一台接入现有电脑的桌面智能体，正将“自进化”从实验室的课题转变为普通人触手可及的产品。近日，Violoop正式完成了亿元级的天使轮及Pre-A轮融资。联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本和清科控股共同参与了投资，向阳资本担任独家财务顾问。目前，Violoop已获得全球约1.2万人的预订，产品计划于9月正式上线。
比巨额融资更引人注目的是，Violoop与联想国际PC巨头之间正在构建的深层产业协同。过去三年，AI行业一直在探索如何让模型变得更聪明——参数更多、推理更快、能力更强。然而，当这些能力真正来到具体用户身边时，一个新的问题浮现：模型虽然博学，却并不了解用户本人。它不知道这项工作此前是如何完成的，不知道用户为何在之前的任务中做出某种修改，也无法稳定继承跨越多个软件、多个会话甚至数周时间形成的工作经验。即使面对相似任务，它往往需要重新探索。这就像一位能力超群、却无法继承工作经验的临时工。Violoop试图解决的核心命题正是：AI被交付给用户后，如何实现持续成长。正如创始人何佳霖所言：“基础模型正在学会世界，但它还没有真正学会一个人。Violoop的目标是让智能体在与用户共事的过程中不断进化。”
Violoop的第一款产品是一台掌上大小的桌面设备，建议零售价为699美元，在Kickstarter及国内首发期间售价为399美元。该设备通过HDMI获取电脑画面，通过USB连接键盘和鼠标，接入现有电脑即可使用，无需用户更换操作系统，也不需要所有软件逐一开放新接口。这一看似朴素的选择背后，实则非常关键。个人计算半个世纪以来留下了数以百万计的软件、界面和工作流，它们全是为人类设计的。行业常见的路径是等待软件开放API再逐一适配，但这在软件持续变化、大量长尾工具缺乏接口的情况下难以实现。Violoop选择了一条更务实的路径：让AI先学会人类的接口。它看见用户能看见的界面，使用人所使用的键盘鼠标，在现有软件间完成授权工作。因此，Violoop并非一台需要用户迁移工作的电脑，而是让个人智能体直接进入用户已有的电脑环境，长期在场。人在时，它理解工作；人离开时，它继续准备和执行任务。这种持续在场带来的价值，不仅是远程控制或自动点击，而是跨应用、跨会话、跨时间观察工作流，从而获得更连续、高密度的上下文。
自进化并非指AI无限制地改写自己。在学术研究中，递归自我改进备受关注，但Violoop不试图在一款桌面设备上解决模型架构级的自我进化，也不将“自进化”描述为脱离人类目标的无限扩张黑盒。它选择了一条范围明确的个人化路径：围绕一个用户的真实工作，让智能体记住经验、修正执行，并将反复验证的做法沉淀为稳定的个人能力。这一路径分为三个连续阶段。
第一阶段：记住与你有关的事实。Violoop已交付的第一层能力是多模态长期记忆。在获得授权后，设备能从日常屏幕活动中提取与工作相关的信息，构建图文结合的个人知识库。它不仅保存截图或对话，还会周期性整理记忆：合并重复信息、修正过时内容、重新建立人物、项目、文件和事件的关联。更重要的是，这一层成长对用户可见。用户可以打开记忆库查看系统如何理解自己，进行纠正或删除不希望保留的内容。内部实测显示，系统曾通过长期观察，在没有主动告知的情况下，建立起对产品上线时间、项目进度及公司指标的理解。不同于云端通用模型，Violoop训练并部署了专用的记忆抽取与整理模型，使个人记忆的形成和管理在本地可控环境中完成。但记住一个人，并不等于会替这个人工作。记忆回答的是“发生过什么”，真正的个人智能体还需要学习“这项工作应该怎样完成”。
第二阶段：学会你的工作方式。成长发生在执行框架中。传统自动化通常保存固定脚本：打开页面、点击按钮、填写字段。一旦界面变化或出现异常，脚本容易失效。Violoop希望积累的不是某次任务的点击录像，而是可复用的工作方法：用户通常从哪里获取信息，如何在软件间传递内容，遇到冲突时优先相信什么，哪些步骤可提前完成，哪些决定需等待确认。这些经验以工作流记忆、技能和执行路径的形式保存。下一次遇到相似任务时，系统不再完全从零规划，而是调用已有能力并调整。目前，工作流记忆和技能积累已上线，系统根据任务结果和用户纠正自动修改执行方法的反馈闭环正在工程化。这一层决定了Violoop能否从“知道用户很多事情”进入“真正越来越会替用户工作”。
第三阶段：把被验证的经验变成工作本能。成长发生在模型权重中。Agent可以将经验保存在外部记忆中检索推理，但如果某些判断被反复采用、验证和修正，系统就没有必要永远以高成本从头思考。Violoop正在将记忆库中的真实工作轨迹——包括操作序列、决策过程、任务结果和用户修正——用于个人化后训练，让部分稳定经验从外部记忆进入模型参数。这可被理解为一种个人化的“慢思考蒸馏为快思考”：系统最初需要较长推理才能作出的判断，在被反复验证后，逐渐成为更快、更自然的反应。Violoop已打通“捕捉工作轨迹—形成长期记忆—用于个人化训练—更新模型参数”的完整链路，并进入量产工程化阶段。当前重点转向“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，以及避免新经验破坏已有能力。
