成立不到一年的AI公司Violoop正式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。其中，联想创投将其列为对个人端侧Agent硬件的首笔投资，并与Violoop签署战略合作协议。

Violoop即将推出一款手掌大小的硬件设备，通过数据线连接电脑，被定义为“给Agent用的电脑”。该设备可实时感知屏幕内容，识别用户当前焦点与操作意图，在获得授权前提下执行文件查找、软件操作、消息回复等任务。过去数月，产品已完成覆盖全球多国200余名内测用户的测试验证。

设备在桌面光标附近显示绿色标记，提示其处于感知状态。例如，当微信收到“把那位候选人的简历发我一下”消息时，Violoop自动识别请求，在后台定位对应简历并提示就绪；用户仅需快捷键确认，文件即插入当前对话窗口，发送动作仍由人工完成。另一场景中，用户打开候选人简历，Violoop基于文档内容与历史习惯主动提供“生成摘要”或“岗位匹配分析”选项；用户选择后任务即启动。更复杂流程如响应客户报价需求，可调用无AI接口的旧软件生成报价单、按惯例命名导出、返回邮箱起草回复并附加文件，最终停于发送前待确认。

Violoop的核心突破在于任务触发机制的转变：从“人发现任务→人编写Prompt→AI执行”，转向“AI主动识别任务→向人提示→人确认执行”。为此，设备本地部署持续运行的小模型，用于实时分辨屏幕信息是否构成请求、待办或承诺；仅当判定为有效任务时才介入；所有执行均需用户授权；发送、删除、支付、提交等不可逆操作必须经物理按键确认。

Violoop构建三层个人模型演进机制：第一层为即时上下文理解，读取屏幕、光标焦点与当前应用，判断“此刻正在发生什么”；第二层为长期记忆，采用本地图数据库（Graph Database）结构化存储人物、组织、项目、事件及状态关系，支持动态更新与语义链式检索，例如回答“张总介绍的公司目前进展到哪一步”；第三层为模型权重增量适配，通过“睡眠机制”在设备空闲时段整理经用户授权的真实任务轨迹，生成训练数据，以LoRA方式将稳定重复的工作习惯写入端侧模型参数。

其技术公式为：你的模型 = 通用端侧模型 + 本地图数据库 + 自动生成的Skills/Harness + 个人LoRA。初始设备搭载相同基础模型，随使用时间推移，个体差异逐步显现。长期记忆已投入实际运行；工作流记忆、Skills与Harness积累功能已在产品中启用；基于任务结果自动修正执行方式的反馈闭环正持续完善。Violoop已打通“捕捉工作轨迹—形成长期记忆—用于个人化训练”全链路，当前处于工程化与测试阶段，相关能力将通过OTA方式分批开放，须经评测验证能力增益、稳定性、安全边界与可回滚性后方可启用。

Violoop选择硬件形态，源于对真实工作环境的适配需求：电脑屏幕是信息密度最高的个人上下文来源，涵盖微信、邮箱、浏览器、Office、设计工具及老旧封闭系统。设备通过物理接入读取屏幕输出，并模拟键盘鼠标输入，绕过各应用API碎片化问题，将屏幕本身作为统一交互层。该路径不依赖软件厂商配合，适配存量工作生态。

为保障主动建议时效性，Violoop将屏幕理解、焦点判断、请求识别、记忆检索等高频任务全部本地执行，复杂生成任务则交由云端大模型或用户指定模型（如Claude、OpenAI、Gemini）处理，亦支持接入局域网自托管模型（Ollama、vLLM）。设备内置独立安全MCU，负责关键操作授权，确保不可逆动作必须经物理按键确认。

所有截图的文字提取、关系建模、实体识别及图数据库构建均在设备本地完成；向云端传输时仅限筛选后的相关上下文；用户可完全控制数据流向与训练内容，支持查看、纠正或撤回用于训练的数据。

Violoop首款产品将于9月15日在Kickstarter平台公开发售。量产规格为90×92×80毫米，重450克，支持Windows、macOS和Linux系统，可同步捕获两路最高4K@30Hz显示信号。搭载RK3576处理器与独立AI加速器，综合算力26 TOPS，配备13GB内存与128GB存储，本地运行Qwen 8B Q4模型，宣称生成吞吐量达53 token/s（该数据来自公司内部测试，待量产设备独立验证）。Super Early Bird预售起价399美元。公司计划于9月12日前后在国内开放首批预售或抢先体验。

Violoop创始人何佳霖强调，设备本质是个人模型的物理容器，真正价值在于人与模型共同积累的时间。其愿景是将智能进化位置从中心化数据中心转移至每个用户终端，使亿万个端侧模型学习个体经验，形成分布式的个人智能网络。Violoop官网标语“The brain is rented — the soul is your own”概括其核心主张：通用能力可租用，专属智能属个人。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。