来源：中国企业家杂志
他最怕的，是自己的认知变成公司的天花板。
文｜《中国企业家》记者 陈浩
见习编辑｜张昊 编辑｜马吉英
图片来源｜受访者
2023年初，梅涛一天见了六拨投资人。早上7点出门，晚上11点半回家，见一个人，深聊至少一个半到两个小时。有人敬重他的履历，虽然看不懂多模态大模型的前景，还是耐心听完；有人不客气，当面质疑，没几句就吵起来。智象未来（以下简称“智象”）创立的第一年，他拎包就走，常常不知道第二天要去哪个城市。只是飞机，他就飞了18万公里。
很少有人把这个到处找机会的创业者，和另一个“梅涛”对上号。他是中国科学技术大学的博士，在微软亚洲研究院待了12年，2017年就带领团队发表了全球最早探索文本生成视频的论文之一，比OpenAI发布Sora早了整整7年；他还是加拿大工程院外籍院士，论文被引用5万余次，荣获15项国际论文奖，拥有80余项授权专利。
7月，在完成了15亿元C轮融资之后，智象今年已经融了3轮，总额超过21亿元，估值突破10亿美元。这家成立了仅3年的公司，已是各大模型榜单上第一阵营的常客。
6月，HiDream-O1-Image-1.5在第三方评测平台ArtificialAnalysis的文生图榜单上排到中国厂商第一、全球第二，仅次于OpenAI的两款模型；8月，公司发布交互式世界模型HiDream-O1-World，在交互式视频世界模型评测基准WBench中，以平均分80.9的成绩登顶榜首。
而在年初，在AI势力版图中，它的位置都不那么显眼。经常在榜单上看到这家公司，但在过去3年，它几乎不发声，外界基于公开信息对梅涛有着一定的刻板印象——这一定是科学家创业。
他并不太认同这个印象，绝大部分职业生涯在公司里，而创业一直是最有吸引力的那条路径。直到2022年下半年Stable Diffusion首次发布，AI文生图赛道看到了明显的技术拐点，他一天都不想等了。
他有极强的抽象能力，这是职业履历带给他的最大禀赋。在京东，他又补强了战略和市场判断力，他是见客户最多的技术型高管，那段经历中，他的“灵魂一课”是京东创始人刘强东花了整整一下午在讲一个话题——认知。
但他没有纯粹地依赖抽象能力。从智象成立的第一年，内部就明确了最重要的一件事——模型本身不能产生价值，一定要通过智能体产品，跟用户关联起来。这对应的是一条“既要又要还要”的路——模型和产品要都强，才能互相耦合；用户也要分to B和to C，前者是收入来源，而后者的即时反馈，对数据、海外市场都至关重要。
梅涛就像玩一款战略游戏，反复跑客户、场景，一点点把“地图”打开。相比于见投资人，他更喜欢泡在客户那里，因为很多模糊点可以迅速得到反馈。
在他的战略逻辑中，实战更重要，要么证明，要么证伪。他在内部定了一条规矩——不会事无巨细地花很长时间去讨论一件事，而且决定了就要立刻执行，即便错了，迅速纠错就行。他极度讨厌“老讨论，但什么都不做”的状态，他只能尽量把试错成本降低，让团队没什么心理负担。
对于这个高速运转的团队，梅涛大概半年就会调一次组织架构。他把中后台做得很厚，而前端对应的产品层则很轻。他实时地在观察内部发展状况和市场变化，但凡出现数据增长的苗头，就会毫不犹豫地提升战略权重。
在创业的第3年，当行业还在讨论AI的商业化路径时，他就先确定了主攻方向——内容电商营销、AI影视创作和内容创作。
这种紧迫感，来自于外部竞争的急剧升级。
大厂迭代以月为单位，API价格战早已白热化。字节跳动Seedance 2.0年初上线，市场主流调用价格约1元/秒，后续推出Mini低成本版本，720P档位最低可至0.5元/秒；可灵AI随之跟进下调接口定价，谷歌也推出轻量化低价模型入局竞争。
同赛道创业公司弹药同样充足。爱诗科技3月官宣完成3亿美元C轮融资；生数科技4月完成阿里云领投的近20亿元B轮融资，7月，又完成5亿美元新一轮融资；同月，快手公告可灵完成总额上限30亿美元的融资。大厂资金体量更是不在一个量级，据媒体报道，字节跳动2026年整体资本开支规划上调至约1600亿元，相当一部分资金投向AI算力基础设施建设。
