10月12日，上海创智学院孵化企业模思智能官宣完成超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、新微资本、徐汇资本、追光硬科技创投、临港策源基金等，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。多维资本担任本轮及长期独家财务顾问。
本轮融资之后，模思智能这家人工智能大模型公司将继续押注“全模态实时交互智能”和AI for AI：一边解决大模型如何进入真实场景、持续理解人和环境；另一边进一步让AI全面进入数据生产、筛选和模型迭代本身。
以自主培养"一顶一、扳手腕"的人工智能顶尖人才为使命，上海创智学院正在着力构建"研创学"一体化生态——研究是核心载体，创新是价值纽带，育人是内在根本，三者有机融合、相互赋能。自2024年11月模思智能成立以来，学院为公司提供了顶尖人才、研创场地等诸多“研创学”资源与协同创新环境，同时，携手模思智能共同推进科研攻关、成果落地与人才培养的深度融合，进一步完善“研创学”生态建设，打造AI时代的智能新引擎。
一、下一代AI战事：走出屏幕，走向全模态实时交互智能
大模型的第一轮竞争，主要发生在屏幕里。人把现实世界的问题整理成文字、语音或prompt，再交给AI回答、生成内容、写代码、调用工具。它始终有一个前提：人先理解现实，再把现实转换成模型能够处理的输入。
AI接下来要去的地方不止是屏幕。眼镜、玩具、汽车、家庭终端和机器人正在成为新的入口。真实世界给AI的不是一次干净的输入，而是一段持续发生的情境，因此，下一代AI需要自己听见、看见和理解现场，在不断变化的上下文里判断用户此刻真正需要什么，并及时给出反馈或行动。
在这个过程中，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。模思智能把这一层能力定义为“全模态实时交互智能”：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。
而这也是上海创智学院副院长邱锡鹏教授过去十年一直在做的事情。作为模思智能创始人&首席科学家、上海创智学院副院长、复旦大学教授，邱锡鹏从2016年开始研究预训练。2023年2月，ChatGPT刚刚把大模型推到聚光灯中央，他带领团队发布国内首个类ChatGPT开源模型MOSS；一个月后GPT-4发布，大语言模型迅速成为整个行业的主线。
邱锡鹏很快开始追下一层问题：机器会说话以后，怎么真正和人交流？2023年的SpeechGPT开始探索端到端语音交互，2024年的AnyGPT尝试把文本、语音、图像等不同模态放进统一体系，从语言到语音，再到多模态，研究对象已经从一句文本扩展到人与AI交流时真实存在的多种信号。
2024年底，依托OpenMOSS团队，邱锡鹏在上海创智学院成立了模思智能，承接了团队在语言、语音和多模态方向的研究积累，学院开始持续为公司提供顶尖人才、研创场地等“研创学”资源与协同创新环境，自此，过去以研究为主的技术路线开始进入集中工程化阶段。
随后，MOSS-TTS、MOSS-Audio、MOSS-Transcribe-Diarize、MOSS-VL、MOVA等模型连续发布，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。仅2026年半年时间里，模思智能和上海创智学院一起，围绕语音、视觉和实时多模态连续发布20多个模型，并持续开源。
二、从模型到系统：AI for AI把交互和模型迭代接起来
要在不断变化的现场里持续理解人、及时作出回应，AI需要把感知、理解、生成和执行等能力协调起来。模思正在搭建的全模态实时交互系统，也围绕这条链路展开。
这里的“实时”也不只是追求响应更快。现实里的信息带着很强的时间关系：用户一句话说到一半可能改口，一个新画面进来可能直接改变前一句话的含义，设备和环境也始终在变化。如果模型理解的是几秒钟之前的现场，它即使给出了正确答案，也可能已经答错了问题。
全模态实时交互真正要解决的，是AI能不能跟上一个不断变化的现场。
