模思智能完成超10亿元Pre-A轮融资，押注全模态实时交互智能

10月12日，模思智能宣布完成超过10亿元的Pre-A轮融资。本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、临港策源基金等机构共同投资，元禾控股、上海科创集团、星连资本等老股东继续加持，多维资本担任本轮及长期独家财务顾问。资金将主要用于推进全模态实时交互智能的研发与能力建设，以及推动其在全球范围内的商业化落地。融资完成后，模思智能将继续聚焦“全模态实时交互智能”与AI for AI两大方向：一方面解决大模型如何深入真实场景并持续理解人与环境；另一方面让AI全面介入数据生产、筛选和模型迭代本身。过去几年，AI行业的竞争主要集中在推理、编程及工具调用等模型能力上。随着模型能力的增强，新的焦点转向如何让智能体走出输入框，真正融入用户生活。模思智能从交互层切入，这既是对下一阶段AI入口的判断，也延续了创始人邱锡鹏团队自2016年以来从预训练、语言模型到语音、多模态及实时交互的研究路径。大模型第一轮竞争主要发生在屏幕内，用户将现实问题转化为文字或语音输入后获得回答。然而，这种模式要求人先理解现实并将其转换为模型可处理的输入。下一代AI需走出屏幕，进入眼镜、玩具、汽车及机器人等新入口场景，在这些场景中，用户边说边走、不断打断且环境与设备状态持续变化，AI需要具备持续感知和理解现场上下文的能力。模思智能定义的“全模态实时交互智能”旨在让语言、声音、画面、环境和设备状态进入同一交互过程，并将理解转化为语音、内容、工具调用乃至设备行动。该能力不仅要求AI回答提问，更需在变化的上下文中判断用户需求并及时反馈或采取行动，从一次性输入输出升级为对持续发生世界的理解。这一技术路线并非全新方向，而是模思智能创始人邱锡鹏团队十年研究的工程化延续。自2016年启动预训练研究、2023年发布MOSS开源模型以来，团队逐步从语言模型转向语音交互（SpeechGPT）、多模态统一体系（AnyGPT）。2024年底孵化后的OpenMOSS团队承接了相关积累，并推出了MOSS-TTS、MOSS-VL等覆盖语音生成与视觉理解的系列模型。仅2026年上半年，模思智能围绕语音、视觉和实时多模态发布了超过20个模型并持续开源，其中4月7日至13日期间一周内迭代出6个版本。面对高速迭代的模型需求，模思智能正推进AI for AI战略，让AI参与自身数据生产、筛选与质量判断环节，以打破人工依赖瓶颈，为后续在硬件设备中的规模化应用奠定基础。