一家叫泛灵人工智能的团队,出了一款主打「超级办公助理」的硬件产品。
参数配置很厉害,x86 芯片直接跑本地 Ubuntu,推理芯片可以本地跑 122B 的 MoE 模型 +27B 的稠密模型。支持办公场景的实时会议录音,操作任何设备的录屏,线下开会和外出调研的全记录。
目标是成为「口袋里的全模态超级办公助理」,后 OpenClaw 时代的个人 Agent Native 硬件基座。
初看到这个宣传,会有很多疑问,甚至质疑。
云端模型越来越强大、价格在持续下降的时候,把模型全放在端侧,有价值吗?122B 的模型到底能做啥?又做上下文记录又做任务处理,难道是想做 All in One 吗?
一个小团队,做这么复杂的硬件,今年 9 月份才量产,真的不是噱头吗?
所以今天这篇采访,更多的是好奇和 challenge 的角度,试图去理解他们为什么要用独立的硬件去作为上下文管理和路由系统,以及在他们看来,收集用户更多的 context,到底价值在哪里。
但很明显,不管是硬件还是软件,大家对于终点的设想看起来是一致的,「构建用户的上下文中心,降低用户使用 AI 的门槛」。只是每个团队的解法不一样,比如我们之前采访的 Airjelly,用软件的形式,通过收集用户的 Enter 行为来确认用户的意图,降低人和 AI 的摩擦。
而泛灵的团队,选择了硬件这条很明显更难的一条路。
以下是 Founder Park 与泛灵人工智能 CEO Lotus、CPO Alfred 的对话,经编辑整理。
采访 | 万户
编辑 | 夏天
⬆️关注 Founder Park,最及时最干货的创业分享
超 22000 人的「AI 产品市集」社群!不错过每一款有价值的 AI 应用。
邀请从业者、开发人员和创业者,飞书扫码加群:
进群后,你有机会得到:
- 最新、最值得关注的 AI 新品资讯;
- 不定期赠送热门新品的邀请码、会员码;
- 最精准的 AI 产品曝光渠道
01
用 ToB 做产品验证,
用广告做 PMF 验证
Founder Park:简单介绍一下你们的团队吧,大家是怎么聚在一起做这件事的?
Lotus:我们是比较典型的硬核工程加跨界产品的组合。创始团队有海外藤校背景的产品经理,索尼的影像工程师,大疆的渠道老兵,主导过多代旗舰手机营销的小米市场老将,CTO 是英伟达中国开发者最有价值专家。核心团队还有 MIT、苹果、微软、字节跳动等顶级公司和学校的同学,背景跨度很大。每个人都有做硬件的背景,大家聚在一起主要有两个原因:我们是连续创业团队,而且对技术演进方向有很多相同的非共识。
Alfred:最早我和 Jay(COO)、Thomas(CTO)三个人合作做的第一个硬件,是给影像行业解决虚拟制片(用摄影机拍 LED 大屏)的问题。我们做的是解决虚拟制片中摄影机和 LED 屏同步、空间定位的专业硬件,叫 MagicCineTool。后来因为贸易战对 PCB 和电子元器件加征关税,这个产品流产了,大家才转型开始做 RM-01。
Founder Park:ToB 产品 RM-01 是怎么来的,商业化跑通了吗?
