构明显重于传统软件。
这里也解释了为什么“模型编排”不仅是产品设计，也是利润设计。开放模型可以被 Higgsfield 自己 fine-tune、distill，以压低特定任务成本；封闭模型则可以通过规模采购和深度合作接入。Alex 明确把 open-source 模型的一个优势描述为可以改善特定 use case 的 gross margin。
资本、资产、网络、成果与争议
18、资本网络：Higgsfield 从一开始就不是“只依赖哈萨克斯坦本地资本”的项目。
最早的可识别资金来自 Murat Abdrakhmanov。Yerzat 说自己在 2023 年 5 月向他 pitch 后获得 25 万美元，这笔钱让项目在 Alex 加入前就能组建第一批团队。
2024 年公开 seed 约 800 万美元，投资方包括 Menlo Ventures，以及 Charge Ventures、BITKRAFT、K5 Tokyo Black、AI Capital Partners、DVC 等。Menlo 的参与非常关键，因为它给项目提供了美国顶级风险投资体系的早期背书。
2025 年 5000 万美元 Series A 由 GFT Ventures 领投，BroadLight Capital、NextEquity Partners、AI Capital Partners、Menlo Ventures、Alpha Square Group 等参加。GFT 的 Jeff Herbst 随后成为重要董事/资本连接者。
2026 年 1 月 8000 万美元 Series A extension 引入/继续获得 Accel、GFT Ventures、Menlo Ventures 等支持，使估值升到 13 亿美元以上。
2026 年 8 月的 4 亿美元 Series B 则已经是完全不同等级的资本组合：DST Global 领投；新资金包括 Tribe Capital、Goldman Sachs Alternatives 的 Growth Equity、Smash Capital、Fifth Wall、Valor Capital、Intel Capital、Liberty Global Tech Ventures、Mirae Asset Capital、NTT DOCOMO Ventures；Accel、Menlo、AI Capital Partners、GFT、Capra、BAM Corner Point、BroadLight 等老股东继续参加。Natalia Vodianova Arnault 也以投资人和顾问身份进入。
这说明资本关系正在从“AI venture funds”扩展到 算力、金融、房地产、媒体、通信、时尚和分发网络。对于一个希望成为视觉生产基础设施的平台，这些 strategic investors 的价值不只是钱，还包括潜在行业入口。
19、还有一条容易被忽略的长期关系链：AI Factory 时代形成的人脉被直接复用到了 Higgsfield。
Mahi de Silva 就是最明显的例子。Alex 表示，Mahi 2018 年以后就与自己密切合作，并帮助其处理 AI Factory 的 1.66 亿美元 Snap 交易；后来 Mahi 从 Higgsfield advisor 变成第三 cofounder。
AI Capital Partners/Alpha Intelligence Capital 也是长期资本之一。相关投资人公开称，其团队 2023 年 12 月就给 Higgsfield 写下第一张支票，随后每轮继续投资，Antoine Blondeau 后来进入董事会。
Yerzat—Murat Abdrakhmanov—Nikolay Davidov 这条哈萨克斯坦/东欧创业网络又构成另一端。也就是说，Higgsfield 不是单一“硅谷网络”的产物，而是中亚技术人才网络 + 东欧工程/创业网络 + 美国 VC/大科技网络的交叉点。
20、公司最重要的“资产”需要分经济资产和影响力资产两层理解。
经济资产首先是私有公司 Higgsfield 的股权。公司当前融资估值为 54 亿美元，但这只是私人融资定价，不等于上市市值，更不等于创始人可以即时套现的财富。
关于 Alex 的持股，Forbes Russia 2026 年援引专家估计，在最新融资后可能仍有约 20%—30%；但 Higgsfield 代表对这一股权比例说法表示否认，同时以保密协议为由没有披露真实数字。因此 Alex 的实际持股比例和精确净资产暂无法确认，不应该把“54 亿美元估值 × 网上传言持股”直接写成个人财富事实。
Yerzat 的具体持股同样没有可靠公开 cap table。作为早期项目发起人和 cofounder，他显然与公司股权深度绑定，但具体比例不能可靠推算。
公司的第二类经济资产，是软件/IP：Soul 系列、自有 post-training、模型 routing、reasoning/orchestration、工作流设计、企业平台、协作系统以及不断累积的用户行为与生成反馈。Reuters 2026 年专门把 Soul 2.0 和 Keyframes 作为 Higgsfield 的 proprietary 产品举例。
第三类是影响力资产：超过 3000 万全球用户、创作者网络、Higgsfield Academy、模板/preset 生态、AI filmmaking 项目，以及越来越多的广告代理、品牌和 studio 关系。这些未必能单独出现在资产负债表上，却是平台阻止用户直接跳去上游模型网站的重要黏性。
