21億元押注世界模型，國家隊、金融資本、產業資本同時出手

智東西 作者 | 畢偉豪 編輯｜漠影 當下，大語言模型賽道在歷經聲勢浩大的底層模型“互卷”後，逐漸進入了能力趨近、價格競爭的新階段，資本也從這一逐步穩定的市場中抽出手，開始尋找下一條仍具備結構性壁壘的AI賽道。 從大語言模型到多模態大模型，再到能夠理解、推演真實世界的世界模型，這條通往下一代人工智能的探索路徑，正在成為資本關注的新方向。 智東西7月24日報道，近日，多模態大模型公司智象未來（HiDream.ai）宣佈完成15億元人民幣C1輪融資。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、華策影視等十一家機構跟投，老股東合肥產投、東方富海持續加註。 該公司近三個月內連續完成多輪融資，融資金額累計超過21億元，投後估值突破10億美元，成立僅三年便正式躋身全球AI獨角獸行列。 智象未來創始人兼CEO梅濤表示，本輪資金將用於持續推進原生全模態世界模型的底座構建，他認為：“從多模態走向構建原生全模態世界模型，是通往AGI的必經之路。” 關於世界模型能否通往AGI，行業仍在持續探索，但部分資本已經用真金白銀回答了另一個問題：在AI競爭進入下一階段之後，什麼樣的公司，值得長期下注。 一、大語言模型成熟之後，多模態正成為資本新的押注目標 資本不會因為一種技術“更先進”就下注，而是因為它看到了一條新的增長曲線。 從商業化看，大語言模型仍處於高速增長期。Anthropic的年度經常性收入（ARR）從90億美元增長到490億美元，僅用了6個月，作為對照，傳統SaaS公司亞馬遜從10億到100億用了6年；國內智譜的ARR在5個月內從1億美元跨越至10億美元，同等規模Anthropic耗時15個月。 與此同時，OpenRouter平臺每日Token消耗量從今年3月約2T增長至7月接近7T，短短幾個月增長約3.5倍。這意味著，大語言模型市場遠未見頂。 但高速增長，並不意味著競爭格局仍有巨大變量。隨著DeepSeek V4、GLM-5.2、Kimi K3等模型密集發佈，通用大語言模型的能力差距正在不斷縮小，MaaS逐漸進入價格競爭階段，平臺型模型公司的估值邏輯也開始趨於穩定。對於資本而言，繼續押注“下一個大語言模型”的想象空間正在收窄。 正是在這樣的背景下，資本將目光從通用大語言模型，轉向更具產業壁壘的方向，視頻生成、多模態、世界模型逐漸成為新的投資焦點。 而智象未來從創立之初，就悶頭扎進了“下一個方向”。梅濤在微軟亞洲研究院從事計算機視覺研究十餘年，隨後又在京東負責多模態業務。2023年ChatGPT爆發後，大多數創業團隊選擇湧向大語言模型，他卻直接押注多模態技術。 在他看來，多模態大模型天然包含時間、空間和物理信息，比大語言模型更接近真實世界，也是通向世界模型更自然的一條路徑。 相比大語言模型，多模態大模型天然具備更深的競爭壁壘：首先是數據壁壘，高質量視覺數據涉及版權、IP、肖像權，不可爬取、也難以替代：其次是工程壁壘，視覺模型需要處理空間關係、時間連續性、光影物理和角色一致性，像素級生成遠比文本Token預測複雜；再次是工作流壁壘。影視製作、廣告營銷等行業一旦完成AI流程改造，遷移成本遠高於切換模型API。 此外，還存在行業Know-how壁壘。不同內容行業對鏡頭語言、敘事節奏、情緒表達都有長期積累。這意味著，多模態競爭不會只圍繞參數規模和推理成本展開，更容易形成長期護城河。 也正因為如此，多模態賽道的市場格局遠沒有大語言模型集中。在智象未來看來，未來真正有競爭力的玩家，大廠約三家，中型公司三四家，市場將呈現多個垂直領域並行發展的格局。影視、傳媒、廣告、教育、文旅等行業，都可能孕育出各自的頭部模型。 世界模型是否最終通向AGI，今天還沒有答案。但至少現階段，多模態所具備的數據、工程、工作流和行業壁壘，已經足以支撐一家公司的商業價值。 