上海一家做大模型的公司，刚拿到一笔大钱。
10 月 12 日，模思智能宣布完成 Pre-A 轮融资。
金额超过 10 亿元。
这钱不小。
领投方是华控基金。
跟投的还有国开科创，上海科创基金，新微资本等机构。
元禾控股这些老股东，也继续加注。
这是它今年第二次官宣融资。
一年两轮。
今年 3 月，它刚拿过一笔数亿元的天使轮。
那一轮由 IDG 资本领投。
公司说，钱主要花在两个地方。
一是全模态实时交互智能的研发。
二是全球商业化落地。
钱分两处。
这家公司孵化于复旦大学。
带头人是教授邱锡鹏，团队名叫 OpenMOSS。
2023 年 2 月，他们做出国内第一个类 ChatGPT 的开源模型 MOSS。
之后，又陆续推出语音、视觉和多模态系列模型。
在满地的 AI工具 里，它挑了一条更窄的路。
智谱和 DeepSeek 那类公司，重心压在通用大模型上。
推理和 AI编程，也是它们的主战场。
模思智能不一样。
它把力气全押在语音、视觉和实时多模态交互上。
它想让机器持续感知真实环境。
这才是核心。
再落到眼镜、汽车和机器人这些终端里。
公司还押了一条更远的路，叫 AI for AI。
就是让 AI 自己参与数据生产、筛选和模型迭代。
先造数据，再训模型，人能少插手就少插手。
一、半年推出 20 多个模型，瞄准全模态实时交互
2026 年以来，它的模型迭代明显加快。
半年多时间，发布了 20 多个模型。
而且大部分都开源。
这很少见。
语音生成，音频理解，语音识别，视觉理解，这些方向它都出了系列模型。
迭代速度也很吓人。
今年 4 月的一周里，视觉和音频两条线连着出了 6 个版本。
7 月初，团队又用两天时间开源了两款新模型。
技术路线上，它押的是全模态实时交互。
方向很明确。
目标是让机器在变化的场景里，同时处理语音，画面，还有环境信息。
据了解，公司马上要推出一个系统。
名字叫 MOSS Live。
它是全模态实时交互系统。
架构分前后两端。
分工很清楚。
后端负责复杂推理和任务执行。
前端负责持续感知视觉和语音，跟人保持 AI对话。
这样机器一边干活，一边还能说话。
这套系统会面向眼镜，汽车，还有家庭终端和机器人。
除了实时交互，公司还在推前头那条路线。
思路是用生成模型造出语音，图像，视频数据。
再用理解模型做质量判断和筛选。
结果拿回去，训练下一版模型。
闭环转起来。
目的就是少靠人工去生产数据。
二、复旦教授邱锡鹏创办，CEO 出自他的团队
创始人兼首席科学家是邱锡鹏。
他是复旦大学教授。
科班出身。
也是国家杰出青年科学基金获得者。
履历很硬。
他现在还担任上海创智学院的副院长。
他长期做自然语言处理和大模型研究。
他写的《神经网络与深度学习》，被很多高校拿来当教材。
他也多次入选全球前 2% 顶尖科学家榜单。
2024 年，他拿下中国计算机学会和美国计算机学会联合颁发的人工智能奖。
那年，这个奖全球只有他一个人拿到。
创办公司之前，他的团队已经做了很多年大模型研究。
2016 年，他开始研究预训练技术。
2023 年 2 月，团队发布了开源模型 MOSS。
同年，他们又推出端到端的语音交互模型。
2024 年，他们试着把文本，语音，图像放进同一个模型里。
公司 CEO 李世民也出自这个团队。
师徒搭配。
他曾跟着邱锡鹏硕博连读。
他以第一作者身份发过多篇顶会论文。
还深度参与过国家的新一代人工智能重点研发项目。
他研究的方向，是拟人化的人机交互。
从语言模型做到语音和视觉，这家公司的摊子一直在扩。
现在它已经有了一整套模型产品矩阵。
马上要推的 MOSS Live，会把这些能力捏到一起。
拼图快齐了。
但真正的考验在后头。
在眼镜，汽车，机器人这些场景里，它能不能铺开，还得再看。
