作者丨晨阳
编辑丨小龙
图源丨智象未来
如果说大语言模型教会了AI如何“阅读”世界，那么全模态世界模型正在教会AI如何“观看”、“推演”并“干预”世界——这是一场从认知到行动的范式革命。
7月23日，智象未来（HiDream.ai）宣布完成15亿元人民币C轮融资。
本轮融资由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、湖北长江产业投资集团、华策影视、航源资本、创云海资本、华福投资、余杭金控股份、交银资本、若松基金等多家机构跟投，老股东合肥产投、东方富海、金浦投资、金华金投、中哲创、财鑫资本持续加注。
至此，智象近三个月内已完成三轮密集融资，累计融资超过21亿元人民币，正式迈入独角兽企业行列。
这家成立仅三年多的公司，何以在资本寒冬中逆势吸金？
答案藏在它的技术路线里——全球首创的UiT原生全模态架构，让智象未来在文生图领域超越谷歌，全球排名仅次于OpenAI；其开源模型登顶国际权威评测榜首，闭源商用模型稳居全球前三。
从微软实验室到合肥独角兽：
一群“视觉老兵”的二十年征途
智象未来成立于2023年3月21日，总部位于安徽省合肥市高新区，是国内最早布局多模态生成式AI的企业之一。
2024年9月将总部落户至合肥高新区，成为安徽人工智能产业先导区的“零号企业”。
创始人兼CEO梅涛博士，是加拿大工程院外籍院士、ACM Fellow、IEEE Fellow，同时还是国际模式识别学会和中国人工智能学会会士。
创始人兼CEO梅涛博士 他毕业于中国科学技术大学，获工学学士和博士学位。在微软亚洲研究院工作的12年间，他深耕计算机视觉与多模态领域。2018年至2023年，梅涛担任京东集团副总裁，负责AI技术商业化应用，是科技部科技创新2030人工智能重大项目首席科学家。
联合创始人兼CTO姚霆博士同样是微软亚洲研究院出身，曾参与Bing的视频搜索、小冰视觉对话系统的研发。2018年加入京东后，他带领团队完成了十亿级商品图像搜索系统和7×24小时物流智能机械臂分拣视觉方案的部署。
这个团队的真正“原点”，可以追溯到2017年。
彼时，梅涛、姚霆等人在微软亚洲研究院发布了全球首篇文生视频论文，获得当年ACM Multimedia会议最佳创新论文奖。
这一超前布局在2022年迎来了爆发点——Midjourney的图像生成和ChatGPT的横空出世，让团队看到了多模态技术的巨大商业前景。
于是，梅涛带着姚霆等人，迅速搭建团队创业。
从创业到独角兽，智象未来只用了三年多。
2023年公司完成种子轮和天使轮融资，种子轮由阿尔法公社、中喝大种子投资，天使轮由讯飞创投领投、将门创投、阿尔法公社、中喝大种子跟投；
2024年，公司获得由合肥产投、安徽省人工智能母基金领投的A轮融资；2025年底，京东集团作为战略投资方加码；2026年4月完成超5亿元融资，由东方富海、安徽省投资集团旗下的省产业投资公司、峰华资本等新股东联合投资，合肥产投、兴泰集团、合肥高投、安徽省人工智能母基金等老股东持续加注；5月再度完成亿级融资；7月C轮15亿元落地，三个月累计超21亿元。
合肥产投连续三轮加注，折射出企业成长与合肥“硬科技+人工智能”城市战略之间的深度耦合。
UiT架构打破“大力出奇迹
如果说大模型竞赛的上半场是“堆参数、拼算力”，那么智象未来选择了一条截然不同的路径——从底层架构重新定义AI如何理解世界。
当前主流的DiT（扩散Transformer）架构遵循“文本编码器+VAE+扩散模型”的模块化路径，图片、视频等信号需要分开编码解码，信息在多次转换中不断损失，性能提升只能依赖堆数据和算力。
智象未来自研的UiT（Unified Transformer）原生全模态架构，从底层将图像像素、文本Token、视频体素以及音频、动作、空间关系等原始信号，统一映射进同一个共享Token空间，由同一套Transformer完成理解、生成与推理。
这一设计让文字、图片、视频等信号以更接近原始的方式直接进入模型，信息损失更小，可控性更强。
UiT架构的效率提升是惊人的——80亿参数的模型即可达到传统560亿参数模型的效果。
这意味着智象未来用极少的训练算力，就能实现国际领先水平，彻底跳出了“大力出奇迹”的行业惯性。
理解智象未来的技术路线，必须理解“多模态大模型”与“世界模型”之间的逻辑递进关系。
梅涛认为，一个真正的世界模型有三个要素：表达、推演、构造世界。实现这些的关键在于，让模型真正建立起对物理世界统一的认知。
“不是做一个更大的拼接模型，而是在最底层把'世界的运行规律'刻进模型的DNA里，以统一的方式理解视觉、语言、动作和空间关系”。
基于此，智象未来的技术演进路径清晰而坚定：从多模态走向原生全模态，再走向世界模型。“原生全模态大模型是通往世界模型的最优路径”。
在模型层，HiDream-O1系列覆盖了从开源到超大规模的完整能力谱系。
2026年5月发布的HiDream-O1-Image-Pro，参数规模超过2000亿，在多个基准测试中刷新SOTA纪录。
