↑↑↑点击蓝字|关注我们
follow us
AING硬迹
全模态实时交互智能
据悉，10 月 12 日，模思智能官宣完成超 10 亿元 Pre-A 轮融资。本轮由华控基金领投，国开科创、上海科创基金、新微资本、徐汇资本、追光硬科技创投、临港策源基金等参与，元禾控股、上海国投旗下上海科创集团、星连资本等老股东持续加注，多维资本担任本轮及长期独家财务顾问。官方口径下这笔钱投向两件事：全模态实时交互智能的研发与能力建设，以及全球商业化落地。
模思 2024 年底孵化于邱锡鹏带领的 OpenMOSS 团队，创始人为复旦大学特聘教授、上海创智学院副院长邱锡鹏，兼任首席科学家，CEO 是 SpeechGPT 核心作者、复旦博士李世民。更早的坐标是 2023 年 2 月：ChatGPT 刚把大模型推到聚光灯中央，该团队发布了国内首个类 ChatGPT 开源模型 MOSS，一个月后 GPT-4 发布。之后团队没有停在"把语言模型做大"上——2023 年 SpeechGPT 做端到端语音交互，2024 年 AnyGPT 把文本、语音、图像放进统一表征体系。
模思放模型的密度相当高：仅 2026 年上半年就围绕语音、视觉和实时多模态连续发布 20 多个模型并持续开源，4 月 7 日到 13 日一周内，MOSS-VL 和 MOSS-Audio 迭代出 6 个版本。但难的不是把模型堆起来，而是让它们在不断变化的现场里协同。现实交给 AI 的从来不是一条干净 prompt：用户一句话说到一半可能改口，新画面进来会改变前一句的含义，声音、动作、设备状态同时在变。如果模型理解的是几秒前的现场，它即使答对了，也已经答错了问题。要补上这一层，得把感知、理解、生成、执行串成一条链路，中间还要处理记忆、上下文、任务状态和模型间的实时调度。
系统越复杂，模型迭代本身就成了新瓶颈。当发布节奏进入"一周 6 个版本"，数据生产、筛选、质量判断和反馈如果仍靠人工，很快会卡住。这也是模思推进"AI for AI"的原因：生成模型生产新的语音、图像、视频与场景数据，理解模型负责判断、筛选和反馈，再送回下一轮训练。当这套能力进入眼镜、汽车、家庭终端和机器人，AI 拿到的就不只是合成数据，还有互联网上相对稀缺的垂域真实场景与连续交互数据。
官方表示资金将用于全球商业化落地，能力侧的系统化产品是即将发布的 MOSS Live，由前端交互模型与后端能动性模型协同——前者持续看、听、说，后者负责复杂推理与任务执行，让 AI 在干活的同时仍能与人实时交流。至于定价与首批客户，官方暂未披露。
国内阶跃星辰、智谱、阿里等厂商都在端到端语音与实时多模态上持续投入，海外 OpenAI 的实时语音、Gemini Live 也在同一层加注。模思的差异在于把开口从软件挪向硬件入口——眼镜、玩具、座舱、机器人这些没有键盘的场景。这层判断并不空：EssilorLuxottica 2026 年二季度及上半年财报显示，Ray-Ban Meta 与 Oakley Meta 累计销量已突破 700 万副，Meta 份额在 69% 以上。能持续"在场"的入口先长出来了，缺的是能持续"在场"的交互智能。
模型能力的第一轮竞争发生在屏幕里，第二轮会发生在人和设备的相处过程里——谁能把"理解一个正在发生的世界"做成工程，谁就拿走下一代 AI 的入场券。
按官方表述，模思希望每个人都能拥有属于自己的"Samantha"：理解当下的处境，承接未完成的思路，把想法推进为可执行的行动。这套设想离规模化落地还有距离，MOSS Live 的正式发布与商业化数据，是下一个观察点。我们将持续关注。
硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎添加【Alot-wmm】加入【AING硬迹产业交流群】。
END
AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。
未来，AING硬迹将不断发布AI大模型技术、AI产业生态、AI硬件产品等行业资讯、发展趋势与市场动态，我们相信大多数硬件都值得用AI重做一遍，AING硬迹期望与AI大模型厂商、与AI硬件厂商共同成长，迎接AI时代的来临。
人工智能正当时
识别左侧二维码
一起追寻AI+硬件的足迹
点分享
点收藏
点在看
点点赞