搜索
2026年的夏天，“ AI帮打工人干活”正在从概念走向可落地的真实场景。
据易观分析公开数据，2026年6月，腾讯
字节跳动也在快速整合办公AI业务。7月30日，飞书产品团队与
大厂正在争夺同一个位置：电脑桌面上的AI工作入口。
当模型、流量、应用生态都集中在大厂手中，创业公司的机会又在哪里？
IT桔子了解到，近期深圳AI硬件公司 Violoop正式完成亿元级天使轮及 Pre-A轮融资，由联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本及清科控股联合投资，向阳资本担任长期独家财务顾问。
不过，Violoop没有选择“硬刚”大厂，而是切入AI硬件赛道，研发了一台掌机大小、可连接电脑的外部硬件设备。
它既拥有独立芯片与端侧算力，又可通过 HDMI和 USB接入电脑，并从屏幕获得视觉信息，也能通过键盘和鼠标信号执行操作。换句话说，Violoop想做的是一台物理级的“个人AI Agent”。
借着融资喜讯，IT桔子与 Violoop创始人何佳霖（90后）聊了聊。关于这款产品的路径选择、硬件形态与软件逻辑的差异化定位，最终都指向三个问题：AI能力的上限在哪里？AI信任的下限如何保证？当软件Agent已经足够强大，为什么还需要一台硬件？
Violoop创始人何佳霖和联合创始人 兼CTO朱贤桢图源：受访者供图
一、“消灭”提示词，主动AI应该怎么做？
目前主流的AI Agent助手仍然采用“你问我答”的工作方式。
由用户提出需求，AI理解并执行，然后停下来等待下一条指令。即使部分产品开始增加日历提醒、定时任务和自动触发，本质上仍然依赖用户提前设置规则。
Violoop想做的是另一种“主动式AI”。
主动式AI可以持续理解用户正在做什么，并根据当前场景、长期记忆和过往工作方式，在用户“开口”之前完成必要的准备。
在前期与多名用户沟通、测试产品的过程中，团队就发现了一个普遍的问题：阻碍AI进入真实生产工作的，往往不只是模型能力，而是提示词本身。
为了让AI完成一项复杂任务，用户通常需要先停下手中的工作，重新整理背景、寻找相关材料、描述目标、拆解步骤，再把原本分散在屏幕、文件、历史记录和个人经验中的上下文，压缩成一段清晰、结构化、机器能够理解的提示词。
对于少数熟练用户来说，这是一种技巧；但对多数普通用户而言，它本身就是一项额外工作。当提出任务的成本接近亲自完成任务，Agent就很难真正进入高频、连续的生产环境。
因此，Violoop希望消灭这项“前置任务”——把输出提示词作为AI开始理解任务和工作的必要前提。
由此，新的交互范式诞生了：系统从持续在场的上下文、长期记忆和真实工作流中，理解此刻正在发生什么，并在用户主动“开口”之前完成信息整理、任务拆解和可逆的准备工作。
当然，提示词也不会彻底消失，但它不是每次工作必经的起点，必要的补充和校准时发挥作用。
Violoop将这种能力称为Artificial Intuition——人工直觉。
在何佳霖现场演示的内测版本中，这种体验通常由几个连续场景构成：
当用户在微信里与同事讨论一件事时，系统已经根据当前对话和相关背景准备好下一段回复，用户通过快捷键即可采用；当同事在聊天中索要一份候选人简历时，系统能够理解对方需要什么，找到对应文件，并停在发送前等待用户确认；用户打开简历继续阅读时，系统又能结合当前项目，询问是否需要进行岗位匹配分析，并提前整理所需信息。
也就是说，用户没有专门打开AI应用，也无需重新输入背景、复制聊天记录或者编写提示词，系统已经把任务推进到“就等用户决定”的位置。