商用版HiDream-O1-Image-1.5在全球权威AI评测平台Artificial Analysis的文生图榜单中综合评分超越谷歌同类模型，排名全球第三，仅次于OpenAI的两款模型。
开源图像模型HiDream-I1在榜单上线24小时内登顶，成为首个取得该领先位置的中国自研生成式视觉模型，全球下载量已超200万次。
图像编辑模型HiDream-E1.1则进入了Artificial Analysis图像编辑智能体榜单第一梯队。
在智能体应用层，智象未来构建了“1+1+3”业务架构——1个底座（HiDream系列大模型）、1个平台（HiHarness企业服务平台）、3个面向垂直场景的智能体应用。
HiHarness 企业服务平台是智象“1+1+3”业务架构中的中间层，提供标准化的模型能力输出。其核心是HiDream Token Hub，以MaaS模式对外输出标准化API，接入全球主流生态大模型，实现统一调度与融合调用。Token Hub为企业提供“一键集成”全球领先大模型能力的同时，持续优化推理成本。
2026年7月世界人工智能大会期间，公司发布了全球首个无限时长内容创作多模态智能体vivago R1。
行业现有AI视频产品普遍仅支持15-30秒短镜头生成，vivago R1突破性地支持任意时长视频连续、连贯生成，并通过多智能体协同机制将内容可用成功率提升至85%。
面向专业影视创作团队的“帧赞”，是全球首个专业级AI影视创作协作智能体，打通从剧本解析、分镜制作到粗剪成片的全链路，已累计制作短漫剧超5000分钟。
HiBurst 是面向平台商家的商业短视频内容生成与管理智能体，自动生成适配 TikTok、Meta、抖音、小红书等主流平台的商业短视频。已成为TikTok官方前五大AI合作伙伴之一。
HiDreamFans是全球首款3D全息智能广告扇，面向实体商户与跨境电商。该终端已在全国落地超万家门店。
智象未来2025年全年营收过亿元，2026年第一季度签约收入超4亿元，已超过2025年全年。产品已覆盖全球100多个国家和地区，服务超过5000万专业用户和4万家企业客户。
从感知到行动：
多模态大模型的跨越时刻
多模态大模型正在成为继大语言模型之后，通往AGI的下一条核心路径。过去半年，大模型竞争的重心正在从语言理解和文本生成，向对真实世界的感知、推理、模拟与交互延伸。在这条赛道上，国内外玩家各显其能。
生数科技是智象未来在国内最直接的对手之一。
这家成立于2023年3月的清华系企业，由清华大学人工智能研究院副院长朱军领衔。
其成名之战是2024年4月发布的视频大模型Vidu，后者是中国首个全面对标Sora的文生视频大模型。
2026年1月，Vidu迭代至Q3版本，实现最长16秒声画同出，并支持多镜头切换、运镜控制与音效生成。
生数科技在2026年7月完成5亿美元（约34亿元）B+轮融资，创下国内通用世界模型领域单笔融资最高纪录。成立仅三年累计融资超50亿元。
Vidu在2025年实现用户和收入超10倍增长，ARR突破2000万美元，服务企业超3000家。
生数科技的战略已从视频生成延伸至通用世界模型，先后推出开源世界行动模型Motus和具身智能机器人大脑Motubrain，形成“数字世界视频生成+物理世界具身智能”双赛道布局。
爱诗科技则走了一条截然不同的路——以C端全球化产品为突破口。
这家由前字节跳动AI Lab总监王长虎创立的公司，旗下产品PixVerse面向全球市场。
融资层面，爱诗科技2026年7月完成整体C轮（含C+轮）累计29.8亿元融资，投后估值超20亿美元。
2026年初推出实时世界模型PixVerse R1，支持1080P分辨率实时生成；3月发布的PixVerse V6在Artificial Analysis图生视频、文生视频榜单中均位列全球第二。
爱诗科技约80%收入来自C端订阅，绝大部分来自海外用户，ARR超4000万美元。PixVerse注册用户超1.5亿，月活超1500万，覆盖177个国家和地区。
2026年5月，谷歌在I/O大会上发布了Gemini Omni，定位为“从任何输入创造任何内容”的统一基座全模态世界模型。
Omni依托Genie世界模型、Nano Banana图像模型、Veo视频生成模型三大技术底座，在单一模型内部完成所有模态的分析与生成。
首个版本Omni Flash已上线Gemini App、Google Flow和YouTube Shorts。模型生成视频具备精确的物理效果模拟，包括重力、动力及逼真音效。
多模态大模型正在经历从“技术验证”到“规模落地”的集体跨越。
这条赛道的玩家们正在用不同的路径回答同一个问题：如何让AI真正理解并推演真实世界的运行规律。
多模态大模型不仅是技术叙事，更是下一代生产力基础设施的竞赛。
在这场竞赛中，谁能率先打通从“感知”到“生成”再到“行动”的完整闭环，谁就有可能站在下一轮AI浪潮的潮头。
AIGC社群邀您加入
点赞、在看点这里
精彩评论