人才争夺到了夸张的状态。顶尖算法博士实习生，实习日薪可达2000元。腾讯、阿里、字节等大厂对核心研究员与领军人才不惜重金，行业传闻部分顶尖人才总包（含期权）可达亿元级别，这样的资金投入能力，多数创业公司难以匹敌。
上半年，在拿到融资之后，梅涛加速提高了在商业化上的人才密度，他要打一场快仗——在锚定的战场里，一定要做到头部。智象可以是一头“大象”，在某一个超级赛道中成为巨无霸；也可以是一只“八爪鱼”，触角伸向多个小一点的赛道，但足够有力。
虽然只是一家创业公司，但到了此刻，他要求所有人都要把思路打开，包括他自己——历史机遇之下，别自己把事情做小了！
转身
2018年，梅涛在微软亚洲研究院已经待了12年，用他自己的话说，学术上“已经做到头了”。
他的博士方向是视频理解和分析，第一份工作是分析足球、篮球比赛视频，后来做广告，世界上第一批视频广告插入的专利出自他和团队。再往后转向深度神经网络，让机器自动给图片和视频写描述。
那时候，AI已是创业圈的热门赛道，很多人找他创业。他心里也有创业的苗头，但思来想去没有迈出这一步。在他看来，当时的AI1.0时代场景有限，集中在人脸识别等跟安全有关的方向，那不是他真正感兴趣的。
梅涛想做视频。2017年，他和后来成为智象联合创始人的姚霆等人一起，发表了一篇论文——利用GAN对抗生成网络与三维时空卷积实现由文本描述生成短视频，是全球最早的文生视频尝试之一。尽管受限于当时算力仅可生成低分辨率短片段，却验证了文本驱动视频生成的可行性。
但那时没人觉得这能成事——文字是一维信号，图片是二维，视频是三维，从低维往高维生成，业内认为没有标准答案。这篇论文在微软内部没有激起多大波澜，它更像一项离产品很远的前沿探索。于是梅涛做了一个在旁人看来有点拧巴的选择：离开微软，去京东。
他要找的是一家场景足够丰富的公司，去看一看商业化路径到底在哪里。他负责集团视觉与多媒体技术，起初做的拍照购物、AI自动导播，这些算是老本行，难度不大。后来他们在物流业务里找商品分拣场景做物流行为分析，成功落地了7×24小时长时间运转的机械臂视觉技术方案。
更重要的收获在技术之外。京东的高管要频繁参加战略拆解，那时，他是技术高管里见客户最多的人之一，很多同事谈合作喜欢带他去，觉得他搞定客户的能力很强。梅涛评价那5年：去京东之前他是技术专家，之后才开始理解商业。
梅涛
他其实一直在为创业做准备，从视觉技术出发，他看到两个方向。
一是机器人。他做过的物流分拣机械臂，正是具身智能的雏形。机器人行业方兴未艾时，他走访了上下游十几个工厂，一些当时的创业公司今天已经上市。但算完一笔账，他把这个方向划掉了：机器人最落地的场景是工业，而工业基本都是细分场景，“拧螺丝就是拧螺丝，搬东西就是搬东西”。场景细碎，很难标准化，且落地周期长。
更要命的是经济账。机器人能24小时不停，人却得三班倒，只有当一个人能管10台机器人时，才有经济性，但那时行业离规模化部署还非常远。
另一个方向就是现在做的视频生成。在梅涛看来，这两个方向的底层技术一样，差别只在应用层，视频生成看上去更前沿，但只差一个技术拐点。
2022年末，Stable Diffusion点燃了文生图赛道，拐点来了。他不想再等了，2023年初便离开了京东。
当时，梅涛的突围逻辑只有一条——快。AI是新物种，不存在成熟玩家，他要在所有人还没有“反应”过来之前，迅速推出产品，继而拥有一席之地。
筹备期只有短短两个月。在最难的找人环节，最初团队十几个人，几乎都是他熟识的学生和旧部。这群人很多都在大厂工作，周边发生的事情让他们对未来没有丝毫怀疑。梅涛在其中也有足够的威望，他们不存在任何磨合。
