凯辉基金领投AMI Labs 10.3亿美元种子轮融资

3月10日，AMI Labs正式宣布完成约10.3亿美元种子轮融资，是欧洲有史以来最大的seed round。该轮融资由凯辉基金旗下凯辉创新基金、Greycroft、Hiro Capital、HV Capital及Jeff Bezos Expeditions共同领投，同时淡马锡、英伟达、Toyota Ventures、三星、法国国家投资银行旗下数字风险投资部门Bpifrance Digital Venture、Eric Schmidt、Tim Berners-Lee等参与投资。

凯辉基金创始人及董事长蔡明泼表示：“凯辉一直相信，真正能够穿越周期的技术，最终都要回到现实世界，回到产业，回到人的真实需求。今天AI已经在信息处理和知识工作上展现出巨大潜力，但未来更大的机会，来自它如何进入更复杂、更真实的系统之中。AMI Labs所探索的方向，让我们看到AI正在从‘会表达’走向‘会理解’，从数字世界走向现实世界。对凯辉而言，我们关注的不只是技术本身的先进性，更是它能否在长期中与产业结合、与真实场景结合，最终创造可持续的价值。AMI Labs是一支兼具科学理想、工程能力和全球视野的团队，我们很高兴能够陪伴他们走这样一条更长、更难、但也更有意义的路。”

AMI Labs到底在做什么？

AI在过去十年中取得了显著进展，预测和生成系统在全球范围内改变了我们分析信息、获取知识和创作内容的方式。如今，当AI走出屏幕，智能不再止步于简单地生成结果。它必须理解情境、保留上下文、预判结果，并随着时间推移持续做出更可靠的行为。

为了实现这一目标，AMI将打造全新一代的AI系统，去理解世界，具备长期维持的记忆，能够进行真正的推理和计划，并且在端到端安全可控。

AMI将自己定义为一家专注于基础性世界模型（foundational world models）的前沿 AI 公司。其核心目标是构建一类能够理解环境、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。

在技术路径上，AMI 所推进的方向，与杨立昆（Yann LeCun）长期主张的 JEPA（Joint Embedding Predictive Architecture，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。

如果说大语言模型主要处理的是已经被表达出来的信息——文本、图像、代码与语音，那么 AMI 所关注的，是如何让 AI 形成对现实世界的内部表征。因为真实世界并不是静态的信息集合，而是连续变化、充满噪声和反馈的动态系统。对这类系统而言，关键问题不只是“生成结果”，而是“理解状态如何变化、动作会带来什么后果，以及如何在不确定条件下持续决策”。

这正是世界模型这一路线的意义所在。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，并据此支持更高质量的规划与执行。因此，它所对应的并非单一的消费级生成场景，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为什么会一夜之间引发轰动

AMI Labs之所以迅速引发全球关注，并不只是因为“这是欧洲最大种子轮”这么简单。更深的原因在于，它同时踩中了三件事：足够有分量的人、足够重要的路线、以及足够清晰的时代问题。

1.站在这家公司背后的，是一批本身就足以定义行业方向的人

AMI Labs创始团队已与凯辉相识多年。

AMI Labs由图灵奖得主、前Meta首席AI科学家杨立昆（Yann LeCun）创办，长期以来，他都是“LLM是否足以通向真正智能”这一核心问题最具代表性的思考者之一。一定意义上，AMI是Yann LeCun多年来持续坚持的一条技术判断，第一次以公司化、工程化和资本化的方式，被真正推到台前。

与此同时，AMI的核心团队也并非单点明星，而是一支结构极完整的队伍：AI基础研究方面的顶级专家谢赛宁，亦是杨立昆的老朋友、学校同事，也已正式加入了AMI担任首席科学官；

谢赛宁是视觉表征学习方面的绝对权威，diffusion transformers (DiT)的共同作者之一。DiT架构的推出让视觉模型能够和大语言模型一样受益于Scaling Law。通过用Transformer主干结构替代此前沿用十年的U-Net，谢赛宁等人的工作让复杂、高保真图像/视频模拟得以实现，为Sora、SeedDance等顶级视觉生成模型和工具的推出打下基础。

AMI的CEO由Alexandre LeBrun担任。他毕业于巴黎综合理工学院，是一位知名连续创业者，创办的公司都聚焦于拉近「基础科研-真实世界」之间的距离。勒布恩的第一家公司VirtuOz做的是企业对话机器人，2002年前后创立，当时「AI」还远未变成一个流行词，公司后来被Nuance收购（Nuance此后并入微软）。然后是Wit.ai，一家自然语言理解公司，2015年被Facebook收购。随后，勒布恩进入Meta主导FAIR巴黎的工程工作。离开后创立的Nabla（凯辉基金投资企业）做AI医疗助手，拿下了相当规模的医院客户。

