7月23日，智象未來（HiDream.ai）宣佈完成15億元C輪融資。

這是這家多模態大模型公司在近三個月內完成的第三輪融資。

三輪密集融資超21億元後，智象未來估值超過10億美金，正式躋身全球AI獨角獸行列。

但真正讓人感興趣的從來不是錢本身，而是誰在給錢，以及為什麼給。

這一輪的投資人名單，堪稱“神仙打架”。

公開資訊顯示，本輪融資由社保基金四川振興科創基金、工銀資本、弘頤資管、敦鴻資本聯合領投，廈門國貿資本、上影新視野基金、湖北長江產業投資集團、華策影視、航源資本、創雲海資本、華福投資、餘杭金控股份、交銀資本、若松基金等多家機構跟投。

老股東合肥產投、東方富海、金浦投資、金華金投、中哲創、財鑫資本持續加注。

風格、佈局邏輯截然不同的資本，罕見扎堆押注同一家創業公司。

這不禁讓人好奇，這些人在智象身上看到了怎樣的未來？

LLM估值紅利見頂，視覺模型的想像空間正在被打開

智象C輪融資的這個時間點很微妙，恰好踩中了AI行業範式切換的關鍵拐點。

此前，大語言模型憑藉程式碼生成、文字互動能力，長期佔據資本與市場的核心焦點，參數規模、推理速度成為核心競爭標尺。

近期，隨著新一代開源/開放權重模型密集發佈，市場對大語言模型估值溢價的分歧明顯加劇，部分已上市AI模型公司股價波動加大。

過去，資本願意為更大的參數規模、更高的Benchmark分數、更強的通用能力支付溢價；

但當模型能力迭代越來越快、領先窗口越來越短，單純“做大模型”已經不再是足夠穩固的估值錨點。

相比繼續押注參數規模，資本的目光正在從AI“現在能做什麼”，移向“未來能成為什麼”。

市場正在形成共識：大語言模型的領先優勢極具短暫性，單純依靠參數堆疊、文字能力領跑的模式，已逼近工程天花板。

同一時間，AI視覺賽道卻呈現出截然不同的景象，迎來資本集中爆發。

據不完全統計，2026年國內AI視覺領域的融資總額已逼近300億元。

大廠背景的字節系Seedance、可靈ARR資料大幅增長，一眾獨立創業公司接連落地大額融資，賽道整體進入技術落地、商業兌現的黃金周期。

可以說，多模態已經成為自AI Coding之後，AI商業化確定性最高的賽道之一。

智象未來能在資本市場受到矚目，當然離不開這個時代的“大氣候”。

多元資本共同押注了一個怎樣的技術敘事？

賽道升溫，不代表所有人的機會均等，市場只會把籌碼押給真正的頭部玩家。

而一家公司的投資方陣容，往往就是最直接的信任投票。

翻看智象未來投資人名單，幾個鮮明的特徵躍然紙上：國家級資本站台、多元資本集結、以及“首次出手”的稀缺性。

公開資訊顯示，這是社保基金作為LP首次投資多模態大模型方向的公司，更是工銀資本第一次出手多模態大模型企業。

跟投名單裡，還站著來自安徽、上海、浙江、福建、湖南多地的國資。上影股份、華策影視兩家頭部影視上市公司並肩入局。

此外，還有東方富海、弘頤資管、敦鴻資本這些頂級的市場化VC。

這種多元化的投資人結構，在當下的一級市場中並不多見。

通常情況下，一家AI創業公司的融資輪次越往後，股東構成會趨於收斂，集中在少數幾類財務或產業資本手中。

智象未來的情況——國資、產業方、市場化VC在同一輪次密集參與，至少說明一個問題：不同屬性的資金，在這裡看到了不同的價值錨點。

對國家級資本而言，關注的是“路線”。

全模態世界模型是否成立，目前尚無定論，但如果這一方向最終跑通，其戰略意義將不止於單一商業場景，而可能成為下一代AI基礎設施的重要組成部分。

影視產業資本，此次投資是卡位內容產業革命的前置佈局。

因此，可以看到上影股份、華策影視與智象未來達成了多項合作，比如新型內容創製、院線場景升級、AI跨屏整合行銷、AI大屏製片標準與工作流程制定等方向協同。這顯然不是一次簡單的財務佈局，雙方都志在長遠。