Alfred:2023 年就开始了,比 DeepSeek 那波热度更早。一开始先做软件——基于 Qwen 1.5 的 110B 和 72B 做了一套软件,卖 20 万左右,但客户需要部署一两百万的服务器去做推理。那时候大家还没有「算力服务器」的概念,单位可能配个 NAS 或者传统服务器,这个账根本算不过来。
还有一个重要原因是我们当时做了一套公文写作系统,这类客户有严格的数据隐私需求,必须本地化部署和推理。那时候模型厂商都在做线上推理,但对数据隐私有要求又想用 AI 的客户,其实没人服务——这部分客户非常有价值。两个原因加在一起,我们决定做一个自己的硬件,把软件搭载上去作为整体解决方案交付,这就是 RM-01 的由来。
从 2023 年开始,到 2025 年 9 月完成 3C 认证,我们在内部对 RM-01 做了三代迭代:体积越做越小,加密鉴权改了很多遍,客户管理模型的方式从最早不能换模型,到后来通过 CFe 卡换模型并做非对称加密强绑定。DeepSeek 一体机火的时候我们压着没卖——团队有很多传统硬件大厂背景,做产品有一种惯性:一定要打磨到位了才推向市场,不会急于抢热度。
Lotus:因为一开始做 RM-01 是从自己痛点出发,前几代刚出来的时候,周围合作过的开发者、集成商发现这个产品能解决痛点,POC 进展非常快,拿着半成品的机器就开始测了。第一批客户就是这些开发者,集成商,他们把整套软件加模型部署上去,以 DaaS(Device as a Solution)的方式卖给他们的客户。
从去年 10 月底正式销售到现在,大概有 200 多万的现金流。比如快餐连锁品牌把设备放在端侧做 AI 服务,前端接 AR 眼镜做员工培训,以前用人培训周期很长,现在用 AI 加 AR 缩短了很多。我们把服务交给更贴近客户的 ISV——他们更了解客户细节,我们专注把机器的稳定性和性能越做越好。
RM-01 的实物图
Founder Park:ToB 有了第一批客户和现金流,为什么转向 ToC?
Lotus:ToB 有几个结构性问题。国内做 ToB 很多时候靠商务关系,发展上限有限;大客户 POC 周期动辄半年,还要满足各种合规性要求,整个链条非常长。我们内部也讨论过做定制化还是做标品的问题——定制化对创业团队来说很容易陷进去,所以我们给 ToB 产品的定义是「企业级消费产品」,买了就能用,这个思路后来也延续到了 ToC 产品上。
另一方面,我们团队最开始就想做 ToC,例如工业设计和制造标准从一开始就和 ToC 接轨。只是 2024 年受制于成本和技术成熟度,再加上消费侧需求不成熟,没有机会。到去年 9 月,成本控制、市场需求、技术成熟度同时到了一个节点,才做了战略转型:ToB 以惯性方式继续推进,未来主要做 ToC。
Alfred:我们做产品的思路更像 IBM 或惠普那些旧叙事里做硬件的人——先做 ToB,把 ToB 作为 ToC 的验证和打磨阶段,一代一代在 ToB 上把技术成熟到可以下放到 ToC 的时候,才来做 ToC。
Lotus:还有一个是客户侧的真实需求,是很多 ToB 客户一直在问:你们这个设备能不能做得更小?我当时就问自己,如果把产品做得非常小,变成真正便携式的计算设备,它能带来什么变化?这里面有个很重要的点是数据的获取方式。之前很大的机器很难做到随时采集、随时录制,必须依托门槛很高的企业级数据清洗和导入。但如果变得足够便携,从能够采集的数据源数量上就发生了根本变化——如果一个强算力设备足够便携,它就能以极低成本、极高隐私的方式连续获取用户各类上下文。
当使用本地算力把人的原始数据转化成足够多的面向 AI 的上下文之后,整个 AI 系统能产生非常多意想不到的价值。带着这个想法,我们才开始探索 ToC 方向。
Founder Park:ToB 的用户画像是很明确,可是 ToC 似乎一开始没有明确的用户?
Lotus:最开始确实比较模糊。我们的 ToB 客户本身就不是典型大企业,很多是中小型企业、团队工作室、高校实验室。后来我们在面向投资人融资时发现他们也有这种需求——当时大家在聊 Plaud,聊小的录音设备,他们每天开很多会,都有上下文记录的问题。我说了 ToC 的想法之后,他们说想买一个试试。
我们在去年 12 月上线了面向海外市场的测试,在 FB 上投放了一些广告,把产品信息和功能特性都列上去,看具体是谁会对产品感兴趣。投放结束后画像比较明确了:科技大厂高管、SMB 小企业主、高级销售以及医生、律师、投资人。
用户反馈的核心需求是:Workflow Automation(任务自动化)、Personal Knowledge Base(个人知识库)、Local Inference(本地模型推理)。还有第四个——他们不愿意付 Token 的费用。我们就是基于这批真实数据,开始真正打磨 ToC 产品的方向。
02
用户不会为 Context 付费,
只会为结果付费
Founder Park:C 端产品主要解决什么问题?
