7 月 23 日，智象未来（HiDream.ai）拿到了 15 亿元 C 轮融资。三个月里，这家多模态大模型公司已经搞了三轮。三轮加起来超过 21 亿元，估值破了 10 亿美元，成了全球 AI 独角兽。

允中从凹非寺发来消息。量子位公众号 QbitAI 也放了这条。

钱拿得这么密，背后谁在跟？别急着猜，先看数字：15 亿不是小数目，三轮超 21 亿，估值 10 亿美金。投钱的不是傻子，他们看准了什么？多模态大模型，这赛道挤了多少家？智象未来能连拿三轮，说明它手里有东西。但三个月三回融资，节奏快得像在抢时间。

那家叫量子位的媒体，公众号 QbitAI，第一时间报了。允中这个人，名字摆在那，从凹非寺发回报道。凹非寺是哪？不重要，关键的是消息来源真实。

现在的问题是：这轮 15 亿，会是最新一轮吗？或者更早的那轮才是起点？三轮都发生在近三个月，中间隔了多久？没人说具体日期，只给了 7 月 23 日这个点。其他两轮的时间表和金额，只字未提。21 亿这个总数，够不够支撑到下一轮？

独角兽的门槛是 10 亿美金。智象未来跨过去了。但估值这东西，是钱堆出来的，还是技术撑起来的？三轮融完，投资人等着看产出。多模态大模型，不是光烧钱就能跑通的。

钱摆在那，谁掏的、为什么掏，才是关键。这一轮的投资方名单拉出来，活脱脱一场 " 神仙打架 "。社保基金四川振兴科创基金、工银资本、弘颐资管、敦鸿资本牵头领投，跟投的还有厦门国贸资本、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。老股东合肥产投、东方富海、金浦投资、金华金投、中哲创、财鑫资本也跟着加码。这些资本平时各玩各的，风格和布局逻辑差得远，这回却罕见地一起砸钱到同一家创业公司身上。你说，这家公司到底有什么，能让这么多路数不同的金主同时看对眼？

智象 C 轮融资的时间卡在 AI 行业变轨的节骨眼上。大语言模型拿钱拿到手软的日子，快到头了。参数是越堆越大，但估值溢价的市场分歧也越来越大，上市 AI 公司的股价在抽风。资本回过味来了：光靠堆参数、拼跑分，护城河挖不深。

钱开始往视觉赛道涌。2026 年国内 AI 视觉融资干了快 300 亿元。字节系的 Seedance、可灵 ARR 涨得猛，独立创业公司也在搂大钱。多模态是除了 AI Coding 之外，商业上确定性最高的方向。

智象的投资人名单透着一股不寻常。社保基金头一回下场投多模态大模型公司，工银资本也是第一次出手。跟投的还有安徽、上海、浙江、福建、湖南多路国资。上影股份和华策影视两家影视龙头并肩进来。东方富海、弘颐资管、敦鸿资本这些市场化 VC 也挤上了车。

AI 公司融到后面，股东结构一般都是越走越窄。智象倒好，国资、产业、市场化机构一轮全部攒齐。不同属性的钱，奔的是同一个方向上的不同切面。

国家级资本看的是路线。全模态世界模型要是跑通了，那就是下一代 AI 基础设施。影视资本卡的是内容产业革命的位。上影和华策已经和智象签了合作：新型内容创制、院线场景升级、AI 跨屏营销、大屏制片标准。不是投一笔钱就完事。地方国资算的是产业账。合肥赌过长鑫和京东方，现在智象被放在了类似的位置上。

AI 通到 AGI 的路，正在分叉。过去全靠规模法则，杨立昆说得难听但点中了要害：LLM 是个书斋思想家，只能处理符号。世界模型要让 AI 理解物理世界的空间、时间、因果和交互。

智象从视觉像素做起，搞原生全模态。一张图包含的信息密度极高，空间、光影、材质全在像素里。传统多模态就是在语言模型外面挂个图像插件，文字是主轴，其他是插件，信息在模块间传递一次就损耗一次。

智象的 UiT 架构走的是另一条路。图像像素、文本 Token、视频体素、音频、动作、空间信号，通通塞进同一套 Transformer 里理解、生成、推理。没有独立文本编码器，不用 VAE 做传导，所有信号统一 tokenization，端到端在一个网络里搞定文生图、长文本渲染、指令编辑、主体驱动、故事板生成。

