模思智能 привлекла свыше 1 млрд юаней на Pre-A для омнимодальной модели реального времени

Шанхайский стартап 模思智能 объявил 12 октября о закрытии раунда Pre-A на сумму свыше 1 млрд юаней. По текущему курсу это около 140 млн долларов. Лид-инвестором выступил 华控基金. Компания заявляет, что направит деньги на базовую модель для омнимодального (全模态) взаимодействия в реальном времени. Такая система должна воспринимать и выдавать текст, голос, изображение и видео в одном непрерывном потоке, без пауз между «услышал» и «ответил».

Сумма заметная даже для рынка, где крупные ранние раунды давно не редкость. Pre-A обычно измеряется десятками миллионов долларов, а здесь порядок другой. Инвесторы фактически финансируют разработку собственной фундаментальной модели, а не прикладного продукта поверх чужой.

Кто вложился

Список участников говорит о раунде не меньше, чем сама цифра. Помимо лидера 华控基金, в сделке участвуют 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 и 临港策源基金. Большинство из них связаны с государственным или региональным капиталом, в первую очередь шанхайским. Старые акционеры 元禾控股, 上海国投 через 上海科创集团 и 星连资本 вложились повторно. Эксклюзивным финансовым советником раунда и на дальнейший период назначен 多维资本.

Повторное участие прежних инвесторов обычно читают как знак, что команда выполнила обещания предыдущего этапа. Но компания публично не раскрыла, какие именно результаты это были.

Что известно о цели раунда

Заявленное направление — «база» (基座) для омнимодального общения в реальном времени. Этим термином в Китае называют фундаментальную модель, на которой другие компании строят приложения. Ключевое слово здесь «реальное время». Классический конвейер «распознавание речи, затем языковая модель, затем синтез речи» накапливает задержку на каждом шаге. Единая модель, которая работает с несколькими модальностями напрямую, способна отвечать быстрее и перебивать себя, когда пользователь вмешивается в разговор. Именно в эту сторону сейчас движутся и крупные лаборатории.

Исходный анонс в доступном виде обрывается на описании целей. Архитектура, размер модели, бенчмарки и сроки релиза оттуда не следуют. Поэтому всё, что выходит за рамки сказанного, остаётся предположением.

Что подтверждено:

• Раунд: Pre-A, свыше 1 млрд юаней (около 140 млн долларов).
• Лид-инвестор: 华控基金.
• Новые участники: 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.
• Прежние акционеры: 元禾控股, 上海科创集团, 星连资本.
• Финансовый советник: 多维资本 (эксклюзивный, на раунд и на долгосрочную перспективу).
• Назначение средств: омнимодальная модель взаимодействия в реальном времени.

Что смотреть дальше

Для тех, кто следит за китайским рынком, ближайшие признаки зрелости проекта довольно конкретны. Первое: появятся ли технический отчёт или открытые веса, по которым можно оценить задержку ответа и качество речи. Второе: назовёт ли компания первых заказчиков, например в голосовых ассистентах, умных устройствах или сервисах для компаний. Третье: как раунд повлияет на найм, ведь модели реального времени требуют и исследователей, и дорогих вычислений.

Разработчикам и продуктовым командам стоит пока просто добавить 模思智能 в список наблюдения. Пока нет API, документации и цифр, закладывать её в архитектуру рано. Инвесторам и аналитикам полезно сравнить условия раунда с другими китайскими игроками в мультимодальном сегменте. Если следующие шаги подтвердят амбиции, шанхайский кластер получит ещё одного претендента на роль базового слоя для голосовых и видеоинтерфейсов.