Collov Labs 拿到了 2300 万美元，但它真正想卖的不是室内设计软件

Collov Labs 刚刚完成了一轮 2300 万美元的 A 轮融资，Matrix Partners、Brightway Future Capital、Taihill Venture 和 MindWorks Capital 联合押注。如果你只看新闻标题，这似乎是一家做室内设计 AI 的公司又融了一笔钱。但这个读法是错的——而且可能是 Collov Labs 最希望外界误解的地方。

这家 2021 年创立于硅谷红木城的公司，用 CozyAI 和 Collov AI 做装修效果图和虚拟家居布置，积累了 100 万用户和 300 余家企业客户。这些数字不坏，但放在 AI 设计工具这条赛道里，也谈不上特别突出。问题是，Collov Labs 成立 AI Lab 这个举动，说明它压根不打算继续做设计工具。它真正想卖的，是摄像头背后的「看懂世界」的能力。

室内设计只是一个测试场，不是终局

把室内设计当作 AI 视觉的训练场地，在逻辑上是成立的——这个场景对视觉理解的要求极为苛刻：物体识别、材质判断、空间几何、光影模拟、遮挡关系，一个都不能少。但有一个问题 Collov Labs 没有正面回答：如果这只是测试场，那用 100 万个装修用户生成的反馈数据，能否训练出真正可迁移的视觉基础模型？

室内场景的视觉任务有它的局限性。用户上传的多是拍摄质量良莠不齐的家居照片，场景多样性高度集中在卧室、客厅、厨房等有限环境。这类数据适合优化家居生成效果，但对于野外场景、工业环境、医疗影像、街头实时视频等场景，其迁移价值是存疑的。Collov Labs 把这 100 万用户的数据描述为「反馈飞轮」，但飞轮转出来的东西，究竟有多通用？目前的披露信息里并没有答案。

Qualcomm 的合作是背书，但也是绑定

Collov Labs 在这次融资声明中提到了一个颇受关注的细节：其视觉 AI 模型已被集成进 Qualcomm Hexagon NPU。这听起来像是一张通往数十亿台设备的门票。但事情没有那么简单。

与芯片厂商深度绑定，意味着你的模型优化方向、接口设计、部署周期都要跟着对方的硬件节奏走。Qualcomm 更新一代芯片，你的模型可能需要重新适配；竞争对手选择了 MediaTek 或自研 NPU，你就失去了那块市场。更关键的是，Qualcomm 本身也在开发自己的端侧 AI 能力，包括视觉方向。这种「合作方同时是潜在竞争方」的格局，在 AI 基础设施领域屡见不鲜，也屡见不鲜地让合作方在谈判中处于下风。

Collov Labs 是否已经和 Qualcomm 签了排他性合作协议？还是说这只是一次技术验证性的集成展示？这个细节的差异，对公司未来的议价能力至关重要。

「相机是下一个界面」——这句话本身是争议最大的假设

Collov Labs 的 CEO 表示，「AI 的下一个界面将是摄像头」。这句话在硅谷 AI 圈子里被引用了无数次，从 Snap 的智能眼镜到 Meta AI 眼镜，到 Humane AI Pin，再到 Rewind Pendant，背后几乎都是这个判断在驱动。

但这条路上已经躺了不少尸体。Humane AI Pin 以惨败告终，Magic Leap 烧掉了数十亿美元，Google Glass 更是在十年前就成了商业失败的代名词。消费者拒绝这些产品，不是因为它们不聪明，而是因为「随时随地被摄像头处理」这件事，在隐私敏感性、电池续航、佩戴习惯上存在尚未被解决的系统性阻力。

Collov Labs 押注的是「摄像头会成为主流 AI 界面」，但目前这个假设的成立，依赖于 AI 眼镜或类似硬件在两三年内完成真正的消费级普及。如果这个普及速度慢于预期——这在过去 10 年内反复发生——Collov Labs 的基础研究投入就需要更长的时间才能商业化。而 2300 万美元的 A 轮，能够支撑多长时间的「等待」？

语言模型的公司去做视觉，视觉公司能守住自己的地盘吗？

Collov Labs 面对的不只是 Snap、Apple 或 Google 这样的硬件平台方。更直接的威胁，来自已经拥有海量多模态训练数据的 OpenAI GPT-4o 和 Google Gemini。这两个模型的视觉理解能力正在以惊人的速度提升，而它们背后是远超 Collov Labs 百倍的数据量和算力规模。

Collov Labs 的回应是「我们专注于垂直场景的深度」——但垂直场景的护城河有多深，取决于通用模型需要多久才能在同样的垂直场景追上你。在 2022 年，很多人认为医疗影像 AI 公司有不可逾越的专业壁垒；到了 2024 年，GPT-4o 已经能够完成大量初级影像判读。视觉设计领域会不会重演这个故事？

Collov Labs 目前的优势是「更快的迭代周期和更直接的用户反馈」——这在竞争的前期有价值，但能否在通用大模型追赶上来之前，将这种优势转化为真正的技术壁垒或客户锁定，是这家公司在 A 轮融资后最核心的战略命题。

2300 万美元，对于基础视觉 AI 研究来说不多不少，够做出一些真实的技术进展，但不足以支撑长期的基础模型竞争。Collov Labs 最好的结局，可能不是成为视觉 AI 的 OpenAI，而是在某个足够垂直、足够高价值的场景里成为无可替代的基础设施提供商。至于那个场景到底是室内设计、AI 眼镜还是别的什么，市场会给出答案，但它自己要先活到那一天。