15亿元押注原生全模态，资本究竟看中什么？
原生全模态大模型公司智象未来官宣完成新一轮15亿元融资。这已是它近三个月内的第三轮融资，累计融资超过21亿元，投后估值超过10亿美元，跻身独角兽行列。
这轮融资由社保基金四川振兴科创基金、工银资本、弘颐资管、敦鸿资本领投，上影新视野基金、厦门国贸资本、华策影视等跟投，合肥产投、东方富海等老股东加注。国资、金融机构、市场化基金和影视产业资本都在里面。
值得一提的是影视产业资本的这一票：上影、华策这类产业方过去投的是内容、IP和院线，这次却把钱押到了上游的基础模型。虽是跟投，却牵出一个真问题——当AI开始重构内容生产，两家头部影视产业基金押注一家大模型公司，买的究竟是什么？
Part01
模型和应用，是一组咬合的齿轮
2026年，AI行业重新回到“模型即生产力”的周期。智谱、
但和一部分“唯模型论”的判断不同，智象从第一天起就没把自己定义成一家纯粹的模型公司。
梅涛在微软亚洲研究院的十二年，带领团队拥有全球领跑的视频生成模型之一TGANs-C的经历，让他相信模型创新仍有巨大机会；而在京东负责AI业务和产业落地的五年，又让他看清了另一件事：技术领先不等于商业成功，模型能力不会自动转化成市场优势。
这决定了智象走的是“模型+应用”双轮驱动的路线：底层是自研的原生全模态架构，上层是能真正跑进产业流程的应用。在梅涛眼里，双轮之间不是两条独立业务线，而是一组互相咬合的齿轮——应用为模型提供真实场景的数据和反馈，模型为应用提供别人短期追不上的能力势能。
这套双轮已经在营销、影视等场景验证了商业闭环。但真正决定智象天花板的，是底层那套迭代得“快半步”的架构。
Part02
必须抢跑半步
梅涛有个流传甚广的比喻：“大厂是一挺机枪，子弹打不完；创业公司只有一个弹夹，每一发都要打向未来。”
在他看来，一次模型评测落后，对创业公司算不上致命。真正麻烦的，是被大厂拖进一场比谁耗得起的消耗战。算力、资金和人才储备决定了双方不在同一个量级。创业公司务实的活法，是在底层架构创新上比大厂快半步——每一发子弹都必须打在别人还没反应过来的方向。
智象的这半步，踏在一套叫原生全模态（UiT）的统一架构上。
行业主流做法是，图像生成模型先用VAE把图像压缩一遍，再交给各自独立的文本编码器和生成模型分头处理。这样省算力，代价是压缩和重建时容易丢掉文字笔画、材质纹理这类高频细节，文本和图像分开编码，语义也容易对不齐。
原生全模态架构（UiT）干脆不用外部VAE，也不用单独预训练的文本编码器，而是把原始像素、文本Token和任务条件都放进同一个空间，交给同一套Transformer处理，所有的模态都打通后，能够真正的做到‘AnytoAny’，任意的输入支持任意的输出，这也是世界模型所需要的能力——在统一架构中理解、生成并预测现实世界的不同状态。这是在架构范式上的提前卡位。
这半步的卡位正在逐步兑现。2026年5月，智象开源模型HiDream-O1-Image登顶Artificial Analysis开源榜全球第一；6月，商用版HiDream-O1-Image-1.5冲到全球第三。
（图注：该榜单截图时间为2026年6月22日）
放到整个赛道看，这半步的份量会更清楚。行业大多厂商做法是从“视频生成”这一单点切入；而智象从创立之初就坚持图像生成与视频生成“双模”并进，并在通过原生全模态（UiT）架构创新，实现图像、视频、语音、3D交互、动作等模态的统一。这是路线差异，也是“快半步”的真正来源——它赌的不是一次榜单名次，而是原生全模态路线的时间窗口比通用大语言模型更长，天花板也很高。
Part03
“星球”测试
模型路线的价值，最终要通过智能体被用户感知。刚刚结束的2026 WAIC上，智象未来发布了vivago R1，称它是“无限时长内容创作智能体”。
它最好的一次证明，来自一道刁钻的测试题，有产品评测者让vivago R1拍一部“土耳其山寨星战”——那种硬纸板怪兽、漏勺当头盔、泡沫塑料石头的超低成本邪典片。
