模思智能宣布完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金等参与投资。

　　10亿元不是小数目，Pre-A轮拿到这个规模融资在当下AI融资环境中已不多见。模思智能押注的，是让AI同时处理语音、图像、、文本和环境信息，在不断变化的情境中理解人的意图，并实时回应或行动。

　　全模态实时交互智能正处在微妙的窗口期。模型能力、推理成本和硬件入口同时变化，让AI走出屏幕，从概念走向工程。不少AI公司开始关注“实时交互”——如美国AI公司Runway将“实时交互”世界模型放在战略核心位置；字节跳动发布SeedRealtime音全双工大模型，接入豆包App，主打实时多模态交互。

　　赛道热度上升，技术路线和场景选择或许各有不同，但一个共识正在形成：如果AI要进入真实世界，交互层是绕不开的基础设施。也正因此，交互层已经成为下一代AI的竞争焦点。

　　模思智能的融资节奏很快。2026年4月，其宣布完成数亿元天使轮融资，资方包括IDG资本、元禾控股等。仅半年后，Pre-A轮超10亿元融资落地。

　　据

　　为了落地这套能力，模思智能即将发布MOSS Live，由前端交互模型和后端能动性模型协同工作：前者持续看、听、说，后者负责复杂推理和任务执行，让AI在处理任务的同时，仍能保持与人的实时交流。事实上，过去半年多，模思智能围绕语音、

　　这个方向并不缺参与者。不少国外AI创业公司也纷纷找到全模态实时交互这个创业方向。美国AI公司Runway在去年底推出通用世界模型GWM-1，并于今年陆续发布实时智能体Characters和可交互世界GWM Worlds 2，同样将“实时交互”作为核心方向。Runway官方明确指出，“文本输入框的时代正在结束”。

　　国内，字节发布SeedRealtime音全双工大模型，试图证明“全模态实时交互”不仅是技术方向，而且已经具备在亿级用户产品中规模化落地的条件。

　　国内大模型市场正在经历一轮结构性变化。多模态仍是核心主线，头部模型Token调用量持续跃升，国产模型在、音频生成领域实现局部反超。模型能力、推理成本和硬件入口同时变化，AI进入现实世界开始从想象变成工程问题。

　　但工程问题不等于商业问题。工信部信息通信经济专家委员会委员盘和林在接受

　　“实时交互智能是成熟产业，但加入多模态就变得非常复杂，属于独立的赛道。比如智驾，本质上也属于全模态实时交互智能，只不过收集的信息来自于车辆

　　在落地应用节奏上，盘和林判断，AI眼镜的速度应该是最快的。他认为，若在眼镜端做解读与生成，所需AI模型体量过大；相较而言，AI语音交互对应的模型体量更小、更易落地，因此AI眼镜会优先推进语音交互方案。

　　这一判断的关键变量，其实指向了更远的一层。盘和林指出，能否实现多模态下的交互新场景，重点不是对人类语言做出响应，而是对机器

　　实时交互的成熟度存在明显分层。语音交互已是成熟产业，而一旦加入

　　全模态的方向不是选择题，但落地节奏是。资本愿意为下一代AI下重注，但下一代AI的定义仍在持续演变。此外，实时交互要想跑通商业化，核心不在于更强的模型，而是场景、硬件、成本、用户习惯的同步成熟。