21、Higgsfield 最杰出的结果，是它非常快地把“AI 视频 demo”转化成了真实付费工作流。
2026 年 1 月 Reuters 报道，约 85% 的使用量来自 social-media marketers。也就是说，在资本市场仍大量讨论“AI 视频能不能做电影”的时候，Higgsfield 已经找到一个更现实的市场：每天必须大量制造 TikTok、Instagram、YouTube、广告素材的营销团队。
Alex 对 Sacra 给过一个非常激进的客户经济学例子：传统商业视频可能花费约 10 万美元/分钟，而 AI-first creator 某些场景可以做到约 500 美元/分钟。这个数字是 Alex 的估算/客户案例，不应当视为行业统一成本，但它准确揭示了 Higgsfield 的销售逻辑——不是“AI 更有艺术性”，而是“同样预算可以测试几十倍甚至上百倍的 creative variants”。
2026 年 8 月 Reuters 报道，公司年化收入达到约 7 亿美元，全球用户超过 3000 万，较当年 1 月约翻倍；公司还宣称服务 390 家 Fortune 500 企业。
必须注意财务口径。Reuters 在 2026 年 1 月专门修正报道，指出当时所谓 2 亿美元数字是 annualized run rate/projection，并不是公司已确认收入。因此 2026 年持续公布的 3 亿、5 亿、7 亿美元指标，应优先理解为年化运行率，而不是把它等同于已经审计、已经在一个完整财年实现的 GAAP revenue。
22、Yerzat 对哈萨克斯坦的现实影响，已经超过一个普通 CTO。
2026 年 1 月 28 日，哈萨克斯坦总统 Kassym-Jomart Tokayev 正式会见 Yerzat Dulat 和投资人 Murat Abdrakhmanov，讨论 AI、创业与风险投资生态；总统府把 Higgsfield 描述为哈萨克斯坦出现全球 AI champion 的案例。
Yerzat 在会上表示，Higgsfield 团队接近 95% 由哈萨克斯坦专家构成，并表达了与政府合作培养 AI 人才的意愿。这是 Yerzat 当场给出的公司口径，并非独立审计的人力数据，但它显示 Higgsfield 对哈萨克斯坦的意义：它证明“研发主体可以大量来自中亚，但融资、客户和公司总部可以全球化”。
Alex 也公开把 Almaty 视为战略工程人才中心，强调中亚在数学、编程和物理竞赛上的人才密度。Higgsfield 因而具有一个很罕见的组织结构：总部和资本中心在 California，而相当大比例的技术文化根源来自 Central Asia。
23、最严重的争议集中在 2026 年初的增长与营销方式，而不是创始人早年的个人丑闻。
Forbes 2026 年 2 月的调查是目前最系统的负面报道。报道发现，Higgsfield 发给部分创作者的 Vibe Motion 营销素材中，有一些并不是 AI 生成，而是来自 Envato 的现成 stock/video templates，之后被加上 Higgsfield logo。Mahi de Silva 承认这些素材原本是员工用于内部 ideation，却被错误地发给创作者推广，并称内部流程失控。
更严重的是，Forbes 查看了 Higgsfield 向创作者传播的宣传素材，其中包含带种族歧视/粗俗内容的儿童角色视频，以及 Sydney Sweeney、Zendaya、Donald Trump 等公众人物的非自愿 deepfake。Mahi 承认部分内容由内部营销人员和外部第三方 creator 制作并被传播，并明确表示这是错误。Alex 随后公开承认，公司高速扩张过程中内部流程和外部沟通没有跟上价值标准；公司表示以后外部营销材料需要法律和高级管理层强制审核。
这一事件尤其严重，是因为 Higgsfield 自己的条款禁止未经同意使用他人 likeness；因此问题不仅是“审美冒犯”，还暴露出一个生成式媒体平台最核心的治理矛盾：为了病毒传播而使用更刺激的内容，可能直接与平台的安全、版权、人格权政策冲突。
Forbes 还报道，Higgsfield 的 X 官方账号一度因 “inauthentic behavior” 被暂停；Mahi 表示这是 X 给出的理由。
24、第二类争议是增长质量：折扣、无限套餐、算力拥堵和 creator payment。
部分用户向 Forbes 投诉，公司以大折扣销售“unlimited”套餐后，实际生成几次就出现严重降速；Mahi 承认高流量和 bot 攻击导致过部分真实用户体验恶化，并称公司关闭了约 4 万个涉嫌自动化攻击的账户，向受影响真实用户累计退款约 135 万美元。
Higgsfield Earn 创作者激励计划也出现提现延迟、提交内容消失、账号被封等投诉。公司方面回应称大量欺诈行为——包括并非用 Higgsfield 制作的内容以及刷互动——造成审核问题，并称约 90% 的 submissions 已获得支付。
这些事情没有证明 Higgsfield 的商业模式一定不可持续，但它们提示一个重要风险：高速 ARR 增长中包含多少来自长期高留存专业用户，多少来自折扣、免费 credits、creator marketing 和短期 viral acquisition，是判断公司长期单位经济模型的核心问题。Forbes 引述的投资人也表达过类似怀疑。
25、第三类争议是文化姿态：Higgsfield 有意使用“挑衅式增长”。
