資本重倉端側物理AI:前海母基金數億元押注,Om AI聯匯加速端側AI商業化落地
重點摘要
Om AI 聯匯完成數億元新一輪融資，由前海母基金領投，資金將用於VLX模型迭代與物理AI商業化。公司開源VLX-Seek 1.5端側多模態模型，其3B參數版本在無人機具身場景準確率提升62.9%，目標誤報率降低74.8%。目前其端側AI已於AIPC、具身智能及視障輔助等場景規模化落地，平台月均AI調用量達千萬次。
杭州聯匯科技股份有限公司（Om AI 聯匯）近日正式宣布完成新一輪數億元融資，本輪由前海母基金加碼領投，杭州政府產業基金與多方資本協同參投。與此同時，公司同步開源VLX-Seek 1.5端側原生細粒度感知多模態模型，該模型以同參數級超越英偉達核心模型的硬核性能，進一步鞏固其在端側AI領域的技術領先地位。據了解，本次募集資金將主要用於VLX模型系列技術迭代、深化研發壁壘，以及加速物理AI場景的商業化落地進程。 當前AI產業正從雲端算力競賽逐步轉向端側場景落地，物理AI已成為市場關注的核心風口。前海母基金此次戰略入局，充分印證資本市場對Om AI聯匯技術實力、商業模式與行業前景的長期價值判斷。作為全球物理AI領域的先鋒企業，Om AI聯匯率先提出業界首個物理AI「端側原生」流式多模態模型概念，並基於自研的VLX模型基座，建構起「持續感知、精準定位、行動決策」的全鏈路技術閉環，為終端設備賦予真正具備即時反應能力的智慧核心。 本次開源的VLX-Seek 1.5模型亮點突出，其3B參數版本在多項核心指標上超越英偉達LocateAnything-3B，尤其在無人機具身場景中，準確率大幅提升62.9%，目標誤報率則降低74.8%。這項突破意味著端側AI在複雜動態環境下的感知與判斷能力已達到新的高度，也為物理AI在工業巡檢、智慧交通、無人系統等領域的規模化應用提供了更可靠的技術支撐。 在商業化層面，Om AI聯匯正加速完成端側AI的全鏈路產業閉環。基於VLX核心基座的「一腦多形」能力已實現多場景規模化落地，公司聯合聯想、蘋果推出適配AIPC硬體的「OttoBox AI Studio」，將端側多模態感知能力嵌入個人電腦，讓終端設備具備更智慧的互動體驗。同時，公司也與頭部具身智能企業展開深度合作，為各類終端設備賦予感知、記憶與決策能力，推動機器人、無人載具等實體設備從「被動執行」走向「主動理解」。 此外，Om AI聯匯自研的可穿戴AI視覺中樞Homer AI已服務全國近十萬視障用戶，平台月均AI調用量達千萬次，商業化進程穩居行業前列。這項應用不僅展現端側AI在民生領域的社會價值，也驗證了公司在垂直場景中將技術轉化為實際產品力的能力。從個人電腦到可穿戴設備，再到具身智能終端，Om AI聯匯正以多路徑並進的方式，將端側AI技術滲透至不同產業場景。 Om AI聯匯CEO趙天成表示：「未來，公司將持續深耕端側原生技術創新，堅持開源賦能開發者生態，聯動全產業鏈共建開放、協同的物理AI產業生態，推動端側AI場景普惠化應用，為中國人工智能產業高質量發展注入持續動力。」這番表態也揭示公司未來的雙軌戰略：一方面持續強化底層模型研發，另一方面透過開源與生態合作，擴大技術影響力與應用覆蓋面。 從產業角度觀察，端側AI的崛起代表著人工智慧從「集中式運算」走向「分散式智慧」的關鍵轉變。過去幾年，AI的發展高度依賴雲端大規模算力，但隨著終端設備效能提升、隱私保護需求增強，以及即時回應場景日益增多，將AI能力直接部署在設備端已成為不可逆的趨勢。Om AI聯匯所提出的「端側原生」概念，正是回應這一趨勢的核心技術路線，強調模型從設計之初就針對終端設備的算力、功耗與延遲限制進行優化，而非將雲端模型簡單壓縮後移植。 此次融資的完成，也為Om AI聯匯在物理AI賽道的持續擴張提供更充裕的資金動能。前海母基金作為具影響力的產業資本，其加碼投資不僅是對公司現有技術與商業成果的肯定，更傳遞出資本市場對端側AI長期價值的明確訊號。隨著資金到位，Om AI聯匯可望進一步擴大研發團隊規模、加速模型迭代節奏，並深化與產業夥伴的合作層級。 整體而言，端側物理AI正處於從技術驗證走向規模化落地的關鍵階段，Om AI聯匯以開源策略降低開發者使用門檻，以「一腦多形」架構拓展應用邊界，並透過實際落地案例累積場景數據，形成技術、產品、商業三者相互驅動的正向循環。在AI產業競賽從雲端延伸至終端的當下，這家杭州企業的下一步動向，值得市場持續關注。
Related
相關文章
超7萬億，DeepSeek V4 Flash單週調用量登頂全球第一
