模思智能获超10亿元融资

当大多数人还停留在“打开对话框、输入问题、等待回答”的阶段，AI行业早已开启新一轮赛道迭代。

告别单一文字交互、脱离虚拟数字界面、落地真实物理场景，成为2026年AI产业最核心的变革趋势。AI不再满足于做一个“问答机器”，它要走进真实世界，学会看、学会听、学会在具体情境中做出反应。

正是在这一转折点上，模思智能传来重磅融资喜讯，官宣完成超10亿元Pre-A轮融资。

本轮融资由华控基金领投，主要投资方包括国开科创、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，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投资，多维资本担任本轮及长期独家财务顾问。

对于资金用途，模思智能表示将全部用于推进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。

公开资料显示，模思智能成立于2024年11月，总部位于上海，孵化于上海创智学院与复旦大学OpenMOSS团队，由邱锡鹏教授担任首席科学家，自带顶尖高校的技术基因与科研底蕴。

过去的大模型，本质上是“你问我答”——用户输入文字，模型输出文字，交互被限制在一个对话框里。而模思智能想做的，是让语言、声音、画面、环境和设备状态持续进入同一个交互过程，再把理解转化为语音、内容、工具调用乃至设备行动。公司将其定位概括为“全模态实时交互智能”。

换句话说，AI不能只是“等人提问，再给答案”，它需要自己听见、看见、理解现场。

模思智能将当前落点放在“实时交互系统”上，致力于联接AI、人与物理世界，打造物理世界AI的实时交互系统和基础设施，让智能走出对话框、进入真实世界，持续感知情境、自然交互并采取行动。这个定位，切中的正是行业从“生成能力”向“理解与交互能力”迁移的关键节点。

目前，模思智能已打造出MOSS-TTS、MOSS-Audio、MOSS-Transcribe-Diarize、MOSS-VL、MOVA等一系列标杆模型矩阵，全面覆盖语音生成、音频理解、智能语音识别、视觉感知、音视频内容生成等全链条能力。相关模型能力在音频理解、语音合成、实时视觉理解、音视频生成、实时交互等多个方向取得开源领先的成绩。

值得一提的是，仅2026年上半年，模思智能就围绕语音、视觉、实时多模态连续发布20余个AI模型，并且持续开源。

据了解，模思智能即将发布的MOSS Live系统由前端交互模型和后端能动性模型协同工作：前者持续看、听、说，后者负责复杂推理和任务执行。这种双层架构的设计思路，本质上是试图在实时响应和复杂推理之间找到平衡。

除了“全模态实时交互智能”，模思智能本轮融资后还将持续推进“AI for AI”战略——让AI全面进入数据生产、筛选和模型迭代本身。

传统上，模型训练依赖人工标注数据、人工设计实验、人工分析结果。而AI for AI的目标，是让AI参与到这个流程的每一个环节——生成数据、筛选高质量样本、运行实验、分析评估，甚至提出下一轮迭代的方向。

模思智能将AI for AI与全模态实时交互能力结合在一起。两者互为支撑：实时交互产生的多模态数据，可以反哺模型训练；而更高效的模型迭代，又能提升交互体验的天花板。这形成了一个闭环：AI在真实场景中交互，产生数据；数据用于训练更好的模型；更好的模型带来更自然的交互体验。

可以看到，模思智能押注的是一条更长也更完整的链路：从模型到交互，从交互到数据，再从数据回到模型。

视觉物联生态圈已开启产业交流群，欢迎对行业感兴趣的读者，扫描二维码添加微信加入相关产业群聊，一起交流分享最新动态与前沿资讯。

延科 18922857775

●50亿！奥尼电子连签三笔GPU大单，音视频老将的“算力变道”

●估值1.5亿！这家家庭情绪健康AI硬件企业完成A轮首轮交割

●联手LG、加码施耐德，苹果的智能家居“第二方”棋局

●功耗直降97%！豪威集团用一颗超低功耗AI协处理器撬动这千亿级市场