對地方國資而言，算的是產業帳。

AI競賽已進入貼身肉搏階段，各地都在尋找自己的“標誌性項目”。

過去十年，合肥接連投資了長鑫科技、京東方等高科技企業，這座城市在過去反覆證明了一件事：它擅長在行業黎明期下重注。如今，智象未來被擺在了相似的位置上。

而敦鴻資本、弘頤資管、東方富海等市場化頂級機構集體入局，則是基於硬核技術落地價值的專業判斷。

多家機構更是首次佈局視覺大模型賽道，這也從側面印證了智象未來的技術路線、團隊積澱與商業化能力，具備一定的行業稀缺性與差異化優勢。

不同背景的出資人，從各自坐標出發，看到了同一個方向上的不同切面。但這些切面最終拼出的那個完整圖景，才是真正值得追問的問題——

他們共同押注的，究竟是一個什麼樣的技術敘事？

顛覆行業“縫合架構”，UiT跑出原生全模態新路徑

要回答這個問題，需要回到一個更底層的判斷：大模型通往AGI的路徑，正在發生一次根本性的路線分歧。

過去兩三年，AI行業的主流敘事是“規模法則”——參數越大、資料越多、算力越強，模型就越聰明。

楊立昆對此立場鮮明，甚至近乎偏激，他曾多次表示，三到五年內，世界模型將取代LLM成為主流AI架構。

這一判斷是否精準另當別論，但它指向了一個大模型無法迴避的先天缺陷：LLM本質上是“書齋裡的思想家”，它的智能被侷限在人類文明已編碼的符號系統之內。

世界模型試圖解決的就是這個問題：讓AI不僅僅處理符號，而是理解物理世界中的空間、時間、因果和互動。

智象未來選擇從視覺像素出發，建構原生全模態架構。

這個選擇的背後有一個核心判斷：圖像是資訊密度極高的模態之一。

一張圖片定格的是某一時刻物理世界的完整狀態，空間關係、光影變化、物體材質、色彩資訊，所有這些都被壓縮在像素矩陣中。

傳統的多模態模型，本質上是“縫合怪”，在語言模型之外掛一個圖片理解模組，再補一個生成模組，各模態分別編碼，最後在外層拼接。

文字是主軸，其他模態是外掛。資訊在不同模組之間傳遞時，每一次轉換都在損耗。

智象的UiT架構試圖顛覆這個範式。

它將圖像像素、文字Token、視訊體素以及音訊、動作、空間關係等原始訊號，由同一套Transformer完成理解、生成和推理。

不設獨立的文字編碼器，不用VAE作為模態間的傳導介質，所有訊號統一tokenization，端到端地在同一網路中完成多工處理：文生圖、長文字渲染、指令編輯、主體驅動、故事板生成，全部由同一個模型完成。

全模態世界模型不是一個停留在論文裡的學術概念。2026年5月，原生全模態架構迎來了第一個關鍵節點。

智象旗下HiDream-O1-Image（8B參數開源版本）以「Peanut」匿名上榜全球知名獨立AI模型評測平台Artificial Analysis、並登上文生圖榜單開源模型第一，成為榜單前20名模型中參數最小的版本。

