成立不到一年连融三轮，AI 床头灯 Somni 量产在即

一家成立不到一年、首款产品尚未量产的 AI 硬件公司，已经连续完成了三轮融资。高瓴连续三轮加注，智元机器人等机构随后进入股东名单，今年 7 月招商局创投又领投了新一轮。这家公司叫 Fullive.ai，方向是睡眠场景的 AI 硬件。

创始人郑昊从清华数学系一路走到生物统计、因果推断、AI、医学和硬科技投资；联合创始人韦骁龙是北大计算机出身，曾在华为、荣耀负责消费电子产品。团队里还有参与过华为手环、WHOOP 等穿戴设备的硬件工程师，以及来自百度、大疆的算法和商业化老兵。

Fullive.ai 把第一款产品放在床头。它叫 Somni，面向高压脑力人群，是一款没有屏幕、不需要佩戴的睡眠硬件。Somni 用毫米波雷达、麦克风阵列和环境传感器，捕捉人在夜里的呼吸、心率、体动、鼾声以及卧室温湿度和光照变化，再用声音、光线、气味等神经系统调节方式帮助用户入睡、减少夜间醒来，并在早晨自然唤醒。

睡眠硬件市场早已拥挤。手环、指环、床垫越来越擅长告诉你昨晚睡得怎么样，助眠灯、耳机和眼罩也在尝试用各种刺激让人睡得更好。但这两件事之间一直隔着难题：机器知道你没睡好之后能做什么？更重要的是，它怎么知道自己做对了？

Somni 想解决的是这个问题。它不是简单的助眠设备，而是一套会在连续夜晚中学习用户响应的闭环系统。如果前一晚的声音和灯光没有达到预期，系统会根据整晚的生理变化调整下一晚的方案；反过来，如果某种干预有效，这次身体反馈也会成为之后的调整依据。郑昊把每个夜晚都看作一次持续发生的小型实验：观察状态、尝试干预、记录身体变化，循环往复，才有可能慢慢摸清什么方法对这个人真正有用。

第一眼看到 Somni，最明显的是它刻意克制的形态。理想状态下，用户只需把它放在床边，不需要佩戴手环或头带，也不用主动打卡。系统内部则要覆盖睡眠全周期：感知状态、判断策略、执行干预、迭代优化。传感器融合持续判断睡眠阶段和环境状态，随后生成动态调整的干预方案，比如几点调暗灯光、用什么节奏的声音辅助放松；干预之后，再对比呼吸、入睡时长、夜间醒来次数和主观感受，把结果带入下一晚。

团队没有选择腕带、头戴设备或床垫，更像一种现实取舍。头戴设备能拿到更直接的信号，但很多人难以长期佩戴；手环和指环适合记录，却很难主动改变周围环境；床垫能做温控，安装和价格门槛又高。床头是生活里本身存在的位置：离人足够近，能感知环境，也放得下声音、灯光、气味等输出模块。睡眠场景相对封闭、能连续观察数小时，对 Fullive.ai 来说是最合适的第一站。

在这些硬件功能之外，Fullive.ai 真正想落地的是一套新的技术逻辑。过去几年，AI 在生命科学里的重要进展，大多建立在对结构、序列、影像和历史记录的学习之上；模型越来越擅长描述一个生命系统现在处于什么状态。但健康管理的核心不是描述状态，而是改变状态。同样一段音乐、一次光照调节或一项营养补充，对不同人效果可能天差地别；同一个人在不同压力水平、作息节奏下，反应也会跟着变。

Fullive.ai 因此把数据逻辑定义为「状态 → 干预 → 响应」：先记录人体当前状态，再施加可控干预，最后观察生理和行为上的真实反馈。由此产生的数据被称为响应数据，最终训练的模型是响应模型——它要学的不是人现在怎么样，而是人对干预会怎么反应。

这个路线不只是产品概念。Fullive.ai 已经围绕人体状态转移建模、响应模型构建和模型推理效率，与多家科研院所展开研究。Somni 的第一个角色，是在真实家庭场景里持续获得「状态—干预—响应」数据，让模型逐步理解一个人为什么会进入某种状态，又可能在什么条件下被改变。系统架构上，团队把 Somni 概括为「传感器 × 基础模型 × Bio-OS Harness」：传感器采集信号，基础模型结合生理先验和医学证据生成干预策略，Bio-OS Harness 负责调度感知与执行模块，管理整套闭环运行。

在动态干预场景里，生成式模型更适合当「规划师」，负责提出候选方案；系统还需要一个「模拟器」，在置信区间内推演动作可能带来的影响。生理先验知识、循证医学依据和严格限定的干预动作范围，共同构成安全边界。隐私方面，Somni 采用端云协同，雷达原始波形优先留在本地，需要上传的数据会加密并做最小化处理，尽量避免上传可还原个人隐私的原始数据。效果评估则同时参考睡眠、情绪等主观量表和入睡潜伏期、睡眠分期、夜间觉醒等客观指标。

目前 Somni 已完成小批次被试实验，正在推进量产和更大规模的临床验证。响应模型能否在不同人群和长期使用中保持泛化能力，干预效果能否经得起随机对照研究的检验，用户是否愿意长期使用，将决定这套闭环能走多远。

Fullive.ai 把自己定义为「模型 × 本体」的 AI4Bio 公司：模型负责理解状态、推演变化、生成策略；本体负责走进物理世界，完成感知、执行和反馈采集。Somni 是夜间节点，规划中的日间产品 Cori 会把压力、专注、情绪、恢复、行为和环境等更多上下文接入同一套系统。

这套逻辑与特斯拉类似：汽车的价值不只是硬件销量，更在于它同时具备感知环境、执行动作、回收反馈的能力，真实道路数据持续推动模型迭代。映射到生命系统，需要先造出能规模化部署的本体，再通过本体积累人体对外部输入的响应数据。因此团队没有做大而全的机器人形态——机器人能承载更多功能，但成本和复杂度也更高，现阶段的出货规模很难支撑模型快速收敛。睡眠有清晰需求、封闭场景和足够长的连续观测时间，是更务实的切口。

Fullive.ai 的长期目标是打造「生理世界模型」：一个能学习人体状态如何随环境、行为、摄入、节律和干预动态演化的系统。眼下更具体的任务，是先把 Somni 做成一款有效、易用、用户愿意持续放在床头的产品，在一个有限场景里跑通响应模型。

郑昊说，他希望 AI 能走进真实世界，理解人的状态，执行物理动作，再从反馈里持续学习。对 Somni 来说，检验很直接：在用户需要休息的八小时里，它能否安静地读懂正在发生什么，并找到对这个人真正有效的下一步。