凯辉基金领投AMI Labs 10.3亿美元种子轮融资

凯辉基金·2026年03月11日 09:12
让 AI 具备理解现实世界的能力

3月10日,AMI Labs正式宣布完成约10.3亿美元种子轮融资,是欧洲有史以来最大的seed round。该轮融资由凯辉基金旗下凯辉创新基金、Greycroft、Hiro Capital、HV Capital及Jeff Bezos Expeditions共同领投,同时淡马锡、英伟达、Toyota Ventures、三星、法国国家投资银行旗下数字风险投资部门Bpifrance Digital Venture、Eric Schmidt、Tim Berners-Lee等参与投资。

凯辉基金创始人及董事长蔡明泼表示:“凯辉一直相信,真正能够穿越周期的技术,最终都要回到现实世界,回到产业,回到人的真实需求。今天AI已经在信息处理和知识工作上展现出巨大潜力,但未来更大的机会,来自它如何进入更复杂、更真实的系统之中。AMI Labs所探索的方向,让我们看到AI正在从‘会表达’走向‘会理解’,从数字世界走向现实世界。对凯辉而言,我们关注的不只是技术本身的先进性,更是它能否在长期中与产业结合、与真实场景结合,最终创造可持续的价值。AMI Labs是一支兼具科学理想、工程能力和全球视野的团队,我们很高兴能够陪伴他们走这样一条更长、更难、但也更有意义的路。”

AMI Labs到底在做什么?

AI在过去十年中取得了显著进展,预测和生成系统在全球范围内改变了我们分析信息、获取知识和创作内容的方式。如今,当AI走出屏幕,智能不再止步于简单地生成结果。它必须理解情境、保留上下文、预判结果,并随着时间推移持续做出更可靠的行为。

为了实现这一目标,AMI将打造全新一代的AI系统,去理解世界,具备长期维持的记忆,能够进行真正的推理和计划,并且在端到端安全可控。

AMI将自己定义为一家专注于基础性世界模型(foundational world models)的前沿 AI 公司。其核心目标是构建一类能够理解环境、保留上下文、进行推理与规划,并在复杂约束下稳定运行的新型智能系统。 

在技术路径上,AMI 所推进的方向,与杨立昆(Yann LeCun)长期主张的 JEPA(Joint Embedding Predictive Architecture,联合嵌入预测架构)一脉相承。与以“下一个 token 预测”为核心的大语言模型不同,JEPA 更强调让系统学习现实世界的抽象表征,并在潜在空间中预测状态变化与结果。

如果说大语言模型主要处理的是已经被表达出来的信息——文本、图像、代码与语音,那么 AMI 所关注的,是如何让 AI 形成对现实世界的内部表征。因为真实世界并不是静态的信息集合,而是连续变化、充满噪声和反馈的动态系统。对这类系统而言,关键问题不只是“生成结果”,而是“理解状态如何变化、动作会带来什么后果,以及如何在不确定条件下持续决策”。 

这正是世界模型这一路线的意义所在。AMI 试图让模型学习现实世界的抽象结构,在此基础上建模因果关系、预测系统演化,并据此支持更高质量的规划与执行。因此,它所对应的并非单一的消费级生成场景,而是对可靠性、可控性和安全性要求更高的复杂应用领域,如工业自动化、机器人、医疗和可穿戴设备等。 

AMI Labs为什么会一夜之间引发轰动

AMI Labs之所以迅速引发全球关注,并不只是因为“这是欧洲最大种子轮”这么简单。更深的原因在于,它同时踩中了三件事:足够有分量的人、足够重要的路线、以及足够清晰的时代问题。

1. 站在这家公司背后的,是一批本身就足以定义行业方向的人

AMI Labs创始团队已与凯辉相识多年。

AMI Labs由图灵奖得主、前Meta首席 AI 科学家杨立昆(Yann LeCun)创办,长期以来,他都是“LLM是否足以通向真正智能”这一核心问题最具代表性的思考者之一。一定意义上,AMI是Yann LeCun多年来持续坚持的一条技术判断,第一次以公司化、工程化和资本化的方式,被真正推到台前。

与此同时,AMI的核心团队也并非单点明星,而是一支结构极完整的队伍:AI基础研究方面的顶级专家谢赛宁,亦是杨立昆的老朋友、学校同事,也已正式加入了AMI担任首席科学官;

谢赛宁是视觉表征学习方面的绝对权威,diffusion transformers (DiT)的共同作者之一。DiT架构的推出让视觉模型能够和大语言模型一样受益于Scaling Law。通过用Transformer主干结构替代此前沿用十年的U-Net,谢赛宁等人的工作让复杂、高保真图像/视频模拟得以实现,为Sora、SeedDance 等顶级视觉生成模型和工具的推出打下基础。

AMI的CEO由Alexandre LeBrun担任。他毕业于巴黎综合理工学院,是一位知名连续创业者,创办的公司都聚焦于拉近「基础科研-真实世界」之间的距离。勒布恩的第一家公司VirtuOz做的是企业对话机器人,2002年前后创立,当时「AI」还远未变成一个流行词,公司后来被Nuance收购(Nuance此后并入微软)。然后是Wit.ai,一家自然语言理解公司,2015年被Facebook收购。随后,勒布恩进入Meta主导FAIR巴黎的工程工作。离开后创立的Nabla(凯辉基金投资企业)做AI医疗助手,拿下了相当规模的医院客户。

