传统硬件从拆箱开始折旧，Violoop希望让交付成为成长的起点。

作者｜周悦

编辑｜栗子

大多数消费硬件，在拆箱的一刻达到能力峰值。此后伴随使用时间增加，它只会变旧、变慢，直到被下一代产品取代。

Violoop 想把这个关系倒过来。

在创始人何佳霖的设想中，一台 AI 设备放在用户桌面上 30 天后，理应比第 1 天更懂这个人：记住更多工作关系，学会更多任务路径，并逐渐知道哪些事情可以提前准备，哪些决定必须停下来等待确认。

资本已经先为这个判断投了一票。

「甲子光年」获悉，Violoop 近期完成亿元级天使轮及 Pre-A 轮融资，联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本和清科控股共同投资，向阳资本担任长期独家财务顾问。

目前，Violoop 已经获得来自全球约 1.2 万人的订金预订，产品计划于美国时间 9 月 15 日、北京时间 9 月 16 日登陆全球众筹平台 Kickstarter。

Violoop 的两位创始人堪称黄金搭档。

何佳霖毕业于加州大学圣迭戈分校软件工程专业，长期生活和创业于美国，此前入选 YC W19，并创办房地产科技交易平台，将业务 GMV 从 0 做到超过 1 亿美元。计算机背景之外，他更熟悉海外用户习惯、消费市场和产品传播，这也成为 Violoop 从第一天面向海外市场的重要基础。

联合创始人兼 CTO 朱贤桢则有着典型的技术履历：三年半完成 MIT EECS 本硕，此前先后在微软 Xbox、HoloLens、Surface 团队及 ADI 工作，横跨芯片、嵌入式系统和消费电子软硬件研发。

Violoop 目前约有 30 名员工，其中研发人员占比超过六成。

过去五个月，Violoop 将已经试产的 V3 推倒重来，完成 V4 量产版本的开发，并进入正式上市前的量产与交付准备。

这次升级改变的不只是算力和硬件。

五个月前，Violoop 初次亮相时，正值 OpenClaw 风头无两，外界顺势给它贴上了一个极具辨识度的标签—— " 硬件龙虾 "。五个月后，它试图给自己一个更难的定义：自进化个人终端。

Violoop 是一块手掌大小的桌面设备，接在用户现有的电脑旁。它通过 HDMI 获取屏幕画面，通过 USB-HID 完成键盘和鼠标操作，也可以调用软件接口和系统工具完成任务。

" 硬件龙虾 " 的叫法来自当时爆火的 OpenClaw。两者背后有相似的思路：在基础模型之外，加上文件系统、长期记忆、工具调用和电脑操作，让 AI 从聊天框里走出来，真正开始干活。

回头看，Violoop 团队几次下注的方向，都早于相关概念成为市场热点。OpenClaw 爆火以前，Violoop 已经开始搭建自己的 Agent Harness；今年 " 自进化 " 和 RSI 成为热词前，团队也已经在尝试让 AI 参与测试，再把真实使用中留下来的经验重新送回 Harness 和模型。

今年 8 月，硅谷开始集中讨论另一个问题：AI 完成的工作越来越多，但由这些工作形成的智能，究竟属于谁？

8 月 19 日，红杉资本合伙人 Sonya Huang 发布《Own Your Intelligence: A How-To Guide》，并围绕 Sovereign AI 组织了一系列技术分享。

这里的 " 拥有智能 "，并不是要求每家公司都购买 GPU、训练基础模型，或者停止使用 OpenAI、Anthropic 等云端能力。红杉在文章中也明确表示，对许多任务而言，继续调用前沿模型和 Agent 仍然是合理选择。

它提出的是另一个更实际的问题：当一套 AI 系统完成了足够多的真实任务，经历失败、修改和人工判断之后，谁掌握让它继续进步的数据、上下文、评测、Harness 和学习机制？

Violoop 想把这个问题进一步缩小到个人。

基础模型可以更换，云端智能可以按需调用，硬件也会不断升级；但一个人长期形成的记忆、工作方式、纠正历史和权限边界，不应该随着一次模型或设备的更换而重新归零。

这也是 Violoop 对 " 个人主权 AI" 的理解：公共智能可以租用，但围绕一个人形成的经验和改进能力，应该由这个人掌握。

当长期记忆、工具调用和 Computer Use 正在成为行业共同能力，一块独立硬件为什么还值得留在用户桌面上？

1.Prompt不是入口，理解才是

今年 3 月，Violoop 将约 200 台 V3 测试机交给 KOL 和内测用户后，何佳霖发现了一件不太符合 AI 从业者直觉的事。

很多人并不是嫌模型不够聪明，而是不知道该怎么问。

对于每天测试新模型、研究 AI 工具的研发团队来说，写提示词、补充上下文已经接近本能。但当设备真正来到普通白领和商业用户手中，如何描述任务、应该提供哪些文件、需要补充多少背景信息，依然是一道门槛。

