作者 | 喬鈺杰

編輯 | 袁斯來

硬氪獲悉，北京微面科技有限公司（以下簡稱“微面科技”）近日完成數(shù)百萬美元融資，由順為資本投資。

微面科技聚焦自研人類感知理解基座模型，打造新一代人機(jī)交互范式，創(chuàng)始團(tuán)隊主要來自清華大學(xué)，具備大模型、人機(jī)交互、軟件工程與醫(yī)學(xué)復(fù)合背景。

當(dāng)前，AI交互存在一個隱形天花板：極度依賴用戶顯性輸入，缺乏對隱性非語言信息的感知。研究表明，人類表達(dá)中非語言信息高達(dá)55%，但現(xiàn)有的機(jī)器視覺只看見動作，卻無法穿透皮膚洞察情緒波動或生理疲勞。

無論是物理世界的具身機(jī)器人還是數(shù)字世界的語言大模型，由于缺乏高精度多模態(tài)人類狀態(tài)數(shù)據(jù)的輸入，都只能做機(jī)械的被動響應(yīng)，缺乏主動共情的閉環(huán)能力，無法執(zhí)行更加泛化的任務(wù)。

針對這些痛點，微面科技基于 rPPG（遠(yuǎn)程光電容積描記）核心技術(shù)，全棧自研面部基座模型 FacePhys，可實時輸出超過120項指標(biāo)，覆蓋心率、心率變異性（HRV）、呼吸率、面部動作單元、眼動特征、情緒維度及語音特征等多個方向。配合HRV情緒生理晴雨表綁定心率與急劇情緒，模型可識別假笑和壓抑情緒，獲取無法偽裝的客觀生理真相，為大模型提供生理情緒數(shù)據(jù)入口。

此前，光照變化、頭部運(yùn)動等噪聲，一直是 rPPG 生理感知技術(shù)落地中的關(guān)鍵難題。為解決這一問題，微面科技構(gòu)建了萬人級臨床標(biāo)注數(shù)據(jù)集，包含數(shù)千萬測量采樣點，覆蓋不同膚色及復(fù)雜場景，并在安貞醫(yī)院臨床實驗中完成驗證，將復(fù)雜生理狀態(tài)建模能力融入基座模型。

進(jìn)一步，微面科技還將“狀態(tài)空間模型”引入生理信號建模。

創(chuàng)始人唐健凱介紹稱，這一邏輯與大語言模型“預(yù)測下一個 Token”類似：大模型預(yù)測的是下一個詞，而狀態(tài)空間模型預(yù)測的是人體下一時刻的生理行為狀態(tài)，從而持續(xù)追蹤心跳、呼吸等生命體征的動態(tài)變化，“本質(zhì)上，是把心跳建模成一個連續(xù)物理過程，而不是離散視頻幀的拼接?！?/strong>

這一突破使系統(tǒng)能夠更準(zhǔn)確地捕捉心臟搏動的時間動態(tài)特征，無接觸實現(xiàn)望聞問切。核心指標(biāo)上，其心率檢測精度≤2 BPM，達(dá)到醫(yī)療級標(biāo)準(zhǔn)；端側(cè)推理延遲≤10ms，可實現(xiàn)實時響應(yīng)；同時，端側(cè)小模型參數(shù)規(guī)模僅為0.2M，可直接運(yùn)行于普通手機(jī)和攝像頭設(shè)備，無需依賴云端算力。

在生理理解基礎(chǔ)上，微面科技還進(jìn)一步構(gòu)建了多模態(tài)“人類理解系統(tǒng)”。

通過融合動作、姿態(tài)、眼動等空間特征，配合HRV情緒生理晴雨表綁定心率與急劇情緒，模型不僅能夠識別用戶情緒，還能夠進(jìn)一步理解行為背后的需求與動機(jī)，甚至預(yù)測用戶的交互意圖和動作軌跡，實現(xiàn)察言觀色和知行先覺，為大模型提供生理情緒數(shù)據(jù)入口。

基于這一生理感知基座模型，微面科技也在同步推進(jìn)軟硬件一體化布局。

圖源企業(yè)

軟件層面，公司通過 SDK/API 向機(jī)器人、智能座艙、健康設(shè)備廠商輸出算法能力，目前已在三大場景實現(xiàn)規(guī)模化落地：家庭機(jī)器人領(lǐng)域，與海爾機(jī)器人等客戶達(dá)成量產(chǎn)合作；康養(yǎng)機(jī)器人領(lǐng)域，為養(yǎng)老院和社區(qū)提供快速健康篩查；仿生機(jī)器人領(lǐng)域，實現(xiàn)毫秒級低延時的自然交互體驗。在車載方向，公司正與某頭部 Tier 1 供應(yīng)商聯(lián)合推進(jìn)駕駛員疲勞監(jiān)測方案的技術(shù)驗證及量產(chǎn)準(zhǔn)備。