隨後，商用版HiDream-O1-Image-1.5再次成為該榜單排名最高的中國圖像模型，位列全球前三，在光影、複雜構圖、指令跟隨和中英文字渲染上表現突出。

當然，一次評測登頂不意味著終局。

視覺大模型的競爭才剛剛進入深水區，榜單排名的變動周期正在從季度縮短到月度。

但這件事的坐標意義在於：當行業還在爭論“世界模型到底能不能work”的時候，至少有一條技術路線，已經在第三方評測體系裡交出了可被驗證的答卷。

多路資本集體重倉，固然有賽道的熱度使然，但更深層的驅動力，恐怕還要回到智象未來在底層架構上的差異化選擇。

這讓智象未來在眾多AI創業公司中，呈現出了一種不太一樣的質地。

這段“荒誕科幻片”，可能比SOTA更有說服力

區別於多數重技術、輕落地的AI創業公司，智象未來早已搭建起成熟可落地的“1+1+3”商業化體系，實現底層技術、平台能力、場景應用的三級跳落地。

體系第一層為HiDream全模態大模型底座，承載所有底層技術創新與算力支撐；

第二層為HiHarness企業能力中台，對外輸出標準化、可復用的模型能力，適配企業定製化需求；

第三層聚焦商業行銷、影視創作、社媒創作三大垂直場景，打造專屬AI智能體產品，深度嵌入產業工作流。

其中，本次WAIC重磅發佈的vivago R1多模態創作智能體，成為技術落地的核心標竿產品。

針對行業視訊生成時長受限、畫面跳變、人設錯亂、可用性低等長期痛點，vivago R1實現了突破性革新，成為全球首款支援無限時長視訊自主生成與編輯的創作智能體。

產品搭載長鏈路敘事規劃能力，摒棄傳統“抽卡式”隨機生成模式，先完成整體指令碼與鏡頭規劃，再分段落地生成、智能糾錯，單段任務失敗獨立重試，不影響整體創作進度。

依託這一架構革新，vivago R1將AI內容商用有效成功率提升至85%，跨過了企業規模化商用的核心門檻，讓AI正式從輔助工具，升級為內容生產的核心生產力。

這套技術參數落到實際創作中是什麼效果？

近期有一個來自使用者的測試案例在創作者社群中流傳甚廣，有人在vivago R1上輸入了一組相當刁鑽的指令：

生成一部“葉什爾查姆風格”的荒誕科幻短片。

葉什爾查姆（Yeşilçam）是土耳其上世紀六七十年代為核心的商業電影黃金時代。

它整體上類似“土耳其好萊塢”，以高產、明星制和類型片著稱；其中一支後期低成本山寨片，因為粗糲道具、拼貼素材和誇張表演，後來在海外電影圈走紅，《土耳其星戰》就是最著名的代表——

真人套著硬紙板噴銀漆的怪獸服、泡沫塑料製作的石頭道具、手繪的外星球背景、演員綁著石頭在蹦床上模擬飛行、直接剪輯真實爆炸鏡頭入畫。

它的精髓是“廉價到極致，反而形成了一種獨特的幽默感”。

對於AI視訊模型來說，這種風格真正的考驗在於：它要求模型理解“不完美”，既要輸出符合物理規則的畫面，又要刻意保持低成本的質感，還要在“假”與“可笑”之間精確地踩中那個風格閾值。

大多數模型在面對這類指令時，會傾向於輸出“好看的畫面”而非“對的風格”。

而vivago R1的處理結果，至少在創作者社群的反饋中，被認為是“精準捕捉到了那種荒謬感”——硬紙板怪獸、手繪背景、廉價特效的質感都被覆現，同時鏡頭之間的敘事邏輯保持了連貫。

一個把“假”做到極致的風格，反而成了檢驗模型對“真實”理解深度的試金石。

這個案例之所以值得被提及，不是因為它展示了多精美的畫面，而是因為它指向了一個更本質的能力：一個真正可用的創作工具，必須能理解風格、執行意圖、保持敘事連貫，而不只是生成漂亮的單幀畫面。

紮實的產品能力也收穫了全球市場認可。

目前vivago海外版已覆蓋全球100多個國家和地區，累計服務超5000萬使用者，今年5月灰度版登頂Product Hunt日榜第一，被矽谷知名product hunter Chris Messina強力推薦，評價為“Think Claude Code，but for video”，商業化落地能力穩居行業第一梯隊。

