一口气融到10个亿！这家成立仅一年半的复旦AI创企凭什么？

2026年的中国一级市场正处于深度的资产重估期。对于大模型赛道而言，过去两年的狂热扩张逐渐被现金流焦虑取代，大量依赖融资续命的初创企业在资本寒冬中面临生死考验。然而，在这个普遍收缩的背景下，一家名为“模思智能”（MOSI）的公司却上演了一场罕见的逆势突围。

今日，模思智能正式宣布完成超10亿元人民币的Pre－A轮融资。由华控基金领投，国开科创、上海科创基金、新微资本、徐汇资本等多家机构参投；元禾控股、星连资本等老股东持续跟投。多维资本担任财务顾问。

这并非模思智能第一次拿到巨额资金。仅仅七个月前——也就是2026年3月，该公司刚完成了数亿元天使轮融资，由IDG资本领投。从天使轮到Pre－A轮，不到半年的时间，融资额实现了跨越式增长。这一结果之所以引发市场震动，不仅因为金额本身，更因为其投资方阵容背后折射出的底层逻辑变化：尽管大厂普遍缩减开支，顶级资本依然敢于重仓那些掌握核心基座技术的后来者。

一、 资本寒冬下的“逆势突围”

在当前环境下，能够如此迅速地获得超10亿增量现金，绝非偶然。这背后是一场典型的学术基因、政策导向与市场押注的共振。

首先看资方的构成。除了 IDG 这类老牌市场化VC，本轮大量地方国资基金密集亮相——上海科创基金、徐汇资本、临港策源基金等。在地缘政治博弈加剧、芯片出口受限的当下，这些机构的投资逻辑早已超越了单纯的财务回报。它们看中的是模思智能作为“上海科创高地”缩影的产业价值：一个具备自主多模态算法研发能力的本土企业，不仅能填补国内在实时交互领域的应用空白，更能带动上下游软硬结合的产业集群集聚。

其次，时间窗口也至关重要。大模型创业潮从2023年开始，经过三年的跑马圈地，目前只剩下两类玩家最安全：一类是像百度、阿里这样自带海量现金流的互联网巨头；另一类则是拿到了足够“长跑道”资金的硬核技术创新者。模思智能在短短一年内两度收割重金，相当于直接买下了未来几年的生存门票。它用这笔钱筑起了坚固的护城河，也让竞争对手在短时间内难以望其项背。

二、 “双脑架构”与技术护城河

既然拿到了钱，模思智能到底在做什么？与市面上许多泛泛而谈的“通用大模型”不同，模思智能选择了一条更为垂直且技术门槛极高的赛道：全模态实时交互。

CEO李世民带领的邱锡鹏教授团队，在半年多时间里连续发布了超过20个模型，构建了覆盖语音、视觉及多模态交互的产品矩阵。即将推出的核心系统“MOSS Live”，采用了一种极为创新的“前端交互模型＋后端能动性模型”协同架构。

在传统大模型应用中，用户输入指令后，模型往往需要较长的“思考”时间才能输出结果，这种高延迟在面对面交流或驾驶场景中是完全不可接受的。而 MOSS Live 通过前后端分离，解决了这一痛点：前端模型如同人的“感官”，负责持续感知环境中的声音、画面并进行毫秒级的反馈；后端模型则如同“大脑”，在不被打断的情况下处理复杂的推理和任务规划。

这种设计的精妙之处在于它不仅提升了响应速度，还大幅降低了算力消耗。传统的实时语音识别通常需要全量抓取音频流进行离线转写，成本高企且容易受噪音干扰；而前置的轻量级交互模型可以先过滤掉无效信息，将核心关键帧传给后端。这意味着在相同的硬件成本下，模思智能的系统能提供更流畅的自然体验，这也是其能够在智能眼镜、自动驾驶舱等边缘设备上跑通Demo的关键所在。

三、 AI for AI：数据飞轮的底层逻辑

如果说架构创新是模思的智能外衣，那么其对“AI for AI”路线的坚持，则是其真正令人忌惮的内核。

深度学习的发展长期以来受制于高质量语料的枯竭。无论是 ChatGPT 还是国内的各类开源模型，训练初期的数据清洗和人工标注都需要耗费天价成本。而模思智能提出的“AI for AI”思路，试图用自动化流水线彻底重构这一环节。

其核心逻辑非常清晰：让生成模型去生产高质量的语音、图像、视频等合成数据，再利用更强的高精度理解模型对这些数据进行质量判断和筛选，最终将筛选出的优质数据反哺回下一轮的训练中。这形成了一种自我进化的数据飞轮。

一旦这套机制跑通，带来的改变将是灾难性的。它可以摆脱对人类专家标注的主观依赖，实现全天候、低成本的数据自动迭代。更重要的是，当其他厂商还在为几千万条语料纠结时，拥有自产数据能力的模思智能已经在数据规模和多样性上拉开了代差。这就是为什么即便成立时间只有短短一年半，它却依然能获得巨头级别注资的根本底气。

四、 硬件生态卡位：瞄准下一代人机界面

有了技术底座和资金弹药，接下来的战场就是场景。

目前的AI行业正处于从“屏幕时代”向“空间计算时代”过渡的阵痛期。人们不再满足于在手机上看 AI 聊天，而是希望它能像真人一样出现在视野里。这正是模思智能瞄准的千亿蓝海：AI眼镜、智能汽车座舱以及服务机器人。

在这些物理世界中，多模态不再是锦上添花，而是刚需。想象一下，当你戴上新一代AR眼镜走在街上，眼前的导航标识、路边的商品标签、行人的情绪反应，都需要AI在瞬间完成解析并与你互动。这就要求AI必须具备实时处理复杂物理环境的能力，而这恰恰是国内绝大多数只做纯软件文本模型的厂商所不具备的短板。

通过将重心提前锁定在硬件适配与空间感知交互上，模思智能实际上是在进行一场精准的“降维打击”。当竞争对手还在卷 Prompt（提示词）工程时，它已经把触角延伸到了传感器融合与三维空间建模的边缘地带。

五、 钱烧完了怎么办？商战才刚刚开始

当然，资本的狂欢并不等于商业的胜利。

公开信息显示，这笔超10亿元的巨资将主要用于研发与全球商业化落地。但对于任何一家初创企业来说，维持一支百人以上顶配算法团队的薪资开销，加上昂贵的 GPU 集群租赁费用，10个亿的消费速度远比想象中更快。特别是随着即将发布的 MOSS Live 走向大规模商用，前期的硬件适配、云服务商谈判以及海外合规审查都会产生庞大的沉没成本。

此外，市场需求是否真的会按预期的时间表爆发，仍是悬在公司头顶的一把达摩克利斯之剑。虽然各大品牌都在宣传各自的 AI 终端设备，但在实际销量上，真正的爆款尚未问世。如果2027年之前看不到具有规模效应的订单流入，再厚的资金储备也可能被不断侵蚀。

未来值得关注的三大观察指标是：第一，MOSS Live 系统能否率先在某一款头部智能眼镜或车载系统中实现装机量的突破；第二，其“AI for AI”数据生产管线在多大程度上削减了实际训练成本；第三，在与百度的文心系列、阿里的通义千问正面交锋时，它能否证明自己的多模态交互能力足以支撑起独立分拆上市的商业故事。

在这场赌桌上，模思智能只是刚刚亮出了它的底牌。而对于所有试图在AGI长跑中寻找胜者的投资者而言，这盘棋才刚刚进入中局。