作者｜洋紫

编辑｜李小天

霞光社获悉，Visual Agent 创业公司 Chance AI 宣布完成数百万美元融资。本轮由美图领投，NYX Ventures、阿里系投资机构等跟投。融资将用于模型能力迭代、北美学生群体增长、以及社区与商业化探索。

Chance AI 成立于2025年，核心产品是世界第一款以摄像头为主要入口的AI产品Visual Agent（视觉智能体）。与传统AI产品依赖输入框不同，用户打开Chance AI后直接拍摄眼前内容，系统即可理解视觉意图并提供判断、建议和行动方案。

在Chance AI看来，视觉不是输入方式，而是人类的认知系统。“对人类来说，视觉才是最直觉的操作系统，而不是输入框。”Chance AI创始人兼CEO曾熙告诉霞光社，“从第一天开始做产品，我们的首页就是没有任何输入框的。在我们的产品里面唯一的输入框就是出现在评论区，但是现在更多人是用语音，点开只有一个拍照按键，进来以后用户不用输入prompt，one tap，因为这才是人类最直觉的方式。”

使用方式也很简单，只需要通过Chance AI拍摄任何图片，Chance AI就会快速将图片内容转为对于图片深层次含义的解读。每一个图片都不只限于“阅读”，更多在于“理解”，即在认识的基础上解释看见事物的意义；此外，Chance AI也有Live模式，即实时视觉交互系统（Real-time Visual Intelligence System），在Live模式中，用户可以一边看，一边与Chance AI交流，它还会做出对于画面的实时视觉理解（Real-time perception）以及连续推理（Continuous reasoning，而非单次响应）。

巴塞尔艺术周现场，观众使用Chance AI「Visual Agent – Live」，在观看作品的过程中与AI实时交流与理解

Chance AI的交互方式，打破了过去两年间，AI通过输入框提问、随后获得答案的主流形态。曾熙向霞光社表示，产品设计的差异源自年轻人认识世界的底层逻辑不同，对从小使用emoji、meme和缩写沟通的Gen Z来说，他们本身就是visual native：更习惯通过图像和直觉理解世界，而不是先组织语言再提问。也就是说，越来越多的年轻人对于现实世界的认知方式是从“先提问再理解” 转变为“先看见再理解”。

对图像的精准理解离不开Chance AI的技术突破。MMMMU-Pro 是目前最严苛的多模态基准测试之一，它通过过滤纯文本可解题、增加选项干扰，并将问题嵌入图像中，真正考察 AI 是否具备人类级别的视觉理解与跨学科推理能力，而非依赖模式匹配或文字捷径。Chance AI Visual Agent 在 MMMU 相关评测中以 86.07% 的准确率位列世界第一，在艺术理解、结构分析与跨语境解释等任务上表现优秀，甚至超越了人类在2024年的成绩。

实际操作上也可见Chance AI的出色表现，如下图所示，为一块坐标于洛杉矶的市中心的石头，在Chance AI的“看见”里，不只有关于石头的来历故事——即一位艺术家把这个石头从内华达州搬过来花了1300万美金，还有这一故事背后的意义：这场搬运是为了体现美国的种族和阶级对立的问题。

截至目前，Chance AI的全球年轻用户已突破20万，在iOS欧美多个国家进入下载榜Top 3，并在Product Hunt上两次获得当日最佳产品（Product of the Day）。在刚刚过去的香港Art Central艺术展上，Chance AI也作为官方创新合作伙伴，深度融入观众的观展体验，这一能力也首次得到了真实场景的验证。

面向未来的可能性，曾熙表示，手机拍照分享目前是图片数据来源最直接、量最大的场景。“现在我们的数据是，每个北美的女生每天会拍2.8次的穿搭，这是非常海量的数据。”而视觉数据本身就创造了价值，“我们想把Visual Agent engine这‘发动机’给搭好，以后我们会有更丰富的数据，会形成视觉的社区，这就是最大的价值。”