他们隔几天就在梅涛家附近的茶室碰一次，商量公司做什么、需要多少钱、3个月到半年做到什么程度……3月，智象成立。
他的创业技术班底几乎零成本建立。投资人同样看重这一点，东方富海合伙人王兵下注的理由是——最终能持续融到资金的大模型公司，一定是人才密度最高的公司。
那段时间，梅涛一天最多能见五六拨投资人，早上7点出门，晚上11点半回家。新冠疫情刚结束，高铁票、飞机票都便宜，整个车厢没几个人，他拎包就走——北京、上海、深圳，反复往返。
把“认知”同步给投资人很艰难。他说要做视频，有人反问他：图片都做不好，怎么做视频？还把他拉出来跟做图片生成的公司比。他只能解释：我们最终要做的是视频，图片生成只是个起点。梅涛后来想明白了症结：投资人投的是共识，而他做的事，从一开始就是“反共识”。
但他还算幸运，转化率颇高——见十个机构就可能有一个愿意下注。只是那个阶段比较活跃的机构多是国资背景，交割过程相对漫长。
点击封面订阅全年杂志
试错
智象现在的业务结构，梅涛概括为“1+1+3”：底层是多模态大模型，中间是把模型能力封装成API、Skill、Token（词元）的Agentic平台，上层有3个不同场景的应用——面向商业营销的HiBurst、面向AI影视创作的帧赞、面向内容创作者的vivago。
这个架构其实从一开始就很明确。他眼中好的商业模式不能只依靠技术，一定要对应一个可落地的行业赛道，有着极强的场景，而且还有新增需求。“我绝不能只靠技术去倒推场景，那就是拿着锤子找钉子了。”这是过往几段工作经历，给他上的最重要一课，“极端情况下，哪怕这个技术不是我做的，依然能跑出来，这才是真赛道。”
梅涛的创业初心是要做一家顶尖的技术公司，没有模型就没有根本，“产品跟模型是耦合的，我一开始的判断是好的视频模型不会开源，我们从第一天开始就要自研。”
他还坚持要to B和to C业务并行。to B自然是核心，但to C是最直接的模型输出，它代表了模型能力，也对数据回流、用户习惯反馈，乃至海外市场，有着关键的战略意义。
在多模态AI这个庞大的世界里，或许每个选择维度的排列组合都对应着一个市场盘子。比如他完全可以做得更轻，成为一个Agent公司；他也可以放弃C端，基于过往对商业场景的理解，只干AI商业营销一件事。这或许都有机会成为一家百亿美元市值的公司，但梅涛就是“既要又要还要”，因为这对应了他最熟悉的架构。
智象打造了一个“中间层”，他参考了成熟的SaaS体系，也对字节跳动“轻产品，重中后台”的结构如数家珍。这类似于PaaS层，需要将模型能力抽象到一个平台上，前端的产品线不管是to B还是to C，都可以像乐高一样，组成不同的产品。
这对应了一个偏工程化的团队，他们甚至不需要特别懂模型，只要把模型能力“包装”明白，适配更多的场景，并在一个高并发的环境里，保持稳定输出。
梅涛把大把时间花在客户身上，因为“从那里得到的信息会更多”。在“1+1+3”的这个架构里，那个“3”才是决定公司能长多大的核心要素。
以团队的抽象能力，能筛选出来的领域无非就是营销、电商、影视等。梅涛做过战略，他清楚如何去分析一个市场。但在早期，他并没有“孤注一掷”：“不经历失败，不可能找到一个高价值场景，所以我们要多多尝试。错了，也没关系，立马调转船头。”
但在起步阶段，还是有不少人看不懂，觉得他“不够聚焦”。
第一个尝试的方向是游戏。梅涛在上海见了十几家游戏公司，做了两三个概念验证项目后，最终放弃。游戏行业拥抱AI很快，但非核心环节都是外包，毛利不高；更要命的是，游戏公司的数据不允许带走，有的还要求私有化部署，这对大模型训练来说就是“灾难”。
第二个方向是电商。他也做了产品，朋友和前客户看面子充值了一两百万元。后来他发现物料少、更换频次低，Token消耗不掉，又把钱给退回去了。