很多时候，AI 已经具备完成任务的能力，用户却卡在了表达需求这一步。

" 这可能才是当前最大的门槛。" 何佳霖说。

因此，在研发 V4 量产版本时，Violoop 将一条软件主线概括为：杀掉提示词。

这里的 " 杀掉 " 不是取消人的意图和决定权，而是不再要求用户每一次都从一条完整、结构化的指令开始。

Prompt 本质上是在训练人如何适应 AI；Violoop 想做的，是让 AI 先学习如何理解人。

远程演示中，何佳霖打开自己的日常工作桌面。当同事在微信里发来一句 " 能不能把某某的简历发给我 " 时，Violoop 捕捉到这句话，在电脑本地找到对应文件，并给出下一步操作建议。

随后，何佳霖打开一份 Word 文档，屏幕右上角自动弹出三个选项：做图表、做 PPT、生成网页。他选择第三项后，系统开始根据当前文档生成网页。

" 整个过程中，我没有主动跟 AI 说一句话。" 何佳霖说，" 我只是在正常推进每天的工作流程。"

这种建议会随场景变化。打开简历，Violoop 会建议生成一页纸摘要、准备面试问题或进行岗位匹配分析；换成合作协议，选项则会变成提取关键条款、分析潜在风险。

用户每一次接受、拒绝和修改，也会成为系统持续优化推荐方式的重要反馈信号。

何佳霖把它类比成抖音：" 我经常接受哪类建议，它就多准备哪类；我一直不选，它就减少类似推荐。"

Violoop 想做的，是让 AI 在用户开口以前，根据眼前发生的事情和过去积累的经验，判断此刻能帮什么。这也对本地算力提出了更高要求。

今年 5 月，V3 已经完成模具并试产约 200 台，原定众筹启动在即。但一款新一代端侧 AI 芯片进入量产，Violoop 团队决定暂停原有发布计划，从主板到内部结构重新设计，将产品整体升级到 V4。

V4 将端侧 AI 算力提升至 26 TOPS，为实时屏幕感知、长期记忆、本地推理和主动建议提供底座。

根据 Violoop 团队内部测试，在固定模型和推理条件下，新版本的端侧生成速度由约 10 Token/s 提升至约 45 Token/s。

主动建议的有效窗口很短。等用户已经切换到下一个页面，刚生成的建议可能就失去了价值。

" 推荐不一定每一次都完美，但必须足够快，才能在用户还需要它的时候出现。" 何佳霖说。

但 V4 改变的不只有速度。

OpenClaw 爆火以后，文件系统、长期记忆、工具调用和 Computer Use 很快成为行业共识。模型厂商和 Agent 产品都在补齐类似能力。何佳霖也不再把 " 让 AI 操作电脑 " 本身视作 Violoop 长期的壁垒。

如果只是让 Agent 点击鼠标、操作电脑，独立硬件的必要性确实会随着 Computer Use 普及而下降。

但当目标变成一个长期陪伴同一位用户的个人 Agent，问题就不再只有 "AI 能不能做 "，还包括：它看到的数据留在哪里，使用中形成的经验为谁积累，以及最后的执行权在谁手上。

Violoop 希望通过硬件，为个人 AI 划出两道最基础的 " 主权 " 边界。

第一道边界，是上下文的归属。

一个人的项目关系、文件流转、聊天内容和任务进度，每天都在电脑屏幕上高频出现。何佳霖强调，屏幕相关的原始数据和长期记忆主要在本地处理和保存，系统不会将原始屏幕截图直接上传云端。

另一道边界，是权限的归属。

Violoop 内置独立安全芯片。一旦涉及发送信息、删除文件、提交申请或支付等不可逆操作，系统会停止执行，要求用户按下设备上的实体按键确认。

对 Violoop 来说，个人 AI 的 " 主权 " 首先落在这两件具体的事上：它所了解的个人信息由谁掌握，以及它能够替一个人作出多大的决定。

但数据留在本地、操作需要确认，还只是个人智能主权最基础的两层。

一台设备即使在本地保存了所有聊天记录，也不代表它已经成为真正属于用户的 AI。如果这些经验不能改变下一次任务，系统能力仍然主要取决于外部模型何时升级。

因此，Violoop 试图继续向前争取的第三层，是智能的 " 改进权 "：用户的每一次接受、拒绝和纠正，能否逐渐改变这台 Agent 的记忆、工作方法乃至个人化模型；而这些变化能否被查看、纠正和回滚。

