作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，宠物大模型健康公司重庆绮算法科技有限公司（以下简称“绮算法”）、智谱“Z计划”生态企业，近日完成数千万元融资，投资方为启赋资本与聚恒创投。本轮资金将主要用于产品迭代、模型能力深化及市场拓展。 绮算法成立于2022年7月，是一家聚焦宠物健康领域的大模型科技公司。依托多模态大模型能力，公司已打造一个融合线上线下、软硬件协同的宠物健康品牌。 绮算法创始人陈立毕业于英国国王学院，为Qlalgorithm Lab研究员，同时也是连续创业者；技术合伙人刘煜东为宾夕法尼亚大学博士，长期从事AI医疗方向研究；另一位技术合伙人邓子豪毕业于宾夕法尼亚大学，专注于新一代边缘计算技术。 此前，在智谱专业模型能力与“小暖医生”业务资源支持下，公司已围绕宠物医疗场景搭建起一套垂直化、可落地的AI模型体系。 宠物医疗领域，由于缺乏系统化的循证数据，加上宠物无法主动表达症状，诊断难度较高。陈立介绍称，绮算法基于数千万份宠物病历、医学影像及行为数据进行模型训练。相比通用大模型，更理解宠物医疗中的品种个体差异、症状表达与诊疗逻辑；模型不仅能够输出诊断结果，还能提供诊断依据、风险提示、决策路径及解决方案，更贴近真实医疗场景需求。 同时，公司采用“云端大模型+边缘端NPU部署”的软硬件一体化方案，使AI能力能够真正进入宠物医院、宠物智能穿戴设备与家庭场景，而非停留在简单问答层面。 业务推进上，公司已完成多项大模型相关专利、备案及互联网医院牌照申请，在合规与专业资质层面取得阶段性进展。 目前，绮算法的辅助问诊系统已实现医生接诊辅助功能，并免费向宠物医生开放使用。陈立介绍称，平台已累计服务超百万次，合作医院超过200家，注册使用医生约3000人，平台日活跃用户接近5000人，已经形成相对稳定的数据回流与模型训练闭环。 具体而言，医生可借助AI问诊模型提升日常接诊效率，而在使用过程中产生的数据，也会持续反哺模型训练。与此同时，公司与宠物医院的合作不仅停留在系统接入层面，还进一步延伸至诊疗服务推荐。用户完成问诊后，平台可基于互联网医院牌照能力，为用户提供药品推荐、医院转诊等后续服务，从而形成“问诊—诊疗—用药—数据回流”的完整链路。 硬件方面，公司在早期便推出帕奇宠AI智能项圈，目前已迭代至3.0版本。 相比此前方案，新一代产品已实现全端侧运行，无需额外主机设备，并在边缘计算功耗控制与算法稳定性方面完成优化。 该项圈重量仅19克，主要面向猫狗场景，是“全球最轻的宠物智能穿戴设备”，累计销量已接近2万台。 产品可自动完成宠物定位、实时姿势预测、状态识别、运动、进食及睡眠追踪等功能，用户无需额外操作即可获取基础健康数据。 （图源/企业） 除智能项圈外，公司AI喂食器已完成1000台预售，实现专属科学喂养。主打AI自动预警与监护的AI ICU等产品也已开始在超过30家宠物医院场景中逐步落地。 （图源/企业） 此外，在情绪陪伴场景中，公司还与OPPO达成合作。 以OPPO官方主题商店为例，其AI宠物桌面壁纸功能便采用了绮算法提供的相关接口能力，覆盖超过数十万用户。 接下来，绮算法计划进一步打造宠物行业的问答搜索推荐引擎，希望成为宠物健康管理领域的基础设施平台，为每一个毛孩子提供专属的健康管理与服务。 以下为访谈节选（略经编辑）： 硬氪：宠物品种繁多，“千宠千面”会不会导致模型泛化能力难以建立？ 陈立： 我们目前主要有两种解决方案。第一，随着用户规模持续增长，我们的基础模型会越来越准确。因为宠物行为、品种和生活环境的数据覆盖度会不断提升，所以模型的泛化能力也会持续增强。 我们支持用户进行个性化AI训练。