上海澜存科技有限公司（下称“澜存科技”）近日完成数千万元人民币 Pre-A 轮股权融资，投资方为锡创投，拓界资本担任独家财务顾问。澜存科技在公开材料中把自己定义为面向“物联模时代”的 AI 具身基础设施公司，以标准化模组、智能终端服务平台与智能体引擎，为终端设备提供大模型时代的物理接入层。这一表述把公司放在硬件终端与大模型之间的中间层：不是直接制造玩具、手表或暖通面板，而是为这些设备提供可嵌入的模组、可调用的语音链路与可计量的运行平台。
公司披露的核心技术包括 EmoMonte 情感语音智能体与 AI 原生安全控制系统：前者可识别 50 类人类情绪、自主输出 17 种情感表达，交互延迟控制在 0.3 秒以内；后者通过思想钢印、悖论锁、灭活系统、动态词库构成四层防护，适配儿童、政务等高合规要求场景。需要说明的是，这些数字均来自公司公开材料，本文未获得第三方测试报告、客户或行业专家验证。因此，下文在讨论这些指标时，更多是在拆解“公司声称什么”与“公开材料能验证什么”之间的边界，而不是把指标本身当作已通过审计的结论。
融资轮次存在两组公开口径。投资界与同花顺报道均为数千万元 Pre-A 轮，投资方锡创投；此前 2026 年 4 月完成凡创资本领投、申冉基金跟投的天使轮。天眼查 APP 于 3 月 25 日公布的信息则显示为 A 轮融资，融资额未披露，参与投资机构包括上海申冉、凡创资本。两组记录对轮次与投资方的表述不一致，公开材料未解释对应关系。这可能是工商申报口径、历史轮次合并或不同信息源更新时序造成的，但在没有新一轮工商文件或公司澄清之前，无法判断哪一组更接近实际交易结构。以下为本次融资的基本要素：
| 公司 | 上海澜存科技有限公司（澜存科技 / LANCUN） |
|---|---|
| 轮次 | Pre-A 轮 |
| 金额 | 数千万元人民币（未披露精确金额） |
| 投资方 | 锡创投 |
| 独家财务顾问 | 拓界资本 |
| 总部 | 上海 |
| 创始人 | 未披露 |
| 成立年份 | 未披露 |
| 官网 | https://www.lancun.net/ |
| 产品体系 | 澜卡 LC.AI 标准化 AI 模组；澜存开放平台；澜数铭 Lanveris |
| 资金用途 | 下一代 AI 具身智能基座研发、核心人才扩充与产品矩阵升级 |
情感语音与安全指标：公司声称与验证之间的边界
澜存科技披露，EmoMonte 可识别 50 类人类情绪、自主输出 17 种情感表达，交互延迟控制在 0.3 秒以内，记忆存储能力“领先竞品两个量级”；AI 原生安全控制系统通过思想钢印、悖论锁、灭活系统、动态词库构成四层防护。公司还称 EmoMonte 为国内首款端到端情感语音系统。上述指标均来自公司披露，未提供测试语料、语言、噪声环境、端侧或端到端口径，也未公布对比竞品、容量单位或审计方式。
如果把“识别 50 类情绪”和“输出 17 种情感表达”放在同一条产品链路中观察，两个数字并不直接对应。识别侧强调对用户状态的分类粒度，表达侧则强调机器回复时可选的情感色彩。公开材料没有说明 50 类情绪是否包含混合情绪、强度等级或跨年龄、跨口音差异，也没有说明 17 种情感表达是离散标签还是连续参数。因此，它们可能更适合被理解为产品定义中的能力边界，而不是可独立复现的评测分数。
0.3 秒的交互延迟尤其需要拆解。若覆盖从唤醒、降噪、ASR、LLM 生成到 TTS 播放的完整链路，这一数值在端侧或近场环境中具有显著卖点；若仅指模型推理时延，加上网络、声学前端和后端播放，实际感知延迟可能更高。公开材料没有标明测量路径，也没有给出设备端网络条件和处理器负载。情绪语音是否在端侧完成推理，会直接影响延迟口径，也影响模组对芯片平台和能耗的要求。
