Violoop完成亿元融资，让AI在真实工作中学会一个人

AI 创业公司 Violoop 近日完成亿元级天使轮及 Pre-A 轮融资，投资方包括联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本和 Zero2IPO Ventures，向阳资本担任长期独家财务顾问。目前已有约 1.2 万人支付订金，产品计划于 9 月正式上线。

过去三年，AI 行业主要回答如何让模型更聪明。参数更多、推理更长，模型能回答问题、写代码、规划任务，但当这些能力来到具体用户面前，一个短板开始暴露：模型了解世界，却不了解这个人。它不知道一项工作此前如何完成，不理解用户上次修改某个决定的原因，也无法跨软件、跨会话继承工作经验。

Violoop 要做的，是让 AI 在交付给用户后继续成长。创始人何佳霖表示：“基础模型正在学会世界，但它还没有真正学会一个人。”

其第一款产品是一台巴掌大小的桌面设备，建议零售价 699 美元，首发价 399 美元。它通过 HDMI 获取电脑画面，通过 USB 操作键盘鼠标，无需更换操作系统，也不需要软件逐一开放 API。这个选择背后的逻辑是：过去几十年积累的数百万软件与工作流都是为人机交互设计的，让 AI 学会人的接口，比等待软件适配 Agent 更现实。Violoop 不是另一台电脑，而是让个人 Agent 直接进入用户已有的设备，在真实工作环境中长期在场。

在学术领域，递归自我改进、持续学习备受关注，但 Violoop 不打算在架构层面追求无限自我进化。它选择一条更明确、更个人化的路径，分三个阶段展开。

第一阶段是建立多模态长期记忆。设备在用户授权后，从日常屏幕活动中提取工作信息，构建图文知识库，并周期性重整：合并重复、修正过期内容、重建人物与项目的关联。记忆库对用户可见、可纠正、可删除。创始团队实测中，系统能通过长期观察逐步理解产品上线时间与项目进度。Violoop 已训练并部署专用模型，用于本地化的记忆抽取与重整。

第二阶段是学习工作方式。传统自动化依赖固定脚本，界面一变就容易失效。Violoop 在 Agent Harness 中积累可复用方法：用户如何获取信息、如何跨软件传递内容、遇到冲突优先相信什么、哪些步骤需要确认。这些经验以工作流记忆、Skills 和执行路径保存，让系统遇到相似任务时不再从零规划。该层能力已经上线，基于任务结果和用户纠正的反馈闭环正在工程化。

第三阶段是个人化后训练。系统将记忆库中的真实工作轨迹——操作序列、决策过程、结果和修正——用于更新模型参数，把经过反复验证的经验从外部记忆蒸馏进模型。这相当于把“慢思考”变成“快反应”。Violoop 已在内部跑通完整链路，目前关注的是如何稳定、可评估、可回滚地交付，包括自动生成训练数据、筛选值得进入参数的经验、控制更新频率等。设备拥有 26 TOPS 端侧算力，处理持续感知与本地推理；复杂任务通过模型路由调用云端大模型。云端负责公共智能的上限，端侧沉淀围绕一个人的长期经验。

当三层能力打通，Agent 开始具备主动性。Violoop 称之为 artificial intuition（人工直觉）——不是简单提醒，而是系统同时理解此刻发生了什么、用户过去如何处理类似情况、哪些准备可逆、何时介入不打扰。比如新任务到来时，它先整理材料、起草回复、更新表格，用户只做最终确认。这种主动性可通过采纳率、修改次数、重复任务耗时等指标验证。

能力越强，信任边界越重要。Violoop 在硬件中配备独立安全芯片，将关键授权与感知推理系统物理隔离。对于发送、支付、删除、提交等不可逆操作，用户必须通过物理按键确认。何佳霖说：“理解在生长，决定权始终不动。”这是硬件在感知和算力之外的第三层价值。

对 Violoop 而言，硬件交付不是能力峰值，而是个人化的起点。设备是个人 Agent 进入真实工作环境的第一节点，其上可生长个人化服务、Skills 生态与更多合作。原始个人数据始终属于用户，公司真正积累的是学习系统、任务评价机制、跨软件执行框架和硬件级权限架构。基础模型越强、调用价格越低，个人经验层的价值反而越高。

长期看，Violoop 想建立的不是把所有个人数据汇入中心的 Hive Mind，而是由个人拥有智能节点组成的分布式网络。每个 Agent 只为其用户利益工作，只有经用户授权且不含个人信息的泛化能力，才可能参与节点间协同演进。云端不断提升公共智力，端侧在真实工作中积累独特经验，二者相互增强。

Violoop 的选择是让自进化变成用户可感知的日常体验：记忆可查看、可纠正，成长可验证。如果这条路成立，未来每个人都能拥有一个长期在场、持续成长、只为自己利益工作的个人 Agent。基础模型正在学会世界，而 Violoop 要让 AI 学会一个人。

---

原文链接：雷锋网
本文由前途科技编辑整理