26 TOPS的端侧算力为持续感知、记忆、本地推理与个人化计算提供底座；复杂的推理任务则通过模型路由调用云端大模型。云端提供公共智能的上限，端侧负责沉淀围绕个人的长期经验。这是Violoop自进化路线的关键跨越：从“外部记忆更懂你”进入“模型本身也开始更懂你”。公司首先聚焦最有价值且具商业条件的个人领域，将个人在真实工作中反复验证的经验稳定蒸馏进个人模型。它不是在端侧重新训练通用基础模型，而是在基础模型之上建立任何公共模型天然不具备的个人经验层。
三层成长最终指向同一个结果：系统不只保存用户做过什么，也逐渐理解用户会怎么做。当记忆、工作流和个人化模型连接起来，Agent的行为发生重要变化：它开始在用户开口之前做准备。这种主动性不是多发几条提醒或基于日历设置规则，而是真正知道此刻发生了什么、过去如何处理类似情况、哪些准备工作可逆、以及什么时机介入不会打扰。Violoop将这种能力称为“人工直觉”。人的直觉是经验压缩后的快速判断，对Agent也是如此：当它经历足够多真实任务，理解用户偏好和边界，并持续获得任务结果与纠正，它才可能在正确时间提前完成正确准备。例如，新工作请求到来时，它可以根据过往材料先整理信息、起草回复、更新表格或完成可逆步骤，用户只需最后检查决定。
主动性也应当可验证。Violoop将通过主动准备结果的采纳率、人工修改次数、重复任务完成时间及用户愿意委托的任务深度，判断系统是否真的形成更准确的个人判断。一个越来越主动、能操作真实软件的Agent也会带来问题：如果系统理解错了，谁拥有最后决定权？Violoop认为能力边界和信任边界必须同步生长。设备使用独立安全芯片管理执行侧，并将关键授权机制与感知、推理系统物理隔离。对于发送、支付、删除、提交等不可逆操作，产品要求用户通过物理按键完成最终确认。系统可以提前理解、整理和准备，但最后一次不可逆决定仍属于人。这不是限制Agent，而是让更主动的Agent被长期信任。当安全规则与Agent运行在同一套软件环境中，它仍可能受配置变化、上下文丢失或模型误判影响。独立的物理确认将最后一次授权置于模型无法改写的执行链路之外。正如何佳霖所说：“理解在生长，决定权始终不动。这是Violoop对个人智能体的基本产品哲学，也是硬件在感知与算力之外的另一层价值。”
硬件交付只是个人化真正开始的时间。传统消费硬件在交付时达到能力峰值，此后主要通过厂商更新增加功能。Violoop希望倒过来：产品交付不是能力增长的终点，而是个人化成长的时间点。商业上，Violoop不希望只成为一家销售桌面设备的公司。设备是个人智能体进入真实工作环境的第一个节点。在其之上，可以持续生长个人化服务、可复用技能、工作流生态，以及与PC厂商和企业环境的更深合作。硬件销售证明用户愿意为明确产品付费；长期价值来自系统是否随使用持续提升，并成为用户工作中稳定重要的一层。Violoop的护城河并非占有用户的私人屏幕数据，原始数据应始终属于用户。公司真正需要长期积累的是：让经验形成能力的学习系统、对真实任务评价的机制、跨软件执行框架、端侧个人化效率、硬件级权限架构，以及在用户明确授权下不断扩展的技能生态。当基础模型能力越来越强、调用成本越来越低，越来越多公司都能以更低成本获得更强公共智能，但它们不会自动获得一个人的历史、反馈、工作方式和信任。基础模型提供公共智能，Violoop希望建立个人经验层。
从端云协同走向分布式个人智能。Violoop对端云协同的理解并非让端侧设备成为云端模型的缩小版。云端基础模型负责学习世界，提供不断增强的通用智能；端侧个人智能体负责长期理解一个人，保存只属于个人的记忆、工作方式和个人化能力。云端决定智能的公共上限，端侧沉淀无法由公共模型替代的个人经验。更长远来看，Violoop希望建立的不是一个将所有个人数据汇入中心的集体意识，而是一个由个人拥有的智能节点组成的分布式网络。每个个人智能体首先且只为其用户的利益工作。只有在用户明确授权、个人隐私得到保护的前提下，经过验证、能被泛化且不包含个人信息的能力，未来才可能在不同节点间协同演进。这意味着，未来智能的进步可能来自两条路径：云端基础模型不断提升公共智力，每个端侧个人智能体则在真实工作中积累独特经验。二者并非替代关系，而是相互增强的协作关系。智能不应只被少数云端平台拥有。基础模型可以成为公共基础设施，但每个人的记忆、经验和个人模型，应当始终属于他自己。不是一个抹去个体差异的共同意识，而是每个人都拥有自己的智能。
让AI自进化从实验室来到桌面。今天，行业讨论自进化时，常指向实验室中的代码生成、模型优化和自动科研，这些工作可能改变AI如何创造下一代AI，但距离普通用户的日常工作仍然遥远。Violoop选择另一条路径：不争论自进化的终极学术边界，而是先把它变成每天能被用户感受到的产品体验。用户可以打开记忆库查看、纠正和删除系统对自己的理解；工作流与技能是否真的成长，则可以通过重复任务完成时间、人工修改次数和任务结果进行验证。成长不应只是一句后台口号，而应是可观察、可评估、可干预的过程。Violoop选择了一个足够困难、回报也足够大的问题：让AI在真实工作中持续成长，同时在能力增长的每一步，把最终权力留在人手中。如果这条路径成立，未来每个人都可以拥有一个长期在场、持续成长、只围绕自己利益工作的个人智能体。它不会只因为厂商发布新版本才变聪明，而是在与你共事中积累经验；保存的不只是你做过什么，也会逐渐理解你通常会怎么做。基础模型正在学会世界，Violoop让AI开始学会一个人。