据CNBC当地时间10日报道，AI视频生成工具Vidu开发商ShengShu已完成2.9亿美元B轮融资，由Alibaba Cloud领投，TAL Education和Baidu Ventures跟投。
这笔融资也反映出，随着大语言模型（LLM）以文本为核心的能力边界逐渐显现，市场对世界模型研发的关注正在升温。相比单纯依赖文本训练的模型，世界模型更强调基于视频和真实物理场景理解世界运行规律。
ShengShu表示，本轮融资所得将用于研发通用世界模型，打通游戏、AI视频等数字场景与自动驾驶、机器人等物理场景。
公司称，基于视觉、音频、触觉等多模态数据构建的通用世界模型，比LLM更适合刻画物理世界的运行规律。ShengShu创始人Zhu Jun表示，公司的目标是连接“感知与行动”，让AI系统能够对现实世界中的行为进行统一建模和预测。
CNBC称，ShengShu最新模型Vidu Q3 Pro已在文生视频和图生视频模型领域进入前十。公开资料显示，在OpenAI发布Sora前数个月，ShengShu已将Vidu推向全球市场。
与此同时，Alibaba也在加码投资相关初创企业。上个月，Alibaba与Baidu Ventures共同向Tripo AI投资5000万美元，后者可通过照片生成3D数字模型。去年9月，Alibaba还向已推出AI世界模型的PixVerse投资6000万美元。
除对外投资外，Alibaba自身也已发布多款视频生成开源AI模型，并于今年2月公开了一款用于机器人控制的模型。分析认为，世界模型对机器人领域尤其关键。
美国IT杂志Wired联合创始人Kevin Kelly表示，若要实现接近人类水平的AI，推理能力、对物理世界的理解能力以及持续学习能力缺一不可，而世界模型可能成为其中的重要突破口。
Chi-gyu Hwang
delight@d-today.co.kr