硬件層面，公司則推出搭載 FacePhys 模型的嵌入式攝像頭模組。其中，核心產(chǎn)品 Findings 科研數(shù)據(jù)采集系統(tǒng)，主要面向科研機(jī)構(gòu)與醫(yī)院提供高精度數(shù)據(jù)采集終端，已進(jìn)入批量采購階段。

以下為硬氪與唐健凱的交流節(jié)選（略經(jīng)編輯）：

硬氪：國內(nèi)外還有其他公司在用rPPG路線做生理和情緒識別嗎？

唐健凱：國外已經(jīng)有一些公司在做相關(guān)方向。比如 FaceHeart，主要聚焦心臟健康監(jiān)測，并已經(jīng)獲得 FDA 認(rèn)證，目前更多服務(wù)于遠(yuǎn)程醫(yī)療場景。但我們的方向不只是心率監(jiān)測，還會進(jìn)一步覆蓋情緒、壓力、眼動行為等更豐富的維度。從能力邊界來看，我們是在生理感知的基礎(chǔ)上，繼續(xù)向“人的狀態(tài)理解”延伸。

國內(nèi)也有團(tuán)隊在做 rPPG，但大多數(shù)方案還是“錄制視頻+云端分析”的模式。通常需要先錄制30秒以上的視頻，再上傳到云端統(tǒng)一計算，整個分析過程可能還需要幾十秒，很難做到實時響應(yīng)。一旦用戶中途出現(xiàn)運(yùn)動、光照變化或者姿態(tài)波動，整體魯棒性就會明顯下降。

硬氪：為什么微面科技能夠把基于 rPPG 的生理感知做得更精準(zhǔn)？

唐健凱：模型層面，我們做了大量優(yōu)化。核心思路是用“狀態(tài)空間模型”去預(yù)測人體下一時刻的生理狀態(tài)。人的生理狀態(tài)并不會突然從心率60跳到100，它本身具有連續(xù)性和周期性。我們的狀態(tài)空間模型會捕捉這種穩(wěn)定變化規(guī)律，再結(jié)合醫(yī)學(xué)上的周期波動特征，持續(xù)預(yù)測人體當(dāng)前狀態(tài)。

此外，數(shù)據(jù)質(zhì)量也很關(guān)鍵。我們的訓(xùn)練數(shù)據(jù)并不是靠大模型“虛擬打標(biāo)”，而是來自醫(yī)院合作與醫(yī)療級設(shè)備采集。目前已經(jīng)建立了萬人級臨床數(shù)據(jù)庫，因此數(shù)據(jù)客觀性和準(zhǔn)確性會更高。

在情緒理解上，我們也有一套完整邏輯。比如，心理學(xué)研究已經(jīng)證明，高 HRV 往往對應(yīng)更積極、放松或者興趣更高的狀態(tài)；而劇烈運(yùn)動時心率升高，則未必意味著情緒波動。因此，我們不僅會看生理指標(biāo)本身，還會結(jié)合動作、姿態(tài)、眼動等空間特征，一起理解人的真實狀態(tài)。

簡單來說，我們是在把“時間維度上的生理連續(xù)性”和“空間維度上的視覺感知能力”融合到一個統(tǒng)一模型中，讓 AI 同時理解人的生理、情緒和行為。

硬氪：為什么會進(jìn)一步做硬件模組？

唐健凱：視頻和語言不一樣，它的信息量非常大。如果所有數(shù)據(jù)都上傳到云端處理，不僅延遲高，也會影響實時交互體驗。因此，我們更傾向于端側(cè)處理，讓感知和推理直接發(fā)生在設(shè)備本地，這樣響應(yīng)會更及時，交互也會更流暢。

另一個重要原因是隱私。我們處理的是生理和情緒相關(guān)數(shù)據(jù)，本身屬于較為敏感的信息。尤其在醫(yī)療、健康管理等場景里，用戶會更希望數(shù)據(jù)留在本地設(shè)備，而不是全部上傳到云端API。

投資人觀點

順為資本：公司研發(fā)的實時生理與情緒理解基座模型，在技術(shù)路線和底層架構(gòu)上具備全球唯一性。該技術(shù)可快速落地智能座艙、機(jī)器人和智能硬件等多元場景，應(yīng)用空間廣闊。順為高度認(rèn)可團(tuán)隊的技術(shù)與產(chǎn)品化能力，愿與微面科技在人、車、家全場景深度協(xié)同、長期陪伴，共同開拓下一代人機(jī)交互與具身智能賽道的商業(yè)前景。