近日,领先的视觉技术企业影谱科技Moviebook完成D轮13.6亿元融资,创人工智能影像生产领域最高融资纪录,投资方包括商汤科技Sensetime、软银中国,东方明珠、PAC、前海梧桐并购基金、朗盛资本、葛卫东等十余家投资机构及战略伙伴。其中,影谱科技与商汤科技签订独家战略合作协议,双方将在增强现实、视频分析等底层AI技术展开深度合作,共同构建面向大文娱行业的AI技术商业化通道。
影谱科技创始人兼CEO姬晓晨表示,本轮募集的资金将用于智能影像技术的优化研发、AI+大文娱行业的应用拓展以及完善人才梯队建设。而商汤科技作为战略投资者,将提供增强现实、视频分析等底层AI算法的全方位支持,以展开深度合作,构建以影谱科技为核心的垂直领域战略合作关系。作为人工智能领域最大规模产业“联姻”,影谱与商汤的合作将加速双方产业生态布局,共同以AI技术赋能新时代。
作为影谱科技本轮融资的领投方代表,商汤科技联合创始人、战略投融负责人徐冰表示,广电、互联网视频行业存在巨量视频数据,由于视频分析、增强现实等新技术的突破,将会产生新的商业场景。商汤与影谱在大文娱领域的联手,将最快速度抢占这些新市场机会,推动文娱产业的技术升级。
软银中国管理合伙人华平博士表示,人工智能正在掀起人类发展史上第四次科技革命浪潮,中国成为了全球AI领域发展最快的国家之一. 在这样的历史机遇下,快速完成AI技术与产业融合是十分重要的。影谱科技作为国内推动人工智能技术快速落地的标杆企业,让我们看到了技术发展的宏大愿景,希望影谱科技立足于此,为推动人工智能技术发展发挥更多带动作用。
作为计算机视觉领军企业,影谱科技开创了视觉技术的场景化全新商业模式,是中国最大的智能影像生产技术公司。作为互联网视频垂直领域访问流量最大、活跃用户数最高、覆盖资源内容最多的智能影像生产平台,持续领跑于行业,市场占有率持续稳居首位。凭借在技术和商业化探索等方面的先发优势,成为人工智能商业化最成功的的企业之一。
影谱科技创始团队来自于全球前沿的计算机视觉技术开发及研究机构,超过十余年国际国内智能影像重大项目经验,拥有百余项自主知识产权,获得全球与国内各大行业众多技术奖项。影谱作为科技创新企业,创立之初就有清晰的应用场景,核心平台产品率先实现了“产学研”落地,促进产业自动化、标准化、智能化升级。2017年影谱完成了4.46亿秒工程处理积累,累计为数百家客户、近千品牌及15万部影像内容提供技术服务,行业用户渗透率超过70%,掌握视频结构化垂直领域的核心数据,是国内AI视觉技术商业化领军企业。影谱科技股东包括尚珹资本、德同资本、老鹰基金、财新视频以及四大证券公司、知名产业基金等。
影谱打通并优化价值链,深化科技赋能B端服务于C端的T2B2C模式成为市场井喷及产业升级的助推器。影谱致力于智能影像生产的视频AI技术开发,凭借在像素及子像素计算、三维重建和3D视觉、视频内容的细粒度分析及结构化等方面的技术优势,为内容产制、平台渠道等产业链各环节提供技术解决方案和商业化服务。目前,影谱的产品线涵盖视频生产、处理、分发、播放等软硬件,多维度挖掘视觉技术的应用价值,有力推动科研成果转化,并在大文娱领域内不断拓展商业边界,促进了全行业经济增长和繁荣。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。