记忆“领先竞品两个量级”没有容量单位、保存时长或基准对象，无法验证。四层防护中的“思想钢印”“悖论锁”未对应具体技术机制，也未说明能否通过独立审计。对把合规场景写入产品边界的公司而言，安全能力恰恰最不能停留在命名层面。如果这些防护层只是规则黑名单或提示词模板，可能不足以应对儿童场景中的诱导性对话，或政务场景中的可追溯与可审计要求。
“神经系统”需要工程语言定义
澜存科技把自身目标描述为重塑物理世界的“神经系统”，但基础设施公司需要给出可复用接口、稳定性指标和部署边界。其澜卡 LC.AI 模组虽集成温湿度、人感、空气质量、运动、距离、光照、触感等感知能力，公司未说明这些传感器数据如何与大模型上下文结合，也未说明哪些决策在端侧完成、哪些上传云端。公开材料没有披露模组接口规范、操作系统或 RTOS、启动时间、认证进度，也未给出芯片平台、内存、功耗、单价、良率和量产状态。在儿童玩具、智能家居和工业调度等差异极大的终端环境中，标准化不等于同一块板卡可以无缝切换，而可能意味着需要在同一架构上做多套适配。
传感数据的价值在于能否转化为大模型可理解的事件或状态。温湿度、人感、空气质量等可能以结构化字段进入提示词，也可能仅作为触发唤醒或场景切换的开关；但公司没有说明这些数据如何参与推理、是否被压缩、是否实时上传。这会影响终端厂商对数据流量、时延和隐私边界的判断。若多模态感知仅停留在传感器读数，而未与语音、记忆和 Agent 行为形成闭环，那么“具身基础设施”可能更像传统物联网网关加上大模型语音接口。
记忆能力同样需要工程定义。情感陪伴设备若持续存储用户语音、情绪与交互记录，会触发数据最小化和本地存储问题。澜存科技声称记忆存储能力突出，却没有公布记忆的保存形式、删除机制和端云分配。儿童场景下，家长能否查看、导出和删除孩子的交互数据，直接影响品牌客户能否接受该方案。如果记忆长期留存在云端而不提供本地删除接口，玩具品牌可能在渠道准入和家长投诉中面临压力。公司未披露这些接口是否存在，因此这一层仍处于待验证状态。
把 ASR、LLM、TTS 托管起来，卖的是模组还是一条 Token 通道
澜存科技把商业版图分成三层：澜卡 LC.AI 标准化 AI 模组；澜存开放平台（Hardware AI Runtime）托管 ASR、LLM、TTS 全链路语音能力，支持多模型接入、设备管理、OTA 升级与 Token 用量统计计费；澜数铭 Lanveris 提供 Agent 产出确权。按公司表述，硬件厂商无需自建云服务和 AI 团队，产品即可获得持续交互能力，且每分 Token 消耗可计量、可运营。
这套结构意味着硬件厂商买下模组后，仍需在平台侧持续使用语音、模型和更新服务；澜存的商业模式并不完全依赖模组硬件毛利，而更接近通过平台托管和 Token 计量向设备生命周期收费。如果硬件售价被压低，而平台按调用量抽成，收入可能来自设备售出后的持续使用，而不是一次性的模组销售。这有利于拉长客户生命周期，但也要求模组价格足够低、平台计费足够透明，否则品牌客户可能认为总拥有成本难以预测。
公开材料仅提及“支持多模型接入”，未披露具体支持的模型、计费标准、价格区间或与硬件厂商的分成方式。这里的“多模型接入”可能意味着厂商可以在不同模型之间切换，也可能意味着同一个设备同时调用多个模型；但没有模型列表和路由策略，就无法判断平台是否只是 API 聚合层，还是真正在延迟、成本和安全策略上做了优化。澜数铭 Lanveris 的 Agent 产出确权，公开材料仅表述为“为智能体创造的价值提供归属与确权”，未展开其技术基础或法律效力。它可能服务于平台内部结算，也可能尝试成为跨平台的权利凭证，但目前没有证据表明其具有外部约束力。
