3月10日，AMI Labs正式宣布完成約10.3億美元種子輪融資，是歐洲有史以來最大的seed round。該輪融資由凱輝基金旗下凱輝創(chuàng)新基金、Greycroft、Hiro Capital、HV Capital及Jeff Bezos Expeditions共同領(lǐng)投，同時淡馬錫、英偉達、Toyota Ventures、三星、法國國家投資銀行旗下數(shù)字風險投資部門Bpifrance Digital Venture、Eric Schmidt、Tim Berners-Lee等參與投資。

凱輝基金創(chuàng)始人及董事長蔡明潑表示：“凱輝一直相信，真正能夠穿越周期的技術(shù)，最終都要回到現(xiàn)實世界，回到產(chǎn)業(yè)，回到人的真實需求。今天AI已經(jīng)在信息處理和知識工作上展現(xiàn)出巨大潛力，但未來更大的機會，來自它如何進入更復雜、更真實的系統(tǒng)之中。AMI Labs所探索的方向，讓我們看到AI正在從‘會表達’走向‘會理解’，從數(shù)字世界走向現(xiàn)實世界。對凱輝而言，我們關(guān)注的不只是技術(shù)本身的先進性，更是它能否在長期中與產(chǎn)業(yè)結(jié)合、與真實場景結(jié)合，最終創(chuàng)造可持續(xù)的價值。AMI Labs是一支兼具科學理想、工程能力和全球視野的團隊，我們很高興能夠陪伴他們走這樣一條更長、更難、但也更有意義的路。”

AMI Labs到底在做什么？

AI在過去十年中取得了顯著進展，預測和生成系統(tǒng)在全球范圍內(nèi)改變了我們分析信息、獲取知識和創(chuàng)作內(nèi)容的方式。如今，當AI走出屏幕，智能不再止步于簡單地生成結(jié)果。它必須理解情境、保留上下文、預判結(jié)果，并隨著時間推移持續(xù)做出更可靠的行為。

為了實現(xiàn)這一目標，AMI將打造全新一代的AI系統(tǒng)，去理解世界，具備長期維持的記憶，能夠進行真正的推理和計劃，并且在端到端安全可控。

AMI將自己定義為一家專注于基礎(chǔ)性世界模型（foundational world models）的前沿 AI 公司。其核心目標是構(gòu)建一類能夠理解環(huán)境、保留上下文、進行推理與規(guī)劃，并在復雜約束下穩(wěn)定運行的新型智能系統(tǒng)。

在技術(shù)路徑上，AMI 所推進的方向，與楊立昆（Yann LeCun）長期主張的 JEPA（Joint Embedding Predictive Architecture，聯(lián)合嵌入預測架構(gòu)）一脈相承。與以“下一個 token 預測”為核心的大語言模型不同，JEPA 更強調(diào)讓系統(tǒng)學習現(xiàn)實世界的抽象表征，并在潛在空間中預測狀態(tài)變化與結(jié)果。

如果說大語言模型主要處理的是已經(jīng)被表達出來的信息——文本、圖像、代碼與語音，那么 AMI 所關(guān)注的，是如何讓 AI 形成對現(xiàn)實世界的內(nèi)部表征。因為真實世界并不是靜態(tài)的信息集合，而是連續(xù)變化、充滿噪聲和反饋的動態(tài)系統(tǒng)。對這類系統(tǒng)而言，關(guān)鍵問題不只是“生成結(jié)果”，而是“理解狀態(tài)如何變化、動作會帶來什么后果，以及如何在不確定條件下持續(xù)決策”。

這正是世界模型這一路線的意義所在。AMI 試圖讓模型學習現(xiàn)實世界的抽象結(jié)構(gòu)，在此基礎(chǔ)上建模因果關(guān)系、預測系統(tǒng)演化，并據(jù)此支持更高質(zhì)量的規(guī)劃與執(zhí)行。因此，它所對應(yīng)的并非單一的消費級生成場景，而是對可靠性、可控性和安全性要求更高的復雜應(yīng)用領(lǐng)域，如工業(yè)自動化、機器人、醫(yī)療和可穿戴設(shè)備等。