如果說前兩年的AI競賽比的是誰更能“讀懂”人類已有的知識，那麼從現在開始，比的是誰更能“看懂”並“推演”這個物理世界。

這是一場從文字智能到物理智能的範式躍遷，也是世界模型賽道最迷人的不確定性。

沿著這條原生全模態技術路線，智象未來的演進節奏與落地效果，值得長期追蹤。

它不僅是國產AI在底層架構上的一次主動突圍，更可能為“大模型如何跨越紙上談兵、真正走進物理世界”這一命題，提供了一個值得挖掘的範本。

隨著這一輪融資塵埃落地，世界模型的牌桌擺開，真正的競賽，才剛剛鳴槍。 (量子位)

今年世界人工智慧大會（WAIC）期間的感受就一個詞：熱鬧。

1100余家企業集中參展亮相，超300款產品全球首發、超4400款展品令人目不暇接。

這說明，AI技術已經不是某個行業的事，而是所有人的事。

更重要的是AI企業估值規模快速增加。

其中，快手可靈最近公佈完成總額上限30億美元外部增資，投後估值有望達180億美元；DeepSeek最新已經完成500億元融資，已確定估值超過3500億。

目前，中國平均每天生產晶片超過15億塊，大模型日均呼叫量達數百兆詞元，居世界第一。今年中國AI核心產業規模預計將繼續超過30%。

高盛近期發佈的行業研究報告指出，當前中國AI科技類股總市值約4兆美元，增長潛力巨大。

就在7月18日，加拿大工程院外籍院士、ACM Fellow、IEEE Fellow梅濤創立的智象未來（HiDream.ai）適時加速多模態Agent落地——現場發佈全球首款無限時長內容創作多模態智能體vivago R1。

簡單來說，vivago R1 就是一款能不限時長、邏輯不亂、畫質穩定的全自動 AI 長視訊創作大腦，不用你分段拼接，它自己就能從頭到尾完整拍出靠譜的長視訊，直接商用。

智象未來創始人、CEO梅濤在演講中表示，Agent OS是釋放大模型核心價值的“最後一公里”。它並非簡單的工具集合，而是一套可復用、可編排、可進化的創意生產力元件體系。依託Agent OS，vivago R1可實現全流程自主創作。使用者僅需輸入核心創作需求，智能體可在半小時內自主完成分鐘級完整視訊的全鏈路創作，全程無需人工干預。

顯然，多模態AI正迎來屬於它的DeepSeek時刻。

多模態Agent背後四條核心演進路線

最近發生的一件小事，直觀折射出多模態對於AI發展的重要性。

兆估值的智譜，近期開源了大模型GLM-5.2，一度達到開源AI程式設計第一、全球第二，僅屈居於大名鼎鼎的神話級模型Fable-5，強到離譜。但是，GLM-5.2卻只是純文字模型，實現百萬Token超長上下文和深度邏輯推理，沒有搭載視覺編碼器，看不了圖也造不出圖。

反觀拿來對標的Fable-5，甚至是DeepSeek檢視模式，都是原生多模態模型，視覺能力應有盡有。

近期，智譜創始人唐傑徵集對GLM-5.3的新功能建議，但大家一致認為，需要增加多模態能力。

所以你可以看到，大模型正以前所未有的速度快速躍遷，頂尖AI模型的智能水平已經很高了，Coding、Hermes Agent、企業級AI產品，都已經開始落地在真實場景中。但是，這其中依然存在落地難、適配弱、不可控的產業鴻溝，多模態能力至關重要。

而Agent智能體具備自主記憶、邏輯規劃、工具調度、多端協作的核心能力，可將基礎模型的生成與推理優勢，轉化為標準化、可驗證、可交付的系統化產業能力，基礎模型疊加智能體能力，正是一條新的路徑。

“2023年之後，智能體產業迎來快速萌芽，2024年更是進入規模化爆發的關鍵階段。站在當前產業節點來看，智能體的進化遠未止步，未來將全面邁入自進化發展階段，同時完成從單智能體獨立作業到多智能體協同協作的核心迭代。自此，AI智能體不再是簡單的工具輔助載體，逐步成長為可承接復雜任務、可自主完成全鏈路工作、可實現最終標準化任務交付的數位化員工，真正實現AI價值的落地閉環。”梅濤表示。

