英国人John Berger说：观看先于言语。当图像终于取代文字，充斥于视线所及的一切空间，我们又该如何观看而不致再度迷失？ Chance AI 想做的，正是这群”视觉原生代”的 AI 解说员——理解用户意图+完成表达和下一步的行动，构建AI无缝解释现实世界的入口。这样的观察之道，颇有些中国一句古老谚语：看山还是山，看水还是水.的同义。

这个目前17人的团队，却有着3位设计师，这样的团队构成，足以见得对于产品用户体验的在意和底色。事实上，笔者前去展台的一路上能看到不少背着品牌蓝色墨点状搭配chance 字样徽章装饰的别致环保包，“是我们CEO曾熙设计的。

这家成立于 2025 年的公司，总部位于新加坡，研发团队位于深圳。据 36氪此前报道，Chance AI 今年 5 月宣布完成数百万美元融资，CEO 曾熙在巴塞罗那大学获得博士学位，研究方向为认知科学与当代艺术；毕业后在一加主导了氢 OS 第一代产品并任 OPPO 设计总监，后在 Flow 部门参与豆包等 AI 产品从 0 到 1 的落地。

他说： 「好的 AI 不只替人看见，也应把下一眼看哪里的决定权留给人。」
「真正的笃定，不是答案永远正确，而是你仍然知道自己愿意往哪里走。」

从”看不懂展览”开始，到一群“拍石头”的seeds

Chance AI曾登上 App Store 免费榜 Top 3，在全球 35 个以上国家积累了超 20 万用户，次月回访率达 49.2%，并两度登上 Product Hunt 当日榜首。

如今的产品大热背后，可以追溯到团队成员的留学经历：曾在法国求学时，他们常去看展，却发现自己缺少导览的情况下，很难理解展品背后的信息。于是，他们开始研究依赖机器图像理解与识别。

那时，深度学习技术正处于一个阶段性瓶颈期，他们已经意识到：如果有一款智能助手，能够解释眼前事物的背景与意义，或许会创造新的价值。只是受限于当时的技术条件，这个想法一直未能落地。直到 ChatGPT 带来的新一轮 AI 浪潮出现，创业的时机才逐渐成熟。

这段故事某种程度上解释了 Chance AI 现在的样子。

Chance AI 最早火于北美校园，先后在纽约大学、南加州大学、斯坦福大学等高校做活动获取种子用户；2025 年圣诞节，大批学生用它拍商品挑礼物；开学季，”宿舍陈设反映你是什么样的人”功能又在社群里刷屏。受访者透露，团队的 seed 用户正是去年在美国几所高校的系列活动中获取的，他们甚至请了一位产品经理常驻纽约，

“用户拍的东西有很强的兴趣导向。有些人专门拍穿搭，天天就拍那个穿搭；有些拍皮肤；还有一些很有意思的，比如拍球星卡、宝可梦卡；有些人拍石头，拍硬币——他们会持续关注某一类自己感兴趣的东西。”

吴CTO 还分享了一个细节：社区里曾有个用户疯狂地往 Facebook 上发石头。”我说你这干嘛呢，真的就是一块一块石头。他说我是卖石头的——原石、陨石。他上架的时候自己都不知道该怎么描述这块石头，就用我们的识别结果写商品描述。”还有看硬币的、看球星卡价值的，也是这样。”他们说，在我们这里得到的识别结果，在别的地方得不到。”

这些行为分析最终沉淀为产品里的 visual skill：用得最多的是皮肤检测和 OOTD（今日穿搭），星座、手相更多是玩法，”我们本来的目标是对视觉交互最直觉的那群人，他们从出生到长大都泡在 Instagram、Snapchat、小红书里。这群人称为”Visual Native（视觉原生代）”。

不当先锋，先把”大脑”做到行业领先再等风来

Chance AI 的 V0 版本只有通用识别。”视觉数据和文字数据不一样。文字数据可以针对性去找，它可以穷尽；视觉数据没办法穷尽，一个东西可以拍出十几二十种不同的角度、不同的光线，所以视觉做微调本身是非常困难的一件事。”
投入换来了不错的成绩。

据公开报道，在视觉理解核心基准测试 MMMU 上，Chance AI 当前排名世界第一，准确率 86.07%，超过了人类评分（85.4%）以及所有主流大模型。”

随着基座模型能力增强，产品实现路径也变得更加灵活。受访者表示：“有些时候，我们直接通过参考图片、优化提示词，再结合一些 harness 工程，就能取得不错的效果，不一定需要重新训练模型。”

目前，产品仍旧围绕核心年轻群体在传达购物社交表达等高频视觉任务上构建产品的功能点，以完善高频视觉的2C任务提升用户黏度。

下一步规划：产品想让个人经验替你观察世界

 

商业化方面，公开报道显示 Chance AI 正在产品功能点的探索中逐步开启商业化，硬件授权与广告推荐则在更谨慎的清单上。值得一提的是，战略投资方美图的创始人吴欣鸿在亲自体验后认可了这个方向，并表示将共同探索海外用户美学场景。

同时，Chance ai近日宣布开放成为一个平台 Cisual ，目标是让每个人都可以用自然语言做自己的 visual skill——核心技术之一，是 Chance AI 的 VIC（Visual Inference Circuits，视觉推理回路）。该技术采用主动感知与迭代视觉推理机制，通过“观察、假设、核对、修正”的循环，识别证据缺口，并按需回到原图核查关键区域、调用相关知识与技能，以降低视觉信息不充分时直接得出结论的风险。

我们看世界的眼光和角度，应该是可以被复用和分享的。每个人经历不一样，看到同一棵树、同一块碑，理解是不同的。

想象一下，当商品图片、设备照片、工程图、表单、视频和现场画面不再只是需要人工逐一查看的材料，而能够直接进入理解、查询、判断与后续工作流。 Chance AI 的星辰大海是成为下一代终端的 AgentOS：手机 App 只是这个时代的一个形态，当 AI 眼镜、AI 硬件、家居终端成熟之后，这套视觉理解能力可以无缝迁移过去，前景无限。