智东西（公众号：zhidxcom）
作者 | 毕伟豪
编辑｜漠影
当下，大语言模型赛道在历经声势浩大的底层模型“互卷”后，逐渐进入了能力趋近、价格竞争的新阶段，资本也从这一逐步稳定的市场中抽出手，开始寻找下一条仍具备结构性壁垒的AI赛道。
从大语言模型到多模态大模型，再到能够理解、推演真实世界的世界模型，这条通往下一代人工智能的探索路径，正在成为资本关注的新方向。
智东西7月24日报道，近日，多模态大模型公司智象未来（HiDream.ai）宣布完成15亿元人民币C1轮融资。社保基金四川振兴科创基金、工银资本、弘颐资管、敦鸿资本联合领投，厦门国贸资本、上影新视野基金、华策影视等十一家机构跟投，老股东合肥产投、东方富海持续加注。
该公司近三个月内连续完成多轮融资，融资金额累计超过21亿元，投后估值突破10亿美元，成立仅三年便正式跻身全球AI独角兽行列。
智象未来创始人兼CEO梅涛表示，本轮资金将用于持续推进原生全模态世界模型的底座构建，他认为：“从多模态走向构建原生全模态世界模型，是通往AGI的必经之路。”
关于世界模型能否通往AGI，行业仍在持续探索，但部分资本已经用真金白银回答了另一个问题：在AI竞争进入下一阶段之后，什么样的公司，值得长期下注。
一、大语言模型成熟之后，多模态正成为资本新的押注目标
资本不会因为一种技术“更先进”就下注，而是因为它看到了一条新的增长曲线。
从商业化看，大语言模型仍处于高速增长期。Anthropic的年度经常性收入（ARR）从90亿美元增长到490亿美元，仅用了6个月，作为对照，传统SaaS公司亚马逊从10亿到100亿用了6年；国内智谱的ARR在5个月内从1亿美元跨越至10亿美元，同等规模Anthropic耗时15个月。
与此同时，OpenRouter平台每日Token消耗量从今年3月约2T增长至7月接近7T，短短几个月增长约3.5倍。这意味着，大语言模型市场远未见顶。
但高速增长，并不意味着竞争格局仍有巨大变量。随着DeepSeek V4、GLM-5.2、Kimi K3等模型密集发布，通用大语言模型的能力差距正在不断缩小，MaaS逐渐进入价格竞争阶段，平台型模型公司的估值逻辑也开始趋于稳定。对于资本而言，继续押注“下一个大语言模型”的想象空间正在收窄。
正是在这样的背景下，资本将目光从通用大语言模型，转向更具产业壁垒的方向，视频生成、多模态、世界模型逐渐成为新的投资焦点。
而智象未来从创立之初，就闷头扎进了“下一个方向”。梅涛在微软亚洲研究院从事计算机视觉研究十余年，随后又在京东负责多模态业务。2023年ChatGPT爆发后，大多数创业团队选择涌向大语言模型，他却直接押注多模态技术。
在他看来，多模态大模型天然包含时间、空间和物理信息，比大语言模型更接近真实世界，也是通向世界模型更自然的一条路径。
相比大语言模型，多模态大模型天然具备更深的竞争壁垒：首先是数据壁垒，高质量视觉数据涉及版权、IP、肖像权，不可爬取、也难以替代：其次是工程壁垒，视觉模型需要处理空间关系、时间连续性、光影物理和角色一致性，像素级生成远比文本Token预测复杂；再次是工作流壁垒。影视制作、广告营销等行业一旦完成AI流程改造，迁移成本远高于切换模型API。
此外，还存在行业Know-how壁垒。不同内容行业对镜头语言、叙事节奏、情绪表达都有长期积累。这意味着，多模态竞争不会只围绕参数规模和推理成本展开，更容易形成长期护城河。
也正因为如此，多模态赛道的市场格局远没有大语言模型集中。在智象未来看来，未来真正有竞争力的玩家，大厂约三家，中型公司三四家，市场将呈现多个垂直领域并行发展的格局。影视、传媒、广告、教育、文旅等行业，都可能孕育出各自的头部模型。
世界模型是否最终通向AGI，今天还没有答案。但至少现阶段，多模态所具备的数据、工程、工作流和行业壁垒，已经足以支撑一家公司的商业价值。
