[技术] 复旦邱锡鹏团队「模思智能」拿下超 10 亿 Pre-A：押注能边听边看边说的「情境智能」

大模型融资继续往新方向下注，这次轮到了「能边听、边看、边说话」的实时多模态。

10 月 12 日，模思智能宣布完成超 10 亿元 Pre-A 轮融资，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，元禾控股、上海国投旗下上海科创集团、星连资本等老股东继续加码。这轮距离天使轮官宣只隔了半年左右。

这家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，孵化自他带的 OpenMOSS 团队——国内最早做大模型的团队之一。2023 年 2 月 ChatGPT 刚火，他们就把 MOSS 开源了，是国内最早的类 ChatGPT 开源对话模型之一；后来又有 SpeechGPT（直接理解/生成语音）、AnyGPT（统一多模态）。2024 年 11 月，模思智能从团队里孵化出来，走商业化路线。

邱锡鹏对下一代 AI 的判断是「从回答问题走向持续在场」：模型不是等人输入，而是持续理解人和环境，在合适的时候回应、行动。模思把这件事定义为「构建情境智能」。落地路径从声音切进去，再扩到视觉理解和音视频生成——据其披露，2026 年以来围绕语音、视觉、实时多模态连发了 20 多个模型，其中不少开源，7 月开源的 MOSS-VL-Realtime 已经能持续接收视频流，「画面一变、判断就跟着更新」。

有个细节挺有意思：团队一开始是为了解决多人对话语音生成（MOSS-TTSD）的数据标注问题，自研了 MOSS-Transcribe-Diarize——在一次调用里同时做语音转写、说话人归属和时间戳预测，绕开了「转写和说话人分割各跑一个模型、再拼时间轴」的老路子。0.9B 版本 7 月开源，支持 50 多种语言，五天后的 INTERSPEECH 2026 MLC-SLM Challenge 上拿了第一（14 种语言、110 支队伍报名）。公司说它很快到了行业头部水平，还被一些模型团队拿去做数据标注。

团队现在的思路是「模型替模型干活」：理解模型给生成模型清洗标注数据，生成模型造出的语音、图像、视频再交给理解模型筛选，标注里的错误又变成下一轮训练材料——一个彼此喂养的循环。

原文链接：http://www.geekpark.net/news/372278
来源：极客公园