這意味著，無論是基座AI模型，還是具身智能、世界模型，多模態Agent是通用人工智慧（AGI）發展的必經之路。

正如梅濤在演講中所言，縱觀智能體的整體發展歷程，其技術迭代始終遵循四條核心演進路線，建構起全新的AI工程範式，徹底重構了傳統AI的應用邏輯。

第一，是能力抽象維度的迭代，從傳統的工具呼叫（Tool Calling）升級為可復用技能（Reusable Skills）的沉澱。過去智能體平台的開發落地，大多依賴API、SDK等基礎介面呼叫，應用門檻高、復用性差。而當下的產業發展核心，是引導開發者將各行業的專業知識、業務經驗與行業方法論，沉澱為標準化、可復用的AI技能。如今，行業技能已經取代傳統介面，成為智能體呼叫、執行任務的核心基礎單元，讓智能體具備垂直行業的專業作業能力。

第二，是工程範式的核心升級，從提示詞驅動（Prompt Centric）轉向系統可靠驅動（Honney Centric）。早期AI應用最佳化，核心聚焦於單次對話、單次生成的效果最佳化，追求單輪迴答的精準度。而新時代的智能體研發，核心目標已經轉變為保障全系統輸出的穩定性、可靠性與低成本，解決大模型機率性輸出偏差、效果不穩定、落地成本高的行業痛點，這也是智能體能夠規模化商用的核心前提。

第三，是迭代機制的顛覆性變革，從靜態預定義工作流升級為反饋驅動的自主進化模式。傳統智能體的工作流程、任務鏈路、工具調度邏輯，均依賴人工提前定義、固定固化，無法適配復雜多變的業務場景。而新一代智能體可依託真實業務反饋形成閉環，自主迭代工作鏈路、最佳化工具調度邏輯、完善任務執行流程，無需人工持續干預，實現真正意義上的自主進化。

第四，是協作框架的全面升級，從單智能體獨立作業演進為多智能體協同調度。面對復雜、長鏈路、多維度的產業任務，單一智能體的能力邊界有限。行業發展正加速建構完善的智能體編排系統，通過多智能體分工協作、統籌調度、互補賦能，破解單智能體的能力侷限，承接更高複雜度、更高專業度、更高落地要求的業務場景。

基於這套成熟的技術架構與作業系統底座，當前智能體產業已形成兩大核心應用形態，分別是通用智能體與多模態智能體，覆蓋不同維度的產業需求。

全球首個無限時長內容創作智能體來了

從應用角度來說，過往我們用AI做視訊，只能做幾十秒短片、越長越容易畫面崩壞、人物人設和劇情說斷就斷。

不管是個人創作者做短劇，還是企業拍宣傳片、行銷成片，AI始終只能當個“臨時素材工具”，撐不起完整的商業創作全流程。

而在今年WAIC，智象未來帶著多年多智能體協同與AgentOS系統的核心技術沉澱，直接打破了這個行業僵局——全球首款無限時長創作智能體vivago R1正式首發亮相。

以智象未來（HiDream.ai）自研的vivago R1為代表的多模態智能體，是全球首個無限時長內容創作智能體。

相較於通用智能體，多模態智能體需要應對更復雜、更精細化、更具創意屬性的創作流程，核心要解決內容專業性、結果可復現性、流程可協作性三大核心問題，最終為使用者交付可落地、可商用、高品質的內容價值。

在梅濤看來，AI創作不再是拼接碎片素材的輔助工具，已經實現了一次行業升級：從“單點素材生成”，進階到能自主思考、自主規劃、自主跑完整條長鏈路創作的全能創作搭子。

簡單說，以前AI只能幫你“拼片段”，現在vivago R1能幫你“做完整成片”。

縱觀整個行業，vivago R1的核心優勢可以精準概括為長、長、准，剛好對症下藥，解決了困擾創作者和企業已久的難題。

市面上的AI視訊模型大多卡在15到30秒。要做幾分鐘的短劇、一條品牌宣傳片，過去只能反覆生成、手動拼接，費時間，接縫還看得出來。vivago R1不設這個上限，任意時長一條生成完，短影片矩陣、連載短劇、品牌大片走同一套流程。AI長視訊商業化這塊空白，算是補上了。