负责世界模型研究的 Michael Rabbat,将在AMI负责蒙特利尔办公室。拉巴特是原FAIR蒙特利尔实验室的创始成员之一,在麦吉尔大学任教十余年后全职加入Meta,在那里主持研发了I-JEPA、V-JEPA、V-JEPA 2三个世界模型系列。V-JEPA 2是其中影响最大的:通过视频自监督训练,只需不到62小时的机器人操作数据,就可以在完全陌生的实验室环境里零样本控制机械臂完成抓取任务。这套方法的核心逻辑,和AMI整个公司的技术路线直接相连。 

AMI的CRIO(首席研究与创新官)是知名中国计算机科学家冯雁(Pascale Fung),AAAI、IEEE、ACL等顶级学术机构会士,香港科技大学讲席教授。她出生于上海,曾经在京都大学、法国国家科学研究中心、哥伦比亚大学进修。在Meta FAIR的后期工作是具身 AI 和视觉语言世界模型,主要应用场景是智能眼镜。

COO Laurent Solly加入 AMI 之前,他曾长期在 Meta 负责法国、南欧及欧洲业务,也曾在 TF1 集团及法国公共部门任职,因此在组织搭建、跨区域运营以及连接欧洲产业与公共生态方面具备稀缺经验。

这支团队的稀缺性,在于它第一次把前沿科研、系统工程、全球组织能力放到了同一个框架里。这也是AMI与许多“研究很强、但离真实落地还很远”的前沿项目最不一样的地方。

2. 它关注的是一场正在发生的能力迁移。

过去两年,大模型证明了机器可以极大提升信息处理效率:写作、总结、问答、编程、搜索、创作…这些任务本质上都发生在数字世界里。但当AI要真正走进机器人、制造、实验流程、工业系统和基础设施等领域,问题就发生了根本性变化。

系统不能只会“回答”,而要会判断状态、保留上下文、推演后果、规划多步动作,并在充满噪声与约束的环境中持续运行。换句话说,AI要真正进入现实世界,必须从“会生成”走向“会理解、会推演、会行动”。

AMI的world model路线之所以重要,正因为它正面回应了这个问题。它关心的不是如何把语言能力继续堆高,而是如何让机器形成对现实世界的内部认知结构。

3. AMI把一条长期停留在学术讨论中的路线,第一次严肃地摆到了市场面前

这也是它与许多“概念先行”的AI公司不同的地方。AMI在用非常具体的方式告诉市场:这条路线需要长期研究、全球人才、重投入的工程体系以及有耐心的资本支持。

它从成立起就在巴黎、纽约、蒙特利尔和新加坡同步布局;投资人名单也横跨财务资本、产业资本与科技界重量级人物,包括凯辉基金在内的阵容本身就是一个信号:市场不是在围观一个“有趣的新概念”,而是在认真支持一条可能影响下一代AI基础能力的路线。

大模型之后,什么才更接近真实智能?

但AMI真正引发专业圈层讨论的,还是它背后的那个根本问题:大模型之后,什么才是更接近“真实智能”的方向?

杨立昆及AMI所代表的回答很鲜明:真正的智能,不是从语言开始,而是从世界开始。AMI官网甚至把这句话直接写了出来——“real intelligence does not start in language. It starts in the world.”

这并不意味着语言不重要,而是说,语言本质上只是世界的投影。机器如果只学会操纵投影,而没有学会理解世界本身,那么它在现实环境中的能力边界就会很快显现出来。

换句话说,LLM把AI带进了大规模可用时代;而world models所推动的,则是AI从“会表达”走向“会理解、会推演、会行动”。

从这个角度看,AMI之所以备受关注,恰恰因为它切入了AI 行业现在最难、也最本质的一道题。

结语

从更长的技术演进周期来看,AMI 的价值并不只在于完成了一笔罕见的大额种子轮融资,也不只在于集结了一支极具分量的团队。它更重要的意义在于,让一条原本更多停留在学术与前沿研究层面的技术方向,以更清晰的公司化与工程化方式进入产业视野。

过去几年,大语言模型验证了生成式 AI 的广泛适用性,也重塑了人们对“智能系统”的想象;但当 AI 开始从屏幕走向现实系统,行业关注的重点也必然发生变化。决定下一阶段上限的,可能不再只是语言能力、生成质量或交互效率,而是系统是否具备对环境的建模能力、对因果关系的理解能力,以及在复杂约束下进行推理、规划与执行的能力。

从这个意义上说,AMI 所代表的,并不是对现有路径的简单补充,而是一种更底层的能力外延:它试图回答的,不是“模型还能生成什么”,而是“智能系统如何真正进入现实世界”。

这,也正是AMI值得被持续关注的根本原因。

本文来自微信公众号“凯辉通讯”,作者:凯辉基金,36氪经授权发布。

+1
6

好文章,需要你的鼓励

参与评论
评论千万条,友善第一条
后参与讨论
提交评论0/1000

下一篇

原微软首席量子架构师与创投界资深人士共同创业。

2小时前

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

推送和解读前沿、有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚焦全球优秀创业者,项目融资率接近97%,领跑行业