獨家｜華為系幀躍科技完成千萬美金天使輪融資，將發佈視頻產品 Leadde
重點摘要
創始人楊昌鵬曾任華為雲媒體創新 Lab 首任主任、交互式媒體方向 1 號位。 作者丨馬曉寧 編輯丨林覺民 AI 科技評論獨家獲悉，主攻 AI 交互式視頻賽道的初創公司「幀躍科技」，已敲定一筆千萬美金級的天使輪融資。本輪投資方包括創新工場、國謙資本、零一萬物、璞躍中國及盈動資本等機構。資金將主要用於視頻推理平臺的持續迭代、應用層產品開發，以及全球化人才團隊建設。幀躍科技成立於 2025 年 6 月，錨定 AI 交互式視頻方向。創始人兼 CEO 楊昌鵬為南洋理工大學與加州大學伯克利分校聯合培養博士，曾任華為雲媒體創新 Lab 首任主任、交互式媒體方向 1 號位。在華為期間，他主導搭建了首個實時交互媒體基礎設施團隊，構建起涵蓋生成式視頻、實時渲染與物理引擎的底層技術體系，並曾憑藉媒體基礎設施領域的重大突破獲得號稱資源調度領域的"諾貝爾"獎 ——Franz Edelman 獎。聯合創始人兼 CTO 李明磊曾任華為雲多模態方向首席科學家，主導了華為初版盤古大模型的訓練，發表 40 餘篇 CCF-A 論文、擁有 50 餘項專利，3 次獲最佳論文獎、3 次斬獲世界級賽事冠軍，在多模態大模型研發、生成式模型訓練與工程化落地方面積累深厚。在交互式視頻賽道，幀躍科技的創始團隊配置稱得上稀缺。CEO 楊昌鵬長期深耕實時交互媒體基礎設施，兼具底層系統、實時渲染、物理引擎及產業級落地經驗；CTO 李明磊則主攻多模態大模型訓練與工程化，覆蓋從模型前沿研究到大規模系統落地的完整鏈條。一個偏基礎設施，一個偏模型，兩者結合構成了幀躍科技切入交互視頻深水區的關鍵底座。幀躍科技提出“三位一體”架構，認為下一代視頻生成需要三條路徑協同：第一，以 DiT 為代表的生成模型直接生成視頻內容；第二，通過代碼與程序化規則生成可控的視頻過程；第三，藉助三維空間、物理規則和實時渲染，生成具有空間一致性與物理真實感的視頻。幀躍
創始人楊昌鵬曾任華為雲媒體創新 Lab 首任主任、交互式媒體方向 1 號位。 作者丨馬曉寧 編輯丨林覺民 AI 科技評論獨家獲悉，主攻 AI 交互式視頻賽道的初創公司「幀躍科技」，已敲定一筆千萬美金級的天使輪融資。本輪投資方包括創新工場、國謙資本、零一萬物、璞躍中國及盈動資本等機構。資金將主要用於視頻推理平臺的持續迭代、應用層產品開發，以及全球化人才團隊建設。幀躍科技成立於 2025 年 6 月，錨定 AI 交互式視頻方向。創始人兼 CEO 楊昌鵬為南洋理工大學與加州大學伯克利分校聯合培養博士，曾任華為雲媒體創新 Lab 首任主任、交互式媒體方向 1 號位。在華為期間，他主導搭建了首個實時交互媒體基礎設施團隊，構建起涵蓋生成式視頻、實時渲染與物理引擎的底層技術體系，並曾憑藉媒體基礎設施領域的重大突破獲得號稱資源調度領域的"諾貝爾"獎 ——Franz Edelman 獎。聯合創始人兼 CTO 李明磊曾任華為雲多模態方向首席科學家，主導了華為初版盤古大模型的訓練，發表 40 餘篇 CCF-A 論文、擁有 50 餘項專利，3 次獲最佳論文獎、3 次斬獲世界級賽事冠軍，在多模態大模型研發、生成式模型訓練與工程化落地方面積累深厚。在交互式視頻賽道，幀躍科技的創始團隊配置稱得上稀缺。