比如有些宠物的行为习惯和标准数据存在差异，用户只需要上传一段视频进行反馈，我们就能快速完成针对性的行为学习，并在几分钟内生成专属模型下发给用户。 硬氪：绮算法在宠物智能硬件行业中的核心差异化优势是什么？ 陈立： 首先是团队背景和技术积累。我们的核心团队长期从事AI医疗、多模态模型和边缘计算方向研究，这在宠物AI赛道里相对少见。公司并不是简单做方案整合，而是从底层算法、框架优化到硬件设计均实现自主研发。目前除芯片外，软硬件、算法、框架以及端侧部署能力都由团队自研完成。 更重要的是，在宠物模型这个从投入产出来看性价比并不高的领域， 我们已经打通了从行为数据采集、分析解读、健康报告生成，到药品推荐、医院连接以及医疗数据回流的完整闭环。 建立了较高的技术壁垒，这是新的创业公司很难复制的。 行业里很多公司可能只停留在单点功能，我们更希望构建一个真正可持续运转的宠物健康基础设施。 硬氪：接下来公司有哪些规划？ 陈立： 未来我们会重点打造宠物行业的问答搜索推荐引擎，希望成为宠物健康管理领域的核心入口和基础设施。目前宠物营养行业还比较缺乏循证医学支撑，很多产品配方更多是依赖经验。我们希望通过长期的数据积累，逐步建立更科学、更数据化的宠物健康推荐体系。比如通过分析宠物进食时长、频率、活动状态等行为数据，为用户提供更精准的健康和营养建议。
文｜周鑫雨 编辑｜杨轩 一句话介绍 成立于2025年6月的“涌跃智能”，是《智能涌现》曾报道过的AI创业公司 。 其旗下产品Loopit，好比“可以玩的抖音”，是一个面向C端的AI互动内容平台，覆盖可交互内容的创作、分发和消费。 基于自研的“AI Coding+多模态生成”的互动引擎，用户既可以与社区中的内容互动，也可以创作、发表支持图像、语音、视频、3D等全模态可交互互动内容。 团队介绍 “涌跃智能”创始团队，主要出身于“AI六小虎”百川智能的核心团队。 “涌跃智能”联合创始人兼CEO陈炜鹏，前百川智能的联合创始人兼大模型负责人，主导了BaiChuan 1-4等大模型的训练。 此前，他的职业路径横跨搜索、推荐与社区产品——从搜狗的搜索与信息流，到Soul的内容社区，一直围绕分发与内容形态演进展开。 融资进展 近期，“涌跃智能”完成了新一轮融资，金额为5000万美元。 该轮融资由全球头部游戏厂商Garena领投。 本轮投资阵容还包括 经纬创投、蓝驰创投、渶策资本、柏睿资本等 机构，高鹄资本担任独家财务顾问。其中天使股东经纬创投为第4次加码。 2026年以来，“涌跃智能”已经连续完成了3轮融资，累计金额近1亿美元。此前，投资方还包括天使股东耀途资本、钟鼎资本等机构。 产品及业务 2026年才过了1/3，“涌跃智能”就连续完成了三轮融资。资本市场火热，背后是Loopit所代表的AI应用赛道的兴起： AI互动式内容平台 。 在Loopit创作端，用户可以通过文字输入创意，生成可互动的mini-App，也可以基于其余用户创作的内容进行remix（魔改）； △Loopit支持复杂互动内容的创作。图源：受访者供图 在消费端，产品采用单列Feed流进行分发，将互动体验封装进统一内容卡片中，降低用户参与体验的门槛。 △左：Loopit创作后台；中：Loopit首页Feed流；右：Loopit内容分区。图源：产品界面 在众多互动内容产品中，Loopit是增长最为迅猛的产品之一：正式上线（2026年2月10日）不到24小时，用户制作互动内容就在X上被马斯克评论转发； 《智能涌现》独家获悉，上线两个月以来， Loopit的全球注册用户规模达到了近200万 ，其中北美用户超过半数； 产品次日留存从早期的30%，上升到超过50% ，用户创作率达到30%。 实现用户新增、留存和消费时长的同时增长，陈炜鹏告诉《智能涌现》， Loopit核心做对了两件事 ： 一方面，不断拓展互动内容的体验边界；另一方面，持续降低互动内容创作的门槛。 