复旦邱锡鹏团队创立的模思智能完成超10亿元Pre-A轮融资，押注全模态实时交互
来源极客公园查看原文
速览
- 模思智能完成超10亿元 Pre-A 轮融资，华控基金领投，老股东持续加注
- 公司由复旦邱锡鹏创立，孵化自 OpenMOSS 团队，成立不到两年
- 核心方向是「情境智能」：让模型持续理解变化中的现场并实时响应
- 2026年以来已发布20多个模型，覆盖语音、视觉、实时多模态
- MOSS-Transcribe-Diarize 0.9B 开源，支持超50种语言，获 MLC-SLM Challenge 第一
- 提出「AI for AI」：模型为模型做标注、校验，形成数据生产闭环
- 即将发布 MOSS Live，前台交互模型与后台能动性模型分工
- 最终目标仍是全模态统一模型，但连续音频表征损害推理等问题待解
10月12日，模思智能宣布完成超10亿元Pre-A轮融资，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，老股东元禾控股、上海国投旗下上海科创集团、星连资本继续投资。该公司由复旦大学特聘教授、上海创智学院副院长邱锡鹏创立，孵化自其带领的 OpenMOSS 团队，2024年11月成立，至今不到两年。模思智能瞄准的是「情境智能」——让模型持续理解一个仍在变化的现场并实时响应，而非只回答已被整理好的问题。公司从语音切入，逐步拓展至视觉理解、音视频生成和实时交互，2026年以来已连续发布20多个模型，包括多个开源模型。CEO 李世民表示，团队通过自研模型为其他模型做数据标注和校验，形成「AI for AI」的循环，以更低成本、更快速度迭代。公司即将发布实时交互系统 MOSS Live，最终目标仍是全模态统一模型。
关键事实
- 模思智能完成超10亿元 Pre-A 轮融资，由华控基金领投，距天使轮官宣仅约半年
- 公司由复旦大学特聘教授、上海创智学院副院长邱锡鹏创立，孵化自 OpenMOSS 团队，2024年11月成立
- 2026年以来，模思围绕语音、视觉和实时多模态连续发布20多个模型，其中包括多个开源模型
- 2026年1月发布 MOSS-Transcribe-Diarize 第一版，7月9日开源0.9B参数版本，支持超过50种语言
- MOSS-Transcribe-Diarize 在 INTERSPEECH 2026 第二届 MLC-SLM Challenge 中获得第一名，比赛覆盖14种语言、110支队伍报名
- 2026年4月7日至13日一周内，模思围绕 MOSS-VL 和 MOSS-Audio 连续迭代6个版本
本站视角
对国内做多模态和实时交互的团队来说，模思这轮融资是一个明确的信号：资本开始为「全模态实时交互」这一此前相对边缘的路线下重注。过去两年国内大模型融资大多集中在文本基座和 Coding 能力上，模思拿到超10亿元 Pre-A，说明投资方认可「情境智能」这个方向的差异化价值。直接受影响的是做智能硬件、车载语音、机器人、视障辅助设备的团队——如果 MOSS Live 这类「前台交互模型+后台能动性模型」的架构被验证，它们接入 AI 的方式可能从调用单次 API 转向接入持续在线的交互层。 我们的判断是，模思的「AI for AI」数据闭环是这轮融资中最值得关注的实质内容，而非营销包装。用自研理解模型为生成模型做标注和校验，理论上能同时压低数据成本和提高迭代速度——原文提到一周内迭代6个版本、连续两天开源两个模型，这种节奏如果属实，确实比依赖人工标注或全量调用闭源模型的团队快。但需要观察的是，这套循环的效果目前主要来自公司自述和投资人背书，缺少第三方对成本、准确率的独立验证。 可疑之处有两点。其一，原文中「在一些具体任务上成本更低、结果比直接调用通用模型更准确」是团队说法，没有给出具体任务、对比基线和数字，读者应保留判断。其二，模思强调 Omni model「还没有走到终点」，这个判断本身合理，但公司同时承认连续音频表征损害推理、理解与生成相互干扰等问题尚未解决，MOSS Live 只是「过渡形态」——这意味着其最终目标全模态统一模型距离落地还有相当距离，融资规模反映的是对方向的押注，而非对已成型产品的定价。对中文开发者的实际意义在于：MOSS-Transcribe-Diarize 0.9B 等开源模型已经可用，做会议记录、客服对话、多人语音标注的团队可以低成本试水；但若期待开箱即用的全模态实时交互能力，还需要等 MOSS Live 发布后看实际表现。
背景与影响
模思智能孵化自复旦大学邱锡鹏带领的 OpenMOSS 团队，这是国内最早的大模型团队之一。2023年2月 ChatGPT 引发关注时，该团队发布了 MOSS，是国内最早开源的类 ChatGPT 对话模型之一。同年团队推出 SpeechGPT，尝试让模型直接理解和生成语音；2024年 AnyGPT 探索统一的多模态大模型。2024年11月，模思智能从 OpenMOSS 团队孵化成立，开始以商业化方式继续模型探索。CEO 李世民最初以学生身份加入邱锡鹏实验室，也是 SpeechGPT 的早期作者之一。 从行业背景看，过去几年大模型竞争主要集中在文本推理和 Coding 等「被人整理过的世界」，而模思选择提前布局语音、多模态和实时交互。当前 Omni model 成为行业热点，GPT-4o、Gemini、Qwen-Omni 等已能同时接收文字、声音、图像和视频。但模思认为 Omni model 尚未走到终点：现有模型大多仍遵循「用户说完—模型思考—给出回答」的回合制，输入模态变多但模型与世界相处的方式没有根本改变，模型说话过程中新进入的声音和画面很难实时回到思考过程，也没有真正学到时间。模思的思路是把听、看、说放在同一条时间轴上，实现全双工交互。 这意味着，如果模思的路线成立，AI 的竞争维度可能从「回答质量」扩展到「持续在场能力」，对智能硬件、汽车、机器人等真实终端场景产生直接影响。不过这条路线仍有大量未解问题，包括连续音频表征可能损害语言模型推理能力、理解与生成相互干扰等。模思即将发布的 MOSS Live 是其走向统一模型之前的过渡形态。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
