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，杭州政府产业基金与多方资本协同参投。同时正式开源VLX-Seek 1.5端侧原生多模态模型，3B参数版本多项核心指标超越英伟达LocateAnything-3B，无人机具身场景准确率提升62.9%，目标误报率降低74.8%。
本轮融资由前海母基金加码领投，杭州政府产业基金与多方资本协同参投。这是端侧物理AI赛道今年为数不多的亿级融资之一，标志着资本市场从云端算力竞赛转向端侧场景落地的明确信号。
募集资金将用于三个方向：VLX模型系列技术迭代、深化研发壁垒、加速物理AI场景商业化落地。
注：左起分别为融资总额、旗舰模型参数量、无人机具身场景准确率提升幅度、Homer AI平台月均调用量。数据综合自公开报道与官方披露。
Om AI联汇提出业界首个物理AI"端侧原生"流式多模态模型概念，基于自研VLX模型基座，构建起"持续感知→精准定位→行动决策"的全链路技术闭环。
本次开源的VLX-Seek 1.5，在3B参数规模下，多项核心指标超越英伟达LocateAnything-3B。
依赖云端算力，推理延迟高，断网不可用，场景泛化成本大。
本地推理，流式处理，实时感知与决策，断网可用，场景自适应。
注：对比基准为英伟达LocateAnything-3B模型。准确率与误报率数据来自无人机具身场景实测，非零起点，绝对差值以标注百分比为准。
一个诚实的注脚：
同参数级超越不等于全面超越。在特定场景下的领先，证明了端侧原生架构在细粒度感知任务上的工程优势，但大规模通用场景的泛化能力仍需更多验证。
基于VLX核心基座的"一脑多形"能力，已实现多场景规模化落地。以下是三个代表性方向：
答案藏在"端侧原生"这四个字里。Om AI联汇没有选择"先做大模型再压缩到端侧"的常规路径，而是从底层架构开始，为端侧场景重新设计模型。
这条技术链路，从感知到决策，环环相扣：
不同于云端AI的"请求-响应"模式，端侧原生要求模型在有限算力、低功耗、离线环境下，实现实时流式处理。这不仅是模型压缩，更是架构创新。
CEO赵天成表示，公司将持续深耕端侧原生技术创新，坚持开源赋能开发者生态，推动端侧AI场景普惠化应用。
端侧AI的商业化拐点已至。但真正的壁垒不是参数规模，而是从底层架构为物理场景重新设计模型的工程决心。Om AI联汇证明了"端侧原生"路径的可行性，但规模化落地仍需攻克成本、场景适配与生态协同的三重挑战。
核心技术已全面落地：OttoBox AI Studio 适配联想、苹果AIPC；Homer AI 已服务全国近10万视障用户；VLX-Seek 1.5 已开源，开发者可立即获取。
开源仓库 github.com/OmAI · VLX-Seek 1.5