他最开始押注的是传统货架电商，对图片的需求频率没那么高，转向内容电商后，一下子就活了。这个以TikTok为代表的新电商形态，没有货架，完全靠内容驱动：一个中腰部商家一年需要几万条视频，重点大客户需要几百万条，头部商家能达到千万条。智象迅速成了TikTok官方前五大AI合作伙伴，年生产电商营销视频超过百万条。内部测算，这是一个百亿美元规模的生意，而他的目标是要在5年内服务100万家企业客户。
这套筛选过程，依靠的是一套快速迭代的产品机制。他把产品按S、A、B分级，S级是主攻方向，A级做出成绩就升S级，B级做3个月不行就砍掉。而同时并行运转的项目不超过3个，内部设有产品委员会，由它来决定要不要做、怎么做，以及投入多少资源。
梅涛试过很多项目。中间有投资人建议他做大客户私有化部署，他定了一个“试错半年”的底线，组织了六七人的小团队跟了一两个订单，“苦不堪言”，交付太重，后来放弃了；团队甚至还落地过一个打印平台，支持打印店做一些简单的设计任务，也因为价值太低放弃了……
直到2025年年中，公司才收敛到3个主赛道。
组织
起初的组织架构并不复杂，梅涛对每位成员都知根知底，团队的目标也很明确——模型能力。
他觉得对于一家创业公司来说，就是要“简单粗暴”地看数据结果。后来复盘，他有一个很大的感想：早期的公司就是草台班子，路对了就能成；再精良的部队、再好的武器，路没走对，还是会失败。
他崇尚字节跳动的产品策略——完全靠数字，不自嗨。模型排名就在那里，有没有冲到前面？底层架构的性能到底如何？
判断团队是否进入状态也不难，结果都是显性的。在那时的AI赛道，只要用户反馈好，用户量会马上有反应。2024年，团队在Sora还没有上线的大半年空窗期中，上线了内容创作智能体vivago，一个月就多了两三百万用户。
对于梅涛，技术规划是头等大事，模型赛道迭代太快了；其次是产品规划，要搞清楚产品是否健康，能不能跟上技术的发展；商业化从一开始就很重要，牵扯到客户和渠道的反馈。
他一半时间不在公司，跟团队是“背靠背”的状态。他高频地见投资人和客户，再把洞察不断反哺回内部，直到2025年初都是如此。跟做科研不同，他感受到创业公司无法任何事都尽善尽美，所以在团队分工上，也预留了一定的模糊地带。
他只是从架构和机制层面保证所有人忠诚于目标。比如模型团队，一方面要“裸奔”，即不用管产品，全力提升智能指标。但另一方面，又要支持B端产品团队，产品线会把数据整理好，而模型团队要负责把特定场景的模型训练好。
这是一种业绩互锁的状态——销售团队会要求产品团队也背业务指标，从而锁定人员、资源，产品团队会反过来跟模型团队要资源，“企业管理就是很复杂，要有弹性，要充分认识到人性，每个人都要知道我这个月干什么，要达到什么指标，跟谁合作，向谁要资源……”
智象的组织架构，梅涛基本是在延续他之前最熟悉的状态，他的任务只是找到合适的人，“把空填上去”。但这越来越难，他估算过，一个候选人平均要聊2到3轮，成功率好的情况下，只有三分之一。很难抢过大厂，但技术团队也给了他一些底气——至少中科大、微软、京东背景的技术人才，都会把智象放到“候选名单”里。
今年，行业开始有共识：得先做成产品、进到场景里，用户为效果付费，Token才能跟着消耗。Sora由于OpenAI战略调整、算力成本高昂、商业化难以跑通等原因，于今年3月宣布战略关停。
而智象在去年确定了三个主攻方向之后，就是“甩开膀子干”。今年上半年，梅涛开始引入业务合伙人，到了攻坚战时刻，他深感团队的产品密度，以及相关的产品人才和商业化人才密度完全不够。他下的任务很明确——如何在各个细分赛道里进入第一梯队。
此时，他反而更担心大家的认知不够。他会把自己在外面看到的情况拿回来讨论，但不会“压任务”。他会给一点时间让团队去适应，认知的局限性很难突破。比如他在2024年就提醒数据很重要，要储备足够多的算力，也要有足够多的人去处理大规模高质量数据，但团队下意识地会“省钱”，觉得撑得住。很多时候，是他在推着招更好的人，给更多的资源。
比如做智能硬件，就源自一个偶然的场景。