难点很微妙：AI的本能是把画面往精致里渲染，而这道题偏要它守住“假得好笑”的廉价感。结果一分多钟的成片里，八字胡红衣的阿里队长、漏勺当头盔的纸板怪兽从头到尾都是同一个形象，也没被偷偷渲染成精致CGI——上层的Agent编排，压住了底层模型的审美惯性。
这份连贯不靠运气。R1跑的是一条结构化流水线：写故事→改剧本→拆场景→定美术→锁定角色与场景的参考图→逐镜头生成→缝合成片。
所谓“无限时长”也需要祛魅：它并非一次吐出一部两小时的电影，而是角色、道具、场景在长周期制作中被固化为可复用的资产，于是故事能一直顺着往下接。这恰恰击中了产业资本极其在意的东西——让IP从静态的版权库存，变成可以反复调用的数字资产。
vivago走的是“自研底座+聚合调度+上层编排”的混合路线，护城河不在“画面全是自研的”，而在编排能力和长程一致性上。聚合是手段，编排才是产品，最终体验才是兵家必争之地。
Part04
跑进产业流程
有了产业资本这一注，检验智象未来的就不再只是模型榜单上的名次，而是能不能真正跑进产业流程。
对上影新视野基金总经理顾宇灏来说，投智象未来并不只是关注其产品能力，而是“为未来影视工业体系提前建设技术底座”。他要看的，是这家公司能不能把底层模型、中台和垂类智能体连起来，把剧本、角色、场景、镜头和声音都装进同一套数字化体系，让IP从静态版权，变成可以反复调用的数字资产。
用顾宇灏的话说，“影视客户不会按照榜单付费，最终还是看交付结果”。这是认可，也是一道更难的考题：从一条惊艳的demo，到能稳定、规模化地交付，中间还隔着不短的“工业化距离”。
如果说顾宇灏给出的是“为什么投”的战略定性，那么华策影视副总裁张思拓给出的，则是一个已经在生产一线跑过的判断。
在张思拓看来，AI最先产生价值的不是创意端，而是那些“耗时耗力但技术含量不高”的环节——剧本初筛、素材整理、多版本剪辑、字幕译制。华策出品的热播剧《太平年》里，部分场景用AI生成背景素材，制作周期大幅缩短，并且有力地支撑了华策6800万海外订阅用户的全球化分发。
更关键的是，他判断一个模型值不值得合作的标准，从影视公司来看，不是“能不能生成好看的画面”，而是“有没有导演思维——懂镜头语言、懂叙事节奏”。
这句话恰好呼应了vivago R1那套“先写剧本、再锁参考图、逐镜头生成”的结构化规划。模型层面的“导演思维”，正是产业方愿意下注的理由。
顺着这个标准，张思拓把影视公司的竞争力升级拆成三步：效率竞争→资产竞争→生态竞争。他最看重第二步——“以前影视公司最值钱的是版权库，现在静态版权要升级为『可计算的内容资产』：剧本能被AI检索、成片能被拆解重组、制作经验能沉淀复用。”
这与顾宇灏关于“数字资产”的判断，几乎是同一句话的两种说法。
在落地节奏上，两家资本也出奇地一致。华策的合作路径是从AI精品短剧这类“可快速验证”的方向切入，中长期才走向IP数字素材二次开发、头部长剧的全流程AI协同；顾宇灏则认为，现阶段AI更适合宣发物料、前期开发、动画、漫剧和风格化短片，真人长片仍要难得多。两家影视资本，给出了同一张时间表：短期做辅助与轻量化内容，长期才谈重构。
在产业上，国资和产业资本的偏好向来明确：投一家公司，最好能撬动几条产业链。视觉恰好是大模型里离产业极近的一层，影视、文旅、营销、电商都是现成场景，而智象交出的成果又都经得起逐项验收。钱穿过公司，落进产业，能用一个支点带起一片规模。
Part05
更远的目标，是世界模型
智象未来把更远的目标放在世界模型上，但梅涛对这个词始终克制：“我们不认为行业今天已经完全实现了世界模型。”在他看来，图像是某一刻的空间状态，视频加上了时间维度；顺着这条线走下去，模型还需要理解空间结构、动作后果、因果关系和物理规律。
放在这个坐标里看，智象未来真正想推进的，并不是单款产品，而是一条更底层的原生全模态路线，让文本、图像、视频、音频、动作不同模态在底层完成对齐，最终走向任意模态输入和任意模态输出。让世界模型真正能够实现对现实世界的理解，预测和重构。
从视觉生成，到原生全模态世界模型，这条路线的长期命题始终只有一个：让AI不只是生成内容，而是逐步学会理解世界如何运转，并具备推演和重构世界的能力。
