这家AI公司把摄像头当眼睛，20万年轻人已经上瘾

人类认识世界，从来都是从"看见"开始，而非"提问"。

但过去两年，主流AI交互偏偏反着来——用户得先在输入框里组织语言，AI才肯开口。这种对话式交互效率不低，却像逼着一个视觉动物退化回文字时代。

2025年成立的Chance AI想把这个顺序颠倒回来。它不做聊天机器人，而是做Visual Agent（视觉智能体）：打开摄像头，AI直接"看"你眼前的东西，实时推理。

创始人曾熙的产品履历横跨一加、OPPO、字节三家公司。在Flow部门参与豆包从0到1的经历，让他看清一个缺口：大模型擅长生成和回答，但对"人类如何用视觉理解现实"几乎空白。

今年1月离职，3月注册，7月运营，9月上线。节奏快得像手机行业的迭代周期。

实际用起来，Chance AI的场景散得惊人：逛展解读艺术品、购物分析穿搭、识别卡牌版本、检测皮肤状态、拍菜单、识植物、看宠物。曾熙说，团队预设的功能不到三成，剩下全是用户自己"发明"的用法——有人拿它拍皮肤，有人用它吐槽，纽约大学一个潮流社团甚至6小时内就等到了特定卡牌的识别功能。

技术上，其Visual Agent在MMMU-Pro多模态推理评测中拿了86.07分，目前世界第一。

今年3月，Chance AI成为Art Central官方AI合作伙伴，AI首次介入国际大型艺术展的"观看过程"。观众对准艺术品，AI边"看"边聊。支撑这套体验的是刚推出的Live模式——把知识检索、内容对比、上下文理解、多能力调度打包成一个实时响应的系统，不是简单的"识别这是什么"，而是"看懂并参与"。

全球下载量20万，月活4-6万，几乎零投放。核心用户是25岁以下的年轻人。

曾熙的下一步是北美学生群体，但不是砸钱买量，而是扎进社群找真实场景。这位硬件出身的产品人，产品路线图里始终写着"软硬一体"——他认为终极形态应该是一颗包揽所有视觉信息的摄像头，"起点没有输入框，起点就是看"。

被问到与Google、OpenAI的差异化时，他的回答很产品经理：护城河不是模型参数，而是跟用户的距离。"你要做到6小时响应一个大学社团，巨头做不到。"

商业模式有三条线在跑：高级订阅、硬件授权、谨慎尝试的广告推荐。但优先级最高的是养成习惯——让用户看到什么都先拍一拍。成为入口，钱会自己来。

至于自研硬件？曾熙说等供应链成熟会"奋不顾身杀进去"，但不为做而做。"我们的本质是视觉推理，Live只是其中一种形态。"

一位纽约大学用户在App Store留言：以前逛展要查半天资料，现在举着手机就像带了个懂艺术的朋友。这个反馈被团队截图发在了内部群——对他们来说，这比评测分数更实在。