近日，欧洲科技圈迎来一则重磅消息：AMI Labs宣布完成约10.3亿美元种子轮融资，创下欧洲种子轮融资规模之最。此次融资阵容堪称豪华，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，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等也纷纷参与其中。
凯辉基金创始人及董事长蔡明泼对AMI Labs的发展方向给予高度评价。他表示，凯辉始终坚信，真正能穿越周期的技术需回归现实世界、产业以及人的真实需求。当前AI在信息处理和知识工作方面潜力巨大，但未来更大的机遇在于进入更复杂、真实的系统。AMI Labs探索的方向，让AI从“会表达”迈向“会理解”，从数字世界走向现实世界。凯辉关注的不仅是技术先进性，更是其能否与产业、真实场景长期结合并创造可持续价值。AMI Labs团队兼具科学理想、工程能力和全球视野，凯辉很荣幸能陪伴其踏上这条充满挑战与意义的路。
那么，AMI Labs究竟在做什么呢？过去十年，AI在预测和生成系统方面取得显著进展，改变了全球信息分析、知识获取和内容创作的方式。如今，AI走出屏幕，智能不再局限于简单生成结果，而是要理解情境、保留上下文、预判结果并持续可靠行动。为实现这一目标，AMI致力于打造全新一代AI系统，使其理解世界，具备长期记忆，能进行真正推理和计划，且端到端安全可控。AMI将自己定位为专注于基础性世界模型的前沿AI公司，核心目标是构建新型智能系统，该系统能理解环境、保留上下文、进行推理与规划，并在复杂约束下稳定运行。
在技术路径上，AMI推进的方向与杨立昆长期主张的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被表达的信息，如文本、图像、代码和语音；而AMI关注的是让AI形成对现实世界的内部表征。因为真实世界是连续变化、充满噪声和反馈的动态系统，关键问题不是“生成结果”，而是“理解状态变化、动作后果以及如何在不确定条件下持续决策”，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，建模因果关系、预测系统演化，以支持更高质量的规划与执行。其应用领域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领域，如工业自动化、机器人、医疗和可穿戴设备等。
AMI Labs之所以迅速引发全球关注，并非仅因欧洲最大种子轮这一因素，更在于它同时踩中了三个关键点：有分量的人、重要的路线和清晰的时代问题。站在AMI Labs背后的，是一批能定义行业方向的人。该公司由图灵奖得主、前meta首席AI科学家杨立昆创办，他一直是“LLM是否足以通向真正智能”这一核心问题的代表性思考者之一，AMI可看作是他多年技术判断的公司化、工程化和资本化呈现。AMI核心团队结构完整，AI基础研究顶级专家谢赛宁是杨立昆的老友和同事，担任首席科学官。谢赛宁是视觉表征学习权威，是diffusion transformers（DiT）的共同作者之一，DiT架构让视觉模型受益于Scaling Law，为顶级视觉生成模型和工具的推出奠定基础。AMI的CEO由Alexandre LeBrun担任，他毕业于巴黎综合理工学院，是知名连续创业者，创办的多家公司都聚焦于拉近“基础科研 - 真实世界”的距离，其创立的Nabla做AI医疗助手，拿下相当规模医院客户。负责世界模型研究的Michael Rabbat将在AMI负责蒙特利尔办公室，他是原FAIR蒙特利尔实验室创始成员之一，主持研发的V - JEPA 2通过视频自监督训练，能让机械臂在陌生实验室环境零样本完成抓取任务，其方法与AMI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，她是多个顶级学术机构会士，香港科技大学讲席教授，在meta FAIR后期从事具身AI和视觉语言世界模型研究，主要应用于智能眼镜。COO Laurent Solly加入AMI前长期在meta负责法国、南欧及欧洲业务，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经验丰富。这支团队将前沿科研、系统工程、全球组织能力整合在一个框架里，与许多“研究强但落地远”的前沿项目形成鲜明对比。
AMI关注的是一场正在发生的能力迁移。过去两年，大模型证明机器可极大提升信息处理效率，但这些任务多发生在数字世界。当AI要进入机器人、制造、实验流程、工业系统和基础设施等领域，问题就发生了根本变化。系统不能只会“回答”，还要会判断状态、保留上下文、推演后果、规划多步动作并在复杂环境中持续运行。AI要进入现实世界，必须从“会生成”走向“会理解、会推演、会行动”。AMI的world model路线正面回应了这一问题，它关心的是让机器形成对现实世界的内部认知结构，而非堆高语言能力。
AMI还把一条长期停留在学术讨论中的路线严肃地摆到了市场面前。它与许多“概念先行”的AI公司不同，用具体方式告诉市场，这条路线需要长期研究、全球人才、重投入的工程体系以及有耐心的资本支持。AMI成立之初就在巴黎、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，这表明市场不是在围观“有趣新概念”，而是在认真支持一条可能影响下一代AI基础能力的路线。
AMI真正引发专业圈层讨论的是其背后的根本问题：大模型之后，什么才是更接近“真实智能”的方向？杨立昆及AMI给出的回答很鲜明：真正的智能从世界开始，而非语言。语言只是世界的投影，机器若只学会操纵投影而不理解世界本身，在现实环境中的能力边界很快会显现。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”。AMI切入了AI行业现在最难、最本质的问题，因此备受关注。
