阿里領投2.9億美元，重注下一代AI“世界模型”

隨著大型語言模型（LLM）的局限性逐漸顯現，全球人工智能的競賽焦點正從“文本生成”轉向“模擬現實世界”。

4月10日消息，阿里巴巴已領投人工智能視頻生成工具Vidu的開發商——生數科技（Shengshu Technology）B輪融資，投資金額達20億元人民幣（約合2.9億美元）。這一巨額投資意味著科技巨頭正全力押注“世界模型”，試圖構建一種能更好復制現實世界的新型人工智能。

本輪融資由阿里巴巴主導，好未來教育和百度風投也參與其中。

這是生數科技在短短兩個月內完成的第二次大規模融資，此前該公司剛在啟明創投等機構的支持下完成了6億元人民幣的融資。盡管生數科技拒絕透露最新的具體估值，但密集的資本注入已顯示出市場對這一技術路線的高度認可。

此次投資的核心邏輯，在于行業對當前主流AI技術路線的深刻反思。過去幾年，以OpenAI的ChatGPT為代表的基于文本訓練的大型語言模型主導了市場。然而，隨著應用場景的深入，開發者們開始意識到，僅靠文本難以讓AI真正理解復雜的物理規律。

生數科技認為，“基于視覺、音頻和觸覺等多模態數據構建的通用世界模型，比大型語言模型更能自然地捕捉物理世界的運作方式，”這家成立僅三年的初創公司在一份聲明中闡述了其技術愿景。

生數科技創始人朱軍進一步補充道：“我們的目標是將感知與行動聯系起來。”他希望通過這種新型模型，使人工智能系統能夠更好地模擬和預測現實世界的行為，從而打破數字世界與物理世界的隔閡。

根據AI分析機構的數據，生數科技于今年1月發布的Vidu Q3 Pro型號，在利用文本和圖像生成視頻的AI模型中已躋身全球前十。這一技術實力也是吸引阿里巴巴入局的關鍵因素。

實際上，阿里巴巴在“世界模型”領域的布局早已悄然展開。作為電商起家的科技巨頭，阿里不僅在2月推出了一款用于驅動機器人的模型，還發布了用于視頻生成的免費開源人工智能模型。

除了生數科技，阿里巴巴近期還領投了PixVerse的6000萬美元融資。PixVerse今年早些時候發布了一個AI世界模型，允許用戶在視頻生成過程中精確控制視頻的展開方式。與此同時，百度和百度風投也在上個月領投了Tripo AI的5000萬美元融資。Tripo AI致力于利用AI技術從照片快速生成3D數字模型，其明確表示正在擺脫語言模型所使用的技術，轉向基于物理空間的AI工具開發。

這一輪投資熱潮的背后，是全球科技界對AI下一階段形態的共識。美國科技雜志《連線》的聯合創始人凱文·凱利（Kevin Kelly）上個月在其Substack專欄中撰文指出，世界模型對于機器人技術至關重要，因為這項技術需要的不僅僅是LLM才能發揮作用。

凱利表示：“最終，要復制人類智能，人工智能需要三個要素：推理能力、對物理世界的理解以及持續學習。”他特別強調，雖然目前的聊天機器人已經構建了知識元素，但“世界模型是亟需突破的關鍵領域”。

在激烈的市場競爭中，中國科技企業正試圖通過“世界模型”實現彎道超車。在OpenAI逐步關閉其視頻生成模型Sora的相關服務之后，包括字節跳動、快手在內的多家公司紛紛推出了類似的AI視頻生成工具。

生數科技周五透露，公司已與多家開發具身智能（Embodied AI）的公司建立了戰略合作伙伴關系。這些合作旨在將AI技術應用于與物理世界互動的人形機器人等系統，服務于工業、商業和家庭環境。