而世界模型，则代表着一种更长期的技术想象力。如果它最终能够建立起对真实世界更完整的理解、推演与构造能力，将有机会成为通向AGI的重要技术路径之一。
短期看产业价值，长期看技术上限，正是在这种双重预期下，智象未来获得了多种资本的青睐。
二、五类资本，同时看向一个方向
智象未来这轮融资最特别的地方，不是15亿元，而是投资人名单，不同于融资金额反映的市场热度，这份名单代表的，是资本共识。
国家队、金融资本、市场化基金、地方国资、产业资本，同时出现在一轮融资中，这样的资本组合，在AI创业公司中并不多见。这五类资本背后，代表着五种不同的投资逻辑，但这一次，它们指向了同一个方向：原生全模态。
国家队的判断，往往比收益周期更长。相比财务回报，国家级基金往往更关注技术路线以及是否具备长期产业价值。
社保基金此前作为LP在大模型领域直接投资过的公司只有智谱AI，而此次投资智象未来，则释放出一个信号：多模态大模型已经进入了国家级长期资本的视野。
而金融资本押注的不是应用，是底座。工银资本在大模型领域将智象作为首家投资标的，交银资本、兴业AIC基金同步进入。这类资金长期坚持“投早、投小、投长期、投硬科技”的策略，更关注底层技术能力，而非短期商业机会。
市场化资本持续加码，看重的是公司的成长性。敦鸿资产连续三轮加注，东方富海从B轮持续跟投至C轮，意味着投资机构仍在不断上调对智象未来长期价值的判断。
敦鸿资产创始人袁国良表示，“世界模型正是串联人工智能、具身智能、新一代算力等前沿领域的关键纽带”。连续加码，本身就是市场化资本对这条技术路线和公司成长性的认可。
地方国资看重的，则是产业生态。本轮融资中，合肥、厦门、余杭等多地国资同步加注或入局。以合肥为例，合肥产投从A轮一路跟投至C轮，延续了当地“以投带引”的产业培育模式，希望借助资本引入企业、完善产业链。
厦门、余杭等地国资此前也已布局阶跃星辰、摩尔线程等AI企业，智象未来成为其AI产业版图中的又一重要落子。
影视产业资本押注的，是下一代AI内容生产体系。华策影视将围绕智能体协同创作、语料共建、内容共创、IP全链路开发展开合作；上影新视野基金瞄准院线场景升级和大屏AI制片标准制定；湖北长江电影集团已与智象共建影视AI联合实验室。
与前四类资本逻辑完全不同，它们看重的不仅是一家AI公司，更是未来AI影视内容生产的基础设施。
五类资本同时出现，本质上传递的是同一个信号：资本正在寻找大模型之后的新机会，而多模态大模型，及其发展路线的长期产业价值，正在走进越来越多长期资本的视野。
三、多次登顶全球榜单，聚焦统一架构，锚定世界模型
这轮融资背后的长期价值，是资本对于技术路线的判断与选择。
智象的自研UiT架构，试图回答一个底层问题：多模态究竟应该建立在模块化拼接之上，还是建立在原生统一架构之上？
当前行业主流方案是“文本编码器+VAE+图像生成器”的模块化拼接，这种模式虽然较为成熟，但有两个问题：VAE压缩会导致高频细节损失，文本和图像分别处理则会造成语义对齐间隙。
智象的UiT架构砍掉了VAE和独立文本编码器，将文本、图像、视频以及更多模态信息全部映射进同一个共享Token空间，由同一套Transformer统一处理。
这种变化最大的意义，在于让不同模态从一开始就在同一套表示体系中完成理解和生成，而不是依赖多个模块之间不断对齐。
一个新架构是否成立，首先要接受公开能力的检验。HiDream-O1系列是智象未来基于UiT统一架构打造的新一代原生全模态世界模型。
4月发布的千亿参数闭源版本在六项基准测试中达到SOTA；5月，HiDream-O1-Image开源版本登顶Artificial Analysis文生图榜单全球开源模型第一；6月，商用版HiDream-O1-Image-1.5再次登上AA图像生成模型榜单，位列中国第一。
从4月推出千亿参数闭源模型、5月开源登顶全球、到6月商用版本持续刷新成绩，短短三个月的连续迭代，验证了UiT统一架构的竞争力。
