智象未来CEO梅涛在接受36氪采访时透露，公司正致力于打造全球仅有的三家具备千亿规模参数的多模态模型企业之一。他强调，缺乏强大的底层模型支撑，具身智能系统将难以实现跨场景的泛化应用，即便在特定领域通过数据采集取得一定成果，也难以复制到其他场景中。值得注意的是，多模态模型Token的盈利空间显著优于传统大语言模型。
针对视频生成技术的商业化前景，梅涛给出明确判断：该领域已具备盈利条件。他分析指出，英伟达等芯片厂商持续推动算力成本下降，新一代芯片性能较前代提升5-10倍，而价格增幅有限，这直接降低了AI训练的边际成本。与此同时，AI生成内容的质量突破成为关键转折点——今年以来，AI短剧、电商视频、短视频等内容在清晰度、逻辑连贯性等指标上已达到商业交付标准，影视制作、广告营销等行业将逐步实现AI替代人工的生产模式转型。
在商业模式验证方面，梅涛特别提到企业级服务的盈利表现。他透露，面向B端客户的多模态模型解决方案毛利率维持在较高水平，这一数据远超大语言模型的单 token收益。这种盈利优势既源于多模态技术对复杂场景的适配能力，也与企业在定制化开发中形成的竞争壁垒密切相关。
据行业观察，智象未来近期推出的HiDream-O1-Image-Pro图像大模型已展现技术实力。该模型采用原生全模态架构，参数规模突破2000亿级，在图像生成精度、多模态理解等核心指标上刷新多项行业纪录。这款产品的商业化进程，或将为多模态技术落地提供重要参考样本。
