视觉先行：Chance AI如何用“看”重构人机交互

在当今的AI世界里，对话框几乎成了默认入口。然而，一家名为Chance AI的初创公司却提出了一个颠覆性的观点：人类理解世界的起点并非语言，而是视觉。基于这一理念，他们打造了“Visual Agent”（视觉智能体），旨在让AI从被动应答者转变为能主动“看懂”并解释世界的伙伴。

从认知科学到AI创业：创始人的独特路径

Chance AI的灵魂人物曾熙，其背景横跨学术与产业。他在巴塞罗那大学取得认知科学与当代艺术博士学位，专注于研究人类如何通过视觉构建对世界的理解。此后，他先后在OPPO、一加等硬件巨头负责产品与设计，并在字节跳动Flow部门深度参与了豆包等AI产品的早期探索。

这段经历让他敏锐地察觉到一个行业痛点：尽管大语言模型在文本生成上表现出色，但在支持人类基于视觉进行现实判断方面，AI的能力依然捉襟见肘。2025年初，曾熙毅然离开字节，于同年9月正式推出了Chance AI。

“先看懂，再开口”：重新定义AI交互

Chance AI的核心交互逻辑极为简洁——以摄像头为入口，用户只需拍摄眼前之物，AI便会实时进行视觉推理和解释。这种“拍照即交互”的模式，迅速在年轻用户中催生了丰富的使用场景：从艺术展上解读晦涩的当代作品，到购物时分析穿搭风格；从识别稀有卡牌版本，到检测皮肤状态、翻译菜单、辨认植物……许多创意用法甚至超出了团队最初的设想。

今年3月，Chance AI作为官方AI合作伙伴亮相香港Art Central艺术博览会，这是AI首次被系统性地融入国际顶级艺术展的观展体验。观众只需将手机对准艺术品，AI便能像一位知识渊博的同伴，实时分享作品背后的故事与深意。

技术上，Chance AI的雄心也得到了验证。在其核心的视觉推理能力上，该产品在权威多模态评测基准MMMU-Pro中取得了86.07分的佳绩，位列世界第一，甚至超越了部分主流大模型及人类平均水平。

软硬一体的未来蓝图

尽管目前以软件应用形式存在，但曾熙的终极目标远不止于此。这位拥有深厚硬件背景的创始人坚信，未来的随身AI终端必然是一颗能够“包揽你所有视觉信息”的智能摄像头。Chance AI已推出的“Live模式”正是这一愿景的雏形，它能将知识检索、内容对比、上下文理解等多种能力整合成一个实时响应的智能体。

在商业模式上，团队采取了审慎而多元的策略。短期内，将推出高级功能订阅服务；中期，计划向硬件厂商授权其视觉智能体技术；长期来看，若能成功养成用户“看到什么都先拍一拍”的习惯，成为新一代交互入口，商业机会将水到渠成。

对于是否会亲自下场做硬件，曾熙的回答充满战略定力：“当供应链成熟时，我们一定会奋不顾身地杀进去。但我们的本质是视觉推理能力，而非硬件本身。”

如今，Chance AI在全球已积累了超过20万下载量，核心用户群是25岁以下的年轻人。2026年，团队将目光投向北美学生市场，希望通过深入社群，挖掘更多真实、鲜活的使用场景，继续推动这场从“问答”到“共见”的AI交互革命。