真正的对手不是另一块模组，而是自建方案和通用 API
澜存科技未在公开材料中列出直接竞争对手，但终端厂商获得大模型交互能力至少有三条路径：自建或外包云侧 AI；直接调用通用大模型 API，再配合常规语音模组；或采用澜存这类从模组到平台的一体化方案。自建可控但人才和成本高；通用 API 成熟，但厂商仍需自行处理端侧降噪、实时性、设备管理、内容安全和成本优化。澜存把上述环节打包进标准化交付，核心卖点是降低集成难度，并让运营成本显性化。
如果一体化方案的交付确实能把开发周期从数月压缩到数周，中小硬件厂商可能愿意为这种速度支付溢价。但速度的前提是模组能够进入客户现有硬件设计，而不是要求客户重新开板。公开材料没有说明澜卡 LC.AI 的机械尺寸、通信接口、天线处理和电源要求，也未披露是否提供参考设计和认证支持。若客户每接入一个产品都要重做外围电路，所谓标准化交付可能被重新打开成项目制集成。
澜存同时覆盖 AI 玩具、智能穿戴、智能家居、工业调度、智慧空间等领域，公开材料未按场景拆分指标、案例或认证状态。同一标准化模组能否同时满足玩具的单价与功耗约束、家居的长期在线与 OTA 稳定、工业调度的实时性与故障率要求，仍是待验证的命题。不同场景对麦克风阵列、扬声器功率、休眠唤醒和静电防护的要求差异可能很大，一套硬件或固件未必能直接复制。公司可能需要在同一平台上做多套场景适配，但这会增加 SKU 和测试成本。
更隐蔽的竞争可能来自客户的“自建倾向”。如果品牌厂商已经把用户数据视为核心资产，或已有自己的云平台与安全体系，他们可能不愿意把语音、情绪和交互记录放在第三方平台。澜存的平台托管模式在降低门槛的同时，也可能被部分客户视为数据控制权的外包。因此，真正的对手未必是另一家模组公司，而是终端厂商内部的“自建还是托管”决策。
成本、量产与合规：从 70% 降本到可验证参数
澜存科技还披露，其端云一体化三级研发体系依托信息熵压缩策略，降低 70% 以上推理与 Token 传输成本，并以双认知模型兼顾直觉响应与理性决策。70% 降本没有公布基准模型、语料和 Token 口径；若无法说明在什么条件下成立，这一数字难以进入招标文件作为可验证参数。它可能来自更短的提示词、更激进的剪枝或特定测试集上的压缩率，但在不同任务、不同模型和不同语言环境下，降本幅度可能并不相同。
端云一体化意味着部分计算在端侧完成、部分在云端完成，但公司未说明分配比例。端侧计算有助于降低传输成本，却会增加模组算力和功耗压力；云端计算灵活，却可能推高时延和 Token 费用。双认知模型如何分工、是否在同一芯片上运行、能否在不同场景切换，公开材料也未展开。对客户而言，真正的成本不是某一个算法宣称的 70%，而是整机 BOM、平台订阅、网络流量和售后维护的合计。
硬件侧，公司称持续迭代板卡芯片方案、优化量产成本，同步推进长时序任务模块与适配方案测试，但未披露量产良率、认证进度或可验证的采购参数。在政务场景，评审方会要求指标可追溯；在儿童产品中，家长与渠道也会对隐私和稳定性提出更高要求。澜存科技把儿童、政务写进产品边界，意味着模组和平台需要先通过认证、数据合规和可审计门槛，而不是仅展示指标的绝对数值。若无法提供第三方测试报告和认证证书，这些场景可能只能停留在市场表述层面。