前两层回答的是数据和决定权在谁手里，第三层回答的则是：这套智能究竟在为谁成长。

在执行路径上，Violoop 也不再只依赖模仿人类点击。

如果软件提供稳定的 API 或系统接口，系统会优先选择效率更高的数据通道；当遇到没有标准接口的软件时，再使用 GUI 完成操作。

过去几年，AI 硬件反复上演相似的剧本：发布会上的 Demo 惊艳，买回家后却迅速吃灰。

" 在市场真正给出反馈之前，我们也不知道最终结果会怎样。" 何佳霖说。

约 200 台测试机给了团队一些底气，但要证明一个全新的消费硬件品类已经成立，仍然需要真实交付、留存和任务使用深度来回答。

Violoop 真正想改变的，是传统硬件的生命周期。

普通数码产品越用越旧；如果一台 AI 设备每天都在积累用户的工作习惯、关系和反馈，那么理论上，它在桌面上放了 30 天后，理应比第 1 天更懂用户，也更好用。

Violoop 将这种随着使用持续积累和调整的过程，定义为 " 自进化 "。

2. 记忆是笔记，Harness是方法，权重才是本能

" 我们永远都是 underdog。"

今年二三月，Violoop 第一笔融资刚刚落定，CTO 朱贤桢就在团队内部给出了这个判断。

面对快速迭代的模型大厂，一家创业公司很难依靠某项单点功能建立长期壁垒。一项今天看起来稀缺的能力，几个月后就可能被直接集成进基础模型。

与其赌哪项能力不会被巨头追平，朱贤桢提出了一个更务实的解法：搭建内部闭环，让 AI 自己运行测试，再用测试结果反哺产品和 Agent Harness 的迭代。

据 Violoop 团队介绍，目前约 80% 到 90% 的内部测试工作由 AI 自动完成，最后一部分再交由真实用户和团队验收。

AI 在测试环境中执行任务，将成功、失败和人工纠正沉淀下来，继续寻找能够缩短的步骤和降低的成本。

Violoop 团队最初没有把这种工程实践称为 " 自进化 "。

" 当时单纯觉得，这是一种更 AI 原生的开发方式。" 何佳霖说。

直到 Loop Engineering、AI4AI 和 RSI 等概念开始受到更多关注，Violoop 才开始重新理解这套内部实践。

今年 6 月，Anthropic 在《When AI Builds Itself》中描绘了一条渐进路径：AI 从辅助编写代码，走向自主执行和委派任务，并可能最终参与设计、训练和改进自己的后继系统。

红杉最近围绕 Sovereign AI 展开的一系列讨论，则把 Harness、后训练和 Continual Learning 放进了 "Own Your Intelligence" 的路径里。

在红杉题为《Owning Your Intelligence Starts With the Harness》的分享中，LangChain 联合创始人兼 CEO Harrison Chase 将 Agent 拆分为模型、Harness 和上下文三部分。他认为，真正拥有一套 Agent 系统，需要对这三部分都保持控制；其中 Harness 负责在正确的时机将上下文、模型与工具组织起来。

