当前位置:首页 > 最新文章 > 正文

美图发展视觉智能体,Chance AI 获数百万美元天使轮投资。

摘要: 美图公司领投,Chance AI完成数百万美元天使轮融资,该公司主打产品Visual Agent为全球首款以摄像头为主要交互入口...
美图公司领投,Chance AI完成数百万美元天使轮融资,该公司主打产品Visual Agent为全球首款以摄像头为主要交互入口的AI应用,能识别拍摄画面的视觉语义并提供判断与执行方案,旨在填补“看到处境-理解意图-提供方案”的链条空白,推动AI从“对话助手”向“具身智能”过渡。

2025年5月20日,一家名为Chance AI的创业公司正式对外宣布,已完成数百万美元的天使轮融资,这轮融资由影像处理领域的知名企业美图公司领投,NYX Ventures以及阿里系的数家投资机构也参与了跟投,据悉,这笔资金将重点用于下一代视觉模型的迭代研发、在北美学生群体中的用户扩张,以及社区功能与早期商业模式的探索。

Chance AI成立于2025年,核心团队此前在计算机视觉和人机交互领域拥有多年积累,公司推出的主打产品,是全球首款以“摄像头”作为主要交互入口的AI应用——Visual Agent(视觉智能体),与市面上多数依赖文本或语音输入的AI助手不同,Chance AI力图让用户“所见即所得”:只需要打开应用,对着眼前的场景、物体或文字直接拍摄,系统就能迅速识别画面中的视觉语义,理解用户可能存在的意图,并据此给出详细的判断、实用的建议,甚至是一步一步可执行的操作方案。

换句话说,当你在异国街头面对一份看不懂的菜单时,不必艰难地手动输入菜名,打开Chance AI对准菜单拍一张照片,系统不仅会翻译上面的内容,还能根据你当下的偏好(比如是否忌辣、是否在减肥)进行推荐;当你在二手市场淘到一件老家具却不知道它的年代与构造,拍下一张照片,系统会分析它的材质风格,告诉你维护要点以及可能的翻新方案。

从场景落地层面看,Chance AI所切入的视觉智能赛道,正是当前AI从“对话助手”迈向“具身智能”的关键过渡领域,过去几年,大语言模型主要围绕理解和生成文本而展开,但物理世界中绝大多数信息都以图像、影像、手势与视觉环境的方式存在,Visual Agent恰好填补了“看到处境-理解意图-提供方案”这一链条中的工具空白,在Chance AI的实际演示案例中,学生可以反复拍摄自己的作业或实验器材,直接获得分步骤讲解答题思路(而不只是答案本身);爱好者在进行手工制作、烹饪装修等“以眼为准”的任务时,也能借助摄像头获得近乎一对一辅导级别的指引。

美图公司此次以领投方身份进入,既有财务层面的资金投入,也在应用场景和算力资源方面提供了协同支持,作为一家长期深耕影像美化与AI视觉的公司,美图近年来不断加大在垂直AI领域的布局力度,此次投资Chance AI,可以被视为美图从“静态图像美化”转向“实时环境理解与智能辅助”的信号,对Chance AI而言,这笔来自与视觉高度相关的老牌厂商的战略资源,除了资本层面的意义,还可能显著加速其模型在移动设备端的适配效率和服务器端推理速度。

从更宏观的视角看,Visual Agent赛道正在经历阶段性爆发,业内认为,到2026年,全球基于视觉的AI应用数量可能会出现翻倍的浪潮,随着手机摄像头的硬件升级、边缘端算力增强以及多模态大模型的成本下降,像Chance AI这样完全以摄像头为入口的智能体形态,有可能率先改变用户与设备交互的方式——从寻找、打字、询问,到干脆“掏出来拍一张”,这是ChatGPT或Siri诞生以来操控逻辑的一个值得留意的转折点。

与市面上其他以文本或语音对话作为交互重心的AI不同,Visual Agent的核心特色在于:用户不必组织语言,也不必明确描述“我想要什么”,因为大部分视觉场景下的需求往往不需要语言这种中介,想了解眼前植物的养护方法,想判断一款修复剂的成分是否安全,想对比两件商品的年代区别——真正的使用边界不是AI能多大程度上“理解话语”,而是摄像头能多迅速地识别真实世界的信号。

对于尚处在早期阶段的创业公司而言,大规模的北美学生增长计划也将是一个测试点,Chance AI团队在沟通中透露,产品从最开始的实测数据来看,在北美高校和文化多样性强的大城市用户中自然转发率较高——尤其是文科、艺术类和设计类专业学生,经常使用Visual Agent辅助完成田野调查、展览解读和手工项目辅导,能支持多达十余种语言的视觉语义还原能力,再加上本地化内容适配,是他们将下一个阶段用户增长的圆心放在北美校园的逻辑所在。

虽然现阶段依然没有透露关于具体估值和投资细节的更多数字,但这几百万美元在目前的融资环境下,依然向赛道内外释放了一个信号:无论是资本还是战略型企业家,都正在将视觉智能体视为对话机器人之后,AI落地的“下一个具身化入口”,Chance AI能否借助这一时机,以最快的速度在全球站稳脚跟,就取决于其模型更新与社区规模的叠加速度了。