短片接起來不等於長視訊。手拼的片子常見毛病是前後不像同一個東西：人臉變了、場景風格散了、劇情接不上，整條片過不了商用那條線。vivago R1的做法是先想後做。接到任務，它會先把故事線、鏡頭節奏、人物和場景設定釘住，過程中持續校準。AI視訊跳變、人設崩、敘事斷這些老問題，是從這裡壓下去的。

用過AI做視訊的人都清楚，模型隨機性強，十次翻車八九次，有效成片率低。企業想批次接單、規模化交付，人力和時間頂不住。

依託自研AgentOS全流程調度與治理技術，vivago R1實現了創作全鏈路的可控、可校準、可復盤。目前其內容有效可用成功率達到85%，遠超行業平均水平。這意味著大部分生成內容無需反覆微調，可直接用於商業製作、品牌傳播、市場化交付，真正把AI創作從“碰運氣”變成了“穩產出”。

這事不是調個API、套個範本就能幹的。

同樣是出分鏡、做成片，專業活兒要讀鏡頭語言、壓敘事節奏、接內容情緒，還要分清Vlog、短劇、行銷片、專題片各怎麼做。

這種行業理解和調度顆粒度，普通大模型沒有。

這款產品早已獲得全球行業認可。

今年5月，vivago 灰度測試版成功登頂Product Hunt日榜第一。矽谷知名技術博主Chris Messina親自體驗產品，僅通過簡單文字輸入，便生成出一段敘事完整、分鏡豐富、畫面流暢的一分鐘短影片，充分驗證了其極簡操作、高階輸出、全鏈路自主創作的核心能力。

基於技術演進路線，整個AI產業已經形成清晰的五層Agent技術架構，自上而下依次為應用場景層、能力層、系統層、資源層與底層模型層，層層賦能、閉環聯動。而貫穿整套架構、保障全鏈路高效運轉的核心關鍵，便是智象未來自研的全新HD-AgentOS智能體作業系統。

該智能體作業系統依託資源層、系統層、能力層三層耦合架構，建構起完整的智能體產業落地支撐體系：

資源層決定了智能體可呼叫的資源、可依託的基礎能力，是智能體作業的基礎支撐；

系統層定義了智能體的作業標準、調度邏輯，保障任務高效、穩定落地；

能力層界定了智能體的業務邊界與專業水準，決定其可實現的業務效果；

最上層的應用場景層，則面向各行各業真實業務，實現技術價值的最終落地。

簡單來說，HD-AgentOS是套智能體作業系統，管的是多個智能體怎麼搭班。單個智能體能兜的事有限，幾個搭成團隊，能看、能想、能動手，跑起來還會自己改。這麼搭是為了讓智能體能在復雜的真實產業場景裡落下去，不停在演示那一步。

可以說，Agent OS是釋放大模型核心價值的“最後一公里”，它並非簡單的工具集合，而是一套可復用、可編排、可進化的創意生產力元件體系。

vivago R1的核心價值，是將AI內容創作從傳統的單點、單次碎片化生成，推進到長鏈路、全流程、智能化、可商用的規模化生產新階段，重構了AI內容創作的產業範式。

今年4月，智象未來（HiDream.ai）宣佈完成超5億元新一輪融資。本輪融資由東方富海、安徽省投資集團旗下的省產業投資公司、峰華資本等新股東聯合投資，同時合肥產投、興泰集團、合肥高投、安徽省人工智慧母基金等老股東持續加注。