这背后需要的不只是一个更聪明的模型，更重要的是构建一套包括跨应用感知、长期上下文、个人记忆的系统，以及拥有对用户意图和权限边界的判断能力。
具体怎么做呢？何佳霖将 Violoop的学习路径拆成三个阶段。
第一阶段，是让AI形成围绕个人的长期记忆。
系统从用户授权的工作上下文中，逐渐理解与用户有关的人、项目、文件和历史工作。它需要判断哪些信息值得长期保存，哪些只是短期噪声，并持续合并重复内容、修正过时信息。
第二阶段，是让AI学会一个人的工作方式。
系统不只需要记住“发生过什么”，还要逐渐理解用户从哪里寻找信息、如何处理类似任务、如何作出判断，以及哪些步骤可以继续执行、哪些步骤必须等待确认。
这些经过反复使用和纠正的工作方式，会逐渐沉淀为技能、工作流和执行路径，进入 Agent Harness，也就是 Agent的执行框架。
第三阶段，是把反复验证的经验转化为更稳定的个人模型能力。
Violoop已经走通“捕捉工作轨迹—形成长期记忆—用于个人化训练”的技术链路，目前正在进行工程化。团队同时在训练和测试两类自研模型：一类偏任务理解与任务拆解，另一类偏具体执行。
何佳霖将这种变化比作“肌肉记忆”。
一个经验丰富的人面对熟悉任务时，不需要每一次都从头推理；大量经历已经被压缩成快速判断。Violoop希望，Agent也能把真实工作中的结果、反馈和纠正逐渐沉淀下来，而不是每次任务都从零开始。
“大模型现在缺的已经不只是智商。”何佳霖说，“更稀缺的是怎么把每一次真实工作的经验保存下来，最终形成属于用户自己的工作方式。”
但要让主动响应成立，还有一个很现实的技术条件——及时。
如果用户已经离开当前页面，系统才给出建议，即使建议本身正确，也失去了价值。为此，Violoop将部分关键主动交互的响应目标设定在1秒以内，并把端侧AI算力从上一代的6 TOPS提升至26 TOPS（一种衡量AI芯片每秒运算能力的单位）。作为对比，一台主流大厂AI PC的最高算力是40 TOPS，这个算力水平基本上相当于一台迷你主机。
这种端侧算力的大幅提升将使得Violoop能更好地做到低延迟感知，同时也能完成记忆处理、本地模型推理和部分个人化任务。
二、主动AI越强，信任边界越要明确
据外媒报道，今年4月一个AI编程Agent在处理测试环境任务时获取了权限过大的API凭证，并在数秒内删除了一家创业公司的生产数据库及同卷备份。
万幸相关数据后来得到恢复，但事故暴露出一种深层的担忧：当Agent拥有执行权时，如何保证不越权操作或误删关键数据？如果它理解错了或者执行过程出现偏差，怎么才能阻止它？
当主动AI能力越强，安全性看起来就是一个无法回避，且需要解决的问题。
Violoop对这个问题的回答分为两层。
第一层，让离用户最近、对延迟和隐私最敏感的任务优先在本地完成。
Violoop将屏幕感知、记忆构建、部分文本补全和低延迟模型任务放在端侧处理；需要更强推理能力的复杂任务，则通过模型路由按需调用云端模型。
虽然硬件本身并不会自动带来隐私，但是独立设备可以把感知、记忆、模型推理和针对复杂任务的云端调用分别放进更清晰、可控制的数据边界中。
而且，考虑到用户有不同的大模型使用偏好，他们也不需要被强制绑定某一个模型套餐。对于已经拥有智谱、
第二层，把关键授权从模型和普通软件中独立出来。
Violoop内部设置了一块独立安全芯片，用于管理执行侧的授权，模型遇到比如发送、删除、提交、支付等被定义为不可逆的操作是必须停下来，等待用户通过物理按键确认才可执行。
这套架构并不承诺AI永远不会理解错误。而它保证的是：无论何时，被纳入授权链路的不可逆操作始终无法绕过人的最终确认。
