近日，歐洲科技圈迎來一則重磅消息：AMI Labs宣布完成約10.3億美元種子輪融資，創下歐洲種子輪融資規模之最。此次融資陣容堪稱豪華，由凱輝基金旗下凱輝創新基金、Greycroft、Hiro Capital、HV Capital及Jeff Bezos Expeditions共同領投，淡馬錫、英偉達、Toyota Ventures、三星、法國國家投資銀行旗下數字風險投資部門Bpifrance Digital Venture、Eric Schmidt、Tim Berners - Lee等也紛紛參與其中。

凱輝基金創始人及董事長蔡明潑對AMI Labs的發展方向給予高度評價。他表示，凱輝始終堅信，真正能穿越周期的技術需回歸現實世界、產業以及人的真實需求。當前AI在信息處理和知識工作方面潛力巨大，但未來更大的機遇在于進入更復雜、真實的系統。AMI Labs探索的方向，讓AI從“會表達”邁向“會理解”，從數字世界走向現實世界。凱輝關注的不僅是技術先進性，更是其能否與產業、真實場景長期結合并創造可持續價值。AMI Labs團隊兼具科學理想、工程能力和全球視野，凱輝很榮幸能陪伴其踏上這條充滿挑戰與意義的路。

那么，AMI Labs究竟在做什么呢？過去十年，AI在預測和生成系統方面取得顯著進展，改變了全球信息分析、知識獲取和內容創作的方式。如今，AI走出屏幕，智能不再局限于簡單生成結果，而是要理解情境、保留上下文、預判結果并持續可靠行動。為實現這一目標，AMI致力于打造全新一代AI系統，使其理解世界，具備長期記憶，能進行真正推理和計劃，且端到端安全可控。AMI將自己定位為專注于基礎性世界模型的前沿AI公司，核心目標是構建新型智能系統，該系統能理解環境、保留上下文、進行推理與規劃，并在復雜約束下穩定運行。

在技術路徑上，AMI推進的方向與楊立昆長期主張的JEPA（聯合嵌入預測架構）一脈相承。與以“下一個token預測”為核心的大語言模型不同，JEPA更強調讓系統學習現實世界的抽象表征，并在潛在空間中預測狀態變化與結果。大語言模型主要處理已被表達的信息，如文本、圖像、代碼和語音；而AMI關注的是讓AI形成對現實世界的內部表征。因為真實世界是連續變化、充滿噪聲和反饋的動態系統，關鍵問題不是“生成結果”，而是“理解狀態變化、動作后果以及如何在不確定條件下持續決策”，這正是世界模型路線的意義所在。AMI試圖讓模型學習現實世界的抽象結構，建模因果關系、預測系統演化，以支持更高質量的規劃與執行。其應用領域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領域，如工業自動化、機器人、醫療和可穿戴設備等。

AMI Labs之所以迅速引發全球關注，并非僅因歐洲最大種子輪這一因素，更在于它同時踩中了三個關鍵點：有分量的人、重要的路線和清晰的時代問題。站在AMI Labs背后的，是一批能定義行業方向的人。該公司由圖靈獎得主、前meta首席AI科學家楊立昆創辦，他一直是“LLM是否足以通向真正智能”這一核心問題的代表性思考者之一，AMI可看作是他多年技術判斷的公司化、工程化和資本化呈現。AMI核心團隊結構完整，AI基礎研究頂級專家謝賽寧是楊立昆的老友和同事，擔任首席科學官。謝賽寧是視覺表征學習權威，是diffusion transformers（DiT）的共同作者之一，DiT架構讓視覺模型受益于Scaling Law，為頂級視覺生成模型和工具的推出奠定基礎。AMI的CEO由Alexandre LeBrun擔任，他畢業于巴黎綜合理工學院，是知名連續創業者，創辦的多家公司都聚焦于拉近“基礎科研 - 真實世界”的距離，其創立的Nabla做AI醫療助手，拿下相當規模醫院客戶。負責世界模型研究的Michael Rabbat將在AMI負責蒙特利爾辦公室，他是原FAIR蒙特利爾實驗室創始成員之一，主持研發的V - JEPA 2通過視頻自監督訓練，能讓機械臂在陌生實驗室環境零樣本完成抓取任務，其方法與AMI技術路線直接相連。AMI的CRIO（首席研究與創新官）是知名中國計算機科學家馮雁，她是多個頂級學術機構會士，香港科技大學講席教授，在meta FAIR后期從事具身AI和視覺語言世界模型研究，主要應用于智能眼鏡。COO Laurent Solly加入AMI前長期在meta負責法國、南歐及歐洲業務，在組織搭建、跨區域運營以及連接歐洲產業與公共生態方面經驗豐富。這支團隊將前沿科研、系統工程、全球組織能力整合在一個框架里，與許多“研究強但落地遠”的前沿項目形成鮮明對比。

AMI關注的是一場正在發生的能力遷移。過去兩年，大模型證明機器可極大提升信息處理效率，但這些任務多發生在數字世界。當AI要進入機器人、制造、實驗流程、工業系統和基礎設施等領域，問題就發生了根本變化。系統不能只會“回答”，還要會判斷狀態、保留上下文、推演后果、規劃多步動作并在復雜環境中持續運行。AI要進入現實世界，必須從“會生成”走向“會理解、會推演、會行動”。AMI的world model路線正面回應了這一問題，它關心的是讓機器形成對現實世界的內部認知結構，而非堆高語言能力。

AMI還把一條長期停留在學術討論中的路線嚴肅地擺到了市場面前。它與許多“概念先行”的AI公司不同，用具體方式告訴市場，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。AMI成立之初就在巴黎、紐約、蒙特利爾和新加坡同步布局，投資人名單橫跨財務資本、產業資本與科技界重量級人物，這表明市場不是在圍觀“有趣新概念”，而是在認真支持一條可能影響下一代AI基礎能力的路線。

AMI真正引發專業圈層討論的是其背后的根本問題：大模型之后，什么才是更接近“真實智能”的方向？楊立昆及AMI給出的回答很鮮明：真正的智能從世界開始，而非語言。語言只是世界的投影，機器若只學會操縱投影而不理解世界本身，在現實環境中的能力邊界很快會顯現。LLM將AI帶入大規模可用時代，而world models推動AI從“會表達”走向“會理解、會推演、會行動”。AMI切入了AI行業現在最難、最本質的問題，因此備受關注。