今年5月，智象未來宣佈完成新一輪億級融資，深創投、金浦投資、財鑫資本、復聚資本等多家機構參與。

短短30天左右，智象未來迎來兩次超過5億元融資，體現出資本市場對原生全模態大模型方向的持續看好。

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、產品化能力與產業生態佈局上的持續突破，也獲得了市場進一步認可。

截至目前，智象未來產品已覆蓋全球超5000萬專業使用者及4萬餘家企業客戶，形成了從技術研發到產品商業化的閉環。

今年5月，智象未來正式發佈超2千億參數、基於新一代原生全模態模型架構 Unified Transformer（UiT）打造的圖像大模型 HiDream-O1-Image-Pro。

這不僅在多個基準測試中刷新 SOTA 紀錄，也標誌著智象未來正向圖像、視訊、文字、音訊等多模態統一建模的“原生全模態”階段邁進。

如今，AI大模型的演進路徑清晰且篤定，正從單模態走向多模態，從多模態升級為全模態，最終邁向原生世界模型。

行業賽道雖存在多種技術流派，包括3D原生模型、視訊多模態模型、具身智能等，但最具落地可行性的核心路徑，是從視訊多模態迭代到原生全模態，最終完成世界模型的終極進化。

梅濤認為，未來的原生全模態世界模型，將實現“任意模態到任意模態”的自由轉換，無需二次分發、壓縮與適配，實現認知、感知、互動、生成的一體化閉環。

其中，圖像是世界模型進化的核心起點：圖像向時間維度延伸，形成動態視訊；向空間維度拓展，建構三維幾何空間；疊加互動能力，最終形成具備自主感知、自主反饋、自主進化的具身智能形態。

在他看來，原生全模態大模型的落地，將推動智能體實現架構升級、能力躍遷、協作革新、安全落地四大維度的跨越式升級：

“我們可以總結出AI產業進化的核心邏輯：大模型讓AI讀懂世界、擁有認知能力，智能體讓AI落地行動、實現價值交付，而原生全模態世界模型，將認知、行動、反饋深度串聯，最終推動AI從簡單的內容生成，進化為能夠重構場景、賦能產業、改變世界的核心生產力。”梅濤在演講結尾表示。 (智能紀元AGI)

2026年盛夏，黃浦江畔，2026世界人工智慧大會（WAIC）如期啟幕。智象未來（HiDream.ai）重磅落地多項產業核心成果，現場發佈全球首款無限時長內容創作多模態智能體vivago R1。智象以技術創新與生態協同雙輪驅動，助力AI從工具向智能夥伴進化，賦能行業智能化升級。

在中國資訊通訊研究院主辦的論壇上，智象未來（HiDream.ai）創始人兼CEO梅濤發表了題為《邁向世界模型：原生全模態推動智能體能力躍遷》的主旨演講，系統性闡述了大模型與智能體雙向並進、走向世界模型的發展態勢，為人工智慧通過智能體落地產業，從數字世界走向物理世界的融合提出了方法論與突破路徑。

錨定AI產業進化方向：基礎模型與智能體協同共生

梅濤認為，當前大模型正以前所未有的速度快速躍遷，頂級模型智能水平已進入人類天才區，但從基礎大模型到真實場景發揮作用，仍存在落地難、適配弱、不可控的產業鴻溝。智能體具備自主記憶、邏輯規劃、工具調度、多端協作的核心能力，可將基礎模型的生成與推理優勢，轉化為標準化、可驗證、可交付的系統化產業能力，基礎模型疊加智能體能力，正成為AI賦能千行百業的核心範式。

梅濤進一步指出，在複雜的任務和場景中，單智能體存在明顯的能力邊界，無法獨立完成跨鏈路、高精準的創作任務。唯有通過多智能體叢集協作，模擬專業團隊分工模式，才能“勝任”一些複雜的產業難題。而要保障多智能體叢集穩定、高效、有序運轉，AgentOS 智能體作業系統是不可或缺的核心基礎設施。