何佳霖用了一个“签合同”的比喻：合同条款可以修改很多遍，材料也可以由其他人提前准备，但盖章的那一刻意味着决定正式生效。
“Agent可以帮助用户完成前面80%，甚至99%的准备工作，但最后一步仍然应该由人确认。”何佳霖说，“我们希望把签字权和盖章权始终留在用户手里。”
如果一个系统只能给建议，却不能进入真实软件完成操作，它的价值有限；但如果它可以不受约束地发送消息、删除文件或完成支付，用户也很难长期信任它。
在 Violoop的产品逻辑里，能力边界和信任边界必须同步生长，AI可以越来越主动，但决定权不能因此转移。
三、为什么还需要一台硬件？
采访的最后，我提出了一个问题，像长期记忆、computer use、本地模型和安全确认，纯软件真的做不到吗？
何佳霖的回答是，这些能力单独来看并非只有硬件能够实现，但在 Violoop选择的技术路径中，硬件把几项原本分散的能力组合成了一个完整产品。
硬件存在的首要理由是持续在场。
主动AI需要知道此刻发生了什么，也需要把当前状态与过去的记忆联系起来。
Violoop通过 HDMI获得与用户相同的屏幕信息，通过独立设备持续处理经过授权的上下文。它不依赖某一个应用是否处于打开状态，也不完全受限于单个软件会话的生命周期。
硬件带来持续在场，持续在场带来完整上下文。对于 Violoop而言，这是长期记忆和主动判断的数据基础。
第二个理由是软件覆盖范围有限、兼容受限。
纯软件 Agent通常需要依赖操作系统权限、软件接口或 API适配。但在现实的软件世界中，大量应用没有为AI开放标准接口，许多老旧系统也不可能为每一种Agent逐一改造。
Violoop使用的是人类已经使用了几十年的交互方式：从屏幕获得信息，再通过标准键盘和鼠标接口完成操作。
这意味着其能力范围不必完全取决于软件是否专门为AI开放API，理论上，人能够通过屏幕和键鼠操作使用的软件都有机会进入其工作范围。
第三个理由是建立独立于模型的物理信任边界。
如果感知、推理、执行和授权全部位于同一个软件系统中，一旦模型、插件或权限配置出现问题，风险可能沿同一条链路扩散。
Violoop则尝试把这些能力拆开：AI模型负责理解和准备，执行系统负责操作，独立安全芯片和物理按键负责不可逆行为的最终授权。
软件扩大AI的能力，硬件决定数据流向、执行边界，以及系统必须在哪里停下来。
这三点共同构成了 Violoop所理解的“AI原生硬件”。
他们研发这台硬件设备的初衷就是“让AI持续理解并使用电脑”这一目标，从选择计算芯片、输入输出接口再到本地模型和安全架构，都服务于这一核心需求。
Violoop的核心团队主要来自软件和模型工程背景。2023年至2024年，团队曾为欧洲世界500强企业提供计算集群上的模型部署、后训练和优化服务。
现在，他们试图把过去需要大型企业计算资源和定制交付才能实现的AI系统，压缩进一台普通消费者可以使用的桌面设备。
产品层面，截至目前，Violoop第一批内测硬件已经获得数十名真实用户的持续使用反馈，更大范围的产品测试覆盖了来自全球多个国家和地区的200多名用户。
按照团队目前的计划，Violoop将于9月中旬在海外渠道正式上线，并在国内进行首批小规模发售，10月以后逐步扩大市场覆盖。据悉，约1.2万名海外用户已经支付订金。
当大厂争夺软件里的AI工作入口时，Violoop选择了一条看起来更重、也更难的路线。
它需要证明的是当AI Agent开始工作时，硬件是否能够同时带来更完整的上下文、更低的交互延迟和更可信的执行边界。
如果这三件事能够被大规模地验证，个人AI Agent的交互范式或许会被重新定义。