CEO 楊昌鵬長期深耕實時交互媒體基礎設施，兼具底層系統、實時渲染、物理引擎及產業級落地經驗；CTO 李明磊則主攻多模態大模型訓練與工程化，覆蓋從模型前沿研究到大規模系統落地的完整鏈條。一個偏基礎設施，一個偏模型，兩者結合構成了幀躍科技切入交互視頻深水區的關鍵底座。幀躍科技提出“三位一體”架構，認為下一代視頻生成需要三條路徑協同：第一，以 DiT 為代表的生成模型直接生成視頻內容；第二，通過代碼與程序化規則生成可控的視頻過程；第三，藉助三維空間、物理規則和實時渲染，生成具有空間一致性與物理真實感的視頻。幀躍科技要做的，正是將這三條路徑統一在同一套底層架構中。2026 年下半年，幀躍科技將發佈面向全球專業與企業用戶的首個平臺級產品Leadde，與單純依賴某個視頻模型不同，Leadde 會根據任務輸入、場景約束和體驗需求，在 DiT 模型生成、Coding 生成、渲染/物理生成之間進行統一編排與調度，並在離線高質量生成與實時低延遲生成之間動態選擇。對於更強調畫面表現力的任務，系統會更多調用模型生成能力；對於更強調邏輯控制與交互反饋的任務，則更多依賴 Coding 生成；而對於更強調空間關係、動作穩定與物理一致性的任務，則調動渲染與物理引擎能力。雷峰網消息
Related
相關文章
專家預測年底才到，Claude Mythos今天就跑出3小時6分
這篇消息聚焦「專家預測年底才到，Claude Mythos今天就跑出3小時6分」。原始導語提到：AI加速，超乎想象！ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Nemotron 3.5 內容安全：為全球企業 AI 打造可自訂的多模態安全防護
回顧過去兩年，NVIDIA 的內容安全技術棧已從一個專注於英文的分類器，發展為一系列專業模型，逐步擴展至新的模態、語言與推論模式。2026 年 3 月推出的 Nemotron 3 Content Safety 首次在單一 4B 參數模型中整合多模態與多語言能力。今日我們發布 Nemotron 3.5 Content Safety，補齊最後一塊拼圖：一個統一處理多模態輸入的單一模型。
全球最強開源生圖 AI 模型：Ideogram 4.0 登場
Ideogram 於6月3日正式發表4.0版本，這是一款採用開放權重架構的文字轉圖片生成模型，官方宣稱其為「全球最佳開源生圖AI模型」。開發人員與研究人員可下載模型權重進行本地部署與二次開發，此舉有望進一步拉高開源模型的品質天花板。
全球首個！材科源圖發佈有機高分子應用智能體
在人工智能重塑科研範式的科技浪潮中，因體系複雜、配方變量多，長期面臨高度依賴專家經驗、試錯成本高、知識難以沉澱複用等行業瓶頸，研發效率提升亟待突破。近日，據雷峰網瞭解，蘇州材科源圖（MatSource)正式發佈全球首個有機高分子材料研發應用智能體（Organic Polymer Agent）。該智能體依託自主構建的通用材料科學智能體框架（Materials Agent Framework），面向高分子材料研發場景打造專家級人工智能系統，推動“人工驅動”向“人工智能協同驅動”加速躍遷，為高新材料的高效自主研發提供了關鍵的技術支撐。01 面向複雜研發場景，構建高分子材料研發“智能中樞”作為材科源圖（MatSource) 材料科學智能體體系的重要組成部分，有機高分子應用智能體聚焦高分子材料研發中的關鍵痛點，融合材料知識圖譜、多模態數據理解、大模型推理與領域機理模型能力，構建覆蓋“設計-預測-優化-決策”的全流程智能研發體系。