而世界模型，則代表著一種更長期的技術想象力。如果它最終能夠建立起對真實世界更完整的理解、推演與構造能力，將有機會成為通向AGI的重要技術路徑之一。 短期看產業價值，長期看技術上限，正是在這種雙重預期下，智象未來獲得了多種資本的青睞。 二、五類資本，同時看向一個方向 智象未來這輪融資最特別的地方，不是15億元，而是投資人名單，不同於融資金額反映的市場熱度，這份名單代表的，是資本共識。 國家隊、金融資本、市場化基金、地方國資、產業資本，同時出現在一輪融資中，這樣的資本組合，在AI創業公司中並不多見。這五類資本背後，代表著五種不同的投資邏輯，但這一次，它們指向了同一個方向：原生全模態。 國家隊的判斷，往往比收益週期更長。相比財務回報，國家級基金往往更關注技術路線以及是否具備長期產業價值。 社保基金此前作為LP在大模型領域直接投資過的公司只有智譜AI，而此次投資智象未來，則釋放出一個信號：多模態大模型已經進入了國家級長期資本的視野。 而金融資本押注的不是應用，是底座。工銀資本在大模型領域將智象作為首家投資標的，交銀資本、興業AIC基金同步進入。這類資金長期堅持“投早、投小、投長期、投硬科技”的策略，更關注底層技術能力，而非短期商業機會。 市場化資本持續加碼，看重的是公司的成長性。敦鴻資產連續三輪加註，東方富海從B輪持續跟投至C輪，意味著投資機構仍在不斷上調對智象未來長期價值的判斷。 敦鴻資產創始人袁國良表示，“世界模型正是串聯人工智能、具身智能、新一代算力等前沿領域的關鍵紐帶”。連續加碼，本身就是市場化資本對這條技術路線和公司成長性的認可。 地方國資看重的，則是產業生態。本輪融資中，合肥、廈門、餘杭等多地國資同步加註或入局。以合肥為例，合肥產投從A輪一路跟投至C輪，延續了當地“以投帶引”的產業培育模式，希望藉助資本引入企業、完善產業鏈。 廈門、餘杭等地國資此前也已佈局階躍星辰、摩爾線程等AI企業，智象未來成為其AI產業版圖中的又一重要落子。 影視產業資本押注的，是下一代AI內容生產體系。華策影視將圍繞智能體協同創作、語料共建、內容共創、IP全鏈路開發展開合作；上影新視野基金瞄準院線場景升級和大屏AI製片標準制定；湖北長江電影集團已與智象共建影視AI聯合實驗室。 與前四類資本邏輯完全不同，它們看重的不僅是一家AI公司，更是未來AI影視內容生產的基礎設施。 五類資本同時出現，本質上傳遞的是同一個信號：資本正在尋找大模型之後的新機會，而多模態大模型，及其發展路線的長期產業價值，正在走進越來越多長期資本的視野。 三、多次登頂全球榜單，聚焦統一架構，錨定世界模型 這輪融資背後的長期價值，是資本對於技術路線的判斷與選擇。 智象的自研UiT架構，試圖回答一個底層問題：多模態究竟應該建立在模塊化拼接之上，還是建立在原生統一架構之上？ 當前行業主流方案是“文本編碼器+VAE+圖像生成器”的模塊化拼接，這種模式雖然較為成熟，但有兩個問題：VAE壓縮會導致高頻細節損失，文本和圖像分別處理則會造成語義對齊間隙。 智象的UiT架構砍掉了VAE和獨立文本編碼器，將文本、圖像、視頻以及更多模態信息全部映射進同一個共享Token空間，由同一套Transformer統一處理。 這種變化最大的意義，在於讓不同模態從一開始就在同一套表示體系中完成理解和生成，而不是依賴多個模塊之間不斷對齊。 一個新架構是否成立，首先要接受公開能力的檢驗。HiDream-O1系列是智象未來基於UiT統一架構打造的新一代原生全模態世界模型。 4月發佈的千億參數閉源版本在六項基準測試中達到SOTA；5月，HiDream-O1-Image開源版本登頂Artificial Analysis文生圖榜單全球開源模型第一；6月，商用版HiDream-O1-Image-1.5再次登上AA圖像生成模型榜單，位列中國第一。 從4月推出千億參數閉源模型、5月開源登頂全球、到6月商用版本持續刷新成績，短短三個月的連續迭代，驗證了UiT統一架構的競爭力。 