Mahi 对 Forbes 承认，公司会研究 X 等平台什么内容能得到注意力，也知道更有争议的内容容易获得传播。公司甚至曾用“结束了 20 个 creative jobs”一类措辞宣传自动化产品，引发创作者反感。
这与 Alex/Yerzat 的技术乐观主义形成明显张力：Higgsfield 的经济价值恰恰来自压缩传统拍摄、VFX 和广告生产成本，因此它必然会触碰创意劳动替代问题。公司目前更喜欢把自己描述成“降低 production tax、让更好的 idea 获胜”，批评者则更容易把它理解成把高技能创意工作商品化。两种叙事实际上描述的是同一个生产率变化，只是价值判断不同。
现实位置与综合判断
26、截至 2026 年 8 月 23 日，Alex Mashrabov 的现实身份已经不只是“AI 创业者”，而是生成式视觉应用层最激进的商业化代表之一。
他现在是 Higgsfield cofounder/CEO；公司最新私人融资估值 54 亿美元，获得 DST Global、Goldman Sachs Alternatives、Intel Capital、Accel、Menlo、GFT 等资本支持，全球用户超过 3000 万。
真正让他有稀缺性的，并不是“懂模型”本身，而是他已经连续两次围绕 “人脸/视觉 AI → 消费内容产品” 建公司：第一次 AI Factory/Cameos 被 Snap 收购；第二次 Higgsfield 则正在尝试从产品公司升级成整个视觉 AI 工作流平台。
因此，Alex 更像一个 product/market founder with deep technical literacy，而不是典型基础模型科学家。他真正的能力是在模型能力足够成熟时，判断什么 UI、什么分发方式、什么用户群、什么工作流可以最快把模型转成收入。
27、Yerzat Dulat 的现实位置则更接近“中亚 AI 技术创始人样板”。
他不是靠大学名校、美国实验室履历或大公司 title 获得技术身份，而是通过竞赛、自学、开源、研究、创业逐步形成影响力；2023 年又实际上先启动了 Higgsfield 原始项目。
今天他是 Higgsfield cofounder/CTO，在公司结构里的价值不仅是训练模型，还包括把哈萨克斯坦工程人才变成全球公司的技术底座。他受到哈萨克斯坦总统正式接见，本身说明其象征意义已经进入国家级科技产业叙事。
28、如果要一句话解释两人的分工，可以这样理解：Yerzat 发现了技术窗口，Alex 发现了商业形态。
Yerzat 在 2023 年看到生成 AI 基础设施与媒体生成的机会，先融资、先组技术团队；Alex 带来了 Snap 时代的视频产品经验、美国投资人网络和消费互联网判断，并最终把目标从“一个生成模型”推到“AI-native creative operating layer”。
Mahi de Silva 随后又补上第三块——成熟 Silicon Valley 公司战略、并购、合作和企业化经验。这三层叠加，是 Higgsfield 能从哈萨克斯坦技术项目快速演化成 54 亿美元美国私营公司的重要组织解释。
29、Higgsfield 当前最强的护城河，并不是某一个模型。
它最强的是六样东西叠在一起：专业视觉工作流；多模型 routing/orchestration；自有 post-training 和一致性技术；极高的产品发布速度；创作者/营销用户反馈数据；以及企业客户和资本关系。Alex 表示公司每周几乎六天发布产品，一年超过 300 次更新，这种速度就是在利用基础模型厂商较慢的迭代周期做应用层套利。
反过来，它最大的结构性风险也正来自这里：上游模型越来越容易直接提供编辑、agent 和企业功能；推理成本依旧高；平台没有垄断基础模型；而且企业客户完全可能同时使用 Adobe、Canva、OpenAI、Google、Runway、Kling 等多个生态。Higgsfield 必须持续证明自己的 workflow 层创造的价值足以超过“直接用模型”的便利性。这是基于其当前多模型商业结构得出的竞争分析。
30、所以，Higgsfield 真正处于的位置可以概括为：它正在争夺“生成式视觉时代的应用控制层”。
如果基础模型最终趋于商品化，那么用户不会愿意每天判断哪个模型最适合产品广告、哪个适合电影镜头、哪个适合角色一致性；那个替用户做所有选择、保留品牌资产、连接团队审批、自动生成并最终衡量营销结果的平台，就可能成为新的创意软件入口。Higgsfield 的全部战略都建立在这个判断上。
如果这个判断成立，54 亿美元估值可能并不是市场在给“一家 AI 视频生成器”定价，而是在给一个潜在的 AI-native Adobe/Canva/creative operations platform 定价。反之，如果基础模型厂商把工作流、角色一致性、编辑和企业管理全部垂直整合，Higgsfield 的中间层就会承受严重挤压。这是当前公司最值得持续观察的战略分叉。
从人物角度看，Alex 最成功的地方是连续两次把前沿视觉 AI 变成大规模消费/商业产品；Yerzat 最成功的地方是证明一个非传统学历、来自哈萨克斯坦的自学型研究者可以先发起一个技术项目，再借助跨境创始团队和全球资本把它放大到世界级规模。Higgsfield 本身，则是目前最典型的“Central Asian engineering + Silicon Valley capital + global foundation models + creator economy distribution”混合体之一。