行业背景与市场观点 - “世界模型”是当前一级市场的热门投资方向，吸引了大量资金[1] - 对于“世界模型”在通往AGI（通用人工智能）路线上的重要性，业内存在不同看法。有观点认为，AI训练及持续学习是现阶段更重要的主线，而世界模型在商业上是一个好生意[1] - 行业观点认为，多模态能力是智能走向现实世界不可或缺的一环[1] 公司融资与股东结构 - 智象未来（HiDream.ai）近期完成15亿人民币的C轮融资，在三个月内完成三轮密集融资，累计融资额超过21亿人民币，已跻身独角兽行列[2] - C轮融资由社保基金四川振兴科创基金、工银资本、弘颐资管、敦鸿资本联合领投，并有厦门国贸资本、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、若松基金等多家机构跟投[2] - 股东阵容汇聚了社保基金、银行系、地方国资、头部产业资本（如上影集团、华策影视）及市场化创投机构，老股东如合肥产投、东方富海、敦鸿资产已连续跟投2-3轮[3] - 产业资本的入局为AI视频生成模型提供了庞大的IP库、制作团队、发行渠道以及真实的训练数据和应用场景[3] - 公司合肥主体已完成股改，变更为股份有限公司，后续可能有更多融资及资本市场运作，行业头部公司处于竞速阶段，预计年底或明年上半年有更多进展[5] - 资本市场已用资金投票，预计该领域将诞生百亿甚至千亿级别的上市公司[5] 公司团队与技术渊源 - 创始人梅涛是微软亚洲研究院前资深研究员，加拿大工程院外籍院士，同时是ACM、IEEE、IAPR和CAAI四大著名学会的Fellow[6] - 2017年，梅涛团队在微软亚洲研究院完成了全球最早探索文生视频方向的论文之一（TGANs-C），该论文大部分作者目前仍在公司工作[6] - 视频生成模型已成为许多视频内容创作者的重要生产资料，应用场景包括AI短剧、短视频创作及电商广告素材生成等[6][7] 技术架构与产品性能 - 公司自研了原生全模态架构UiT（unified transformer），从神经网络底层将图片、语音、视频、文本、3D交互、动作等所有信号打碎成统一的token进行联合训练，旨在实现任意模态输入和输出（any to any）[7] - 该技术方向使模型从单纯的内容生成走向“世界模型”，能够理解并预测内容的时空、因果和物理反馈[9] - 2024年5月，公司开源模型HiDream-O1-Image登顶全球独立模型评测平台Artificial Analysis文生图榜单开源模型全球第一[9] - 2024年6月，其商用版HiDream-O1-Image-1.5在相同榜单中位列全球第三、国产第一，Elo评分为1265，仅次于OpenAI的两款模型[9][10] 核心产品发布与特点 - 公司在上海WAIC大会上发布了全球首款无限时长内容创作多模态智能体Vivago R1[10] - 该产品与以往视频生成模型的核心区别在于，将重点从“单次出片”推进到“长链路创作”，旨在解决长视频创作中无限时长、长任务思考和稳定生成三大难题[12][13] - Vivago R1通过分段生成、统一编排和资产复用技术，确保角色、道具、场景和风格在长周期创作中保持一致，支持故事持续延展[13] - 产品本质是一个AI导演系统，其关键价值在于模型之上的Agent编排能力，能够将创意想法组织成可交付的视频成片，强调任务的稳定完成[13] - 产品内置多种场景技能，可生成电商广告素材、商品详情页等，并支持一键分享至YouTube、TikTok等平台[15][17] 行业趋势与商业前景 - 当前Agent行业的关键词是“长”，即让Agent能够自主规划并高成功率、低成本地完成长程任务[18] - 在模型能力之上，任务完成的编排与交付层正变得越来越重要[19] - “世界模型”被视为智能进入现实世界、创造商业价值的一条重要路径，未来可应用于影视、广告、电商、游戏、自动驾驶、机器人、工业仿真和具身智能等多个领域[20][21] - 行业竞赛已从论文和Demo阶段，进入资本、产品与产业同时加速的阶段[21]