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作超7萬億，DeepSeek V4 Flash單週調用量登頂全球第一36氪的朋友們·2026年08月05日 15:41僅8月1日一天，DeepSeek V4 Flash單日處理達8萬億Token。 多模型聚合平臺OpenRouter發佈的全球AI大模型調用量周榜單（7月27日至8月2日）顯示，DeepSeek V4 Flash以7.22萬億Token的調用量位居第一。 另據開源項目團隊OpenCode發文，其平臺上DeepSeek V4 Flash的調用量大幅飆升，僅8月1日一天，模型單日處理達8萬億Token。其中，5萬億為免費試用額度消耗，3萬億為開發者通過OpenCode平臺付費使用。 OpenRouter數據顯示，上週全球AI大模型總調用量為56.8萬億Token，環比下滑2.07%。上榜的AI大模型中，中國AI大模型周調用量達28.13萬億Token，環比下滑14.76%。同期美國AI大模型周調用量為4.38萬億Token，環比增長87.18%。中國大模型周調用量已連續十四周超過美國，穩居全球首位。 8月5日，界面新聞查詢OpenRouter本週榜單看到，截至發稿，DeepSeek V4 Flash 042
對話盛穎：xAI，Infra的浪漫，SGLang，開源，平權與“甄嬛傳”
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作對話盛穎：xAI，Infra的浪漫，SGLang，開源，平權與“甄嬛傳”硅谷101·2026年08月05日 15:39“構建下一代AI” 她是xAI前推理團隊負責人。 她研究併發起的開源推理引擎SGLang，已經成為眾多大模型部署和推理的重要底層工具，也是目前AI infra領域最具影響力的開源推理框架之一。 她本科畢業於上海交通大學ACM班，之後先後在哥倫比亞大學、斯坦福大學取得計算機科學碩士和博士學位。她的研究經歷橫跨算法、形式化驗證和大模型系統。 她就是我們此次的採訪嘉賓——盛穎。 大模型浪潮興起之後，盛穎作為LMSYS開源社區的核心成員，參與推動了一系列具有行業影響力的項目。 之後，盛穎加入xAI，共同領導Grok的推理團隊，將開源研究帶入全球最前沿的大模型工程實踐。如今，她從SGLang開源生態中孵化出創業公司RadixArk，希望把只有少數科技巨頭才能擁有的前沿AI基礎設施，變成整個行業都可以使用的開放技術底座。 RadixArk創立之初便完成1億美元種子輪融資，投資方几乎集齊了硅谷所有的算力巨頭和技術領袖人物。 這次對談，我們從盛穎眼中的數學之美、論文和低谷，聊到SGLang、xAI與RadixArk
清華唐傑團隊揭示大模型記憶全景
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作清華唐傑團隊揭示大模型記憶全景量子位·2026年08月05日 15:35LLM記憶架構全景圖，萬字長文解構大模型記憶機制 近年來，大語言模型（LLMs）的突破很大程度上歸功於Scaling Laws（參數、數據、算力）。 然而，在模型演進的過程中，一個同等重要的維度正變得愈發關鍵——記憶（Memory）。 從Transformer中伴隨計算產生的KV Cache，到線性RNN/SSM的隱式狀態壓縮，再到近期大火的Titans、TTT（Test-Time Training）以及Engram等顯式、可持久化記憶模塊，大模型的底層記憶機制正在經歷一場深刻的範式轉換。 基於此方向，清華大學唐傑教授團隊、新加坡國立大學（NUS）以及Bosch AI聯合發佈了一篇針對大模型記憶架構前沿的詳盡綜述。文章不僅首次提出了三維記憶分類學（Representation, Update Dynamics, Persistence），還將零散的前沿工作統一到了一個連貫的理論框架下，為下一代更高效、可長效學習的LLM設計指明瞭方向。 這裡需要特別澄清的是，本文探討的“記憶”特指模型架構層面的內部記憶（Architectural-level M
世界銀行：新興經濟體應儘快擁抱 AI，但沒必要與富裕國家比拼數據中心、大模型
世界銀行認為，新興經濟體沒有必要與富裕國家比拼大型數據中心和大語言模型。相比之下，推廣經過本地化調整的小型低成本 AI 工具，更有可能改善醫療服務和教育質量。
114B參數、6B激活，Sand.ai剛剛開源全球首個千億MoE視頻生成模型
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 114B參數、6B激活，Sand.