凯辉基金领投AMI Labs 10.3亿美元种子轮融资 推动AI理解现实世界
凯辉基金创始人及董事长蔡明泼表示：“凯辉始终坚信，能穿越周期的技术最终要回归现实世界、产业和人的真实需求。当前AI在信息处理与知识工作领域已展现巨大潜力，但未来更大的机会在于其如何进入更复杂、真实的系统。AMI Labs的探索方向让我们看到AI正从‘会表达’转向‘会理解’，从数字世界迈向现实世界。对凯辉而言，我们不仅关注技术本身的先进性，更看重其能否长期与产业、真实场景结合，创造可持续价值。AMI Labs是一支兼具科学理想、工程能力和全球视野的团队，我们很荣幸能陪伴他们走这条更长、更难却更有意义的路。”
AMI Labs的核心探索
过去十年AI发展显著，预测和生成系统改变了全球信息分析、知识获取与内容创作的方式。如今AI走出屏幕，智能不再局限于生成结果，还需理解情境、保留上下文、预判结果，并随时间推移做出更可靠的行为。
为实现这一目标，AMI将打造新一代AI系统，使其能理解世界、拥有长期记忆、进行真正的推理和规划，且端到端安全可控。
AMI定位为专注基础性世界模型的前沿AI公司，核心目标是构建能理解环境、保留上下文、进行推理与规划，并在复杂约束下稳定运行的新型智能系统。
技术路径上，AMI推进的方向与杨立昆（Yann LeCun）长期主张的JEPA（联合嵌入预测架构）一脉相承。与以“下一个token预测”为核心的大语言模型不同，JEPA更强调让系统学习现实世界的抽象表征，并在潜在空间中预测状态变化与结果。
大语言模型主要处理已表达的信息，如文本、图像、代码与语音，而AMI关注的是让AI形成对现实世界的内部表征。真实世界是连续变化、充满噪声和反馈的动态系统，关键问题不仅是“生成结果”，更是“理解状态变化、动作后果及不确定条件下的持续决策”。
这正是世界模型路线的意义所在。AMI试图让模型学习现实世界的抽象结构，在此基础上建模因果关系、预测系统演化，支持更高质量的规划与执行。因此，它对应的并非单一消费级生成场景，而是对可靠性、可控性和安全性要求更高的复杂应用领域，如工业自动化、机器人、医疗和可穿戴设备等。
AMI Labs引发关注的深层原因
AMI Labs迅速引发全球关注，不只是因为“欧洲最大种子轮”，更深层原因是它同时具备三个关键要素：分量十足的团队、重要的技术路线和清晰的时代问题。
1. 背后是一批能定义行业方向的人才
AMI Labs创始团队与凯辉相识多年。
AMI Labs由图灵奖得主、前Meta首席AI科学家杨立昆创办，他长期思考“LLM是否足以通向真正智能”这一核心问题。AMI是杨立昆多年技术判断首次以公司化、工程化和资本化方式推向台前。
同时，AMI核心团队结构完整：AI基础研究顶级专家谢赛宁，作为杨立昆的老朋友和同事，担任首席科学官；他是视觉表征学习权威，diffusion transformers (DiT)共同作者之一，DiT架构让视觉模型受益于Scaling Law，为顶级视觉生成模型奠定基础。
CEO Alexandre LeBrun毕业于巴黎综合理工学院，是连续创业者，创办的公司聚焦拉近“基础科研-真实世界”距离。他的第一家公司VirtuOz做企业对话机器人，后被Nuance收购；Wit.ai是自然语言理解公司，2015年被Facebook收购；之后他主导Meta FAIR巴黎工程工作，离开后创立的Nabla（凯辉投资）做AI医疗助手，拥有大量医院客户。
负责世界模型研究的Michael Rabbat将主持蒙特利尔办公室，他是原FAIR蒙特利尔实验室创始成员，在Meta主持研发了I-JEPA、V-JEPA、V-JEPA 2三个世界模型系列，其中V-JEPA 2通过视频自监督训练，仅需不到62小时机器人操作数据，就能零样本控制机械臂完成抓取任务，核心逻辑与AMI技术路线直接相关。
