从智能硬件到宠物数字生命体，这家公司正在构建AI驱动的宠物智能生态｜36氪首发

来源：市场资讯

（来源：36氪）

作者 | 张子怡

编辑 | 袁斯来

硬氪获悉，宠物智能科技品牌Moonback近日完成数千万元首轮融资，投资机构为AI上市公司。本轮融资将主要用于AI算法、研发和市场团队建设。

宠物经济在全球范围内持续增长。

美国宠物用品协会（APPA）数据显示，2025年美国宠物行业消费额达到1580亿美元，同比增长3.7%，预计2026年进一步增至1650亿美元；2025年，美国约有9500万户家庭至少饲养一只宠物。

过去，宠物智能硬件的主要功能仍集中在自动喂食、自动清洁、定位和远程看护。而随着AI与多模态感知技术的发展，宠物智能硬件有望从“满足日常需求”进一步走向“理解宠物状态”，健康管理也成为新的产品探索方向。

过去一年，Moonback海外业务营收已达近亿元人民币，且不断加大AI方向投入，将产品重心转向宠物智能生态构建。

转向背后，是Moonback创始人兼CEO Kevin对养宠场景痛点的发现。

"宠物是唯一一个当事人永远无法自述的健康场景，"Moonback创始人Kevin表示，"结合我自己多年的养宠经验，家长不是不关心，是没有办法知道。一次活动量下降本身可能没有意义，但如果能和这只宠物过去数周、数月的睡眠、活动与行为放在一起看，就可能提前发现值得关注的信号。问题在于，现在没有一个地方能把这些放在一起。"

相比过去用单一设备记录某个动作，Moonback希望同时获得宠物的运动、心率、体温、睡眠、呼吸、排泄和行为数据，再由AI结合长期数据进行分析，监测健康情况。

由于宠物犬和宠物猫的生活习惯各有不同，Moonback也设计了不同的产品。

智能胸背

对于宠物犬，Moonback将推出一款智能胸背，在GPS定位、虚拟电子围栏之外，加入运动、体温、心率等身体参数监测，并通过Agent为用户提供健康趋势解读和风险提示。

相比智能项圈，胸背也是一个更贴近狗既有习惯的载体。

Kevin告诉36氪，团队此前也考虑过项圈，但整机重量会集中在颈部，长期佩戴舒适度较低。而目前这款智能胸背更适合宠物犬佩戴且续航可做到10—15天。

智能胸背主要覆盖户外场景，对于室内场景，Moonback则设计了一款AI睡眠窝垫。

睡眠窝垫搭载毫米波雷达等传感方式，在宠物犬睡眠时记录静息心率、呼吸频率、抓挠行为和睡眠时长等指标。Moonback也关注中老年犬和短鼻犬等群体，这类型宠物犬心脏和呼吸问题早期症状并不明显，而夜间长时间睡眠提供了一个相对稳定的数据采集场景。

在Moonback的规划里，智能胸背和睡眠窝垫分别覆盖户外与室内，两类数据需要再进行交叉分析。

“宠物的健康状态并不能通过单一指标或一次数据变化进行判断”Kevin表示，还需要结合心率、睡眠以及徘徊、焦躁等行为表现，并参考长期数据趋势，综合分析其状态变化。。

对于宠物猫的智能健康检测产品，数据入口则更多依赖视觉。

宠物猫长期生活在室内，活动位置也更加分散。Moonback通过开发AI摄像头，覆盖进食、饮水、睡眠和排泄等高频场景。

例如在猫砂盆附近，摄像头可以记录猫排便时排泄物的颜色、形态和干硬程度，再和长期历史数据进行比较；放在进食区和睡眠区域，则可以记录饮食和行为变化。

AI睡眠窝垫

从智能胸背、AI窝垫到摄像头，Moonback想做的并不是单纯增加硬件SKU，而是增加观察宠物的“维度”。

自2024年底起，Moonback已经积累数十万份涉及宠物行为、生理数据和声音的样本，并开始与宠物医院、高校合作补充临床数据。

同时，Moonback正在通过AI Agent输出健康报告、异常提醒和养宠建议，并逐步形成单只宠物的长期数字档案。相比继续扩充硬件品类，Moonback更希望验证的是：多种硬件持续获取的数据，最终转化为对宠物身体和情绪更有效的判断。

CEO对谈

硬氪：现在很多硬件公司都在讲AI，你觉得宠物真正需要AI解决什么问题？

Kevin：Moonback要做的是通过硬件+AI，帮助每一只毛孩子表达自己的健康和情绪，帮助宠物家长更好理解自己的毛孩子，为宠物家长和毛孩子提供一个真正能解决养宠问题的社区和平台

小孩会通过哭喊、语言等方式表达个人状况和诉求，但是宠物并不会告诉你健康和情绪问题。特别是进入中老年后，很多疾病和情绪问题都会逐渐显现。

所以我们需要通过不同设备采集它的身体和行为数据。不能只看单一数据，包括它在家里是否徘徊、焦躁，都要结合起来。

硬氪：宠物医疗的数据基础远没有人类医疗成熟，你觉得这个赛道真正的门槛在哪里？

Kevin：技术能力是进入这个领域的基础，但真正形成长期差异的，可能还是数据和场景积累。

Moonback过去一年多一直在做这件事，目前已经沉淀了数十万份宠物相关数据。以宠物语言理解为例，AI不能只知道“它叫了一声”，还需要知道它为什么在这个时间、这个环境下叫，以及叫之前和之后发生了什么。这意味着，宠物AI需要的不只是更大的模型，还需要大量来自真实生活场景的多模态数据，以及长期的数据积累。