20小时众筹破百万美元，Violoop给你的电脑添了一个“AI同事“

20小时，100万美元。上线一天出头，近2000位支持者。

这组数字，是Violoop在Kickstarter交出的首发战报。对于一款刚刚面向全球市场推出的个人Agent硬件来说，这个开局已经足够醒目。

据Kickstarter公开页面数据对比，Violoop上线一天出头获得的支持者人数，已经超过多款个人AI与Agent硬件在30至45天完整众筹期内的支持者规模；20小时突破100万美元的筹款成绩，也已经超过多个相关项目在完整众筹周期内的累计金额。

但这件事真正有意思的地方，不在于它比谁跑得更快。它更像是在说明：当AI不再只停在对话框里，而是开始看懂屏幕、操作电脑、参与真实工作时，用户愿意为这种新的产品形态买单。

这两年，大家已经看过太多“会做事”的Agent。它们会规划、会调用工具、会处理任务。但一个Agent会动手，和一个Agent能长期留在真实工作里，是两回事。它要一直工作，必须能看见现实、理解上下文、碰到边界时知道停下来，还要在用久以后慢慢变得更懂你。

Violoop想做的，是一个“有手脚”的AI同事：看懂你正在处理的工作，在你确认后操作电脑、跨应用执行，并在持续协作中逐渐熟悉你的工作习惯。

一、真正缺的，可能不是更聪明的脑子，而是能进入工作现场的身体

很多人聊Agent，习惯先聊模型、推理和上下文。但真正进入个人电脑以后，难点往往不在脑子，而在它到底怎么出现。

几十年的个人计算，已经积累了大量软件、企业内部系统和专业工具。它们最初是为人的眼睛和双手设计的，并不都为AI开放接口。文档、表格、浏览器、邮件、IM和后台系统来回跳，很多工作时间也并不是花在难题上，而是被这些碎片动作一点点吃掉。

Violoop不是要求用户迁移到一台新电脑，也不只是给桌面放一个运行模型的算力盒子。它是一台巴掌大小、接入现有电脑的桌面AI设备：通过读取屏幕内容，并以USB键鼠输入等方式完成操作，进入用户已经在使用的软件，参与跨应用的真实工作。Kickstarter单台首发价399美元，零售价699美元。

这意味着，它想接住的不是某一个单次的大招，而是一整天里那些反复发生、难以被传统自动化覆盖的工作摩擦。

所以，Violoop的逻辑不是让所有软件先为AI改造，而是让AI先学会人原本和电脑打交道的方式：看见屏幕，理解界面，再在被授权的范围内动手。

二、它不是在等你写完提示词，而是在试着少让你解释一点自己

今天很多AI的逻辑还是一样：你先说，它再做。你要先复制材料、整理背景、拆解目标，再写出一段足够清楚的提示词。很多时候，任务还没开始，人已经先做了一轮准备工作。

真正让人累的，不一定是AI不够聪明，而是你得一次次重新解释自己。

Violoop想改变的，显然不是把提示词写得更漂亮，而是尝试减少这部分“解释成本”。

比如，当用户打开一份候选人简历，系统可以根据当前内容主动提供摘要、面试问题或岗位匹配分析等选项；当新的工作请求出现，它可以结合已有记忆准备相关材料、起草回复，把可执行的下一步放到用户手边。

这并不等于AI替你决定。用户依然可以直接选择下一步，也可以随时补充要求、调整方向或拒绝建议。但它开始尝试先理解当前发生了什么，再决定怎么补位。

“我们希望消除的，是每次启动任务都必须先写一段完整提示词的负担。”Violoop创始人何佳霖表示。

三、一个Agent能不能长期留在桌面，看的是它会不会慢慢学会你

让AI进入现有电脑，只是Violoop的入口。它更长的路线，是让AI在持续协作里，逐步长出属于使用者的经验。

基础模型已经学会了很多世界知识，但一个具体的人到底怎样工作，并不会自动写在公开训练数据里。你习惯从哪里找资料，怎么处理相似任务，为什么要改上一次的结果，哪些决定必须自己确认，这些东西只能在真实使用里慢慢长出来。

Violoop把这件事拆成了三层。

第一层，是长期记忆。设备在用户授权下，从日常工作中提取有价值的信息，建立人物、项目、文件和事件之间的关联，并持续整理和更新。用户可以查看系统记住了什么，也可以纠正或删除内容。