更重要的是，這條路線並非只有智象未來一家公司在做，統一架構也正在成為國際廠商的探索方向。Google推出Gemini Embedding 2，NVIDIA發佈Nemotron 3 Nano Omni，均在嘗試將更多模態納入統一表示空間。 但對於世界模型來說，統一架構只是起點。 梅濤認為：世界模型需要同時具備“表達世界、推演世界、構造世界”三種能力。基於這一方向，智象未來也在探索原生全模態世界模型在不同領域的應用可能，與諾亦騰機器人合作探索具身智能訓練數據生成，與百圖生科共建微觀世界模型用於分子動力學理解，嘗試驗證統一架構的跨領域複用能力。 對於底層技術路線而言，榜單表現證明了模型基礎能力，而能否在更多場景中實現複用，才決定其長期產業價值。 四、真正的護城河，正在從模型向智能體遷移 一家AI公司的價值，最終不能只靠模型能力來支撐。對於投資機構來說，真正決定長期價值的，是模型能否通過智能體架構轉化為生產力，持續創造商業價值。 如果說UiT架構解決的是模型如何理解世界，那麼智象未來在WAIC 2026上發佈的全球⾸個⽆限時⻓內容創作智能體vivago R1，就是在回答另一個問題：模型如何在世界裡完成複雜任務。 它所謂的無限時長不是簡單把視頻拉長，而是把完整創作流程拆解成多個可執行環節，由多個智能體協同完成。 從理解需求、規劃故事線，到分鏡設計、素材生成，再到長視頻輸出，模型開始承擔過去需要一個團隊完成的工作。本質上提升的不是視頻生產的時長，是AI處理複雜任務的能力。 對於企業來說，比模型能力更重要的是穩定交付結果。傳統大模型存在概率性輸出偏差，企業真正的成本不只是調用模型，還有後續的人力返工。 vivago R1依託智象未來自研HD-AgentOS智能體操作系統，通過資源層、系統層、能力層三層架構實現創作全鏈路可控可校準，將內容有效可用成功率提升至85%。企業最終採購的，是一套能夠穩定交付結果的“基礎模型+智能體系統”生產系統。 vivago R1並不是孤立的產品，而是智象未來從模型能力走向行業工作流的一次最新嘗試。截至目前，圍繞內容創作、商業營銷、影視製作，智象已經形成了“1+1+3”的產品架構：以基礎模型和Token Hub為底層支撐，通過三大場景智能體矩陣，將模型能力轉化為可執行的行業解決方案。 該公司產品覆蓋全球100多個國家和地區，超5000萬用戶、4萬家企業客戶、百萬級付費用戶。其中，HiBurst進入廣告營銷，成為TikTok官方前五大AI合作伙伴之一；“幀贊”深入影視創作，累計製作短漫劇超5000分鐘。 模型領先可以幫助一家AI公司進入牌桌，但真正決定長期競爭力的，是能否持續進入行業，並持續提供生產力。 從多模態大模型，到智能體，再到行業解決方案，智象未來正在形成一套可持續複製的商業模式，而不僅是一款模型產品。這也是資本真正看重的地方：即使世界模型最終未必是AGI的終極答案，它依然可能成為下一代AI產業的重要基礎設施。 結語：融資背後，資本市場在重新思考AI公司的價值所在 對於行業而言，世界模型最終是不是通往AGI的答案，是一個技術問題，而智象未來的這幾輪融資，是資本綜合技術路線、產業落地以及投資回報等因素做出的判斷。 在AI產業進入新的競爭階段後，資本開始重新評估AI公司的價值標準。如果一種技術能夠沉澱為產業基礎設施，進入行業工作流，並持續創造商業價值，那麼它就值得長期下注。 對智象未來而言，連續多輪融資不僅意味著資金支持，更意味著資本對其過去三年技術路線的一次集中認可。 從視頻生成到原生全模態，從UiT統一架構到世界模型，再到基礎模型與智能體系統結合的產品路徑，這家公司試圖證明，多模態公司的競爭，最終比拼的不只是模型能力，而是誰能夠真正把模型變成產業能力。 未來誰會最終勝出，還有待時間驗證，但至少今天，智象未來，已經成為了資本觀察世界模型賽道、重新定義AI公司價值標準的一塊重要樣本。