Lotus:我们对产品有两个定义:对外叫「全模态超级办公助理」,内部叫「超级节点」(Supernode)。它是一个计算平台,有强大的本地算力,能承载大模型和 Agent Runtime 环境,承载 Agent 的手和眼。它就像一个大的 Agent 网络中的一个节点,汇聚各种 Context。
目前主要做的场景是办公场景——录屏、线下会议录音,但这些都不是最终目的,因为他们都是收集 Context 的一种途径。我们对这些 Context 进行收集、处理、组织、计算,然后分发。这个节点其实是未来 A2A 网络中重要的一个入口,核心目的之一是帮用户重构个人的上下文中心。
未来可以接入各种硬件生态——智能眼镜、智能手表、智能耳机、挂坠。像 Looki 前两天开放了 API 接口,我们可以做 Day One 适配,直接把 API 接进来。通过不断扩展感官,用户的 Context 中心会越来越完整。
第二部分则是基于个人上下文,主动完成 Context 的路由并直接交付结果。这里最有价值的是帮助用户完成个性化的长尾任务,而所谓主动式,是指系统能在合适的场景和时间点预判用户需求,在用户发起指令之前先把任务做好。
我们观察到,白领和知识工作者日常使用终端设备,本质上是在执行各自的 SOP:获取原始数据,调用工具处理,再把结果放进下一个流程。每个人的 SOP 都不一样,背后体现的是个人偏好、行业经验、逻辑框架和方法论。我们的设备通过连续流式地观察用户行为,理解用户真实意图,把这些高频 SOP 无感沉淀成可复用的个人数字资产。
这里有两个关键。
第一是连续性,只有拉长时间线,才能看清一个用户的真实意图,或者说任务的边界:触发条件、执行管线;第二是无感,系统需要在不打扰用户的前提下,基于本地算力持续模拟、筛选并优化 SOP。随着用户上下文中心、经验证的个性化 SOP 和不断更新的热上下文一起积累,HippoGenius 就能主动完成越来越多个性化的长尾任务,比如提前搜集整理信息,按照用户喜好做 DCF 分析并生成财务模型,最后在用户周会前生成汇报文档并撰写好给上级的汇报邮件草稿待用户审核后发送,核心价值就是帮用户节省时间。
Founder Park:但单纯的收集上下文今天是没价值的吧?
Lotus:对。我们做了非常多测试后发现,Context 本身没有直接价值——用户拿到很多 Context 之后是不知所措的,还要找工具、找模型来处理,最后才变成结果。用户不会愿意为 Context 付费,只会为结果付费。
但现在很多产品想给用户产出好结果却做不好,底层原因有两个:一是 Context 不够多,二是 Context 路由过程中试错太多导致费用爆炸。这两个问题的核心是:用户不应该为过程付费。线性交互中,用户 Context 匮乏,需要不断把脑海里的东西输入给模型,但用户不会为单独准备 Context 而付费。而 OpenClaw 这类产品会因为模型把多轮调用工具输出的结果放进上下文导致输入 Token 消耗巨大,也可能试错了、用错了工具,还得从头再来。
我们要把 Context 和人以及 AI 世界的链路打通。从多模态原始数据转化成文本 Context,我们有本地模型,不用花钱——Context 获取成本打到零。从文本 Context 到主动执行任务并交付结果,中间 Context 路由过程中的工具调用和试错,因为有本地算力,成本也是零。
举个例子,帮用户做任务自动化,我们可以同时模拟十几条甚至数十条通向最终结果的路径,基于用户 Context 做模拟,然后对结果进行排名,选出 Top 2 的结果给用户。其他结果直接扔掉,整个过程本身不用花钱。用户不会遇到「帮我做了几十次模拟,最后花了两千美金」的问题。
Founder Park:所以单纯收集上下文是不够的,还需要连续地、实时地处理?
