早期项目 | 字节、OPPO、一加三重背景产品人，将软硬一体写入底层，要让AI看懂世界

来源：市场资讯

（来源：36氪）

作者丨欧雪

编辑丨袁斯来

过去两年，主流AI交互依赖于输入框——用户先组织语言提问，AI再给出答案。

这种“对话式”交互效率极高，却与人类最自然的认知路径相悖。我们认识世界，从来不是从“提问”开始，而是从“看见”开始。

一家成立于2025年的年轻公司Chance AI，正在尝试解决这个问题。它提出了另一种AI产品形态——Visual Agent（视觉智能体），试图让AI从“回答问题”的工具，进化为“看懂世界”的系统。

Chance AI的创始人曾熙，路径横跨学术与产业。他在巴塞罗那大学获得博士学位，研究方向是认知科学与当代艺术，关注人类如何通过视觉理解世界。毕业后进入消费电子行业，在OnePlus、OPPO负责产品与设计，随后加入字节跳动，在Flow部门参与豆包等AI产品从0到1的探索。

之前的从业经历让他意识到一个结构性问题：大语言模型擅长“生成语言”和“回答问题”，但对于人类如何在现实世界中基于视觉形成判断，AI提供的支持仍非常不足。

2025年1月他从字节离开，3月注册公司，7月正式运营，9月上线首款产品Chance AI。

Chance AI以摄像头为核心交互入口，用户打开即可拍摄眼前事物，AI实时进行视觉推理。

在实际使用中，它被广泛用于逛展时解读艺术品、购物时分析穿搭、识别卡牌与潮玩版本、检测皮肤状态，以及拍菜单、识植物、看宠物等日常探索。曾熙向硬氪透露，目前大部分使用场景由用户自发挖掘，而非团队预设。

Chance AI被用于逛展时解读艺术品（图源/企业）

从技术来看，其Visual Agent在衡量多模态模型视觉推理能力的权威基准MMMU-Pro评测中取得86.07分，位居世界第一。

今年3月，Chance AI成为Art Central官方AI合作伙伴，这是AI首次进入国际大型艺术展会的“观看过程”。在现场，观众用摄像头对准艺术品，AI会实时参与观看，一边看一边交流。

AI首次进入全球大型艺术展会的“观看过程”（图源/企业）

支撑这一体验的是其刚推出的“Live模式”——实时视觉交互系统。与行业中已有的实时识别不同，其Live模式可以在实时视觉场景中，将知识检索、内容对比、上下文理解、多能力调度等多种视觉智能能力整合为一个完整的、具备实时响应能力的智能体。

Chance AI上线的Live模式使用场景（图源/企业）

截至目前，Chance AI全球总下载量超过20万，月活跃用户在4-6万之间。

曾熙透露，公司目前几乎没有进行市场投放，所有增长均来自自然传播，其核心用户是25岁以下的年轻人。

谈及未来规划，曾熙表示，2026年最重要的目标是在北美学生群体中进行更大规模的扩张。但这不是传统意义上的市场推广，而是深入用户社群，挖掘年轻人真实的使用场景。

与纯AI应用层创业者不同，这位拥有硬件大厂背景的连续创业者，从一开始就把“软硬一体”写进了产品路线图。曾熙认为，未来适合他们产品的硬件形态，应该是一颗包揽人们所有视觉信息的摄像头。

我们对曾熙做了访谈，聊了聊他对行业发展以及技术路线的看法。

以下是访谈节选：

硬氪：目前很多AI产品都有视觉能力，Chance AI的差异化优势在哪里？

曾熙：我认为接下来很难有一家独大的AI公司了，大家会分得很开。我们选择深耕视觉，是因为今天大家还没关注到，但未来会是主流。

我们的护城河不是模型多强，而是能多快跟真实用户交互。今天我们自己设计的功能不到20-30%，剩下都是用户告诉我们的——拍皮肤、看菜单、识别卡牌、吐槽……你要做到这些，必须跟用户离得足够近。我们曾经在6个小时内满足了一个纽约大学的潮流文化社团的需求，让他们能识别特定卡牌。这是Google或OpenAI做不到的。

硬氪：目前APP没有任何收费内容，未来的商业模式怎么走？

曾熙：我们目前有三个方向。第一，高级功能订阅，这是今年的计划。我们工程能力比较好，成本做得低，所以没有迫切的收费压力。第二，硬件授权，我们正在和一些硬件厂商聊，他们投入在硬件很难有时间打磨模型层之上的产品，这是我们擅长的。第三，广告推荐，但会非常谨慎。对我们来说，优先级最高的是先养成用户习惯——让用户看到什么都习惯性地先拍一拍。如果你成为一个入口级的产品，商业机会自然会出现。

硬氪：你们会自己做硬件吗？大概什么时候？

曾熙：看行业情况。当我们判断供应链成熟以后，一定会奋不顾身地杀进去。但更重要的是，我们不会为了做硬件而做硬件。

我们的本质是视觉推理能力，Live模式只是这种能力的一个展现。我们认为未来的随身AI硬件一定是一个摄像头，可以包揽你所有眼睛正在看的东西，然后提供下一步有价值的行动。这是我们跟所有现有产品的本质区别——我们的起点没有输入框，起点就是“看”。