0
| 本文作者： 鄭佳美 | 2026-05-21 11:07 |
5月19日，北京。 智象未來舉辦首屆開放日，主題為“ Imaging the World ”。在開放日上，智象未來正式發(fā)布基于新一代原生全模態(tài)模型架構(gòu) Unified Transformer（UiT）打造的圖像大模型 HiDream-O1-Image-Pro。這一超2千億參數(shù)的原生全模態(tài)圖像大模型，不僅在多個(gè)基準(zhǔn)測(cè)試中刷新 SOTA 紀(jì)錄，也標(biāo)志著智象未來正向圖像、視頻、文本、音頻等多模態(tài)統(tǒng)一建模的“原生全模態(tài)”階段邁進(jìn)。
同時(shí)，智象未來宣布完成新一輪億級(jí)融資，深創(chuàng)投、金浦投資、財(cái)鑫資本、復(fù)聚資本等多家機(jī)構(gòu)參與。這是智象未來半個(gè)月內(nèi)再次完成融資，體現(xiàn)出資本市場(chǎng)對(duì)原生全模態(tài)大模型方向的持續(xù)看好。隨著視覺生成、具身智能等前沿技術(shù)加速融合，世界模型成為 AI 演進(jìn)的重要方向，智象未來在底層模型架構(gòu)、產(chǎn)品化能力與產(chǎn)業(yè)生態(tài)布局上的持續(xù)突破，也獲得了市場(chǎng)進(jìn)一步認(rèn)可。
200B+ 參數(shù)圖像大模型HiDream-O1-Image-Pro 發(fā)布，原生全模態(tài)架構(gòu)全面升級(jí)
當(dāng)前，圖像生成模型正從傳統(tǒng) U-Net 架構(gòu)邁向擴(kuò)散 Transformer（DiT）時(shí)代。以潛在擴(kuò)散模型（LDM）為代表的主流路線，通過 VAE 壓縮圖像、獨(dú)立語言模型編碼文本，在效率和生成能力上取得顯著進(jìn)展，但圖像與文本分離編碼的方式，也使模型在復(fù)雜語義理解、高保真細(xì)節(jié)還原、精準(zhǔn)文字渲染、多任務(wù)泛化等方面面臨天然瓶頸。
面向這一挑戰(zhàn)，智象未來正式發(fā)布基于原生全模態(tài)架構(gòu)的 200B＋ 參數(shù)閉源圖像大模型 HiDream-O1-Image-Pro。不同于傳統(tǒng)碎片化、多模塊拼接的編碼范式，HiDream-O1-Image-Pro 將原始圖像像素、離散文本標(biāo)記和任務(wù)條件統(tǒng)一納入連續(xù)共享標(biāo)記空間，實(shí)現(xiàn)圖像、文本與多任務(wù)條件在底層表征上的深度融合。這一架構(gòu)突破進(jìn)一步釋放了模型的生成能力與泛化能力，使其在通用文生圖、高保真文字渲染、多樣化場(chǎng)景生成、圖像編輯等任務(wù)中達(dá)到新的 SOTA 水平，展現(xiàn)出智象未來在原生全模態(tài)大模型架構(gòu)上的領(lǐng)先探索。
智象未來創(chuàng)始人兼 CEO 梅濤表示，智象未來選擇原生全模態(tài)路徑，源于團(tuán)隊(duì)在視覺生成與物理世界結(jié)合過程中的長(zhǎng)期判斷：“當(dāng)前很多‘多模態(tài)大模型’，本質(zhì)上還是‘單模態(tài)拼接’。而原生多模態(tài)，是從一開始就把‘世界的規(guī)則’刻進(jìn)模型里——它知道物理定律、空間關(guān)系、因果邏輯，所以它能真正理解世界、推理世界，重構(gòu)世界，而不只是‘生成內(nèi)容’。所以，我們判斷，原生全模態(tài)是實(shí)現(xiàn) AGI 的必經(jīng)之路?！?/span> 
智象未來聯(lián)合創(chuàng)始人兼CTO姚霆介紹，不久前，采用原生全模態(tài)架構(gòu)的HiDream-O1-Image 以8B參數(shù)開源版本在全球知名獨(dú)立評(píng)測(cè)平臺(tái) Artificial Analysis 文生圖榜單上登頂開源模型全球第一，表現(xiàn)超過 Z-Image Turbo、Qwen-Image、FLUX.2 [dev] 等主流開源模型，并成為該榜單排名前20中公開參數(shù)量最小的模型版本。此次發(fā)布的HiDream-O1-Image-Pro為閉源版本，超兩千億參數(shù)，在復(fù)雜文本渲染、指令編輯、多主體個(gè)性化等任務(wù)上全面樹立新 SOTA， 充分驗(yàn)證了原生全模態(tài)架構(gòu)范式的巨大可擴(kuò)展性。