Alfred:对,一定要尽量实时处理,而且数据组织同样关键。否则用户一天产生的上下文会不断堆积,即使模型名义上有很长的上下文窗口,真正处理时也很容易出现中段信息被稀释、重点不清、检索效率下降的问题。
飞书录音豆推出后效果很好、抢占了一波 Plaud 用户,核心就在于实时转写——一个重要原因就在于它不是把整段长录音一次性丢给模型,而是先做实时转写,再按章节、主题和任务线索拆分处理,最后再做总结和归纳。这样模型拿到的不是原始数据,而是已经初步结构化过的信息,结果通常会更稳定。
对我们来说也一样,实时处理不只是把内容转成文字,更重要的是同步沉淀摘要、标签、待办和可检索结构,让一次录音或录屏最后不是停留在一份静态纪要上,而是变成后续还能继续调用、执行和演化的知识项目。
很多产品做不好,关键缺了数据组织这一环。写文章也好,做研报也好,模型能力其实都很强,写不好的原因一是数据来源不完整,二是数据组织不好——200-300 K 的上下文没有被整理成适合模型消费的结构,即便模型支持较长上下文,面对低质量、低结构化的信息堆积,效果往往也不会理想。
Manus 做研报效果好,很大程度上是因为它在上下文工程化上的完成度。它不只是「调用了模型」,而是把信息获取、信息清洗、任务拆解和执行链路做得比较扎实,比如用沙盒里的 Computer Use 去处理爬虫拿不到的信息、登录态和人机验证,对无法直接抓取的内容再通过截图和转写补足。这些本质上都是上下文的组织、补全和调度能力,而不只是模型能力本身。
Founder Park:这么说飞书算不算你们的竞品?它也拥有大量用户上下文,也能在 APP 间串API。
Lotus:飞书是个非常好的例子。它是一个完整的生态,拥有大量用户 Context——会议录音、飞书文档、历史数据,各 APP 之间 API 互通,路由成本非常低。从产品体验上看,飞书跟我们做的事非常像。
但飞书是字节的垂类生态,做的事都跟飞书产品相关。我们做的是跨生态、跨平台的事。用户的工作不可能只在飞书上进行——很多时候在微信上,在钉钉上,在各种网页端的 APP 里。所以我们站在一个第三方的视角,从用户立场出发去处理这个问题。
Alfred:哪怕飞书做了一样的事情,用户把所有生态接进飞书这件事依然耗时间且麻烦,且不说信任度问题。但如果一个小硬件任何时候只要插上就不用管了,摩擦是更低的。
我写了一个小软件来验证这个路径——把 iPhone 的静音键变成了 Action Button,一摁按钮就自动截屏用多模态模型去总结。长期使用下来发现真的很惊喜:一周以后模型给我推了三个点,其中一个是建议我关注闲鱼上 AI Max 395 价格的持续下跌。为什么?因为我这 7 天里看到了一些新的推理引擎和芯片演进方向,模型捕捉到了这些关联,建议我去看价格趋势来印证。原来如果用户能持续、无感地提供上下文,模型可以洞察到很多东西。
我们很多人发现不了上下文的价值,是因为没有一个很轻的交互方式让我们能连续地把上下文扔上去。
03
核心价值是减少人和 AI 之间的摩擦,
成为用户的 Time Saver
Founder Park:作为新的消费电子产品,用户第一天能体会到什么价值?
Lotus:这是最关键的问题。如果没有 Day One Value,用户没法跨过消费心理门槛来购买。
第一天提供四个即时价值。第一,Onboard 时系统会请求获取本地工作文件只读权限和线上软件登录权限,授权后自动读取本地数据,同时时在 Ubuntu 沙盒内登录用户授权的 APP 并下载工作文档做向量化——第一天就能形成个人知识库。
第二,我们在设备中给用户提供的模型,Agentic 和 VL 能力已追平云端 Claude Sonnet 4.5,用户第一天就可以把设备当一台本地版 Manus 去用。同时设备搭载的自研记忆系统对用户上下文进行精确管理,在体验上超越 OpenClaw,而 OpenClaw 每月平均两三百美金 API 费用,再加上 Manus 基础版 40 美金,算 ROI 三个月就能回本。如果算上多模态数据压缩转化成 Context 的费用,只需要一周就能回本。
第三,通用型任务自动化。这是海外用户呼声最高的功能。比如聊天过程中提到下周要开个会,Agent 系统检测到这句话并转化为多步骤任务——预约会议、发送链接给参会人、基于…