当大模型竞赛还在云端算力上持续加码时，一条更轻的赛道正在快速升温。8月6日，杭州联汇科技股份有限公司（简称Om AI联汇）宣布完成新一轮数亿元融资，由前海母基金加码领投，杭州政府产业基金及多方资本协同参投；同期，公司正式开源VLX-Seek 1.5端侧原生细粒度感知多模态模型，3B参数版本多项核心指标超越英伟达同参数级模型，无人机具身场景准确率大幅提升62.9%，目标误报率降低74.8%。
这组数字背后，是AI产业从云端算力竞赛转向端侧场景落地的大趋势。所谓端侧原生，指的是模型从设计之初就面向手机、机器人、眼镜、汽车等终端设备，追求低延迟、低功耗、脱离云端运行，而不是先做大模型再想方设法压缩。联汇科技率先提出业界首个物理AI端侧原生流式多模态模型概念，试图用持续感知、精准定位、行动决策的全链路闭环，定义物理AI时代的基础能力标准。
VLX-Seek 1.5的亮点，在于用很小的参数规模撬动了很高的感知精度。在无人机视角和具身空间推理等评测中，3B参数版本超越英伟达LocateAnything-3B，无人机极端场景准确率提升62.9%，目标误报率降低74.8%。在目标幻觉评测中，VLX-Seek 1.5的误检比率为18，而英伟达对比模型为71.3，差距悬殊。
能实现这种反超，靠的不是堆参数，而是架构与训练路线的差异。联汇科技为VLX-Seek 1.5设计了细粒度感知的训练目标，让模型学会区分"目标确实存在"与"模型自己想象出来的目标"。一个值得注意的设计是，模型在信息不足时敢于回答"我不知道"，拒绝做出不确定的判断。在安防机器人、无人机巡检等高可靠场景中，乱报警远比漏报危险，这种克制反而成为产品的核心竞争力。
从产业视角看，小参数模型的优势还体现在部署成本上。端侧模型可以运行在消费级芯片上，无需依赖大型数据中心，这对无人机、机器人、可穿戴设备等场景至关重要。当模型能够以更低的算力消耗完成精准感知，端侧AI的商业闭环才真正跑得通。
前海母基金领投这轮数亿元融资，被业内解读为资本对端侧原生范式的正式投票。类比云原生早期，投资人押注的从来不是某一款具体产品，而是范式迁移本身。联汇科技的打法也类似：不靠卖模型赚钱，而是把VLX模型基座开源成行业共识，让更多开发者接入、验证、反馈，形成数据与迭代的飞轮。
本轮资金将用于VLX模型系列技术迭代、深化研发壁垒，以及加速物理AI场景的商业化落地。目前联汇科技已完成端侧AI全链路产业闭环：基于VLX核心基座的一脑多形能力实现多场景规模化落地，联合联想、苹果推出适配AI PC硬件的OttoBox AI Studio；与头部具身智能企业深度合作，为各类终端赋予感知、记忆与决策能力；自研可穿戴AI视觉中枢Homer AI已服务全国近十万视障用户，平台月均AI调用量达千万次。
这些落地案例揭示出联汇科技的商业逻辑：既做模型定义者，也做生态建设者。通过开源降低接入门槛，通过硬件合作和行业解决方案扩大应用面，最终让端侧原生模型渗透进无人机、机器人、智能眼镜、智能汽车等大量终端场景。
联汇科技选择在这个时间点开源VLX-Seek 1.5，背后是端侧AI赛道的竞争格局正在快速成型。过去一年，云端大模型的竞争焦点集中在参数规模和推理能力，而物理AI场景对延迟、功耗、隐私的严苛要求，让端侧模型成为新的兵家必争之地。与云端模型动辄千亿参数不同，端侧模型的竞争力来自特定场景的深度优化，谁能率先在无人机、机器人、可穿戴设备等场景建立标杆案例，谁就能占据生态位的主导权。
开源策略在其中的作用尤为关键。参考大语言模型领域的经验，DeepSeek等开源权重模型通过免费开放快速积累了全球开发者生态，反过来推动模型迭代和商业化落地。端侧模型具备同样的逻辑：把基础能力开放出去，让硬件厂商和方案商在真实产品中集成、反馈、共建，比闭源打磨更有可能在短期内形成生态壁垒。联汇科技开源的VLX-Seek 1.5，本质上是在争夺物理AI基础能力标准的定义权，当更多开发者接入这套模型，数据和场景反馈形成的飞轮就会持续转动。
当然，端侧AI赛道的竞争者不在少数，英伟达、谷歌等巨头也在布局端侧视觉模型，国内还有多家创业公司在无人机、机器人感知方向发力。联汇科技的优势在于率先提出端侧原生概念并跑通了从模型到硬件的完整闭环，但要在巨头环伺的格局中站稳脚跟，还需要在垂直场景持续深耕，把无人机巡检、安防监控、视障辅助等先发领域的领先转化为长期壁垒。
联汇科技CEO赵天成表示，未来将持续深耕端侧原生技术创新，坚持开源赋能开发者生态，联动全产业链共建开放协同的物理AI产业生态。这番话点出了端侧AI赛道的核心命题：模型能力只是入场券，真正决定胜负的是谁能把感知、定位、决策的能力稳定交付到海量真实设备上。
当前，无人机巡检、安防监控、机器人导航、视障辅助等场景已经显示出对端侧感知模型的强烈需求。与云端模型相比，端侧模型天然具备隐私安全、离线可用、低延迟等优势，尤其适合对实时性要求极高的物理世界交互。随着VLX-Seek 1.5等开源模型的落地，更多开发者可以在真实场景中验证端侧模型的上限，产业生态有望加速成熟。
当然，端侧原生路线仍面临不少挑战：终端芯片的算力天花板、不同硬件平台的适配成本、复杂场景下的稳定性，都需要持续投入解决。但从资本态度和技术进展看，端侧AI正在从概念验证走向规模化落地，物理AI的答案或许不在云端，而就在每个人的口袋里。