AMI Labs為什么會一夜之間引發(fā)轟動

AMI Labs之所以迅速引發(fā)全球關(guān)注，并不只是因為“這是歐洲最大種子輪”這么簡單。更深的原因在于，它同時踩中了三件事：足夠有分量的人、足夠重要的路線、以及足夠清晰的時代問題。

1.站在這家公司背后的，是一批本身就足以定義行業(yè)方向的人

AMI Labs創(chuàng)始團隊已與凱輝相識多年。

AMI Labs由圖靈獎得主、前Meta首席AI科學家楊立昆（Yann LeCun）創(chuàng)辦，長期以來，他都是“LLM是否足以通向真正智能”這一核心問題最具代表性的思考者之一。一定意義上，AMI是Yann LeCun多年來持續(xù)堅持的一條技術(shù)判斷，第一次以公司化、工程化和資本化的方式，被真正推到臺前。

與此同時，AMI的核心團隊也并非單點明星，而是一支結(jié)構(gòu)極完整的隊伍：AI基礎(chǔ)研究方面的頂級專家謝賽寧，亦是楊立昆的老朋友、學校同事，也已正式加入了AMI擔任首席科學官；

謝賽寧是視覺表征學習方面的絕對權(quán)威，diffusion transformers (DiT)的共同作者之一。DiT架構(gòu)的推出讓視覺模型能夠和大語言模型一樣受益于Scaling Law。通過用Transformer主干結(jié)構(gòu)替代此前沿用十年的U-Net，謝賽寧等人的工作讓復雜、高保真圖像/視頻模擬得以實現(xiàn)，為Sora、SeedDance等頂級視覺生成模型和工具的推出打下基礎(chǔ)。

AMI的CEO由Alexandre LeBrun擔任。他畢業(yè)于巴黎綜合理工學院，是一位知名連續(xù)創(chuàng)業(yè)者，創(chuàng)辦的公司都聚焦于拉近「基礎(chǔ)科研-真實世界」之間的距離。勒布恩的第一家公司VirtuOz做的是企業(yè)對話機器人，2002年前后創(chuàng)立，當時「AI」還遠未變成一個流行詞，公司后來被Nuance收購（Nuance此后并入微軟）。然后是Wit.ai，一家自然語言理解公司，2015年被Facebook收購。隨后，勒布恩進入Meta主導FAIR巴黎的工程工作。離開后創(chuàng)立的Nabla（凱輝基金投資企業(yè)）做AI醫(yī)療助手，拿下了相當規(guī)模的醫(yī)院客戶。

負責世界模型研究的Michael Rabbat，將在AMI負責蒙特利爾辦公室。拉巴特是原FAIR蒙特利爾實驗室的創(chuàng)始成員之一，在麥吉爾大學任教十余年后全職加入Meta，在那里主持研發(fā)了I-JEPA、V-JEPA、V-JEPA 2三個世界模型系列。V-JEPA 2是其中影響最大的：通過視頻自監(jiān)督訓練，只需不到62小時的機器人操作數(shù)據(jù)，就可以在完全陌生的實驗室環(huán)境里零樣本控制機械臂完成抓取任務(wù)。這套方法的核心邏輯，和AMI整個公司的技術(shù)路線直接相連。

AMI的CRIO（首席研究與創(chuàng)新官）是知名中國計算機科學家馮雁(Pascale Fung)，AAAI、IEEE、ACL等頂級學術(shù)機構(gòu)會士，香港科技大學講席教授。她出生于上海，曾經(jīng)在京都大學、法國國家科學研究中心、哥倫比亞大學進修。在Meta FAIR的后期工作是具身AI和視覺語言世界模型，主要應(yīng)用場景是智能眼鏡。

COO Laurent Solly加入 AMI 之前，他曾長期在 Meta 負責法國、南歐及歐洲業(yè)務(wù)，也曾在 TF1 集團及法國公共部門任職，因此在組織搭建、跨區(qū)域運營以及連接歐洲產(chǎn)業(yè)與公共生態(tài)方面具備稀缺經(jīng)驗。

這支團隊的稀缺性，在于它第一次把前沿科研、系統(tǒng)工程、全球組織能力放到了同一個框架里。這也是AMI與許多“研究很強、但離真實落地還很遠”的前沿項目最不一樣的地方。

