Traini完成超5000万元融资，推出认知型宠物智能项圈，实现人宠‘对话’

文｜富充

编辑｜苏建勋

总部位于硅谷的宠物情感智能企业Traini近日宣布，成功完成超过5000万元人民币的新一轮融资。所筹资金将重点投入多模态情感模型的研发、软硬件产品的持续迭代，并加速其海外市场的拓展步伐。

此轮融资由Banyan Tree、Silver Capital、ZhaoTai Group和NYX Ventures联合领投，跟投方包括Strating Gate Fund、Jade Capital以及多位科技界知名投资人。值得关注的是，投资者阵容中出现了两位Nvidia资深副总裁、Anthropic技术专家Julian Qian、同创伟业创始合伙人郑伟鹤、南山资本创始合伙人何佳、Plug and Play China首席执行官Peter Xu以及Edgewater Investments合伙人Zach Zhang等。

原有投资方Tao Foundation与小米联合创始人洪峰也继续追加了投资。

在此之前，Traini已经吸引了来自Google、Meta、Palo Alto Networks等企业高管的个人投资。早在2023年5月，公司便完成了天使轮融资，投资方包括FutureX Capital、BlueSea Partners、Tao Foundation、Mint Capital、Valkyrie Fund及小米联合创始人洪峰等，持续深耕宠物情感AI的算法研究与产品化落地。

Traini多模态生成式AI应用于宠物行为理解与“翻译”，图片：企业提供

据Traini官方介绍，该公司是全球少数几家将多模态生成式AI技术应用于宠物行为解读与“翻译”的团队之一。其长远目标是依托自研的多模态模型，实现人与宠物之间近乎实时的语音交互。

目前，Traini的核心软件产品名为PEBI（Pet Empathic Behavior Interface）。该系统具备跨文本、图像、视频和音频的多模态交互能力，能够分析宠物的叫声、表情及行为，对其心理状态进行推断，并以类似人类对话的方式呈现结果，从而实现人与宠物之间的“对话”。

Traini的模型现已覆盖近120种犬类，在内部测试中，其情绪翻译准确率最高可达到94%。PEBI以API接口形式向宠物诊所和智能硬件制造商开放，为医疗诊断和交互设备赋予情绪与行为理解能力。

本次融资将加速Traini的首款AI智能项圈量产，图片：企业提供

此轮融资完成后，Traini计划加快其首款智能穿戴设备的量产进程——即认知型宠物智能项圈（Cognitive Smart Collar）。这款产品是公司首款基于生成式AI的人宠交互硬件，目前已在Traini App及官网traini.app开放预购。

该智能项圈集成了AI与实时情绪追踪技术，内置Traini自主研发的Valence–Arousal（VA）情绪模型。该模型由Traini团队与宠物行为学专家合作，基于900余篇宠物行为研究论文和约200万只狗狗的行为数据进行训练而成。

项圈通过采集心率、体温、动作等生理及行为信号，结合叫声模式进行综合分析，最终将结果转化为用户易于理解的情绪与健康画像。该系统能够识别并追踪多种情绪状态，以文字或语音方式向用户呈现“翻译结果”，涵盖叫声类型、情绪波动以及潜在需求。

为了支撑上述功能，Traini还开发了3D宠物情感模型，利用自定义的即时情感向量，将宠物的“内在情绪”与“外部时间、地点情境”进行统一建模。

公司表示，该模型具有三重意义：首先，它将宠物行为从孤立的动作转变为“情绪—习惯—情境”的连续体；其次，它帮助用户发现宠物的快乐点、压力源和潜在风险；最后，它为未来宠物智能穿戴设备提供了“行为→情绪→情境→建议→决策”的基础架构。

Traini开发的3D宠物情感模型，使用自定义的即时情感向量，将宠物的“内在情绪”与“外部时间、地点情境”统一建模，图片：企业提供

在用户层面，Traini已为全球超过2亿只宠物狗提供服务（涵盖工具使用与模型调用），其相关YouTube视频播放量突破6000万次。2023年推出的PetGPT支持自然语言交互与宠物行为分析，官方数据显示，覆盖用户中的使用率超过99%，且通过服务匹配使相关服务的使用率提升了约70%。

2024年，公司进一步发布了T-Agent，该工具基于Traini模型对狗狗需求的理解，可实现商品搜索、推荐和自动下单。截至目前，Traini已与近4万家美国本地宠物门店建立合作关系。

目前，Traini已构建了一个涵盖多品种、多场景、多情绪状态的高质量宠物音视频数据集，并在精细标注的基础上持续优化PPI系统（Pet Perception & Interaction）。在保持识别精度与泛化能力的同时，团队采用了轻量化与边缘部署策略，以提升产品在家庭环境中的响应速度与隐私安全性。