科技日报记者 崔爽
10月12日，面向情境交互智能的大模型公司模思智能完成超10亿元Pre-A轮融资，由华控基金领投，主要投资方包括国开科创、上海科创基金等。据了解，本轮资金将用于推进全模态实时交互智能的研发与能力建设，以及全球商业化落地。
过去几年，AI行业最激烈的竞争发生在模型能力上：推理、编程、工具调用，大模型开始承担越来越复杂的任务。但随着模型能力越来越强，一个新的问题开始出现：这些智能怎样离开输入框，真正进入人的生活？
模思智能创始人&首席科学家、复旦大学特聘教授、上海创智学院副院长邱锡鹏2016年开始研究预训练。在他看来，人的表达总是发生在具体情境里。一句话什么时候说、用什么语气说、眼睛正在看哪里、周围发生了什么，都可能改变它真正的含义。模型如果最终要和人生活在同一个世界里，就不能永远只理解一句被整理好的文本。
因此，真正稀缺的不是一个更会聊天的模型，而是一套能让AI持续“在场”的交互智能。模思把这一层能力定义为“全模态实时交互智能”，即让语言、声音、画面、环境和设备状态持续进入同一个交互过程，再把理解转化为语音、内容、工具调用乃至设备行动。
基于此，近半年时间，模思围绕语音、视觉和实时多模态发布MOSS-TTS、MOSS-Audio等20多个模型，覆盖语音生成、音频理解、语音识别、视觉理解与内容生成等环节，并持续开源。
网友评论