系统越复杂，模型迭代本身也开始成为新的问题。2026年以来，模思围绕语音理解、语音生成、视觉理解和实时多模态，在半年多时间里发布20多个模型；仅4月7日到13日一周，MOSS-VL和MOSS-Audio就连续迭代出6个版本；7月初连续两天开源发布MOSS-Transcribe-Diarize 0.9B和MOSS-VL-Realtime两个模型。当模型开始以这样的速度迭代，数据生产、筛选、质量判断和反馈如果仍然大量依赖人工，很快就会成为下一轮瓶颈。
这也是模思推进AI for AI的另一层原因。它希望让AI更多进入模型自身的生产过程：生成模型生产新的语音、图像、视频和场景数据，理解模型负责判断、筛选和反馈，再把结果送回下一轮训练。过去由人承担的大量重复环节，逐步交给模型之间协同完成。
当这套能力进一步进入眼镜、汽车、家庭终端和机器人，AI得到的又不只是合成数据，而是互联网数据里相对稀缺的不同垂域的真实场景数据与连续交互。前端的全模态系统负责进入现场、理解现场，后端的AI for AI再把新的数据和反馈送回模型迭代。两条线由此接到了一起。
所以，模思这轮融资将押注一条更长也更完整的链路：从模型到交互，从交互到数据，再从数据回到模型。
过去几年，大模型行业一直在回答“模型还能有多强”；当AI开始走出屏幕，新的问题已经摆在面前：它能不能真正看懂一个正在发生的世界，跟人自然地相处，又能不能把这些真实交互变成自己下一轮演进的燃料。
这将是模思智能持续探索的方向：让感知、理解、交流与执行在不断变化的现实情境中协同，让智能跟上人的脚步，也跟上生活的变化。模思希望，每个人都能拥有属于自己的随身AI伙伴，理解当下的处境，承接未完成的思路，尊重意愿与授权，将想法推进为可执行的行动、可交付的结果。
联接AI、人与物理世界，建设全模态实时交互系统，它所指向的未来，藏在每一次出行、每一段交谈、每一个普通人终于能够付诸行动的想法里，让最前沿的智能，走进美好的、值得经历的平凡生活。这是MOSS对未来的构想，也是模思正在构建的现实。
三、以产业实践推动“研创学”深度融合
上海创智学院“研创学”一体化生态的关键，就是把人才培养阵地建在产业真实战场和社会真实需求之中，学院进一步开放共创，加速构建“研创学”高密度生态。
“创培、创赛、创投、创孵、创联”的全链条“五创”创新创业生态是“研创学”一体化的关键部分，通过“五创”体系将产业需求与前沿技术引入教学科研一线，打通从课堂到市场的价值链。学院主动引入耐心资本，依托“创智未来中心”，对接产业基金与头部投资机构，为师生创业项目提供“陪伴式”支持，帮助初创企业跨过成长中的关键关口，同时积极为师生创业提供加速载体和服务，目前学院孵化的师生创业企业已超30家，总估值超90亿元。
另一方面，师生创业公司也是学院“研创学”育人阵地的重要组成。作为上海创智学院孵化的多模态大模型企业，模思智能以情境智能为技术主线，携手学院推进科研攻关、成果落地与人才培养的深度融合。学院侧重基础研究、人才培养与前沿探索，模思则强化工程化、系统化和产品化落地，两者共同形成研究牵引技术、工程反哺研究、人才贯通培养的正向循环。
在今年9月12日的创智未来大会现场，双方的联合实验室正式揭牌亮相，将进一步连接学院前沿研究力量与模思的模型研发、工程实践及产业化能力，为“研创学”协同建设提供持续支撑。
在联合创新中，上海创智学院师生与模思智能团队共同推进语音交互、音视频生成等方向的技术突破，推出MOVA、TTS等开源成果，并推动前沿模型向可应用、可迭代的产品能力转化。以MOVA研发为例，创智学生深入参与千卡级工业规模的模型训练，在模型架构设计、大规模训练框架、海量数据处理等关键环节承担核心任务，在解决真实技术难题的过程中提升科研与工程能力。
模思智能在这一过程中发挥着连接研究与产业的重要作用：以真实应用需求牵引技术探索，以工程化体系支撑成果验证，以产品迭代反馈推动模型持续优化，让创智学生在参与前沿研究的同时，理解技术如何创造用户价值。未来，学院与模思智能将依托联合实验室深化协同，持续探索从原创技术突破到产业价值实现的人才培养路径，推动更多青年成长为兼具研究能力、工程能力与创新意识的“研创型”顶尖人才。
