复旦邱锡鹏团队AI融资超10亿，专注情境智能与实时交互

模思智能，由复旦大学特聘教授、上海创智学院副院长邱锡鹏教授创立，成立不到两年，近日宣布完成超10亿元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、临港策源基金等共同参与，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投资。

模思智能专注于情境智能与全模态实时交互，旨在让AI模型能够感知、理解、响应变化的世界。公司从声音开始，逐步拓展至视觉理解、音视频生成和实时交互。据公司披露，2026年以来，模思智能围绕语音、视觉和实时多模态连续发布了20多个模型，其中包括多个开源模型。

模思智能CEO李世民表示：“我们对下一代AI的判断是，它会从回答问题走向持续在场。模型不只是等人输入，而是要持续理解人和环境，在合适的时候回应、行动。我们现在做全模态实时交互，就是在解决这件事。”

模思智能的孵化团队——复旦大学邱锡鹏带领的OpenMOSS团队，是国内最早的大模型团队之一。2023年2月，ChatGPT将大模型推向聚光灯下，邱锡鹏团队便发布了MOSS，这是国内最早开源的类ChatGPT对话模型之一。同年，团队开始探索多模态领域，2023年推出SpeechGPT，尝试让模型直接理解和生成语音。2024年，AnyGPT在探索如何完成统一的多模态大模型；2024年11月，模思智能从OpenMOSS团队中孵化成立，开始用商业化的方式继续这场模型探索。

模思智能从成立之初就想做的，就是下一代AI：当模型进入汽车、智能硬件和机器人等真实终端，AI要如何理解不断变化的现场，又该如何与物理世界实时交互。当时，团队选择的第一个切口，是多人对话语音生成。他们想做的MOSS-TTSD，不是逐句合成声音，而是一次生成一段由两三个人参与、你来我往的完整播客。如果用普通TTS一句一句生成再拼接，对话里的气口、停顿、接话乃至抢话的节奏都会丢失。模思选择端到端生成，希望把一段对话完整的上下文和交叠节奏保留下来。

过去几年，大模型越来越擅长回答一个已经提出的问题；接下来，或许它还要学会理解一个仍在变化的现场。模思智能的崛起，将为AI行业带来新的变革。

来源：极客公园

> 本文基于公开报道整理编辑，版权归原作者所有。如有异议请联系我们，查实后立即删除。