数百万种子轮，前迪士尼亚太成员要做智能体的“情商”

面向AI Native终端的交互智能公司SYNAPUFF近期完成数百万元种子轮融资，资方为FIRST RULE VENTURES、浦东创投。联合创始人兼CEO李诗淼向硬氪表示，他们希望开发面向AI Native终端的交互智能基座，让智能体不仅知道自己能做什么，还能判断什么时候做、以什么方式做，以及如何根据人的反应调整行为。

过去几十年，人机交互的基本逻辑始终是由人主动发起——键盘、触摸屏、语音助手，都是用户发出明确指令，设备作出反馈。当AI成为终端的原生能力，智能体开始具备持续感知环境、理解情境、主动提供服务的可能性，传统的“指令—响应”模式开始显现局限。

基础大模型公司正把能力延伸至各类智能终端，AI的任务理解和执行能力有望进一步提升。相比之下，如何理解人的意图、判断互动时机、以恰当方式作出回应，仍是尚未充分解决的问题，也正成为行业新的竞争焦点。

SYNAPUFF把自己定位为面向AI Native终端的交互智能公司。李诗淼说，她们希望提升的是智能体的“情商”——不只是识别用户情绪，而是让智能体具备理解交互情境、判断互动边界和动态调整自身行为的能力。

她举了个例子：机器人知道用户可能口渴，但如果对方正在开会，直接递水未必合适。机器人需要结合环境、用户状态和互动历史，判断动作何时介入、如何回应、何时退出。

为此公司提出“P Framework”，尝试把传统的“感知—理解—行动”转变为“试探—接收反应—决策”的交互闭环。智能体不必一开始就准确理解用户意图，可以先通过眼神、身体转向、声音或其他轻量化交互信号表达意图，再根据用户回应决定继续、等待或退出。

“P Framework”主要包含三个组件：

• 互动动态模型，预测行动可能引发的用户反应；
• 人格策略，根据角色、关系和行为约束选择动作；
• non-verbal behaviour生成模型，动态调度不同模态介入交互。

这套架构并非要重新训练所有底层能力，而是组织已有的视觉识别、情绪识别等模型，结合原生的非文本语言动作生成能力，形成独立且能适配不同终端形态的交互决策框架。公司表示目前正在训练相关模型。

数据是这套模型的关键。李诗淼表示，SYNAPUFF计划通过标注受控实验数据、公开影视数据、真实场景部署积累互动数据，并通过对照不同动作及用户反馈，训练模型优化互动策略。

与主要围绕任务是否完成来评价模型不同，交互智能还要关注一个行为是否在合适的时机发生、用户是否愿意回应、交互能否自然持续。模型需要从人与智能体的双向互动中获得反馈，而不只是判断一次指令有没有被正确执行。

商业模式上，公司希望围绕交互智能技术平台，与不同类型的AI Native终端企业探索技术合作及商业化路径，核心目标是把互动决策能力做成可跨不同构型终端复用的技术能力。

李诗淼的经历横跨娱乐体验、投资和人机交互。她曾任职于迪士尼亚太总部，作为早期成员参与一系列经典IP的衍生项目；随后加入拾象科技，作为创始团队成员参与多个硬科技独角兽的系统性研究与投资；2021年创立蚁触科技，围绕触觉反馈模型与多模态交互技术打造触感广告、触感营销、触感座舱，服务LVMH、开云、奥迪等客户，曾获红杉中国投资。2025年她前往香港科技大学（广州）人机交互实验室开展研究，2026年开启新创业项目。

另一位联合创始人兼首席科学家范明明博士，现任香港科技大学（广州）常聘副教授、博士生导师，长期从事人机交互与人智协同领域的人工智能研究。在2026年10月最新发布的全球Top2%顶尖科学家榜单中，范教授凭借对human factor及人工智能领域的研究成果上榜。

谈到为什么AI Native硬件行业最近纷纷关注交互智能，李诗淼认为，过去产业主要解决两类问题：智能化水平，包括对任务的感知、推理、理解及应答能力；终端本体，包括续航、元器件、关节、灵巧手、整机等。基础模型正让不同设备逐步拥有理解、推理和执行能力，下一阶段竞争可能不仅是谁的模型更聪明，还包括谁能让这些能力以更自然、更符合人类习惯的方式被使用。

她把今天的新一代终端行业比作2006年至2007年智能手机出现之前的山寨手机时代，市场上有非常多不同的AI录音卡片、AI随身设备甚至陪伴机器人，用户很难分辨哪个才是自己能一直使用起来的。就像当年智能手机逐渐确立全屏交互范式，她认为AI Native终端也需要找到属于自己的交互范式。

与基础模型的区别，李诗淼的表述是：重点不是重新训练一个具备全部知识和任务能力的大模型，而是围绕智能交互这一特定问题，探索能适配不同场景与终端的模型和技术架构。不同终端可能使用不同传感器和表达方式，但都需要解决一些共通问题——判断用户是否愿意互动、预测自身行为可能引发的反应、如何根据反馈调整交互策略。她们希望把这些共通能力抽象出来，而不是为每一种硬件构型重新开发一套交互逻辑。

研发进展方面，团队已搭建相关技术框架，正在重点训练原生的跨构型non-verbal behaviour动作生成模型，整体处于早期研发阶段，主要工作集中在技术路线和产品定义。

至于会不会被基础模型公司替代，李诗淼的判断是：如果核心价值只是提升某项任务的效率，确实可能很快被基础模型的进步覆盖；但人的体验、行为和社会关系是更复杂的问题空间，难以用简单效率指标衡量。她希望与通用基础模型形成分工——前者负责理解指令和完成任务，SYNAPUFF关注智能体如何将自身能力转化为自然、恰当的交互体验。