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。
END.