三个月两轮融资，投资方看到的是产业节点还是背书链条？
本轮投资方锡创投在公开材料中表示，看好 AI 模组从陪伴产品、智能玩具等率先落地场景，逐步向智能穿戴、智能家居及各类消费电子产品加速渗透，并希望企业助力无锡打造人工智能与消费电子产业集群。凡创资本称公司在短时间内密集达成多项关键里程碑，积累优质客户资源，为未来数据入口和 AIOT 打下根基。申冉基金强调“科技向善的价值锚点”。
三组表述的共同点是把澜存放在一个趋势节点上，而不是只评价某一块模组。锡创投提到“无锡产业集群”，可能意味着本轮融资与地方产业引入存在一定关联，但公开材料未披露是否有落地要求或返投条款。凡创资本所说的“关键里程碑”和“优质客户资源”没有对应数量、订单或续费数据，因此目前更接近投资方对方向的背书，而不是可核验的经营事实。
三个月内完成两轮融资，既可能意味着机构对方向和团队的快速认可，也可能意味着公司需要在短时间内同时推进研发、客户验证与多场景适配。本轮资金投向下一代 AI 具身智能基座、人才与产品矩阵，说明其阶段目标仍是扩张研发与交付能力，而非利润验证。对投资人而言，真正的阶段性证据可能不是下一轮融资，而是是否出现一个愿意在儿童或政务场景中长期使用澜存方案的品牌客户。否则，融资节奏可能被理解为机构接力的背书链条，而非客户价值的验证链条。
从 Token 通道到确权权利层：三个待验证的商业问题
第一，模组和平台是否形成锁定？如果厂商只有通过澜存平台才能获得持续的 ASR、LLM、TTS 更新、OTA 和 Token 计费，中高端品牌客户可能要求数据、模型选择与本地部署的透明性，尤其在儿童数据与政务数据场景下。锁定可以带来经常性收入，但也可能让客户在采购前要求开放接口、私有化部署或数据回传能力。如果平台无法提供这些选项，品牌客户可能选择只买模组、自建语音服务，从而削弱澜存的平台收费逻辑。
第二，确权是否具有外部效力？澜数铭 Lanveris 目前未说明其技术基础是链上存证、协议约定还是平台内部记录。链上存证可能提供不可篡改的时间戳，但不必然等于法律上的权利归属；协议约定可能只在缔约方之间有效；平台内部记录则更容易被替换或争议。如果确权只在平台内部有效，就难以成为可在不同司法辖区主张的权利凭证。在智能体产出尚未形成稳定价值计量方式的阶段，确权层可能更多承担叙事功能，而非收入功能。
第三，三层产品线是否过度分散？澜卡 LC.AI、澜存开放平台、澜数铭 Lanveris 分别涉及模组硬件、云服务/平台和权利确权，对一家刚完成 Pre-A 轮的公司，三线并行可能意味着资源拉扯，但也可能用“接入选件+运行层+权利层”提高替代门槛。无论哪种判断，都取决于未来几个季度能否在某一层面出现可验证的客户或收入迹象。如果模组卖不出量，平台 Token 就无从谈起；如果平台没有持续调用，确权层也缺乏标的。三条线之间更像一个漏斗，最终要看最底层的硬件接入能否率先起量。
RecodeX 极客视
澜存的故事不是一个“AI 硬件公司”的故事，而是一个想成为硬件与大模型之间运行层的公司。它最有趣的地方在于，同时押注了模组、Token 运营和 Agent 确权三件事。这使它在早期阶段就脱离了单纯卖板卡的估值框架，但也让它必须同时承担三种角色的验证成本。对澜存来说，最关键的里程碑可能不是下一轮估值，而是能否出现一个愿意把儿童数据或政务入口交给它的品牌客户。在那之前，所有关于情感语音、安全防护和 70% 降本的表述，都还只是公司口径下的待验证命题。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。