当一台具备视觉、听觉与行动能力的机器人站在会议室门口，它已经知道你口渴，但此刻你正在与客户谈判。它应该推门递水，还是退到墙角等待？这个看似微小的判断，暴露了当前AI终端产业最尖锐的断层：基础模型解决了“能不能做”，却几乎没有回答“该不该做、何时做、以什么方式做”。过去几十年，人机交互的基本逻辑始终由人主动发起——键盘、触摸屏、语音助手，无一不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”模式开始显现局限。

这正是SYNAPUFF试图切入的空间。硬氪获悉，面向AI Native终端的交互智能公司SYNAPUFF近期完成数百万元人民币种子轮融资，资方为FIRST RULE VENTURES与浦东创投。公司联合创始人兼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。公司提出的“P Framework”试图将传统“感知—理解—行动”的单向链路，改写为“试探—接收反应—决策”的交互闭环。这套框架包含互动动态模型、人格策略与非语言行为生成模型三个组件，目标是把互动决策能力做成可跨不同构型终端复用的技术能力。

字段 内容
公司 SYNAPUFF（上海头顶毛茸智能科技有限公司）
轮次 种子轮
金额 数百万元人民币
投资方 FIRST RULE VENTURES、浦东创投
总部 未披露
创始人 李诗淼、范明明
官网 未披露

把“指令—响应”改成“试探—反馈”，交互决策被拆成三个可训练组件

SYNAPUFF的技术核心是“P Framework”。据公司通稿称，该框架将传统“感知—理解—行动”的链路，转变为“试探—接收反应—决策—接收反应—决策”的交互闭环。这意味着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，这套框架包含三个组件：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；非语言行为生成模型，动态调度不同模态介入交互。公司通稿称，该架构并非重新训练所有底层能力，而是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。

这套技术路线有一个值得注意的产业判断：它默认底层感知与任务执行能力会继续由基础模型公司提供，而交互决策层需要一套独立于具体硬件构型的中间能力。李诗淼向硬氪表示，他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。她称，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。公司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。

目前团队已搭建相关技术框架，正在重点训练原生的跨构型非语言行为动作生成模型。李诗淼向硬氪表示，这是公司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，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。她同时明确，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。这意味着，P Framework目前仍是一个正在被验证的架构假设，而非已经跑通的产品能力。

数据策略绕开“任务完成率”，转向双向互动反馈

交互智能的训练数据从何而来，是这类公司最容易被质疑的环节。任务型模型可以用“是否完成指令”作为明确标签，但“递水时机是否合适”缺乏客观标准。SYNAPUFF给出的路径是：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。

李诗淼向硬氪表示，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。

这条数据路线的现实约束在于：受控实验数据规模有限，公开影视数据存在表演性偏差，真实场景部署又依赖终端合作方的落地节奏。三者之间的权重如何分配、如何标注“合适的互动时机”、如何定义负样本，来源材料均未披露。公司通稿仅给出了数据来源的类别，没有给出任何已积累的数据规模或标注规范。对于一个以“互动决策”为核心卖点的技术平台而言，数据飞轮能否转起来，是比框架命名更关键的验证点。

创始团队带着迪士尼、拾象与蚁触的履历，但新公司还没有客户

SYNAPUFF的创始团队配置在早期项目中显得相当完整。据36氪报道，联合创始人兼CEO李诗淼曾任职于迪士尼亚太总部，作为早期成员参与一系列经典IP的衍生项目；随后加入拾象科技，作为创始团队成员参与多个硬科技独角兽的系统性研究与投资；2021年创立蚁触科技，围绕触觉反馈模型与多模态交互技术，打造触感广告、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。

联合创始人兼首席科学家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月发布的全球Top2%顶尖科学家榜单中，范明明凭借对human factor及人工智能领域的研究成果上榜。

这段履历提供了两层信息。第一，李诗淼有过从0到1的硬件交互创业经历，且蚁触科技曾拿到红杉中国投资并服务头部品牌，说明她具备向机构投资人交付叙事和向大客户交付产品的能力。第二，范明明的人机交互学术背景与SYNAPUFF的技术方向直接相关，李诗淼向硬氪提到，她2020年初在CHI读到一篇介绍虚拟湿度渲染机制的论文，核心作者就是范明明，这也是两人合作的起点。

但履历并不等于新公司的商业化进展。SYNAPUFF目前没有披露任何客户、付费试点或终端合作方。公司通稿称，未来商业模式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。注意这里的措辞是“探索”，而非“已签约”或“已落地”。在种子轮阶段，这并不异常，但它意味着本轮投资本质上是在押注团队判断力和技术路线，而非任何已被市场验证的需求。

与基础模型公司的分工是核心叙事，也是最大的被替代风险

SYNAPUFF必须回答一个尖锐问题：如果基础模型公司自己做了交互层怎么办？李诗淼向硬氪给出了她的判断：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。她称，公司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，SYNAPUFF则关注如何与人建立合适的互动关系。

这个分工逻辑在产业上有一定合理性。基础模型公司的收入结构以API调用和算力消耗为核心，它们有动力把模型能力铺向所有终端，但未必有动力为每一种硬件构型定制交互策略。交互层涉及传感器配置、执行器约束、场景规范、用户关系管理，这些是高度碎片化且难以规模化的工程问题。从这个角度看，独立交互智能层有存在空间。