2026 年 5 月，原生全模态架构拿出了硬成绩。HiDream-O1-Image（8B 开源版）匿名上 Artificial Analysis，拿了文生图开源模型第一，还是前 20 里参数最小的。商用版 HiDream-O1-Image-1.5 冲到全球第三，光影、复杂构图、指令跟随和中英文字渲染都干得漂亮。

一次评测登顶不代表终局，视觉大模型的竞争正在加速。榜单排名从季度变动缩到月度，周期越来越短。但这件事有坐标意义：行业还在争论 " 世界模型能不能 work" 时，至少有一条技术路线，已经在第三方评测里交出了可验证的答卷。多路资本集体重仓智象未来，赛道热度是一回事。更深层的驱动力，恐怕要回到这家公司在底层架构上的差异化选择。这让它在一片 AI 创业公司里，质地不太一样。这出 " 荒诞科幻片 "，可能比 SOTA 更有说服力。多数 AI 创业公司重技术、轻落地，智象未来却早早搭起了 "1+1+3" 商业化体系。底层技术、平台能力、场景应用三级跳。WAIC 上发布的 vivago R1 多模态创作智能体，成了技术落地的核心标杆产品。行业视频生成的长期痛点是什么？时长受限、画面跳变、人设错乱、可用性低。vivago R1 针对这些做了突破，成了全球首款支持无限时长视频自主生成与编辑的创作智能体。产品搭载长链路叙事规划能力，先完成整体脚本与镜头规划，再分段落地生成、智能纠错。单段任务失败独立重试，不拖累整体进度。依托这套架构，vivago R1 把 AI 内容商用有效成功率拉到 85%，跨过了企业规模化商用的门槛。AI 从辅助工具，升级成了内容生产的核心生产力。

近期创作者社群流传一个测试案例。有人在 vivago R1 上输入指令：生成一部 " 叶什尔查姆风格 " 的荒诞科幻短片。叶什尔查姆是土耳其上世纪六七十年代商业电影黄金时代，类似好莱坞，以高产和明星制著称。后期低成本山寨片因粗粝道具、拼贴素材和夸张表演走红海外，比如《土耳其星战》——真人套硬纸板喷银漆怪兽服、泡沫石头道具、手绘背景、演员绑石头在蹦床上模拟飞行，直接剪辑真实爆炸镜头。精髓是 " 廉价到极致，反而形成独特幽默感 "。

对 AI 视频模型，这个风格考验的是理解 " 不完美 "。模型既要输出符合物理规则的画面，又要刻意保持低成本质感，还要在假与可笑间踩中风格阈值。大多数模型倾向于输出 " 好看的画面 " 而非 " 对的风格 "。vivago R1 的处理结果被创作者社群认为 " 精准捕捉了那种荒谬感 " ——硬纸板怪兽、手绘背景、廉价特效都被复现，镜头叙事逻辑连贯。一个把假做到极致的风格，成了检验模型对真实理解深度的试金石。

这个案例不是展示精美画面，而是指向更本质的能力：一个可用的创作工具，必须能理解风格、执行意图、保持叙事连贯，不止生成漂亮单帧。扎实的产品能力也获全球市场认可。vivago 海外版覆盖 100 多个国家和地区，累计服务超 5000 万用户。今年 5 月灰度版登顶 Product Hunt 日榜第一，被硅谷知名 product hunter Chris Messina 推荐，评价为 "Think Claude Code, but for video"。商业化落地能力稳居行业第一梯队。

前两年 AI 竞赛比的是谁更 " 读懂 " 人类已有知识。现在比的是谁更 " 看懂 " 并 " 推演 " 这个物理世界。这是从文本智能到物理智能的范式跃迁，也是世界模型赛道最迷人的不确定性。沿原生全模态技术路线，智象未来的演进节奏与落地效果值得长期追踪。它不仅是国产 AI 在底层架构上的主动突围，更可能为 " 大模型如何跨越纸上谈兵、真正走进物理世界 " 提供范本。这一轮融资尘埃落地，世界模型的牌桌摆开。真正的竞赛，才刚刚鸣枪。

作者声明：作品含 AI 生成内容