AI最前沿 88Z.ai 11 月 13 日消息,面向AI Native终端的交互智能公司SYNAPUFF完成数百万元种子轮融资,由FIRST RULE VENTURES和浦东创投投资。团队提出“P Framework”,旨在提升智能体的情境理解与动态行为调整能力,解决传统指令响应模式的局限,通过非语言信号试探与反馈闭环实现更自然的交互。
消息要点
- SYNAPUFF获FIRST RULE VENTURES及浦东创投种子轮融资,聚焦AI原生终端交互智能。
- 提出P Framework,通过试探与反馈闭环替代传统指令响应,提升智能体情境判断力。
- 整合现有视觉与情绪模型,利用非语言信号实现动态行为调整与自然交互。
- 通过多源数据积累与双向互动反馈,优化行为时机与用户回应意愿的评估体系。

融资背景与核心团队
面向AI Native终端的交互智能项目SYNAPUFF近期宣布完成数百万元种子轮融资,投资方包括FIRST RULE VENTURES和浦东创投。该公司由李诗淼与范明明博士联合创立。李诗淼曾任迪士尼亚太总部早期成员,参与经典IP衍生项目,后加入拾象科技从事硬科技投资,并创立过获红杉中国投资的蚁触科技,专注于触觉反馈与多模态交互。范明明博士现任香港科技大学(广州)常聘副教授及博士生导师,长期研究人机交互与人智协同,并入选2026年10月发布的全球Top2%顶尖科学家榜单。两人结合娱乐体验、投资视角与学术研究,致力于开发让智能体具备更高“情商”的交互基座。
从指令响应到情境感知
传统人机交互依赖用户主动发起指令,设备被动反馈,这种模式在AI成为终端原生能力后显现出局限性。随着基础大模型向各类智能终端延伸,任务执行能力虽已提升,但如何准确理解用户意图、判断互动时机及选择恰当回应方式仍是行业痛点。SYNAPUFF定位为交互智能公司,其核心目标不仅是识别情绪,而是让智能体理解交互情境、判断边界并动态调整行为。例如,机器人需结合环境、用户状态及历史互动,判断在用户开会时是否适合递水,从而决定介入、等待或退出的策略,实现从单向执行到双向感知的转变。
P Framework技术架构
为解决上述问题,SYNAPUFF提出了“P Framework”,将传统的“感知—理解—行动”线性流程转变为“试探—接收反应—决策—接收反应—决策”的交互闭环。该框架允许智能体通过眼神、身体转向或声音等轻量化非语言信号初步表达意图,再根据用户反馈决定后续动作。架构包含三个核心组件:互动动态模型用于预测用户反应;人格策略依据角色关系和行为约束选择动作;非语言行为生成模型则动态调度多模态介入。这一设计并非重新训练底层能力,而是整合现有的视觉与情绪识别模型,结合原生非文本动作生成能力,形成适配不同终端形态的独立交互决策框架。
数据积累与评估体系
数据是优化交互智能的关键。SYNAPUFF计划通过标注受控实验数据、利用公开影视资料以及在真实场景中部署来积累互动数据。与传统模型仅关注任务完成度不同,交互智能的评估维度扩展至行为时机的适宜性、用户回应意愿及交互的自然持续性。这意味着模型训练需从人与智能体的双向互动中获取反馈,而非单纯验证指令执行的正确性。目前,公司正在训练相关模型,旨在通过对比不同动作引发的用户反馈,持续优化互动策略,使智能体能够更自然地融入人类生活与工作场景。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。
- 36kr.com原始资料发布于
以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。