36氪首发 | 清华团队做出全球首个实时理解生理与情绪的基座模型，进一步布局硬件

先说几个核心判断：AI交互这件事，光靠文本和语音，已经不够了。人跟人之间交流，大量的信息其实藏在表情、眼神、心跳里——这些都是AI目前根本读不懂的“潜台词”。正因为看到了这一点，有一家公司正在试图从底层把这个缺口补上。

硬氪近期获得的消息是，北京微面科技刚刚完成了由顺为资本领投的数百万美元融资。这家公司的核心团队来自清华大学，背景横跨大模型、人机交互、软件工程与医学，方向也很明确——用自己研发的基座模型，重新定义人机交互的方式。

你发现没有，现在的AI交互有个问题：它极度依赖你“说出来”指令，却完全感受不到你“没说出口”的东西。但问题在于，人类表达的真实信息里，非语言部分占了55%以上。也就是说，现有的机器视觉只能看到你在动，却看不到你是紧张、疲劳，还是心里藏着情绪波动。无论是物理世界的机器人，还是虚拟空间的AI助手，少了这一层“读懂人”的能力，本质上都只能做机械的被动响应。

微面科技的切入点，恰恰选在了这里。

他们基于rPPG（远程光电容积描记）技术，全栈自研了一款叫做FacePhys的面部基座模型。这个模型能实时输出超过120项指标——心率、心率变异性、呼吸率、面部动作单元、眼动特征、情绪维度，甚至语音特征，全都覆盖在内。更关键的是，他们绑定了一套“HRV情绪生理晴雨表”，用来关联心率与急剧情绪。用大白话说，假笑系统能识别，压抑的情绪也能捕捉，因为这些信号根本伪装不了。对大模型来说，这就是一个全新的、真实的生理情绪数据入口。

当然，这条路并不容易。rPPG技术落地以前有个老大难问题：光照变化、头部运动这些噪声，很容易让数据“跑偏”。微面科技的做法是，自己建了一个万人级的临床标注数据集，包含了数千万个测量采样点，覆盖不同肤色和复杂场景，还专门在安贞医院做了临床验证。这些数据，最终都被融进了基座模型里。

算法层面，他们引入了一个有意思的思路——“状态空间模型”。关于这一点，创始人唐健凯的解读很形象：这种模型与大语言模型“预测下一个Token”的逻辑类似，只不过大模型预测的是下一个词，而它预测的是人体下一时刻的生理行为状态。心跳、呼吸这些生命体征，从此被建模成了一个连续的物理过程，而不是离散视频帧的简单拼接。

效果怎么样？核心指标上，心率检测精度已经控制在≤2 BPM，达到了医疗级标准；端侧推理延迟≤10ms，基本是实时响应；而且端侧小模型的参数规模只有0.2M，普通手机和摄像头上就能直接跑，根本不用依赖云端算力。

光能读懂生理信号还不够。微面科技进一步构建了一套多模态的“人类理解系统”，把动作、姿态、眼动等空间特征也融合了进来。模型不仅能识别情绪，还能理解行为背后的需求和动机，甚至预测交互意图和动作轨迹。用他们自己的话说，就是“察言观色，知行先觉”。

产品落地的思路也很务实。软件层面，微面科技通过SDK/API向机器人、智能座舱、健康设备厂商输出算法能力。目前三大场景已经铺开：家用机器人领域与海尔机器人达成量产合作；康养机器人领域用于养老院和社区的快速健康筛查；仿生机器人领域实现了毫秒级低延时的自然交互。车载方向，正在与某头部Tier 1供应商联合打磨疲劳监测方案。

硬件层面，他们推出了搭载FacePhys模型的嵌入式摄像头模组。其中，面向科研机构与医院的旗舰产品Findings科研数据采集系统，已经进入批量采购阶段。

图源企业

关于技术路线和行业定位，唐健凯在交流中也给出了更清晰的回答。

当被问到“国内外还有谁在做rPPG生理和情绪识别”时，他提到，国外确实有像FaceHeart这样的公司，聚焦心脏健康监测并拿到了FDA认证，但更多是服务于远程医疗。微面科技的方向更宽，不仅要看心率，还覆盖情绪、压力、眼动行为等多个维度，本质上是在从“生理感知”走向“人的状态理解”。而国内大多数方案目前还停留在“录制视频+云端分析”的模式——先录30秒视频，上传云端，等几十秒出结果，过程中稍有运动或光照变化，鲁棒性就大打折扣。

关于“为什么能做得更精准”，唐健凯的解释涉及到两个关键点。一是模型层面的优化，核心就是状态空间模型捕捉人体生理状态的连续性和周期性；二是数据质量，训练数据并非大模型虚拟打标，而是来自医院合作和医疗级设备采集，万人级临床数据库的客观性和准确性，是普通方案无法比拟的。在情绪理解上，他们也建立了一套完整的逻辑：高HRV往往对应积极放松的状态，而运动时心率升高并不等于情绪波动。单看指标是不行的，必须结合动作、姿态、眼动等空间特征，一起判断人的真实状态。概括起来，就是把“时间维度上的生理连续性”和“空间维度上的视觉感知能力”融合到一个模型里，让AI同时理解人的生理、情绪和行为。

至于为什么还要做硬件模组，唐健凯的逻辑也很清晰：视频数据量极大，全上云端处理延迟高，交互体验会很差。端侧处理让感知和推理发生在设备本地，响应更及时。另一个核心考量是隐私——生理和情绪数据本身就敏感，尤其在医疗、健康管理等场景，用户更希望数据留在本地，而不是全部上传到云端API。

投资人观点

顺为资本：公司研发的实时生理与情绪理解基座模型，在技术路线和底层架构上具备全球唯一性。该技术可快速落地智能座舱、机器人和智能硬件等多元场景，应用空间广阔。顺为高度认可团队的技术与产品化能力，愿与微面科技在人、车、家全场景深度协同、长期陪伴，共同开拓下一代人机交互与具身智能赛道的商业前景。