斩获数千万元天使 轮融资！清华系端侧AI基建玩家，软硬一体撬开AI下半场

 8 月 11 日，专注端侧 AI 软硬件基础设施的北京万象智维科技有限公司（Omnimind）宣布完成数千万元天使 + 轮融资。本轮由韶音领投，瀚晖投资、知行资本、宝尔爱迪跟投，源合、浪潮担任财务顾问。而在去年年底，万象智维刚完成由星连资本领投的千万元天使轮融资。

作为清华大学泛在智能实验室（THU OmniLab）孵化的科创企业，成立仅一年多的万象智维，正以完全自研的技术底座，在端侧 AI 这条赛道上跑出了软硬协同的独特路径。

清华班底组建，锚定端侧 AI 基础设施赛道

万象智维成立于 2025 年，核心团队由清华大学计算机系任炬教授牵头组建。公司发起人任炬是清华大学计算机系副教授、教育部长江学者特聘教授；创始人兼 CEO 王拓为清华大学计算机系在读博士生；COO 王蒙拥有腾讯、微众银行商业化操盘经验；CTO 付永健长期深耕边缘大模型与 AI 智能体研发。团队成员大多来自清华、北大、上海交大等顶尖高校，以及腾讯、阿里、字节等头部科技企业，全员含实习生约 30 人，研发人员占比超半数。

在王拓为看来，云侧 AI 是 AI 的上半场，核心是探索智能的上限；而端侧 AI 是 AI 的下半场，核心是实现 AI 的全面落地。这一判断，也成为万象智维所有技术与产品布局的核心出发点。

端侧 AI 的核心价值：不止降本，更是持续学习的专属智能

在行业普遍关注端侧 AI 的成本与隐私优势时，万象智维看到了更长期的产业价值。

端云协同的架构，首先带来了直观的 Token 成本下降：适合端侧完成的本地信息整理、持续学习等任务无需上云，仅复杂任务调用云端能力，在能力对齐纯云侧方案的同时，大幅降低调用成本。除此之外，本地计算天然保障数据隐私，文件、对话、行为数据均无需出端；弱网、离线场景下也能保证实时处理能力，适配工业、户外等多元终端场景。

自研双技术基座，填补端侧 SoC 市场空白

要实现端侧 AI 的高效落地，底层基础设施是核心壁垒。针对市面推理引擎多适配云侧与桌面架构、端侧 SoC 专用方案缺位的市场空白，万象智维打造了两大自研技术底座。

OmniInfer：端侧推理引擎，突破资源限制

OmniInfer 是覆盖全品类端侧 SoC 的推理基座，针对端侧设备异构性强、不同品类与型号设备适配需求差异大的痛点，从算力调度与内存优化两大核心维度突破。
算力层面，基于稀疏激活技术动态筛选核心参数参与计算，将工作负载灵活分配给 CPU、GPU、NPU 协同处理；内存层面，采用两级存储优化方案，通过数据外存卸载、计算与搬运重叠、外存数据排布优化等手段，缓解端侧内存容量不足的问题。

性能数据显示，搭载 OmniInfer 后，单设备可部署模型上限从 10B 提升至 30B；Prefill 速度最高提升 14.94 倍，Decode 性能最高提升 2.49 倍，内存占用节省近一半，支持 Qwen3.5 9B 模型在小于 4GB 的推理内存环境下运行。

OmniClaw：端侧任务执行框架，重构小模型任务能力

在推理引擎之上，万象智维推出了专为端侧小模型设计的 Harness 框架 OmniClaw。主流 Harness 多围绕云侧大模型构建，难以适配端侧小模型的任务执行。OmniClaw 从工具接口调用、推理引导、重试机制等维度针对小模型重新设计，并内置端云协同智能路由体系：端侧可独立完成的任务本地执行，复杂任务自动接入云端模型，既保证任务能力上限与云侧方案对齐，又实现了 Token 成本的大幅下降。实测数据显示，同等质量的文档生成任务，成本可从 1.01 美元降至 0.102 美元。

此外，万象智维还自研了端侧微调算法 OmniTune，在周期性微调的基础上，每次仅针对性微调 1%-2% 的 LoRA 参数量，效果趋近传统微调，但成本降至推理级别，且全程模型与数据不出端，真正实现了设备端的持续学习。

全场景产品布局：B 端标准化服务 + C 端自研硬件

基于两大技术底座，万象智维搭建了覆盖 B 端与 C 端的完整产品矩阵，从企业级部署平台到消费级硬件终端全面覆盖。

面向 B 端客户，万象智维推出 OmniStudio 一站式端侧模型部署平台，适配 Windows、Mac、Linux、iOS、安卓全操作系统，可深度适配底层硬件，落地场景覆盖手机、电脑、智能家居、AI 玩具、机器人等多元终端。

面向 C 端，万象智维早在 2025 年 12 月就推出了首款产品 “小万 App”—— 一款完全免费、本地运行的 Android Agent，可实现点外卖、打车等跨应用操作，验证了消费级手机系统 Agent 的技术能力。该项目以 OmniBot 为名在 Github 开源，累计斩获超 2000 GitHub Stars，多次登上 GitHub Trending 榜首。

更具突破性的是万象智维自研的端侧智算硬件 Taste。针对手机场景用户上下文难迁移、品牌生态互斥、系统权限受限等痛点，Taste 以磁吸卡片形态独立于手机存在，尺寸与普通卡片相近，可磁吸于手机背板，自带独立 SoC 芯片、麦克风、扬声器、电子屏与独立电源，具备录音功能。
Taste 的定位是个人上下文存储的 Memory 设备，依托 OmniTune 算法实现 “白天使用、夜间自学习”，每台设备搭载用户独立的 LoRA，随使用数据持续迭代模型参数，最终沉淀出每个用户独有的专属个性化模型。目前该产品已完成首轮样机研发与生产验证，正围绕软硬件协同与 AI 场景持续迭代。

商业化初步跑通，从定制化走向长期标准化

今年 5 月，万象智维正式启动商业化，目前已率先跑通 B 端商业模式，签下多个百万级订单，覆盖安防终端、智能穿戴、会议办公、AI NAS 等多个领域的设备厂商，预计全年累计订单额达千万元级别。

商业模式上，B 端采用 “NRE+License” 的合作模式，通过非重复性工程费用覆盖前期定制开发与适配成本，后续随产品规模化应用持续收取授权费用，同时与产业伙伴联合推出智能化产品与行业解决方案，逐步从定制化服务向标准化产品演进。
C 端商业化则将围绕 Taste 硬件展开，收入来自硬件一次性销售收入与软件订阅服务，预计产品明年正式量产后开始贡献收入。

当前 AI 正从以问答为核心的 Chatbot，向可自主完成任务的 Agentic AI 演进，模型压缩、量化技术的突破与 Token 需求的增长，正推动 AI 计算从云端向端侧、端云协同迁移。万象智维聚焦端侧 AI 底层基础设施，以训推一体引擎为核心，围绕推理、执行、协同、量化等核心能力，为企业 Token 工厂、端侧设备智能升级提供支撑，正在成为端侧 AI 赛道不可忽视的中坚力量。

关注融程，了解更多行业相关资讯。