2.它關(guān)注的是一場正在發(fā)生的能力遷移。

過去兩年，大模型證明了機器可以極大提升信息處理效率：寫作、總結(jié)、問答、編程、搜索、創(chuàng)作…這些任務(wù)本質(zhì)上都發(fā)生在數(shù)字世界里。但當AI要真正走進機器人、制造、實驗流程、工業(yè)系統(tǒng)和基礎(chǔ)設(shè)施等領(lǐng)域，問題就發(fā)生了根本性變化。

系統(tǒng)不能只會“回答”，而要會判斷狀態(tài)、保留上下文、推演后果、規(guī)劃多步動作，并在充滿噪聲與約束的環(huán)境中持續(xù)運行。換句話說，AI要真正進入現(xiàn)實世界，必須從“會生成”走向“會理解、會推演、會行動”。

AMI的world model路線之所以重要，正因為它正面回應(yīng)了這個問題。它關(guān)心的不是如何把語言能力繼續(xù)堆高，而是如何讓機器形成對現(xiàn)實世界的內(nèi)部認知結(jié)構(gòu)。

3.AMI把一條長期停留在學術(shù)討論中的路線，第一次嚴肅地擺到了市場面前

這也是它與許多“概念先行”的AI公司不同的地方。AMI在用非常具體的方式告訴市場：這條路線需要長期研究、全球人才、重投入的工程體系以及有耐心的資本支持。

它從成立起就在巴黎、紐約、蒙特利爾和新加坡同步布局；投資人名單也橫跨財務(wù)資本、產(chǎn)業(yè)資本與科技界重量級人物，包括凱輝基金在內(nèi)的陣容本身就是一個信號：市場不是在圍觀一個“有趣的新概念”，而是在認真支持一條可能影響下一代AI基礎(chǔ)能力的路線。

大模型之后，什么才更接近真實智能？

但AMI真正引發(fā)專業(yè)圈層討論的，還是它背后的那個根本問題：大模型之后，什么才是更接近“真實智能”的方向？

楊立昆及AMI所代表的回答很鮮明：真正的智能，不是從語言開始，而是從世界開始。AMI官網(wǎng)甚至把這句話直接寫了出來——“real intelligence does not start in language. It starts in the world.”

這并不意味著語言不重要，而是說，語言本質(zhì)上只是世界的投影。機器如果只學會操縱投影，而沒有學會理解世界本身，那么它在現(xiàn)實環(huán)境中的能力邊界就會很快顯現(xiàn)出來。

換句話說，LLM把AI帶進了大規(guī)模可用時代；而world models所推動的，則是AI從“會表達”走向“會理解、會推演、會行動”。

從這個角度看，AMI之所以備受關(guān)注，恰恰因為它切入了AI行業(yè)現(xiàn)在最難、也最本質(zhì)的一道題。

結(jié)語

從更長的技術(shù)演進周期來看，AMI 的價值并不只在于完成了一筆罕見的大額種子輪融資，也不只在于集結(jié)了一支極具分量的團隊。它更重要的意義在于，讓一條原本更多停留在學術(shù)與前沿研究層面的技術(shù)方向，以更清晰的公司化與工程化方式進入產(chǎn)業(yè)視野。

過去幾年，大語言模型驗證了生成式 AI 的廣泛適用性，也重塑了人們對“智能系統(tǒng)”的想象；但當 AI 開始從屏幕走向現(xiàn)實系統(tǒng)，行業(yè)關(guān)注的重點也必然發(fā)生變化。決定下一階段上限的，可能不再只是語言能力、生成質(zhì)量或交互效率，而是系統(tǒng)是否具備對環(huán)境的建模能力、對因果關(guān)系的理解能力，以及在復雜約束下進行推理、規(guī)劃與執(zhí)行的能力。

從這個意義上說，AMI 所代表的，并不是對現(xiàn)有路徑的簡單補充，而是一種更底層的能力外延：它試圖回答的，不是“模型還能生成什么”，而是“智能系統(tǒng)如何真正進入現(xiàn)實世界”。

這，也正是AMI值得被持續(xù)關(guān)注的根本原因。