第二层，是工作流记忆与Skills。它积累的不只是某一次操作记录，还包括完成一类工作的可复用方法，以工作流记忆、Skills和执行路径的形式保存，让相似任务不必每次都从零开始。

第三层，是个人化模型。Violoop已经走通“捕捉工作轨迹—形成记忆—用于个人化训练”的技术链路，正在推进训练、评测与量产系统的工程化，把反复被验证的经验逐步沉淀到个人化参数中。

这里也要把边界说清楚：目前，长期记忆、工作流记忆与Skills积累已经在产品中运行；基于任务结果自动修正执行方式的反馈闭环仍在完善；更深层的个人化训练能力，则会在评测通过后逐步通过OTA推送。

它不是要在桌面设备上重新训练一个通用基础模型，而是在通用智能之上，慢慢形成一层属于你的个人经验。记忆让AI知道发生过什么，工作流让它知道这类事怎么做，个人化模型则让被验证过的经验变得更稳定。

Violoop把这套能力支撑的主动判断称为“人工直觉”（Artificial Intuition）：理解当下场景，结合过往经验，在合适的时候提前准备，而不是等用户把所有背景重新说一遍。

四、它更像一个系统，不是因为功能更多，而是因为分工开始清楚

如果一个Agent要持续待在桌面上，它不能把所有事情都塞给云端，也不能只靠端侧硬扛。Violoop采用的是端云协同架构：26 TOPS端侧算力负责屏幕理解、记忆处理和本地推理等高频、低延迟工作；更复杂、耗时更长的任务，则通过模型路由调用云端大模型。

你可以把这理解成一种很直接的分工：端侧负责靠近现场，云端负责处理更复杂的思考。这样，系统既能在用户仍处于当前工作场景时提供帮助，也不会放弃更强通用模型的能力。

原始屏幕画面与长期记忆在本地处理和保存；需要云端推理时，系统再按任务需要提供相关上下文，而不是持续上传屏幕画面。

这看起来是架构细节，但它决定了这种设备能不能真正放在日常工作里长期使用。因为Agent一旦开始一直看着你的电脑，速度、成本和隐私，缺一个都不行。

五、安全，才是这东西能不能从炫酷演示走进真实工作的一道分水岭

只要Agent真的开始碰电脑，风险就不再只是答错一个问题。它可能发错消息、删错文件、提交不该提交的内容，甚至碰到支付等高风险操作。

Violoop没有把“主动”理解成无限放权。执行权限由独立安全芯片管理，对于发送、删除、提交、支付等需要最终授权的高风险操作，系统要求用户通过实体按键或配对手机完成确认。

它可以先整理资料、起草内容、准备操作，但最后那一步仍然属于用户。

“理解在生长，权力始终不动。”何佳霖表示。持续学习不应该意味着权限自动扩张。系统越主动，越要有一条稳定、清楚、随时可以被用户收回的授权边界。

这不一定能让AI永远不出错，但至少把控制权留在了人手里。

六、亿级融资和20小时破百万美元之后，它已经不只是一个概念

此次众筹之前，Violoop于9月初宣布完成亿级天使轮及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、启赋资本及清科控股，向阳资本担任长期独家财务顾问。

联想与Violoop的关系也不止于资本。双方正围绕AI PC生态开展战略合作，探索生产制造、供应链、国内外渠道与品牌资源等方面的产业协同，并共同探讨Agent、端侧模型与个人化能力的落地。

资本和产业资源解决的是“这套东西能不能规模化做出来”的问题；而20小时突破100万美元、上线一天出头近2000位支持者，回答的是另一个更直接的问题：用户愿不愿意为它买单。

现在，Violoop拿到的已经不只是概念层面的讨论，而是资本、产业和用户端同时给出的三张票。

七、Violoop值得看的，是它把Agent该问的问题问得更完整了

我不觉得Violoop现在已经给出了最终答案。主动帮助到底有多大价值，反馈闭环会不会越用越准，个人化训练能力如何经过评测走向量产，这些都还要靠真实交付和真实使用来证明。

但它值得被认真看待。因为它把一个更完整的问题摆到了台面上：如果Agent不只是偶尔完成一项任务，而是真的要长期参与一个人的工作，它需要的到底是什么？

不只是更强的模型。它还需要能进入现实工作现场的方式，能不断理解上下文的记忆，能在边界内执行的权限，以及能跟着使用者一起成长的路径。

20小时众筹破百万美元，并不等于这条路已经走完。但它至少说明，市场已经开始为一个能操作电脑、并逐渐学会自己的AI付费。