围绕增强“体验”，近期Loopit拓展了 “联机内容”的创作 ，支持多人互动内容的生成和发布。 陈炜鹏观察到，近几年来，用户对“体验”有个更深的需求：“人与内容的关系，从人观看内容，发展为人与内容互动，现在又扩展到人和人之间通过内容产生联系。” 比如，在Loopit平台上，有用户生成了一个全网聊天室，支持多人视频连线；也有网友制作了多人可以参与的闯关游戏。 △用户生成的联机闯关游戏。图源：作者体验 增强内容体验的同时，在陈炜鹏看来， 底层技术足够通用、内容生成的门槛足够低 ，是激发用户创作欲、���足用户探索欲的前提。 陈炜鹏认为，支持 “许愿式创作”，是驱动用户创作的核心之一 。即便用户尚未形成成熟的创意、没有创作目的，也能通过描述大致的创作需求，生成互动内容。 比如，用户只需要输入“90年代TV”，Loopit的创作引擎也能在几分钟内完善创意，生成一个可以调频道的互动内容。 △许愿式创作。图源：作者体验 Loopit背后的互动内容创作引擎，是团队自研的Coding驱动多模态生成架构，支持涵盖语言、图片、语音、视频、3D等全模态的互动内容生成。平均经过3轮对话，用户就能创作出模态、交互形式较为复杂的内容。 据陈炜鹏介绍，这一套架构，本质上是一个通用的Coding Agent与一个通用的多模态Agent的组合，“这套技术实现的门槛非常高，Coding和多模态的生成都在互相约束”。 可以看见，互动内容平台，已经成为当下最火热的AI赛道之一。陈炜鹏认为， Loopit的差异化在于，产品更为通用。 “不少产品或聚焦在小游戏、社交等具体场景，吸引的也是某一圈层的用户。”他不希望在早期就将Loopit的定位限定“死”，“我们把底层能力做得足够通用、创作的门槛降到足够低，是为了让每个普通人的创意涌现出来。” 商业模式 陈炜鹏对我们坦言，现阶段对Loopit而言，谈商业化还为时尚早：“ 过早讨论一个社区型产品的商业化，是不专业的、不懂社区的行为。 ” 在陈炜鹏看来，产品仍在快速演进阶段，未来的商业模式很大程度上会与用户结构深度绑定，而当下的任何设计，都未必能完全匹配未来。 团队更关注的是另一件事：用户是否愿意在Loopit上持续停留，以及是否在这里产生足够深的体验。“只要用户的时间和体验深度成立，商业化的答案是可以被自然推导出来的。” Founder思考 过去分发的是信息，未来分发的是体验。 过去用户和内容的关系是观看，今天的关系变成了体验和参与。用户参与内容的形式又可以分成两种：一种是人参与内容，另一种是人与人通过内容产生连接。 AI时代，做70分但通用的产品，别做90分但垂直的产品。 做90分的产品是有代价的，你会过早收敛产品的形态。在技术不完全ready的情况下，做一个90分的垂类产品会错失未来智能增长红利。 大部分Agent看起来相似，真正拉开差距的是底层抽象能力。 底层抽象能力不仅决定了系统当前能完成多复杂的任务，也决定了未来是否具备持续扩展和演化的空间。 过早把产品边界定义得过于狭窄，往往会与未来技术的发展脱节。 在互动内容赛道中，如何定义边界、从哪些人群切入，本身仍然没有共识。 不少产品选择聚焦单一场景，例如小游戏或小发明。这种路径对技术能力的要求更集中，但也意味着对内容深度和完成度的预期更高，边界更容易被锁死。 Loopit则选择另一条路径——以“Make everything playable”为核心，构建一个通用的UGC表达平台。我们更看重底层能力的通用性，以及尽可能放大创作的可能性。 对于内容平台而言，真正重要的不是某一个具体场景，而是能否持续激发创意的涌现，从而不断产生让用户产生“Aha Moment”的内容。 产品内容越复杂，内容入口就要越简单。 很多早期用户规模不小的产品最终做不大，除了市场空间限制，一个重要原因是入口过于复杂。 好的内容平台往往遵循同一原则：把复杂性封装在内容里，而不是暴露在入口上。 每一代优秀的产品设计，本质上都是技术驱动下的抽象升级。例如Feed流的出现，让用户始终在同一个认知框架内完成消费与切换，从而降低使用成本、提升分发效率，并放大平台的整体规模。 在大模型时代，这一逻辑进一步成立：产品不再由功能定义，而是成为承接能力涌现的载体。 欢迎交流！
