硬氪首发丨前迪士尼亚太成员下场“造”交互智能基座，获数百万种子轮融资

硬氪了解到，一家瞄准 AI Native 终端交互智能的公司已经拿到数百万种子轮融资。

SYNAPUFF 是这家公司的名字。它要做的，是面向 AI Native 终端提供交互智能能力。

李诗淼的履历覆盖娱乐体验、投资与人机交互几条线。

她早年在迪士尼亚太总部任职，以早期成员身份参与过多个经典 IP 的衍生项目；后来进入拾象科技，成为 founding team member，参与了一批硬科技独角兽的系统研究与投资。

2021 年，她创办了自己的公司。

到 2025 年，她又动身前往新的方向。

2026 年 10 月，最新发布的产品里也能看到她的身影。

过去几十年里，人和设备打交道的逻辑一直没变：由人先开口。键盘、触摸屏、语音助手，都是用户下明确指令，设备再给出反馈。

可一旦 AI 变成终端的原生能力，智能体就有了持续感知环境、读懂情境、主动服务的能力，老一套“指令—响应”的做法开始不够用。

基础大模型厂商正把能力往各类智能终端上延伸，AI 在任务理解和执行上的表现也有望再上一个台阶。

真正没解决的是另一头：怎么读懂人的意图、挑准互动时机、用合适的方式回应。这已经成了行业里新的争夺点。

SYNAPUFF 想切的正是这块。

打个比方，机器人知道用户可能口渴，但对方正在开会，这时候直接递水并不合适。它得把环境、用户状态和过往互动放在一起看，判断什么时候介入、怎么回应、什么时候退开。

公司为此提出了自己的架构思路。

换句话说，智能体不必一上来就猜准用户想干什么。它可以先用眼神、身体转向、声音或者其他轻量信号表个态，再看用户怎么回应，决定接着做、再等等还是收手。

具体到架构上，这套方案有自己的设计。

它并不打算把底层能力全部重训一遍，而是把已有的视觉识别、情绪识别等模型组织起来，再加上原生的非文本语言动作生成能力，拼成一个独立、能适配不同终端形态的交互决策框架。公司称相关模型目前正在训练中。

数据在这套模型里同样关键。

李诗淼对硬氪说，数据是绕不开的一环。

评价模型时，业界通常只看任务有没有完成；交互智能还要多问几层：这个行为是不是发生在合适的时机，用户愿不愿意回应，互动能不能自然延续下去。这就要求模型从人与智能体的双向互动里拿反馈，而不是只判断某条指令有没有被执行对。

商业模式上，公司打算围绕交互智能技术平台，和各类 AI Native 终端企业一起摸索技术合作与商业化路径，目标是把互动决策能力做成一套能跨不同构型终端复用的技术。

下面是硬氪与李诗淼的对话（略经摘编）。

硬氪：你的职业经历看上去挺多元，最后为什么选在 AI Native 终端交互这条路上创业？

李诗淼说，自己高中时就对创业很憧憬。比起帮人把任务做完，他更想做出让人快乐、惊喜甚至觉得不可思议的体验。

他的职业路径看着跳跃，主线却没变过。在迪士尼，他学到最优秀的角色IP和体验是怎样被系统工程化地定义出来；进了投资行业，他开始理解技术怎么演进、又怎么改变生活；再往后，他创办了公司。

2020年初，他在公司里负责相关业务。

这些经历最后都指向同一个问题：技术能为人造出多少新体验？AI Native终端让他看到，造新体验有了新的可能，舞台也从屏幕伸到了真实世界。

硬氪问：AI Native硬件行业最近为什么纷纷盯上交互智能？

李诗淼认为，过去产业主要解决两类问题。一类是智能化水平，包括感知任务、推理、理解任务和应答的能力；另一类是终端本体，包括续航、元器件、关节等。

放到更大的AI终端产业里看，基础模型正让不同设备陆续具备理解、推理和执行能力。下一阶段拼的可能不只是谁的模型更聪明，还包括谁能把这些智能能力用更自然、更贴合人类习惯的方式交到用户手上。

所以这里要发展的是一套新的交互范式。本质上，行业正从单向任务理解型的传统交互，迁往双向智能交互，其中既有人与智能体之间的持续交互，也有多个智能体之间的协同与通信。硬件和任务执行能力往前走，AI Native终端就必然要解决如何进入真实社会空间、与人长期共处的问题。

今天的新一代终端行业，有点像2006年至2007年智能手机出现之前的山寨手机时代，各种不同的方案都在冒出来。

当年智能手机逐步确立了全屏交互范式，李诗淼认为，AI Native终端也得找到属于自己的交互范式，重新定义人和终端的关系。

硬氪问：你们做的交互智能，和基础模型区别在哪？

李诗淼答，团队的重点不是重新训练一个啥都会的大模型，而是围绕智能交互这个特定问题，摸索能适配不同场景与终端的模型和技术架构。

他们希望模型经过有限任务训练后，碰上没见过的新情境，照样能理解并试着处理，为智能体提供双向交互能力。

举例来说，不同终端用的传感器和表达方式可能不一样，但要解决的问题有共通之处：判断用户愿不愿意互动、预测自身行为会引发什么反应、怎样根据反馈调整交互策略。

这些共通能力，团队想把它抽象出来，而不是每换一种硬件构型就重写一套交互逻辑。

硬氪问：技术研发现在进展到哪一步？

李诗淼说，团队已经搭起相关技术框架，正在重点训练原生的跨构型能力。

整体还在早期研发阶段，主要精力放在技术路线和产品定义上。

硬氪问：技术会不会被基础模型公司替代，你们怎么保证？

李诗淼回应，如果核心价值只是把某项任务的效率提上去，那确实可能很快被基础模型的进步盖过去。但人的体验、行为和社会关系是更复杂的问题空间，很难用简单的效率指标去量。他们希望和通用基础模型分工：对方负责理解指令、完成任务，自己这边关注怎么和人建立合适的互动关系。

在他看来，交互智能的价值不光来自模型能不能读懂一个情境，也来自它能不能在真实终端上形成持续的交互循环。同样一句提示、同样一个动作，换个时机、换个关系背景，用户的反应可能完全不同。只有不断拿到交互反馈、评价交互效果、优化行为策略，这种能力才提得上去。

李诗淼表示，团队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，自己则关注智能体如何把自身能力转化成自然、恰当的交互体验。

首页图源｜