為此，智象自研了全新HD-AgentOS智能體作業系統，依託資源層、系統層、能力層三層耦合架構，建構起完整的智能體產業落地支撐體系：

資源層：提供Agent可呼叫的基礎資源和原子能力，構築智能體的執行底座；

系統層：負責Agent全流程維運、風控、監控與安全治理體系；

能力層：將模型、工具、知識和流程封裝為領域技能。

基於HD-AgentOS智能體作業系統，多智能體協作架構將實現大幅能力躍遷，打破智能體“單打獨鬥”的能力侷限，為打造出可感知、會推理、可執行、能進化的專業化智能團隊，在複雜場景的產業落地提供堅實支撐。

重磅發佈vivago R1：全球首個無限時長創作智能體

依託多智能體協同與AgentOS核心技術積累，智象未來在WAIC 2026現場正式發佈全球首個無限時長創作智能體——vivago R1。

這是全球首個具備無限時長視訊生成與編輯能力的多模態創作智能體，標誌著AI在創意生產領域的一次範式轉移：從輔助生成單點素材，進化為能夠自主規劃、調度並完成長鏈路創作任務的“智能搭子”。

vivago R1的核心優勢可以概括為“長、長、穩”三大特質，精準回應了行業長期存在的時長受限、邏輯混亂、效果不穩三大痛點：

一是無限時長，全場景無限制適配。當前行業主流AI視訊產品僅支援15-30秒短鏡頭生成，無法滿足長週期商業創作需求。vivago R1徹底打破行業時長壁壘，支援任意時長視訊連續、連貫生成，全面適配短劇、專題片、品牌宣傳片、影視成片等全品類長週期創作場景，填補了行業長視訊創作的市場空白。

二是長任務思考，保障創作邏輯連貫統一。長視訊創作並非短鏡頭的簡單拼接，需要完整的敘事邏輯、統一的畫面風格、穩定的人物IP與場景設定。vivago R1具備長任務思考能力，可自主完成精細化邏輯構思、鏡頭排布與風格校準等，有效解決AI生成視訊的畫面跳變、人設崩塌、敘事斷層、風格割裂的行業難題，保障全片創作的完整性與專業性。

三是高穩定生成，賦能商業規模化交付。傳統大模型存在機率性輸出偏差、成片可用率低的問題，大幅增加企業偵錯成本。依託AgentOS全流程調度與治理能力，vivago R1實現創作全鏈路可控可校準，將內容有效可用成功率提升至85%，遠高於行業平均水平，極大降低反覆修改偵錯的時間與人力成本，生成內容可直接應用於商業製作、品牌傳播與市場化交付。

在社媒創作、商業行銷等持續性、長鏈路創作場景中，一個看似簡單的“分鏡生成”任務，不僅需要根據劇本生成畫面，更要理解鏡頭語言、敘事節奏、情緒表達，甚至區分短影片vlog、短劇、商品素材短片等不同體裁對分鏡的差異化要求。這種深度的行業理解，絕非直接呼叫大模型API即可實現。

vivago R1通過多智能體協同機制，將“理解任務→構思故事線→創作分鏡指令碼→生成核心素材→生成超長視訊”的完整創作鏈路進行原子化封裝與專業化調度，確保敘事、鏡頭、角色、風格、聲音和審美的有機統一，真正實現了從“單點工具”到“全鏈路創作系統”的跨越。

當前，人工智慧行業競爭維度已全面升級。過往單一的大模型參數競賽逐步趨於理性，取而代之的是“基礎模型+智能體系統”的全方位生態競爭。智象打造的“1+1+3”商業模式，正是對AI產業新命題的深度作答——在底座模型保持全球領先競爭力，在使用者最需要智能釋放的垂直賽道里扎到最深。

在規模空前的WAIC 2026盛會上，智象以多點突破、多維佈局的方式，不僅集中展現了創新的最新成果，更為人工智慧從工具到智能夥伴的演進，進行了深度探索。未來，智象將持續推動多模態技術向原生全模態、走向世界模型深度進階，以硬核技術創新與全球化生態協同，助力人工智慧產業邁入規模化、商業化的全新發展時代。 (HiDream智象未來)

彙整鉅亨號中所有使用「智象未來」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`