智象未来推出200B全模态图像大模型 从内容生成迈向世界理解

在近日于北京举行的首届开放日活动中，智象未来重磅推出了新一代图像大模型HiDream-O1-Image-Pro。该模型基于其创新的原生全模态架构——统一Transformer（UiT）构建，参数量突破两千亿，并在多项国际权威基准测试中刷新了最高性能（SOTA）记录。活动同期，公司宣布完成了半个月内的第二轮融资，深创投、金浦投资等顶级投资机构参与其中。资本市场的持续加码，彰显了业界对“原生全模态”这一前沿技术路线的坚定信心。

核心技术突破：从“模态拼接”到“原生统一”

当前，视觉生成领域的主流方案可被视为一种“拼接”范式：通常先利用VAE编码图像，再调用独立的语言模型解析文本指令。这种方式在处理复杂语义理解和精细细节控制时，常面临瓶颈。智象未来提出的UiT架构，则选择了一条截然不同的路径。它将原始的图像像素、文本标记以及任务指令，统一映射到一个连续的共享语义空间中。这相当于为不同模态的“语言”建立了一套共通的底层语法，实现了从根源上的深度融合与统一理解。

• HiDream-O1-Image-Pro： 作为闭源旗舰版本，其超过2000亿的参数规模奠定了顶尖文生图能力的基础。其突破性不仅在于规模，更体现在对复杂文字渲染、精细化指令编辑以及多主体个性化生成等高难度任务的处理上，为行业树立了全新的性能标杆。

• 开源标杆的验证： UiT架构的高效性已得到充分验证。采用同源架构、仅80亿参数的开源版本，此前已在全球知名评测平台Artificial Analysis的文生图榜单中位列第一，成为全球领先的开源图像生成模型。尤为关键的是，它是该榜单前20名中参数量最小的模型，这有力证明了UiT架构卓越的扩展效率——从轻量级到超大规模，性能均可实现线性提升。

战略重心：以“原生全模态”构建世界模型

智象未来创始人兼CEO梅涛博士深入阐释了其技术路线的核心逻辑。他指出，行业中许多“多模态”方案，本质仍是“单模态能力的后期拼接”。而智象未来致力于从架构设计源头实现“原生全模态”。这意味着，将世界的底层规则——如空间关系、物理定律与因果逻辑——直接编码进模型的“基因”里。唯有如此，模型才能从被动“生成内容”，进化为主动“理解世界、推理世界并重构世界”。在梅涛看来，这是迈向通用人工智能（AGI）不可或缺的关键一步。

业务落地：模型+智能体双轮驱动

前沿的技术架构需要坚实的商业应用来支撑。为此，智象未来构建了“1+1+3”的业务体系，即以底层大模型为基石，通过三大核心智能体应用推动商业化落地：

• 商业营销智能体 (HiBurst)： 已成为TikTok官方Top 5服务商，每年生成电商营销视频超百万条，服务商品交易总额（GMV）已突破亿元大关。

• AI影视创作智能体 (“帧赞”)： 该平台实现了从创意构思到最终成片的AI全流程赋能。截至目前，已累计制作短剧、漫画剧超5000分钟，吸引超千家专业创作团队入驻。

• 社媒创作智能体 (vivago)： 支持端到端的长序列推理，可在数分钟内生成完整的故事视频，目前其服务已覆盖全球超100个国家及地区的4000万用户。

生态共建：迈向AGI的产业路径

技术价值最终需通过产业赋能来体现。在开放日现场，智象未来宣布与上影新视野基金、蓝色光标、捷成世纪、倍尔健康等达成战略合作。通过深度融入影视创作、跨境电商、数字营销、医疗健康等具体产业场景，加速将先进的模型能力转化为可落地的行业解决方案。

从视觉生成出发，迈向对世界的深度理解与建模，智象未来正践行其“Imaging the World”的愿景。公司旨在通过统一的建模框架，使AI具备理解多模态环境状态并预测其演变的能力。随着多元资本的持续注入与商业生态的迅速拓展，这家公司正加速从视觉技术提供商，向通用世界模型构建者的战略角色演进。