依託這一技術架構，系統可實現高分子分子結構設計與性能預測、配方體系智能生成與多目標優化、工藝參數推薦與實驗路徑規劃，以及文獻知識解析、研發知識沉澱等核心功能，推動專家經驗向數字化能力轉化。通過“知識+模型+工具”的深度協同，顯著提升研發效率與決策質量，為行業由傳統“經驗驅動”向“智能驅動”轉型提供新的技術路徑。02 率先落地光刻膠，完成產業級驗證作為有機高分子材料中技術壁壘最高、研發難度最大的典型代表，光刻膠成為該智能體的首個驗證場景。目前，系統已完成在ArF光刻膠研發場景中的實測驗證，實現從樹脂設計、配方篩選到性能預測的全流程支持，並完成關鍵指標驗證，證明瞭其在複雜有機高分子體系中的工程化能力與應用價值。這意味著，材科源圖（MatSource)不僅驗證了“AI+高分子材料”的技術可行性，也打通了從實驗室研發到產業應用的關鍵路徑。03 從ArF到EUV，持續拓
不卷價格和參數，中國汽車如何賣到5000萬輛？
2026年，國內新能源汽車滲透率突破60%，中國汽車品牌的售價提升到80萬元。中國乘聯會秘書長崔東樹說，國產車未來要達到5000萬輛銷售規模，在全球市場中，佔比超過50%。中國汽車越過規模大關，但高速發展之下，行業參數內卷、體驗同質化、盈利承壓等痛點日益凸顯。第四屆未來汽車先行者大會上，奇瑞副總經理王琅直言，行業進入新的“無人區”，不能再卷參數了。跳出價格與參數之外，國產車如何尋找下一個增長點？01元戎啟行周光：智駕幾十公里接管一次和1000公里接管一次，是兩個物種最近幾年，智駕行業的技術重心從端到端、VLA向著大模型、基座模型和物理AI快速迭代。元戎啟行CEO周光分享了他對物理AI基座模型的思考。他認為，過去5年，智駕行業走的是小模型路線，已經到了能力的上限，投入越來越多，提升越來越慢。這個現象可以用“蹺蹺板效應”來形容：在小模型系統裡，當一個版本解決了上海、武漢等城市的問題，可能就會在深圳、廣州等地效果變差，引入新問題。版本之間因此要反反覆覆地修改。周光說，這種蹺蹺板效應在行業中非常普遍，這也是用戶難以長期信任這個系統的原因。2026年，行業認知進入到大模型階段。周光解釋，大模型並不是一個更大的小模型，而是有一整套技術邏輯，在技術棧、網絡結構、訓練方式和模式上都有變化。他舉了一個例子，來說明大模型和小模型的認知區別。假設一條狗被染上斑馬的條紋，小模型會識別為一隻斑馬；但大模型會作出這是一隻狗的判斷。“小模型擅長條件反射、局部特徵相應，大模型擅長高級認知”，周光總結。自動駕駛從一開始的被激活，城區安全接管，再到更高的認知理解，做到像人一樣的整體判斷和泛化能力，需要從執行系統升級到認知系統。周光判斷，今年年底到明年初，行業裡會迎來從小模型到大模型、基座模型的轉換浪潮。技術陡峭升級，大模型成為智駕發展的下一個技術範式。他透露，元戎啟行很早就判斷要全面擁抱大模型和多模態，202
奧爾特曼：OpenAI 內部有人每月用掉約 1000 億個詞元
從六年前月耗十萬詞元到如今月耗千億，OpenAI 的詞元消耗量呈爆炸式增長。公司內部設有消耗排行榜，員工甚至曬圖炫耀，與亞馬遜等嚴控成本的企業形成鮮明對比。奧爾特曼承認成本已成難題，正尋求降本增效。 #AI 成本# #詞元消耗#