他还谈到一条由真实使用驱动的数据飞轮：Agent 执行任务，系统留下轨迹和反馈，再通过评测判断应该修改上下文、Harness 还是模型。

放到个人用户身上，这与 Violoop 正在尝试的三层路径有不少相似之处：围绕同一个用户，让记忆、Harness 和模型形成持续反馈。

判断一个人是否开始 " 拥有自己的智能 "，也不一定要先看他有没有一份独立的大模型权重。

更直接的问题是：当一台 Agent 替用户完成第一千次任务以后，系统留下了什么？

如果留下的主要是云端调用账单、聊天记录和几次临时修改，那么用户拥有的仍然只是一次次智能使用权。

如果留下的是可纠正的长期记忆、逐渐分化的工作流、任务成败轨迹，以及一套能让下一次任务发生变化的学习机制，个人智能才真正开始积累。

Violoop 的三层自进化，本质上就是试图回答这个问题。

如果把个人 Agent 比作一名长期员工，那么记忆是它的工作笔记，Harness 是它做事的方法，模型权重则是经过反复验证后形成的工作本能。

第一层，是长期记忆。

何佳霖打开自己的 Violoop 软件页面，屏幕上出现一张动态生长的关系网络，人、项目、文件和事件节点相互连接。

其中一个节点是一名嵌入式工程师。系统能够根据日常屏幕信息和工作材料，逐渐梳理出他的职责范围、所涉项目和高频协作关系。

这些内容并非何佳霖手工录入，而是由端侧记忆模型从聊天记录、文件和屏幕上下文中提取并重新组织。

模型可以更换，但 Violoop 希望，这层长期记忆不需要跟着重置。

第二层，是 Harness 开始因人而异。

同样是推进项目，有人习惯使用飞书，有人更强调隐私、不愿开放某些接口；有人希望每一步都弹窗确认，有人则只要求在涉及不可逆操作时停下来请示。

随着用户使用的工具、工作方式和授权边界不同，Violoop 规划的执行路径也会逐渐产生差异。

何佳霖将其称为 Harness 的迭代。它不只是记住用户喜欢什么，而是改变任务完成的方法：调用什么工具、采用什么步骤，以及什么时候必须停下来向用户确认。

Violoop 内部维护着约 2000 个跨软件测试案例。AI 在这些案例中反复运行，即便任务已经完成，只要还能少走一步、缩短时间或降低 Token 成本，优化就不会停止。

目标仍然由人确定，但 AI 开始参与回答 " 怎样完成 " 以及 " 怎样少走弯路 "。

记忆回答的是 " 这个人是谁 "，Harness 回答的是 " 这个人习惯怎么做事 "。

第三层，变化进入模型本身。

何佳霖将 Violoop 团队希望实现的过程称为 " 睡眠 "。

他们的目标是，让设备在白天积累用户的记忆、任务结果和纠正；到了用户通常不用电脑的时间，再从中筛选真正值得训练的经验，逐步更新个人化模型。

在内部训练与测试中，Violoop 已经走通 " 捕捉工作轨迹—形成长期记忆—生成训练数据—通过 LoRA 更新个人化参数 " 的完整链路。

在一组内部实验中，一周可以积累约 500 条候选训练数据，一次后训练需要数小时。这套能力仍在测试和迭代，尚未全面进入量产用户系统。

Violoop 团队当前正在解决的问题，包括怎样筛选真正稳定的个人经验、怎样控制训练频率、怎样评估模型更新后的变化，以及发生能力退化时怎样回滚。

既然已经有长期记忆库，为什么还要修改模型权重？

因为记忆只会越来越多。Violoop 希望把高频、稳定、被反复验证的人物关系和工作习惯，逐渐蒸馏为模型的快速反应；低频和不断变化的信息，则继续留在记忆库中，需要时再检索。

记忆负责保存事实，权重负责形成习惯。

从 Context 到 Harness，再到 Weights，Violoop 想让一个人的经验从 " 被记住 " 一步步走向 " 被学会 "。

到了模型权重这一层，" 拥有自己的 AI" 才开始从拥有数据，走向掌握经验形成能力的机制。

何佳霖想要的，是一个 " 不必在所有领域都最强，但真正了解你 " 的模型。它不需要记住所有随时可以搜索到的公共知识，但应该知道这个人习惯与谁协作、怎样处理特定问题，以及哪些决定绝不能替他做。

LoRA 不是新技术，长期记忆也不是。Violoop 试图将几个原本相互独立的能力相连：用户行为产生反馈；反馈改变记忆和 Harness；经过长期验证的经验再用于个人化训练；更新后的系统重新进入真实使用。

个人智能主权的核心，也不是占有一份静态的模型文件，而是掌握这套智能如何在真实使用中继续进步。

何佳霖也坦承，LoRA 是否是个人模型长期演进的最终方案，" 现在还不好说 "。

持续进行几十轮甚至上百轮微调，模型会不会发生灾难性遗忘？通用基础模型是否适合长期承载越来越多个人经验？个人习惯发生变化后，旧参数又该如何被修正？

这些问题仍然没有答案。

Violoop 更远期的设想，是做一种更适合承载长期个人经验的模型底座，再围绕每一个具体的人持续训练。

这些问题还没有答案，资本已经先为这项判断下注。

3. 谁拥有第30天的AI？

本轮融资中，一个值得关注的变化，是产业资本开始进入。

何佳霖告诉「甲子光年」，联想已作为投资方加入。双方正在围绕生产制造、供应链、全球渠道和品牌资源展开协同，并探索产品捆绑、Agent 与模型层面的联合 POC，以及 Violoop 能力以软件许可形式进入 AI PC 产品线的可能性。

作为联想目前在个人电脑 Agent 硬件领域唯一投资的创业公司，Violoop 与联想共同探索的，不只是下一代 AI PC 应该增加什么功能，而是个人电脑能否从一台等待指令的工具，逐渐变成一个长期理解用户、主动参与工作，并与用户共同成长的智能系统。

