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。
vivago R1先拆掉的是時長。
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。
時長之後，麻煩是連貫。
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。
最後一關是產出穩不穩。
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。
33天融資超5億，
已覆蓋5000萬專業個人使用者
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)