全球AI大模型的格局正在悄然改变。这半年来，竞争的注意力明显从语言处理与文本创造转向了感知现实世界、推理判断以及人机互动这些能力。各大公司纷纷开始开发多模态的大模型，他们的目标是把文本、图像、视频、声音 Litecoin 甚至动作信息整合到一个体系中，这使得人工智能从单纯回答问题的工具，慢慢向能够理解物理规则和因果关系的智能体转变。这一变化在2026年世界人工智能大会（WAIC）上展现得淋漓尽致：从身体智能到视频的生成，从人工智能代理到跨模态的协作，"世界模型"成为多个技术前沿领域的共通点。
资本市场正以巨大的热情响应这一技术趋势。统计显示，仅过去三个月，全球针对“世界模型”及其相关领域的资金筹集总额已经超过100亿元人民币，顶尖项目的估值也在稳步增长。在这场资金狂潮中，一家来自合肥的多模态生成AI企业——智象未来（HiDream.ai）成为了关注的焦点。该企业最近宣布成功完成了15亿元人民币的C轮投资，投资后估值超过10亿美元，正式成为了独角兽企业。值得注意的是，这已经是该公司在三个月内完成的第三次融资，累计筹集的资金已超过21亿元人民币。
智象未来的融资之路充满了重量级投资方的支持。此轮融资由社保基金中的四川振兴科创基金、工银资本、弘颐资管、敦鸿资本共同领投，同时还有超过20家机构参与投资，包括厦门国贸资本、上影新视野基金、湖北长江产业投资集团等。老投资者合肥产投和东方富海等继续追加投资。从投资者构成来看，国家主导资金、产业资本和顶级财务机构形成了三个主要的投资支柱：社保基金首次投资于原生全模态世界模型领域；合肥本地有八家机构从A轮到C轮全程参与投资；华策影视、上影新视野基金等影视行业巨头还带来了深度的产业资源整合。
产业资本的集体投资尤其引人注目。以上影新视野基金为例，总经理顾宇灏透露，自2024年起，团队就与智象未来就动画大模型和影视工业化进程进行了多轮的交流，最终促成了厦门国贸资本等国有资本的投资。这种合作不仅基于技术的评估，还基于对产业实现能力的判断。在影视制作过程中，AI模型必须解决跨镜头的一致性、导演级的可控性、版权合规等问题，并且智象未来是少数几家同时具备技术、内容与商业模式的公司。据悉，双方将共同制定AI大屏幕制片标准，推动人工智能生成内容深度融入影视制作流程。
技术路线的远见卓识是智象未来吸引资本青睐的关键。不同于后期处理的多模态方法，该公司选择了原生全模态（UiT）架构，将文本、图像、视频、空间、动作等信号统一处理，实现了“任意模态的输入和输出”。这种设计使模型具备了世界模拟所需的基础能力：在统一的环境中理解和预测现实的状态。2026年4月，该企业发布的HiDream-O1架构及后续的图像系列模型，在Artificial Analysis评测中夺得文生图全球榜首，闭源版模型也跻身前三，证明了这一技术路线的有效性。
创始团队的背景为技术突破提供了坚实的基础。公司CEO梅涛作为加拿大工程院外籍院士，带领团队早在2017年就发布了全球首个文生视频模型TGANs-C，核心成员至今仍然主持研发工作。长达十年的技术积累，赋予了该公司在视觉生成领域的独特优势。全球头部的科技公司在2026年初的动向也验证了这一路线的前瞻性——谷歌和英伟达几乎同时将原生全模态定位为下一代模型架构的方向。
商业化的落地能力构成了另一项重要的竞争优势。智象未来构建了“大模型+Token Hub平台+场景应用”的三层架构，围绕着商业营销、影视创作、内容生成三个领域推出了人工智能生成内容产品。在WAIC 2026上，该公司发布的多模态创作智能体vivago R1颇受关注，这一产品拥有无限长度的视频生成和编辑能力，标志着人工智能从单一素材辅助向长链路创作任务的飞跃。目前，公司的服务已经覆盖了全球100多个国家和地区，拥有超过4万家企业客户和5000万OPC用户，形成了显著的规模优势。
多模态竞争的重点正在从技术参数转向产业深度。当通用语言模型陷入同质化和价格竞争时，视觉应用
网友评论