作者 | 邱晓芬

编辑 | 袁斯来

硬氪获悉，面向AI Native终端的交互智能SYNAPUFF近期完成数百万元种子轮融资，资方为FIRST RULE VENTURES、浦东创投。

SYNAPUFF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。

SYNAPUFF联合创始人兼CEO李诗淼

李诗淼的经历横跨娱乐体验、投资和人机交互。

李诗淼曾任职于迪士尼亚太总部，作为早期成员参与了一系列经典IP的衍生项目。随后，她加入拾象科技，作为foundingteam member，参与多个硬科技独角兽的系统性研究与投资；

2021年，她创立蚁触科技，围绕触觉反馈模型与多模态交互技术，打造了触感广告、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年她开始前往香港科技大学（广州）人机交互实验室开展研究，并于2026年开启新创业项目。SYNAPUFF另一位联合创始人兼首席科学家为范明明博士，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。

过去几十年，人机交互的基本逻辑始终是由人主动发起——无论是键盘、触摸屏，还是语音助手，都是用户发出明确指令，设备作出相应反馈。

但当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”模式也开始显现局限。

尤其是，当基础大模型公司开始将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，并以恰当的方式作出回应，仍是一个尚未充分解决的问题，也正成为行业新的竞争焦点。

SYNAPUFF将自身定位为面向AI Native终端的交互智能公司。李诗淼向硬氪表示，她们希望提升的是智能体的“情商”。但这并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。

例如，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。因此，机器人需要结合环境、用户状态和互动历史，判断自己的动作何时介入、如何回应，以及何时退出。

为此，公司提出“P Framework”——尝试将传统的“感知—理解—行动”，转变为“试探—接收反应—决策-接收反应-决策”的交互闭环。

也就是说，智能体不必一开始就准确理解用户意图，而是可以先通过眼神、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。

具体而言，“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。

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

数据也是这套模型的关键。

李诗淼向硬氪表示，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，交互智能还需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，以及交互能否自然持续。这意味着，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。

在未来的商业模式设计上，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，核心目标是将互动决策能力做成可跨不同构型终端复用的技术能力。

以下是硬氪与李诗淼的访谈（略经摘编）

硬氪：你的职业经历看起来比较多元，为什么最终选择进入AI Native终端交互领域创业？

李诗淼：我高中时就发现，自己对创业很憧憬。比起帮助人们完成任务，我更想创造让人感到快乐、惊喜，甚至不可思议的体验。

我的职业路径看似跳跃，但主线始终没变。在迪士尼，我学习最优秀的角色IP和体验如何被科学的系统工程定义；进入投资行业后，我开始理解技术演进及其对生活的改变；后来创办蚁触科技，又尝试通过触觉交互，把难以描述的感受变成可以生成和传递的体验。

2020年初，我在CHI读到一篇介绍虚拟湿度渲染机制的论文，受到很大启发。论文核心作者就是我现在的联创范教授，我也因此开始在人机交互领域进行系统性学习。

这些经历都指向同一个问题：技术究竟能为人创造多少新的体验？AI Native终端让我看到，技术创造新体验有了新的可能，舞台也从屏幕延伸到了真实世界。

硬氪：为什么AI Native的硬件行业最近纷纷开始关注交互智能了？

李诗淼：过去整个产业主要解决两类问题：一是智能化水平，包括对任务的感知、推理、理解任务及应答能力；二是终端本体，包括续航、元器件、关节、灵巧手、整机等。

但从更广泛的AI终端产业来看，基础模型正让不同设备逐步拥有理解、推理和执行能力。下一阶段的竞争，可能不仅是谁的模型更聪明，还包括谁能够让这些智能能力以更自然、更符合人类习惯的方式被使用。

所以这里需要发展的是一套新的交互范式，本质上我们正在经历从单向任务理解型的传统交互到双向智能交互的迁移，这当中会包括人与智能体之间的持续交互，以及多个智能体之间的协同与通信。随着硬件和任务执行能力的进步，AI Native终端必然需要进一步解决如何进入真实社会空间、与人长期共处的问题。

今天新一代的终端行业，有点像2006年至2007年智能手机出现之前的山寨手机时代，有非常多不同的AI录音卡片、AI随身设备甚至陪伴机器人出现在市场上，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一样，我认为AI Native终端也需要找到属于自己的交互范式，重新定义人与终端之间的关系。

硬氪：你们做的交互智能，与基础模型有什么区别？

李诗淼：我们的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，探索能够适配不同场景与终端的模型和技术架构。

我们希望模型通过有限任务训练后，面对从未见过的新情境，仍然能够理解并尝试处理问题，为智能体提供双向交互能力。

例如，不同终端可能使用不同的传感器和表达方式，但它们都需要解决一些共通的问题：判断用户是否愿意互动、预测自身行为可能引发的反应，以及如何根据反馈调整交互策略。

我们希望将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。

硬氪：你们现在的技术研发进展如何？

李诗淼：目前团队已经搭建相关技术框架，正在重点训练原生的跨构型non-verbal behaviour动作生成模型。这是我们探索交互智能的一项重要研发工作。通过具备物理身体的终端，我们可以观察交互行为如何影响用户反应，并验证相关的互动决策机制。

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。

硬氪：你们如何保证自己的技术不会被基础模型公司替代？

李诗淼：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、行为和社会关系是一个更复杂的问题空间，难以通过简单的效率指标衡量。我们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，我们则关注如何与人建立合适的互动关系。

我们认为，交互智能的价值不仅来自模型能否理解一个情境，也来自它能否在真实终端上形成持续的交互闭环。比如，同样一句提示、同样一个动作，在不同的时机和不同的关系背景下，可能引发完全不同的用户反应。只有不断获取交互反馈、评价交互效果，并优化行为策略，才能提升这种能力。

我们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，我们则关注智能体如何将自身能力转化为自然、恰当的交互体验。

首页图源｜SYNAPUFF官网