智象未來亮相 WAIC：多模態智能體，重塑創作的未來版圖

　　2025 世界人工智能大會(WAIC)期間，智象未來(HiDream.ai)聯合創始人兼首席技術官姚霆發表主題演講，系統闡釋了多模態智能體在內容創作領域的技術突破與商業化實踐。作為聚焦多模態生成的 AI 創新企業，智象未來期待通過探索多模態大模型的有效落地形式， “讓創作回歸靈感，讓時間忠于故事” ，推動內容創作從工具效率提升向生產力革命跨越。

　　AI技術的爆發式發展，正從實驗室快速走向產業應用。智象未來始終以“解決真實創作痛點”為導向，在商業化落地中探索出一條“技術筑基、場景破局、價值閉環”的路徑。智象未來認為，真正的AI商業化不是單點技術的炫耀，而是從模型能力到服務形態，再到最終成果的全鏈路賦能。

　　智象未來持續致力于從技術到價值的產品化思路，在這一過程中，智象構建了“MaaS-SaaS-RaaS”的遞進商業化體系

　　MaaS(Model as a Service) 是根基。打造百億級多模態基礎模型，支持圖像、視頻、音頻、文本等多模態的生成與理解。

　　SaaS(Software as a Service) 是橋梁。基于基礎模型，開發面向垂直場景的產品，建設個人創作者平臺和社區，將技術能力轉化為開箱即用的服務，降低創作門檻。

　　RaaS(Result as a Service) 是終局。通過商業視頻營銷服務、新媒體創作智能體，直接為客戶交付“可落地的成果”，讓AI真正成為創作的“生產力工具”而非“技術概念”。

　　這種 “模型支撐服務，服務落地場景” 的邏輯，已在實際應用中驗證：智象多模態生成平臺已服務于影視制作、產品營銷、文旅互娛等領域，實現從技術研發到商業價值的閉環。

　　多模態技術突破：從 “能生成” 到 “生成優”

　　技術實力是商業化的底氣。智象多模態模型以“高維理解、精準生成”為核心，構建了覆蓋圖像、視頻、編輯的全棧能力矩陣。

　　技術層面，智象多模態基礎模型歷經三次重要迭代，構建起 “理解深、控制準、畫質高” 的核心優勢。模型從 2023 年 8 月的 1.0 版本(擴散模型 DiT，實現多模態對齊)，到 2024 年 6 月 2.0 版本(擴散自回歸模型 DiT+AR，強化時空建模)，再到 2024 年 12 月 3.0 版本(MoE 多場景學習，記憶增強)，持續突破生成技術瓶頸。

　　這些能力轉化為三大核心價值：語義一致性(如 IP 故事活化時保持風格統一)、精準可控性(支持個性化定制與元素自由調整)、影視級畫質(4K 分辨率、長時序穩定輸出)，為專業創作提供技術保障。

　　在圖像生成領域，HiDream 系列開源模型表現亮眼，累計下載量超 60 萬次，被 Diffusers庫、ComfyUI 、Recraft等主流工具集成。智象多模態全系列模型均在國際權威榜單排名前列。HiDream-I1 全面開源后24小時內即登頂 Artificial Analysis 榜單，成為首個問鼎榜首的中國自研模型，Hugging Face實時排名全球第一，下載量與點贊數持續攀升。此外，智象大模型家族已實現文本、圖像、視頻的聯合建模，其視頻生成產品支持4K高清畫質、全局 / 局部可控及劇本多鏡頭生成，被行業專家評價為「重新定義 AIGC 的美學標準」。同時，結合其開源的交互式編輯模型HiDream-E1，用戶通過自然語言指令即可完成圖像生成及編輯，直接降低創作門檻，助力全球開發者與創作者實現“所想即所得”。

　　7月，繼問鼎圖像生成開源模型競技場榜單后，最新開源模型HiDream E1.1再次強勢躋身Artificial Analysis圖像編輯智能體榜單第一梯隊，作為領先的開源圖像編輯模型，性能全面超越Flux.1 Kontext等主流模型，支持自然語言驅動的圖像編輯 —— 用戶通過文字指令即可完成背景替換、顏色修改、局部重繪等操作。

　　在視頻生成領域，模型支持文生視頻、圖生視頻、首尾幀生成，可精準復刻國漫、吉卜力等風格，實現鏡頭運動與畫面運動的聯合學習。通過擴散自回歸模型(DiT+AR)，我們解決了視頻生成中“時空一致性”難題，讓生成內容更貼近真實物理世界的規律。

　　在創作工具箱層面，AI口播、視頻模板、運動筆刷、虛擬換衣、圖像超分等功能，形成了“生成-編輯-優化”的完整閉環，滿足從個人創作者到企業客戶的全場景需求。

　　產品形態：agent驅動的“創作革命”，重構內容創作全流程

　　在產品形態上，智象以 “智能體” 為核心形態，構建覆蓋圖像生成、視頻創作、營銷傳播的工具鏈。

　　作為面向短視頻二創的智能體，vivago agent以“多模態輸入、智能拆解、交互式生成”為核心優勢。用戶只需提供圖像、視頻、音頻、文本等素材(例如咖啡館的logo、照片、宣傳語)，即可自動分析需求、拆解任務(分鏡設計、劇本生成、素材檢索)，調用圖像/視頻生成模型補全內容，并通過智能剪輯工具整合輸出。它不僅能理解“棕色線條勾勒的火焰+波浪logo”的視覺特征，還能捕捉“靜謐奢華的吧臺場景”的氛圍，讓短視頻創作從“從零開始”變為“按需生成”。

　　智象未來即將正式發布長視頻編輯智能體-HiClip。針對長視頻“內容過載、分發低效、回報周期長”的痛點，HiClip通過多模態語義理解，精準解構內容核心(如提取高光片段、生成音頻摘要)，實現“一次創作、全域適配”的二次傳播。無論是影視片段的高光剪輯，還是教育課程的知識點拆解，HiClip都能讓長視頻內容煥發新的流量生命力。

　　產品化落地實現了創作方面的互補：vivago agent 聚焦短視頻二創，通過模板檢索、智能剪輯、多模態生成，幫助用戶快速制作個性化內容，解決傳統模板化創作的同質化問題;HiClip則針對長視頻 “內容過載、分發低效” 的痛點，以多模態語義理解解構長視頻核心信息，實現高光片段提取、跨平臺適配剪輯，激發長視頻二次傳播價值。

　　生態共創：鏈接全產業鏈的價值網絡

　　AI的價值，在于連接與賦能;技術與產品的落地，離不開生態的協同支撐。目前，智象未來正攜手跨境、互聯網、影視、新媒體、文旅等多領域伙伴，構建覆蓋多領域的生態網絡，形成 “技術-場景-生態” 的共贏格局。

　　讓每個創作者都能更好釋放創意潛力，是智象的始終堅持。讓AI 真正 “理解創作、輔助創作”，讓內容產業的生產力革新正加速到來。智象未來期待以多模態智能體為支點，與行業伙伴共同探索“技術為筆，創意為墨”的新可能——讓每個創作者都能聚焦靈感，讓每個故事都能抵達更遠的地方。