但风险同样清晰。李诗淼自己也承认，如果核心价值只是提升任务效率，很快会被基础模型覆盖。问题在于，“交互智能”与“任务效率”的边界并不总是清晰的。当基础模型的多模态能力持续增强，模型可以端到端地处理“看到用户—判断情境—生成动作”，中间层的价值可能被压缩。SYNAPUFF的防御逻辑是：交互反馈闭环需要真实终端上的持续数据积累，而这是基础模型公司不一定愿意深入做的脏活。这个逻辑能否成立，取决于公司能否在基础模型能力进一步泛化之前，拿到足够多的终端部署场景和数据。

李诗淼向硬氪将当前AI Native终端行业比作2006年至2007年智能手机出现之前的阶段。她称，今天新一代终端行业有非常多不同的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，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。

这个类比的问题在于，交互范式的确立者往往是掌握操作系统或核心硬件的公司，而非独立的中间件供应商。iPhone的全屏交互范式由苹果定义，因为它同时控制硬件、操作系统和应用生态。SYNAPUFF作为独立交互智能层，能否在终端厂商与基础模型公司的夹缝中成为范式定义者，而不是被任何一方吸收，是比技术框架本身更根本的不确定性。

数百万元种子轮能买到的，是技术路线验证而非市场验证

据智通财经报道，SYNAPUFF计划将资金用于交互智能基座的技术研发与团队搭建。数百万元人民币的种子轮规模，决定了这笔钱的主要用途是支撑一个小团队在有限时间内跑通技术框架，而非大规模商业化推广。

投资方组合值得拆解。FIRST RULE VENTURES与浦东创投共同投资，前者未在来源材料中披露更多背景，后者的“浦东创投”名称指向上海浦东新区的国资或区域创投平台。如果这一归属准确，意味着本轮融资带有一定的区域产业政策色彩。但来源材料并未明确浦东创投的具体主体全称和出资性质，因此这只能作为基于名称的推断，不能作为已核实事实。国资背景投资方的参与，通常意味着项目在区域产业布局中有一定位置，但也可能带来落地、合规或返投方面的隐性约束，这些在来源中均未披露。

从资金体量看，这笔融资更像是给创始团队一个“验证窗口”。公司需要在这个窗口内证明：第一，跨构型非语言行为生成模型在技术上可行；第二，至少有一个终端场景愿意接入并产生真实交互数据；第三，互动决策能力确实能形成可复用的中间层，而不是每个硬件都要重新定制。三者中任何一项未能验证，下一轮融资的叙事都会显著变弱。

需要明确的是，本次融资的宣布或完成具体日期未在来源中披露，36氪仅称“近期完成”。公司官网、总部地址、成立年份均未披露。本轮融资的具体金额仅称“数百万元”，估值与股权比例未披露。这些信息缺口本身并不罕见，但它们限制了外界对交易结构和公司治理的判断。

验证边界：框架、数据与商业化都还停留在公司口径

本项目的公开信息高度依赖两篇来源：36氪硬氪的首发报道与智通财经的转载稿。前者包含创始人专访与直接引语，后者补充了运营主体名称与资金用途。腾讯新闻稿称“据公开资料显示”，SYNAPUFF运营主体为上海头顶毛茸智能科技有限公司，该主体对应关系仅见于该篇报道，尚未有工商登记或其他独立渠道交叉验证。

公司通稿所称的P Framework架构、跨构型非语言行为生成模型的训练进展、以及“将互动决策能力做成可跨不同构型终端复用的技术能力”的目标，均来自公司单方表述，尚无独立第三方验证。来源材料没有提供任何模型评测指标、对比基线、数据规模或终端适配案例。公司通稿称团队“已搭建相关技术框架”，但“搭建框架”与“跑通模型”之间的距离，在来源中无法判断。

李诗淼的过往履历——迪士尼、拾象科技、蚁触科技、红杉中国投资——来自36氪报道，属于媒体转述的公开履历信息，而非本次融资的独立尽调结论。范明明的学术身份与Top2%科学家榜单同样来自该报道。这些信息为团队背景提供了可信度，但不能直接推导出SYNAPUFF当前技术能力的成熟度。

从已披露信息看，SYNAPUFF的真实状态是一家处于技术路线定义期的早期公司：有明确的架构假设、有相关背景的创始团队、有一笔小额种子资金，但还没有客户、没有公开数据、没有可验证的产品交付。它的核心命题——交互智能能否成为独立于基础模型与终端硬件之外的第三层——在产业逻辑上有讨论价值，但答案只能由后续的终端合作与数据积累来给出。

RecodeX 极客视：SYNAPUFF把融资故事建立在一个人人都能感知、却极少有人系统解决的断层上：AI终端越来越聪明，却不知道何时该闭嘴、何时该靠近。P Framework的价值不在于它提出了三个组件，而在于它把“交互时机”从一个产品体验问题，重新定义为一个可训练、可评价、可跨终端复用的技术问题。但种子轮只能验证路线，不能验证需求。这家公司真正的考验，不是模型能不能生成一个合适的递水动作，而是有没有终端厂商愿意把用户交互的“最后一厘米”交给一个外部基座。

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。