据投融
Catnip创立于2025年7月，公司总部位于上海市浦东新区。Catnip是全双工实时流式音视频交互大模型底层服务商，聚焦真人级实时双向数字人互动赛道，核心解决传统AI视频生成“离线生成、延迟高、无法实时交互、单次生成时长短、算力成本高昂”五大行业痛点，打造可支撑持续直播、实时对话的音视频统一生成底座。
创始人杨姝瑞、谢泽柯，均为00后
杨姝瑞曾先后任职于TikTok、PixVerse（国内头部AIGC视频公司），全程参与短视频AI特效、数字人工具0-1商业化落地，具有完整To B商业化交付经验。2025年，创立Catnip，统筹公司融资、战略规划、大客户商务拓展。
联合创始人谢泽柯，本科毕业于中国科学技术大学，博士毕业于东京大学。香港科技大学（广州）助理教授，曾任百度研究院高级算法研究员，长期担任NeurIPS、ICLR、ICML等AI顶会领域主席。目前担任Catnip首席科学家，全权负责MaineCoon系列模型架构设计、训练框架优化、流式推理核心算法研发。
核心产品MaineCoon
MaineCoon v1.0 22B流式音视频统一大模型是行业首个支持持续流式生成的22B参数音视频原生模型，实现边生成、边播放，同步生成高清画面与匹配人声音频。大幅降低企业实时数字人直播算力开支。商业化配套服务产品包括：企业标准API调用服务、私有化本地部署套件和数字人直播配套工具链。另外，MaineCoon v2.0计划于2026年Q4上线，提升模型参数至40B，新增多人实时对话、3D虚拟数字人驱动、实时场景背景动态生成三大功能。
三大自研底层技术壁垒
Catnip具有三大自研底层技术，其中，流式时序并行生成架构是Catnip自研流式分片并行生成框架，将视频时序拆解为微分段并行推理，分段实时输出画面与音频流，实现持续不间断生成，解决实时交互场景核心痛点。轻量化22B参数分布式训练技术打破行业“大模型必须百人团队、亿级算力投入”固有路径，自研低显存占用训练调度算法，优化激活重计算、梯度分片压缩技术，训练算力成本降低70%以上。音画毫秒级同步时序对齐算法是自研跨模态时序匹配引擎，消除AI生成普遍存在的口型错位、人声画面不同步问题，毫秒级音频-视觉特征对齐，实现类真人双向对话交互。低成本推理优化技术是自研低精度无损量化方案，在不损失画质、音质前提下大幅降低显存占用，同等硬件下推理速度提升3-5倍。
国产替代空间充足
据统计，2025年，国内实时虚拟人直播、在线交互市场规模约为89亿元。预计2026年，这一规模将达到136亿元。另外，实时流式音视频底层模型赛道的国内市场规模约为18.7亿元，国产替代空间充足。
尽管Catnip只是2025年末成立的微型AI原生初创企业，但依托资本的不断加持，以及行业突破性22B实时流式音视频大模型研发的完成，Catnip有望成为国内实时数字人底层模型赛道核心国产供应商。