另一家产业背景投资方中金保时捷，则让汽车成为 Violoop 下一步可以探索的终端之一。

手机、家庭设备、汽车乃至机器人，也面临类似的问题：设备不同，围绕同一个人形成的记忆、偏好和做事方式，能不能继续跟着用户走？

Violoop 的长期设想，是从电脑桌面开始，让这层个人记忆、工作方式和模型能力延伸到更多终端。

底层设备、传感器和执行方式可以不同，但每进入一台新设备，AI 不应该再从零开始认识用户。

如果这层智能真正属于个人，它也不应该被永久锁死在某一块硬件、某一个 App 或者某一家基础模型里。

这并不意味着 Violoop 当前已经实现个人模型在所有终端之间自由迁移。更准确地说，这是团队希望建立的长期方向：设备提供感知和执行，云端提供不断增强的公共智力，而用户长期积累的记忆、工作方法、反馈和个人化能力，构成一层由个人掌握的智能资产。

这也是何佳霖为什么会认同 "Model is the new App"。

今年上半年，创投圈曾讨论 "Skill 会不会成为 AI 时代的 App Store"。何佳霖给出的答案更加激进。

他认为，甚至连 Agent 本身都未必是下一代应用生态中最稳定的单位。未来真正像 App 一样长期伴随用户的，可能是那些高度个人化、持续服务于同一个人的模型。

如果 App 保存的是用户的账号、文件和使用记录，那么个人模型未来可能进一步保存一个人如何理解问题、怎样完成工作，以及哪些判断不能交给别人。

如果这一判断成立，用户未来更换基础模型、软件和设备时，真正需要带走的，也不只是账号和文件，而是一层长期形成的个人智能。

V4 海外建议零售价为 699 美元，Kickstarter 首发及国内首发期间售价为 399 美元。首批目标用户主要集中在创始人、小团队、中小企业经营者和科技极客——也是效率提升最容易转化为商业价值的一群人。

在软件侧，Violoop 允许用户自带 OpenAI、Anthropic 或 OpenRouter 等平台的 API Key，并提供包含多款模型与智能调度能力的官方套餐。

Violoop 团队还计划逐步发布针对 Computer Use、任务理解和跨应用规划训练的自研模型，用更低的延迟和成本完成一部分高频任务。

这种端云分工也构成了 Violoop 对 " 个人主权 AI" 的另一个解释。

主权不意味着拒绝云端。云端模型仍然可以提供更强的通用推理能力，用户也可以根据质量、成本和任务类型选择不同模型；端侧要掌握的，是围绕个人长期形成的上下文、记忆、反馈、权限边界和个人化能力。

公共智能可以来自少数基础模型公司，但它怎样被组织起来、怎样在一个人身上持续积累，不一定必须由同一家公司决定。

对于更远的未来，何佳霖还有一个 " 蜂巢式智能 " 的设想。

他不希望所有人的 AI 最终都收敛到一两个超级模型中，而是希望每个人拥有一个长期服务自己的个人 Agent，再由这个 Agent 调用云端公共能力，并与其他智能节点协作。

它不是将所有个人数据汇入同一个中心的 Hive Mind，而是一个由个人拥有的智能节点组成的分布式网络。

" 云端最终可能集中在少数几家基础模型公司，但端侧有机会真正属于每一个人。" 何佳霖说。

如果几年以后，个人模型没有成为新的生态，端侧也没有形成独立价值，世界最终仍然由少数通用模型覆盖，那么，" 就代表我们今天的判断不对 "。

这个答案仍然很远。

更近的一次检验，是北京时间 9 月 16 日。

V4 将在 Kickstarter 正式发售。何佳霖将 Kickstarter 称为一个 " 纯销售节点 "：它首先验证的是有多少人愿意为这类产品付费；真正的产品反馈，要等机器送到用户手中之后才能开始。

对于一款强调 " 越用越懂你 " 的硬件，首发销量从来不是终点。

真正需要验证的是，当它替用户完成第一百次、第一千次任务后，究竟留下了什么：是更多调用账单和聊天记录，还是一套持续增长、可以纠正、能够被用户掌握，并且始终服务于这个人的智能。

公共智能可能越来越集中，但个人智能未必必须如此。

资本已经先投了一票。

9 月 16 日之后，Violoop 需要向用户证明的，不只是一台 AI 硬件能不能卖出去，而是第 30 天的它是否真的不同于第 1 天，以及这份差异最终属于谁。

（封面图来源：Violoop）

END.