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 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，不僅在多個基準測試中刷新 SOTA 紀錄，也標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。
同時，智象未來宣布完成新一輪億級融資，深創(chuàng)投、金浦投資、財鑫資本、復聚資本等多家機構參與。這是智象未來半個月內再次完成融資，體現(xiàn)出資本市場對原生全模態(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加速融合，世界模型成為 AI 演進的重要方向，智象未來在底層模型架構、產品化能力與產業(yè)生態(tài)布局上的持續(xù)突破，也獲得了市場進一步認可。
200B+ 參數(shù)圖像大模型HiDream-O1-Image-Pro 發(fā)布，原生全模態(tài)架構全面升級
當前，圖像生成模型正從傳統(tǒng) U-Net 架構邁向擴散 Transformer（DiT）時代。以潛在擴散模型（LDM）為代表的主流路線，通過 VAE 壓縮圖像、獨立語言模型編碼文本，在效率和生成能力上取得顯著進展，但圖像與文本分離編碼的方式，也使模型在復雜語義理解、高保真細節(jié)還原、精準文字渲染、多任務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、離散文本標記和任務條件統(tǒng)一納入連續(xù)共享標記空間，實現(xiàn)圖像、文本與多任務條件在底層表征上的深度融合。這一架構突破進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、多樣化場景生成、圖像編輯等任務中達到新的 SOTA 水平，展現(xiàn)出智象未來在原生全模態(tài)大模型架構上的領先探索。
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，源于團隊在視覺生成與物理世界結合過程中的長期判斷：“當前很多‘多模態(tài)大模型’，本質上還是‘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’刻進模型里——它知道物理定律、空間關系、因果邏輯，所以它能真正理解世界、推理世界，重構世界，而不只是‘生成內容’。所以，我們判斷，原生全模態(tài)是實現(xiàn) AGI 的必經(jīng)之路。” 
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)架構的HiDream-O1-Image 以8B參數(shù)開源版本在全球知名獨立評測平臺 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)，在復雜文本渲染、指令編輯、多主體個性化等任務上全面樹立新 SOTA， 充分驗證了原生全模態(tài)架構范式的巨大可擴展性。
姚霆表示：“原生全模態(tài)（UiT）架構下，所有模態(tài)從初始階段就是青梅竹馬長起來的。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)一架構中理解、生成并預測現(xiàn)實世界的不同狀態(tài)。”
當前，大模型競爭焦點正從語言理解與內容生成，轉向對真實物理世界的理解、生成和預測。圍繞世界模型，行業(yè)內已出現(xiàn)多種技術路線，但共同目標是一致的：讓 AI 不只生成內容，而是建立對世界狀態(tài)及其變化規(guī)律的內部表征能力。
在開放日圓桌論壇環(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)，構建世界模型，走向 AGI ”展開對話。嘉賓們分別從 AI 投資、具身智能、AI 基礎設施和原生全模態(tài)技術實踐等角度，分享了對世界模型發(fā)展路徑的判斷。
與會嘉賓認為，AI 正在從“生成內容”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，背后指向同一個關鍵能力：模型能否理解不同模態(tài)下的環(huán)境狀態(tài)、預測狀態(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容生產工具。它天然需要學習空間結構、物體關系、運動軌跡和狀態(tài)變化，也具備向世界模型延展的基礎。原生全模態(tài)架構的價值，正是在于為圖像、視頻、文本、音頻乃至動作和具身數(shù)據(jù)提供統(tǒng)一建模框架，讓模型從單點模態(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投、合肥產投、東方富海等頂級投資機構。開放日上，智象未來透露公司融資持續(xù)提速，半月內再度完成由深創(chuàng)投、金浦投資、財鑫資本、復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，首期基金投資項目已有 13 家通過 IPO 或并購實現(xiàn)上市，在算力基礎設施、大模型和智能體應用等多個 AI 前沿領域深度布局；財鑫資本是常德市屬國企財鑫集團旗下的核心產業(yè)投資平臺，致力于以資本力量服務實體經(jīng)濟、推動科技創(chuàng)新，聚焦于人工智能、具身智能等具有明確產業(yè)落地前景的硬科技領域投資；復聚投資專注于前沿細分領域領航企業(yè)的價值發(fā)現(xiàn)，在智能制造、新能源、新材料、生物醫(yī)藥領域、人工智能等戰(zhàn)略新興產業(yè)布局廣泛。隨著深創(chuàng)投、金浦投資、財鑫資本、復聚資本等新投資方的進入，智象未來已形成了由安徽、上海、湖南、杭州等多方產業(yè)基金持續(xù)跟進，深創(chuàng)投、東方富海、峰華資本、敦鴻資本等頭部市場化 VC 參與的多元化資本陣容。
融資節(jié)奏加快的同時，智象未來打造了以模型為根基，以智能體應用做輪子，驅動技術落地變現(xiàn)的‘模型+智能體’雙輪驅動戰(zhàn)略，并形成了一套清晰的“1+1+3”業(yè)務架構：底層是1個 HiDream 系列大模型，中間是1個能力中臺（HiHarness 企業(yè)服務平臺），上層智能體應用則覆蓋商業(yè)營銷、影視創(chuàng)作和社媒創(chuàng)作 3 大核心場景。
開放日現(xiàn)場，智象未來三位產品負責人分別介紹了智能體應用產品進展，全方位展示了公司在商業(yè)化落地上的“即戰(zhàn)力”。商業(yè)營銷智能體 HiBurst，已覆蓋跨境電商內容營銷、媒體運營和應用出海等場景，支持 TikTok、Meta、抖音、小紅書等主流平臺，并成為 TikTok 官方 top 5 服務商，年生產電商營銷視頻超過百萬條，覆蓋 GMV 已超億元；全球首個專業(yè)級 AI 影視創(chuàng)作與協(xié)作智能體——“幀贊”，以電影級畫質生成和“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)作團隊提供了兼顧高品質和高效率的協(xié)作創(chuàng)作工具。該平臺目前已累計制作短漫劇超過 5000 分鐘，平臺入駐專業(yè)團隊與生態(tài)合作伙伴超千家；社媒創(chuàng)作智能體 vivago 近日完成產品升級，憑借端到端的長思考能力穩(wěn)定輸出分鐘級故事視頻能力，火速登上 Product Hunt 日榜第一，目前，vivago 已覆蓋 100 多個國家及地區(qū)的超 4000 萬專業(yè)及個人用戶。
活動現(xiàn)場，智象未來宣布與影視行業(yè)領軍企業(yè)上海電影集團上影新視野基金、國內最大的營銷傳播集團藍色光標、AI 影視頭部企業(yè)北京捷成世紀、跨境醫(yī)療服務領域領先企業(yè)倍爾健康達成戰(zhàn)略合作。各方將圍繞大模型能力調用、智能體應用開發(fā)、行業(yè)場景共建等方向開展深度合作，共同推動原生全模態(tài)大模型在影視創(chuàng)作、商業(yè)營銷、跨境電商、IP 運營、醫(yī)療健康等多個賽道的產業(yè)化落地。
從 HiDream-O1-Image-Pro 的發(fā)布，到三大智能體產品的落地，再到與產業(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)架構為基礎，持續(xù)提升視覺生成能力，并進一步向世界模型所需要的統(tǒng)一理解、生成和預測能力演進。
這也是智象未來所強調的“ Imaging the World ”：不只停留在“生成視覺內容”，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，推動模型、智能體和產業(yè)場景協(xié)同演進，向更完整的世界模型邁進。
