合肥又押中AI獨角獸：多模態賽道，3個月融了21億

合肥又押中AI獨角獸：多模態賽道，3個月融了21億

7月23日，智象未來（HiDream.ai）正式宣佈完成15億元C輪融資。這已是這家多模態大模型公司在近三個月內完成的第三輪密集融資，三輪合計金額超過21億元。隨著本輪資金到位，智象未來估值突破10億美元，正式躋身全球AI獨角獸行列。真正引人關注的不只是融資數字，而是背後投資方的組成與邏輯。本輪融資由社保基金四川振興科創基金、工銀資本、弘頤資管、敦鴻資本聯合領投，廈門國貿資本、上影新視野基金、湖北長江產業投資集團、華策影視、航源資本、創雲海資本、華福投資、餘杭金控股份、交銀資本、若松基金等多家機構跟投。老股東方面，合肥產投、東方富海、金浦投資、金華金投、中哲創、財鑫資本持續加碼。

風格與佈局邏輯截然不同的資本罕見地扎堆押注同一家創業公司，反映出市場對智象未來技術路線與商業前景的高度共識。智象C輪融資的時間點恰好踩在AI行業範式切換的關鍵拐點。過去幾年，大語言模型憑藉代碼生成與文本交互能力長期佔據資本核心，參數規模與推理速度成為競爭標尺。然而，隨著新一代開源與開放權重模型密集發佈，市場對大語言模型估值溢價的分歧明顯加劇，部分已上市AI模型公司股價波動加大。單純依靠參數堆疊與文本能力領跑的模式，已逼近工程天花板。與此同時，AI視覺賽道卻迎來資本集中爆發。

據不完全統計，2026年國內AI視覺領域融資總額已逼近300億元，多模態成為繼AI Coding之後商業化確定性最高的賽道之一。智象未來能在資本市場受到矚目，自然離不開這股時代浪潮。但賽道升溫不代表所有人機會均等，市場只會把籌碼押給真正的頭部玩家。翻開智象的投資人名單，幾個鮮明特徵躍然紙上：國家級資本站臺、多元資本集結、以及「首次出手」的稀缺性。公開資料顯示，這是社保基金作為LP首次投資多模態大模型方向，也是工銀資本第一次出手此領域。

跟投名單中還包含來自安徽、上海、浙江、福建、湖南多地的國資，上影股份與華策影視兩家頭部影視上市公司並肩入局，東方富海、弘頤資管、敦鴻資本等頂級市場化VC也紛紛進場。這種多元化的投資人結構在當下一級市場中並不多見，不同屬性的資金在此看到了不同的價值錨點。對國家級資本而言，關注的是「路線」——全模態世界模型是否成立尚無定論，但如果這一方向最終跑通，其戰略意義將不止於單一商業場景，而可能成為下一代AI基礎設施的重要組成部分。

影視產業資本則將此次投資視為卡位內容產業革命的前置佈局，上影股份、華策影視已與智象未來達成多項合作，涵蓋新型內容創制、院線場景升級、AI跨屏整合營銷、AI大屏製片標準與工作流程制定等方向。對地方國資而言，算的是產業賬。合肥過去十年接連投資長鑫科技、京東方等高科技企業，擅長在行業黎明期下重注，如今智象未來被擺在相似的位置上。而敦鴻資本、弘頤資管、東方富海等市場化機構集體入局，則是基於硬核技術落地價值的專業判斷，多家機構更是首次佈局視覺大模型賽道。這些不同背景的出資人從各自座標出發，看到同一個方向上的不同切面，最終拼出的完整圖景指向一個更底層的問題：他們共同押注的究竟是什麼樣的技術敘事？

答案要回到大模型通往AGI的路線分歧。過去兩三年，AI行業主流敘事是「規模法則」，但楊立昆等學者多次表示，三到五年內世界模型將取代LLM成為主流AI架構。LLM本質上是「書齋裡的思想家」，智能被局限在人類文明已編碼的符號系統之內；世界模型則試圖讓AI理解物理世界中的空間、時間、因果與交互。智象未來選擇從視覺像素出發，構建原生全模態架構，核心判斷是圖像為信息密度極高的模態之一。傳統的多模態模型本質上是「縫合怪」，在語言模型之外掛上圖片理解與生成模塊，各模態分別編碼，最後在外層拼接，信息在傳遞過程中不斷損耗。

智象的UiT架構則將圖像像素、文本Token、視頻體素以及音頻、動作、空間關係等原始信號，由同一套Transformer完成理解、生成與推理，不設獨立文本編碼器，不用VAE作為模態間傳導介質，所有信號統一tokenization，端到端地在同一網絡中完成多任務處理：文生圖、長文本渲染、指令編輯、主體驅動、故事板生成，全部由同一個模型完成。這套架構已在第三方評測中交出可驗證的答卷。

2026年5月，智象旗下HiDream-O1-Image（8B參數開源版本）以「Peanut」匿名登上全球知名AI模型評測平台Artificial Analysis，並在文生圖榜單奪得開源模型第一，同時是榜單前20名模型中參數最小的版本。隨後商用版HiDream-O1-Image-1.5再次成為該榜單排名最高的中國圖像模型，位列全球前三，在光影、複雜構圖、指令跟隨與中英文字渲染上表現突出。除了底層技術，智象未來已搭建起成熟的「1+1+3」商業化體系，實現底層技術、平台能力、場景應用的三級跳落地。

第一層為HiDream全模態大模型底座；第二層為HiHarness企業能力中台，輸出標準化、可複用的模型能力；第三層聚焦商業營銷、影視創作、社媒創作三大垂直場景，打造專屬AI智能體產品。其中，在WAIC重磅發佈的vivago R1多模態創作智能體，成為全球首款支持無限時長視頻自主生成與編輯的創作智能體，搭載長鏈路敘事規劃能力，摒棄傳統「抽卡式」隨機生成模式，將AI內容商用有效成功率提升至85%。近期創作者社群中流傳一個測試案例：有人在vivago R1上輸入指令，要求生成一部「葉什爾查姆風格」的荒誕科幻短片。

葉什爾查姆是土耳其上世紀六七十年代的商業電影黃金時代，其低成本山寨片以粗糲道具、拼貼素材與誇張表演聞名，精髓在於「廉價到極致，反而形成獨特幽默感」。對於AI視頻模型而言，這不僅要求輸出符合物理規則的畫面，還要刻意保持低成本質感，精確踩中風格閾值。vivago R1的處理結果被認為精準捕捉了那種荒謬感——硬紙板怪獸、手繪背景、廉價特效質感都被復現，鏡頭敘事邏輯保持連貫。這個案例證明，一個真正可用的創作工具必須能理解風格、執行意圖、保持敘事連貫，而不只是生成漂亮的單幀畫面。

目前vivago海外版已覆蓋全球100多個國家和地區，累計服務超5000萬用戶，今年5月灰度版登頂Product Hunt日榜第一，被矽谷知名product hunter Chris Messina評價為「Think Claude Code, but for video」，商業化落地能力穩居行業第一梯隊。如果說前兩年的AI競賽比的是誰更能「讀懂」人類已有的知識，那麼從現在開始，比的是誰更能「看懂」並「推演」這個物理世界。這是一場從文本智能到物理智能的範式躍遷，也是世界模型賽道最迷人的不確定性。沿著原生全模態技術路線，智象未來的演進節奏與落地效果，值得長期追蹤。

隨著這一輪融資塵埃落地，世界模型的牌桌擺開，真正的競賽才剛剛鳴槍。