更重要的是，这条路线并非只有智象未来一家公司在做，统一架构也正在成为国际厂商的探索方向。Google推出Gemini Embedding 2，NVIDIA发布Nemotron 3 Nano Omni，均在尝试将更多模态纳入统一表示空间。
但对于世界模型来说，统一架构只是起点。
梅涛认为：世界模型需要同时具备“表达世界、推演世界、构造世界”三种能力。基于这一方向，智象未来也在探索原生全模态世界模型在不同领域的应用可能，与诺亦腾机器人合作探索具身智能训练数据生成，与百图生科共建微观世界模型用于分子动力学理解，尝试验证统一架构的跨领域复用能力。
对于底层技术路线而言，榜单表现证明了模型基础能力，而能否在更多场景中实现复用，才决定其长期产业价值。
四、真正的护城河，正在从模型向智能体迁移
一家AI公司的价值，最终不能只靠模型能力来支撑。对于投资机构来说，真正决定长期价值的，是模型能否通过智能体架构转化为生产力，持续创造商业价值。
如果说UiT架构解决的是模型如何理解世界，那么智象未来在WAIC 2026上发布的全球⾸个⽆限时⻓内容创作智能体vivago R1，就是在回答另一个问题：模型如何在世界里完成复杂任务。
它所谓的无限时长不是简单把视频拉长，而是把完整创作流程拆解成多个可执行环节，由多个智能体协同完成。
从理解需求、规划故事线，到分镜设计、素材生成，再到长视频输出，模型开始承担过去需要一个团队完成的工作。本质上提升的不是视频生产的时长，是AI处理复杂任务的能力。
对于企业来说，比模型能力更重要的是稳定交付结果。传统大模型存在概率性输出偏差，企业真正的成本不只是调用模型，还有后续的人力返工。
vivago R1依托智象未来自研HD-AgentOS智能体操作系统，通过资源层、系统层、能力层三层架构实现创作全链路可控可校准，将内容有效可用成功率提升至85%。企业最终采购的，是一套能够稳定交付结果的“基础模型+智能体系统”生产系统。
vivago R1并不是孤立的产品，而是智象未来从模型能力走向行业工作流的一次最新尝试。截至目前，围绕内容创作、商业营销、影视制作，智象已经形成了“1+1+3”的产品架构：以基础模型和Token Hub为底层支撑，通过三大场景智能体矩阵，将模型能力转化为可执行的行业解决方案。
该公司产品覆盖全球100多个国家和地区，超5000万用户、4万家企业客户、百万级付费用户。其中，HiBurst进入广告营销，成为TikTok官方前五大AI合作伙伴之一；“帧赞”深入影视创作，累计制作短漫剧超5000分钟。
模型领先可以帮助一家AI公司进入牌桌，但真正决定长期竞争力的，是能否持续进入行业，并持续提供生产力。
从多模态大模型，到智能体，再到行业解决方案，智象未来正在形成一套可持续复制的商业模式，而不仅是一款模型产品。这也是资本真正看重的地方：即使世界模型最终未必是AGI的终极答案，它依然可能成为下一代AI产业的重要基础设施。
结语：融资背后，资本市场在重新思考AI公司的价值所在
对于行业而言，世界模型最终是不是通往AGI的答案，是一个技术问题，而智象未来的这几轮融资，是资本综合技术路线、产业落地以及投资回报等因素做出的判断。
在AI产业进入新的竞争阶段后，资本开始重新评估AI公司的价值标准。如果一种技术能够沉淀为产业基础设施，进入行业工作流，并持续创造商业价值，那么它就值得长期下注。
对智象未来而言，连续多轮融资不仅意味着资金支持，更意味着资本对其过去三年技术路线的一次集中认可。
从视频生成到原生全模态，从UiT统一架构到世界模型，再到基础模型与智能体系统结合的产品路径，这家公司试图证明，多模态公司的竞争，最终比拼的不只是模型能力，而是谁能够真正把模型变成产业能力。
未来谁会最终胜出，还有待时间验证，但至少今天，智象未来，已经成为了资本观察世界模型赛道、重新定义AI公司价值标准的一块重要样本。