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，国内全自研GPGPU创新企业「北京行云集成电路有限公司」（以下简称“行云”）宣布连续完成Pre-A及Pre-A+多轮融资，融资金额超4亿元人民币。五源资本、赛富投资基金、春华资本联合领投，以及北京、江苏等地方国资、佰维存储（688525）、金沙江联合带动知名GPU企业创始���家办、创维资本等产业资本跟投。云岫资本连续多轮服务并担任下一轮独家融资财务顾问。 北京行云集成电路有限公司成立于2023年8月，专注针对大模型的新一代推理芯片，致力于使用非3D DRAM架构打造超大显存规格、CUDA兼容的全自研GPGPU产品，推动AI大模型推理的普惠化。 行云创始人季宇博士，清华大学计算机系博士，“华为天才少年”计划的一员，曾在华为海思深度参与昇腾AI芯片的编译器与架构研发。CTO余洪敏博士，中科院半导体所博士，曾主导百度昆仑芯、海思昇腾等多款芯片的研发与量产，拥有十余款芯片成功流片经验。 当前，在大模型架构持续演进的背景下，算力系统的瓶颈正在发生结构性变化。 季宇在接受硬氪采访时表示，当前算法侧的演进正在重塑硬件设计逻辑。以MoE（Mixture of Experts）为代表的稀疏模型，在计算效率上更具优势，但需要预先加载更多专家参数，使得整体对内存容量的需求显著高于传统Transformer稠密模型。 大模型（千亿/万亿参数）的显存需求已从GB级跃升至TB级，这一过程中，系统成本结构也随之重构——按GB计价的显存成本，正逐步超过算力芯片本身，成为主导项。因此，“降本的关键已经不在算力，而在显存”季宇称。 基于这一判断，行云选择了一条与主流路径不同的技术路线： 放弃成本高昂的HBM（高带宽内存），转而采用LPDDR乃至NAND（SSD颗粒）等更低成本的存储介质作为显存介质。通过介质替换，使显存成本降低1到2个数量级。 但低成本介质也意味着单颗粒带宽较低。为弥补这一短板，行云在架构上采用多颗粒、多通道并行的设计，通过规模化堆叠将整体带宽提升至TB级别，以满足大模型推理对数据吞吐的需求。 季宇表示，随着稀疏化和MoE架构的发展，模型对带宽的绝对需求正在下降，系统设计不再需要一味追求极致带宽，而是可以通过软硬件协同，实现成本与效率之间的平衡。 这种思路也体现在行云的整体技术策略中。季宇强调，公司真正的稀缺性并不在单一芯片指标，而在于系统级的设计能力。通过诸如Prefill/Decode分离（PD分离）、KV Cache稀疏化等工程手段，行云能够更灵活地适配AI应用形态的快速变化，从早期的Chatbot到当前逐步兴起的Agent场景，降低因芯片研发周期较长所带来的技术滞后风险。 产品验证层面，行云此前推出的“褐蚁一体机”，已尝试用CPU与通用内存构建低成本推理方案，验证稀疏模型在非高端硬件上的可行性。目前，该方案已在DeepSeek的本地化部署场景中落地。 （图源/企业） 接下来，公司将把重心转向自研芯片的推进。季宇表示，公司今年的核心目标是完成芯片流片，并尽快推向市场，以芯片产品作为商业化的主要抓手。 当下，Open Claw的现象级传播也揭示了市场对消费级硬件承载高质量AI的巨大需求。 