智象未来发布200B参数全模态图像大模型 半月内连获两轮融资

2026年5月21日，AI企业智象未来在北京首届开放日上正式推出基于Unified Transformer架构打造的HiDream-O1-Image-Pro图像大模型，该模型参数量超2000亿，在多类权威基准测试中刷新SOTA纪录。同日智象未来宣布完成半个月内第二轮融资，获深创投、金浦投资等头部机构加持，原生全模态技术路线再获资本与行业双重认可。

当天的开放日现场，不少专程到场的视觉AI领域从业者在看完模型演示后坦言，这款产品的细节处理能力远超当前市面上的同类型产品，打破了很多人对“拼接范式全模态模型已经摸到性能天花板”的固有认知。

过去数年，全球视觉大模型研发普遍沿用“独立VAE图像编码+独立语言模型编码”的碎片化拼接思路，两个模态模块分别训练完成后，再通过后期对齐的方式实现信息交互。这种路径研发门槛更低、落地速度更快，但从底层就存在表征体系不统一的缺陷，遇到复杂场景语义解析、百万像素级高精度设计生成等场景时，很容易出现文本语义和图像细节错配、关键信息崩漏等问题，大量针对性的微调优化也很难从根本上解决这类顽疾。

智象未来自研的Unified Transformer（UiT）架构，跳出了行业沿用多年的拼接思路，首次实现了底层全模态表征的完全统一。研发团队将原始图像像素、文本标记、各类任务条件全部纳入同一个连续共享标记空间做联合训练，所有模态的信息从模型输入阶段就遵循同一套表征逻辑，不存在后期对齐带来的信息损耗。