姚霆表示：“原生全模態(tài)（UiT）架構(gòu)下，所有模態(tài)從初始階段就是青梅竹馬長(zhǎng)起來的。這樣的好處是，所有的模態(tài)都打通后，能夠真正的做到‘ Any to Any ’，任意的輸入支持任意的輸出，這也是世界模型所需要的能力——在統(tǒng)一架構(gòu)中理解、生成并預(yù)測(cè)現(xiàn)實(shí)世界的不同狀態(tài)?！?/span>
當(dāng)前，大模型競(jìng)爭(zhēng)焦點(diǎn)正從語言理解與內(nèi)容生成，轉(zhuǎn)向?qū)φ鎸?shí)物理世界的理解、生成和預(yù)測(cè)。圍繞世界模型，行業(yè)內(nèi)已出現(xiàn)多種技術(shù)路線，但共同目標(biāo)是一致的：讓 AI 不只生成內(nèi)容，而是建立對(duì)世界狀態(tài)及其變化規(guī)律的內(nèi)部表征能力。
在開放日?qǐng)A桌論壇環(huán)節(jié)，東方富海合伙人王兵、微軟亞洲研究院首席研究員傅建龍、阿里云資深解決方案總監(jiān)寧江彬、智象未來技術(shù)合伙人潘瀅煒與 AI 鬧發(fā)起人洪鵠，圍繞“從多模態(tài)到全模態(tài)，構(gòu)建世界模型，走向 AGI ”展開對(duì)話。嘉賓們分別從 AI 投資、具身智能、AI 基礎(chǔ)設(shè)施和原生全模態(tài)技術(shù)實(shí)踐等角度，分享了對(duì)世界模型發(fā)展路徑的判斷。
與會(huì)嘉賓認(rèn)為，AI 正在從“生成內(nèi)容”走向“理解世界”。視覺生成、Agent、具身智能和多模態(tài)模型的匯合，背后指向同一個(gè)關(guān)鍵能力：模型能否理解不同模態(tài)下的環(huán)境狀態(tài)、預(yù)測(cè)狀態(tài)變化，并形成統(tǒng)一的跨模態(tài)表征。
因此，視覺生成并不只是內(nèi)容生產(chǎn)工具。它天然需要學(xué)習(xí)空間結(jié)構(gòu)、物體關(guān)系、運(yùn)動(dòng)軌跡和狀態(tài)變化，也具備向世界模型延展的基礎(chǔ)。原生全模態(tài)架構(gòu)的價(jià)值，正是在于為圖像、視頻、文本、音頻乃至動(dòng)作和具身數(shù)據(jù)提供統(tǒng)一建?？蚣?，讓模型從單點(diǎn)模態(tài)能力走向更完整的世界建模能力。
不久前，智象未來宣布完成超5億元融資，股東陣容涵蓋安徽省產(chǎn)投、合肥產(chǎn)投、東方富海等頂級(jí)投資機(jī)構(gòu)。開放日上，智象未來透露公司融資持續(xù)提速，半月內(nèi)再度完成由深創(chuàng)投、金浦投資、財(cái)鑫資本、復(fù)聚資本等參與的新一輪融資。
公開資料顯示，金浦投資是上海金融發(fā)展投資基金的管理人，首期基金投資項(xiàng)目已有 13 家通過 IPO 或并購實(shí)現(xiàn)上市，在算力基礎(chǔ)設(shè)施、大模型和智能體應(yīng)用等多個(gè) AI 前沿領(lǐng)域深度布局；財(cái)鑫資本是常德市屬國(guó)企財(cái)鑫集團(tuán)旗下的核心產(chǎn)業(yè)投資平臺(tái)，致力于以資本力量服務(wù)實(shí)體經(jīng)濟(jì)、推動(dòng)科技創(chuàng)新，聚焦于人工智能、具身智能等具有明確產(chǎn)業(yè)落地前景的硬科技領(lǐng)域投資；復(fù)聚投資專注于前沿細(xì)分領(lǐng)域領(lǐng)航企業(yè)的價(jià)值發(fā)現(xiàn)，在智能制造、新能源、新材料、生物醫(yī)藥領(lǐng)域、人工智能等戰(zhàn)略新興產(chǎn)業(yè)布局廣泛。隨著深創(chuàng)投、金浦投資、財(cái)鑫資本、復(fù)聚資本等新投資方的進(jìn)入，智象未來已形成了由安徽、上海、湖南、杭州等多方產(chǎn)業(yè)基金持續(xù)跟進(jìn)，深創(chuàng)投、東方富海、峰華資本、敦鴻資本等頭部市場(chǎng)化 VC 參與的多元化資本陣容。