季宇表示，行云希望通过其芯片产品，将低成本、高质量的万亿级模型算力真正落地到如龙虾机等端侧设备，突破当前端侧仅能运行100B小模型的局限，为消费电子市场打开新的想象空间。 CTO余洪敏表示，行云的设计优先级已从追求单芯片极致性能，转变为从板级系统角度追求可扩展性与供应链稳定性。通过分布式设计和采用成熟工艺与低成本存储，在系统层面实现成本最优与性能体验一致，这是公司实现算力普惠的重要基础。 投资方观点 峰瑞资本副总裁李罡表示： 作为天使轮投资人，行云团队从23年创业开始，对AI芯片（特别是大模型环境下的AI芯片）有着极为前瞻的视角和思路。在近三年的模型和应用的快速变化中，我们看到行云针对下一代通用大模型的芯片方案和前瞻的设计思想，不断得到验证，始终领先时代半步。 五源资本表示： 行云是AI芯片领域少有的‘第一性原理’思考者，季宇博士24年就前瞻性地洞察到MoE稀疏架构下硬件瓶颈从算力向显存迁移的结构性转变——放弃HBM、以LPDDR乃至NAND重构显存成本，不是渐进优化，而是通过系统级的软硬件协同设计能力推动行业范式创新。2026年以来随着AI模型coding和agent能力持续增强，AI推理需求爆发，OpenClaw等Agent的现象级破圈，正在将推理算力需求从云端拉向多端，从程序员推向大众，高效低成本的推理能力成为行业刚需。伴随未来推理需求的指数级增长，行云的技术路径将成为推动算力普惠的重要基础设施。 赛富投资基金负责科技赛道的管理合伙人蒋驰华表示： 在AI大模型向万亿参数演进的过程中，降本的关键已经不在算力，而在显存和系统的架构，特别是在国产算力受限的前提下。季宇和行云团队展现出了罕见的系统级工程视野，他们跳出了盲目堆砌HBM的行业定式，通过LPDDR/NAND等介质替换与并行架构设计，将显存和系统成本打下来一到两个数量级，进而实现单Token成本极值，符合行业演进的方向。我们始终聚焦AI与具身智能领域的底层颠覆者。行云兼具前瞻的架构创新与扎实的落地能力，赛富很荣幸能在这一轮重仓支持。我们期待行云的新一代推理芯片彻底重构算力成本模型，真正实现大模型推理在云端与端侧的全面普惠。 春华资本表示： 在国产算力生态加速构建的大背景下。行云敏锐地将设计重心锚定在显存成本重构上，以LPDDR与NAND替代HBM、通过多通道并行架构弥补单颗粒带宽不足，本质上是在重新定义推理芯片的成本架构。季宇博士对AI芯片架构的演进方向有着超越行业惯性的深度思考，他对‘降本关键在显存而非算力’的判断，始终领先行业共识半步，且每一步都在被市场持续验证；余洪敏博士作为从海思昇腾到百度昆仑芯一路走来的芯片老兵，对芯片从设计到量产的每一个环节都有实战积累。这种‘敢想’与‘能做’的结合，让行云具备了从架构创新到产品交付的完整闭环能力。我们期待行云的首颗自研芯片顺利流片，开启AI推理算力的新一轮成本革命。 佰维存储科技股份有限公司副总经理王灿： 在大模型从通用AI向Agent形态演进的发展阶段，季宇博士展现了极具前瞻性的系统级洞察。他精准地识别出：大模型推理的结构性瓶颈已不再仅仅是算力本身，而是制约规模化落地的更低成本的存储。行云的核心逻辑非常清晰——通过介质替换与架构创新，以低成本的LPDDR乃至NAND介质挑战昂贵的HBM霸权，这不仅是物理介质的更迭，更是对大模型推理成本结构的底层重构。围绕这一核心路径，行云构建了极致的软硬件协同设计，通过PD分离、分布式扩展等手段，在系统层面实现了性能与成本的平衡。芯片行业，工程经验决定了从‘实验室架构’到‘商业化量产’的跨度。行云团队在昇腾、昆仑芯等顶尖项目上积淀的深厚流片与量产经验，是其确定性的来源。在AI Agent爆发的当下，我坚信行云能够真正击穿算力成本，让高质量的万亿级模型实现真正的算力普惠。