CRIO（首席研究与创新官）冯雁(Pascale Fung)是知名中国计算机科学家，AAAI、IEEE、ACL等顶级学术机构会士，香港科技大学讲席教授，曾在京都大学、法国国家科学研究中心、哥伦比亚大学进修，Meta FAIR后期工作聚焦具身AI和视觉语言世界模型，应用场景包括智能眼镜。
COO Laurent Solly加入AMI前，长期在Meta负责法国、南欧及欧洲业务，也曾在TF1集团及法国公共部门任职，在组织搭建、跨区域运营及连接欧洲产业与公共生态方面经验丰富。
这支团队的稀缺性在于首次将前沿科研、系统工程、全球组织能力整合到同一框架，这也是AMI与许多“研究强但落地远”的前沿项目的不同之处。
2. 聚焦AI能力的迁移趋势
过去两年，大模型证明机器能极大提升信息处理效率，如写作、总结、问答、编程、搜索、创作等，这些任务本质上发生在数字世界。但当AI进入机器人、制造、实验流程、工业系统和基础设施等领域，问题发生根本变化。
系统不能只会“回答”，还要能判断状态、保留上下文、推演后果、规划多步动作，并在充满噪声与约束的环境中持续运行。即AI要进入现实世界，需从“会生成”转向“会理解、会推演、会行动”。
AMI的world model路线重要性在于正面回应了这一问题，它不关注语言能力的提升，而是让机器形成对现实世界的内部认知结构。
3. 将学术讨论路线推向市场
这是AMI与“概念先行”AI公司的不同之处，它用具体方式告诉市场：这条路线需要长期研究、全球人才、重投入的工程体系和有耐心的资本支持。
AMI成立起就在巴黎、纽约、蒙特利尔和新加坡同步布局；投资人名单横跨财务资本、产业资本与科技界重量级人物，包括凯辉基金在内的阵容传递出信号：市场不是围观“有趣的新概念”，而是认真支持可能影响下一代AI基础能力的路线。
大模型之后，真实智能的方向
AMI引发专业圈层讨论的根本问题是：大模型之后，什么更接近“真实智能”？
杨立昆及AMI的回答很明确：真正的智能不是从语言开始，而是从世界开始。AMI官网甚至直接写道——“real intelligence does not start in language. It starts in the world.”
这并非否定语言的重要性，而是语言本质上是世界的投影。机器若只学会操纵投影，未理解世界本身，在现实环境中的能力边界会很快显现。
也就是说，LLM将AI带入大规模可用时代；而world models推动AI从“会表达”走向“会理解、会推演、会行动”。
从这个角度看，AMI备受关注是因为它切入了AI行业当前最难、最本质的问题。
结语
从技术演进周期看，AMI的价值不只在于完成罕见的大额种子轮融资，也不只在于集结了重量级团队。更重要的是，它让原本停留在学术与前沿研究层面的技术方向，以更清晰的公司化与工程化方式进入产业视野。
过去几年，大语言模型验证了生成式AI的广泛适用性，重塑了人们对“智能系统”的想象；但当AI从屏幕走向现实系统，行业关注重点必然变化。决定下一阶段上限的，可能不再只是语言能力、生成质量或交互效率，而是系统对环境的建模能力、对因果关系的理解能力，以及在复杂约束下的推理、规划与执行能力。
从这个意义上说，AMI代表的不是对现有路径的简单补充，而是更底层的能力外延：它试图回答的不是“模型还能生成什么”，而是“智能系统如何真正进入现实世界”。
这正是AMI值得持续关注的根本原因。
本文来自微信公众号“凯辉通讯”，作者：凯辉基金，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com