融資節(jié)奏加快的同時(shí)，智象未來打造了以模型為根基，以智能體應(yīng)用做輪子，驅(qū)動(dòng)技術(shù)落地變現(xiàn)的‘模型+智能體’雙輪驅(qū)動(dòng)戰(zhàn)略，并形成了一套清晰的“1+1+3”業(yè)務(wù)架構(gòu)：底層是1個(gè) HiDream 系列大模型，中間是1個(gè)能力中臺(tái)（HiHarness 企業(yè)服務(wù)平臺(tái)），上層智能體應(yīng)用則覆蓋商業(yè)營(yíng)銷、影視創(chuàng)作和社媒創(chuàng)作 3 大核心場(chǎng)景。
開放日現(xiàn)場(chǎng)，智象未來三位產(chǎn)品負(fù)責(zé)人分別介紹了智能體應(yīng)用產(chǎn)品進(jìn)展，全方位展示了公司在商業(yè)化落地上的“即戰(zhàn)力”。商業(yè)營(yíng)銷智能體 HiBurst，已覆蓋跨境電商內(nèi)容營(yíng)銷、媒體運(yùn)營(yíng)和應(yīng)用出海等場(chǎng)景，支持 TikTok、Meta、抖音、小紅書等主流平臺(tái)，并成為 TikTok 官方 top 5 服務(wù)商，年生產(chǎn)電商營(yíng)銷視頻超過百萬條，覆蓋 GMV 已超億元；全球首個(gè)專業(yè)級(jí) AI 影視創(chuàng)作與協(xié)作智能體——“幀贊”，以電影級(jí)畫質(zhì)生成和“創(chuàng)意-分鏡-成片”全流程打通的核心能力，為專業(yè)影視創(chuàng)作團(tuán)隊(duì)提供了兼顧高品質(zhì)和高效率的協(xié)作創(chuàng)作工具。該平臺(tái)目前已累計(jì)制作短漫劇超過 5000 分鐘，平臺(tái)入駐專業(yè)團(tuán)隊(duì)與生態(tài)合作伙伴超千家；社媒創(chuàng)作智能體 vivago 近日完成產(chǎn)品升級(jí)，憑借端到端的長(zhǎng)思考能力穩(wěn)定輸出分鐘級(jí)故事視頻能力，火速登上 Product Hunt 日榜第一，目前，vivago 已覆蓋 100 多個(gè)國(guó)家及地區(qū)的超 4000 萬專業(yè)及個(gè)人用戶。
活動(dòng)現(xiàn)場(chǎng)，智象未來宣布與影視行業(yè)領(lǐng)軍企業(yè)上海電影集團(tuán)上影新視野基金、國(guó)內(nèi)最大的營(yíng)銷傳播集團(tuán)藍(lán)色光標(biāo)、AI 影視頭部企業(yè)北京捷成世紀(jì)、跨境醫(yī)療服務(wù)領(lǐng)域領(lǐng)先企業(yè)倍爾健康達(dá)成戰(zhàn)略合作。各方將圍繞大模型能力調(diào)用、智能體應(yīng)用開發(fā)、行業(yè)場(chǎng)景共建等方向開展深度合作，共同推動(dòng)原生全模態(tài)大模型在影視創(chuàng)作、商業(yè)營(yíng)銷、跨境電商、IP 運(yùn)營(yíng)、醫(yī)療健康等多個(gè)賽道的產(chǎn)業(yè)化落地。
從 HiDream-O1-Image-Pro 的發(fā)布，到三大智能體產(chǎn)品的落地，再到與產(chǎn)業(yè)伙伴的生態(tài)合作，智象未來正在形成一條清晰路徑：以原生全模態(tài)架構(gòu)為基礎(chǔ)，持續(xù)提升視覺生成能力，并進(jìn)一步向世界模型所需要的統(tǒng)一理解、生成和預(yù)測(cè)能力演進(jìn)。
這也是智象未來所強(qiáng)調(diào)的“ Imaging the World ”：不只停留在“生成視覺內(nèi)容”，而是通過原生全模態(tài)建模，讓 AI 逐步具備理解世界、生成世界、構(gòu)建世界的能力。未來，智象未來將繼續(xù)圍繞 UiT 原生全模態(tài)架構(gòu)，推動(dòng)模型、智能體和產(chǎn)業(yè)場(chǎng)景協(xié)同演進(jìn)，向更完整的世界模型邁進(jìn)。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