负责世界模型研究的Michael Rabbat，将在AMI负责蒙特利尔办公室。拉巴特是原FAIR蒙特利尔实验室的创始成员之一，在麦吉尔大学任教十余年后全职加入Meta，在那里主持研发了I-JEPA、V-JEPA、V-JEPA 2三个世界模型系列。V-JEPA 2是其中影响最大的：通过视频自监督训练，只需不到62小时的机器人操作数据，就可以在完全陌生的实验室环境里零样本控制机械臂完成抓取任务。这套方法的核心逻辑，和AMI整个公司的技术路线直接相连。

AMI的CRIO（首席研究与创新官）是知名中国计算机科学家冯雁(Pascale Fung)，AAAI、IEEE、ACL等顶级学术机构会士，香港科技大学讲席教授。她出生于上海，曾经在京都大学、法国国家科学研究中心、哥伦比亚大学进修。在Meta FAIR的后期工作是具身AI和视觉语言世界模型，主要应用场景是智能眼镜。

COO Laurent Solly加入 AMI 之前，他曾长期在 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，因此在组织搭建、跨区域运营以及连接欧洲产业与公共生态方面具备稀缺经验。

这支团队的稀缺性，在于它第一次把前沿科研、系统工程、全球组织能力放到了同一个框架里。这也是AMI与许多“研究很强、但离真实落地还很远”的前沿项目最不一样的地方。

2.它关注的是一场正在发生的能力迁移。

过去两年，大模型证明了机器可以极大提升信息处理效率：写作、总结、问答、编程、搜索、创作…这些任务本质上都发生在数字世界里。但当AI要真正走进机器人、制造、实验流程、工业系统和基础设施等领域，问题就发生了根本性变化。

系统不能只会“回答”，而要会判断状态、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。换句话说，AI要真正进入现实世界，必须从“会生成”走向“会理解、会推演、会行动”。

AMI的world model路线之所以重要，正因为它正面回应了这个问题。它关心的不是如何把语言能力继续堆高，而是如何让机器形成对现实世界的内部认知结构。

3.AMI把一条长期停留在学术讨论中的路线，第一次严肃地摆到了市场面前

这也是它与许多“概念先行”的AI公司不同的地方。AMI在用非常具体的方式告诉市场：这条路线需要长期研究、全球人才、重投入的工程体系以及有耐心的资本支持。

它从成立起就在巴黎、纽约、蒙特利尔和新加坡同步布局；投资人名单也横跨财务资本、产业资本与科技界重量级人物，包括凯辉基金在内的阵容本身就是一个信号：市场不是在围观一个“有趣的新概念”，而是在认真支持一条可能影响下一代AI基础能力的路线。

大模型之后，什么才更接近真实智能？

但AMI真正引发专业圈层讨论的，还是它背后的那个根本问题：大模型之后，什么才是更接近“真实智能”的方向？

杨立昆及AMI所代表的回答很鲜明：真正的智能，不是从语言开始，而是从世界开始。AMI官网甚至把这句话直接写了出来——“real intelligence does not start in language. It starts in the world.”

这并不意味着语言不重要，而是说，语言本质上只是世界的投影。机器如果只学会操纵投影，而没有学会理解世界本身，那么它在现实环境中的能力边界就会很快显现出来。

换句话说，LLM把AI带进了大规模可用时代；而world models所推动的，则是AI从“会表达”走向“会理解、会推演、会行动”。

从这个角度看，AMI之所以备受关注，恰恰因为它切入了AI行业现在最难、也最本质的一道题。

结语

从更长的技术演进周期来看，AMI 的价值并不只在于完成了一笔罕见的大额种子轮融资，也不只在于集结了一支极具分量的团队。它更重要的意义在于，让一条原本更多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，也重塑了人们对“智能系统”的想象；但当 AI 开始从屏幕走向现实系统，行业关注的重点也必然发生变化。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，而是系统是否具备对环境的建模能力、对因果关系的理解能力，以及在复杂约束下进行推理、规划与执行的能力。

从这个意义上说，AMI 所代表的，并不是对现有路径的简单补充，而是一种更底层的能力外延：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，也正是AMI值得被持续关注的根本原因。