2025年初，一位客户随口问了一句：能不能做一个让门店自己生成广告内容的设备？团队做了几百台样机，发现用户反馈出乎意料地好，立项之后，很快就卖了约1万台。这种3D全息广告扇取代的是门店门口的传统灯箱，店主可以用手机一键生成、随时更换广告内容。
“这也是场景。”梅涛说，“硬件有可能是广告扇、眼镜、陪伴玩具。本质上是‘模型inside’，卖高价值的Token。”
坐标
踩完这一路的坑，梅涛心里大致有了一张坐标图。
在他看来，多模态大模型的发展进度落后大语言模型两个代际。“大语言模型到了GPT5.5、5.6，多模态可能只相当于GPT3。”他把多模态的能力分成L1到L5，行业整体处于L3向L4过渡的阶段，模型的每一次代际跃升，都直接决定产品能不能再上一个台阶。
他首先想抓住的就是技术窗口期的红利，为此他提出“两道鸿沟”的判断：第一道鸿沟是产品原型如何吸引尝新者，第二道是从试点到规模化普及。他认为2026年起，行业会快速跨越第二道鸿沟，进入规模化商用阶段——模型代际差距意味着窗口期更长，先占住场景，等模型能力升级时，将直接受益。
基于HiDream-O1-Image-1.5生成
但巨头的迭代速度，正在挤压创业公司的窗口期。快手可灵AI第二季度营业收入已超过8.5亿元，全球用户超1亿；MiniMax带着海螺AI在港股上市，市值一度突破4000亿港元；字节Seedance2.0年初把视频生成从“能用”推到“可控、可规模化”，刚刚发布的Seedance2.5又把AI视频推进到高清生产级。
梅涛判断这个赛道最终会收敛：底层大模型只剩几家，但不会像大语言模型那么收敛，以及那么快收敛，因为场景太分散，影视、传媒、社媒、广告、教育、文旅各有各的工作流。他粗略数过，大厂里能打的就两三家，中等规模的三四家，加起来六七家。
但他并不把这看成面对面的战争，而是错位竞争。因为大厂做的是底层模型和流量入口，而他做的是垂直场景，要一竿子插到底。
“大厂是一挺机枪，子弹打不完；创业公司打一发就少一发，你只有一个弹匣。”既然资源拼不过，就要在技术路线还没形成共识的时候先走一步。
姚霆形容团队“对模型架构本身的痴迷，几乎到了癫狂的状态”。结果是一个80亿参数的模型，打出了超出560亿模型的效果，训练成本只有行业的五分之一。
梅涛的底气，还来自对大厂机制的了解。他很清楚在大厂想做一件新事，一定会带着KPI和商业化的目标去分配资源，创新的人反而拿不到资源。子弹是多，但不会轻易打向一条没人走过的路。
智象眼中那条差异化的路，正通往世界模型。姚霆说：“更贴切地说，我们是一家做原生全模态的公司。”在他看来，世界模型真正要把文本、图像、视频、动作放进同一个模型里训练，让模型理解的不只是画面，还有画面背后的空间关系、时间顺序和因果逻辑。而智象所采取的原生全模态架构，自开始便是这个路径。
8月17日，基于原生全模态架构，智象正式发布了交互式世界模型HiDream-O1-World，输入一段文字或一张图片，就能生成一个可以漫游、编辑、交互的完整世界。
交互式世界模型最直接的应用是具身智能。智象已经在和机器人公司合作，用生成的数据补上机器人最缺的高精度训练数据。他筹备创业时考察过的两个方向，绕了一圈后，以另一种方式交汇在了一起。只是这一次，他的视野早已越过单一赛道的“经济账”，投向了一个更辽阔的命题——从多模态到全模态世界模型，最终抵达AGI。
梅涛在刘强东身上学到“认知”这个词：创业只能挣到自己认知范围内的钱，认知范围外是一个巨大的陷阱；他最怕的，是自己的认知变成公司的天花板。
这或许是“我不是科学家”那句话的另一面。他早就不想证明自己懂什么，反而是担心自己还有多少不懂。
新闻热线&投稿邮箱：tougao@iceo.com.cn
特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。
热门跟贴