2026 年夏天，办公场景里的 AI 正从概念走向实际使用。公开数据显示，2026 年 6 月，腾讯 WorkBuddy 上线仅 3 个月，访问量达到 2097 万次，位居国内桌面端 AI 原生办公智能体平台首位。字节跳动也在加快整合办公 AI 业务：7 月 30 日，飞书产品团队与豆包产品团队整合；8 月 25 日，面向生产力场景的 Agent 产品“豆包工作”正式发布，并与飞书深度打通，用户可以用自然语言提出目标，由系统拆解任务、调用工具并推进工作流程。
大厂都在争夺电脑桌面上的 AI 工作入口。IT 桔子披露，深圳 AI 硬件公司 Violoop 近期正式完成亿元级天使轮及 Pre-A 轮融资，由联想创投、中金保时捷、蓝驰创投、元生资本、启赋资本及清科控股联合投资，向阳资本担任长期独家财务顾问。
Violoop 没有直接与大厂在软件入口上正面竞争，而是切入 AI 硬件赛道，研发了一台掌机大小、可连接电脑的外部硬件设备。设备配备独立芯片与端侧算力，可通过 HDMI 和 USB 接入电脑，从屏幕获取视觉信息，也能通过键盘和鼠标信号执行操作。按公司自己的定义，它希望做的是一台物理级的“个人 AI Agent”。
在接受 IT 桔子采访时，Violoop 创始人何佳霖与团队围绕产品路径、硬件形态和软件逻辑谈到了三个问题：AI 能力的上限在哪里，AI 信任的下限如何保证，以及在软件 Agent 已经足够强的情况下，为什么还需要一台硬件。
把提示词从工作的起点移开
当前多数 AI Agent 助手仍然沿用“你问我答”的模式：用户提出需求，AI 理解并执行，然后停下来等待下一条指令。即使部分产品加入了日历提醒、定时任务和自动触发，本质上仍然依赖用户事先设定规则。
Violoop 试图做的是“主动式 AI”。按照团队的设想，系统可以持续理解用户正在做什么，并结合当前场景、长期记忆和过去的工作方式，在用户开口前完成必要准备。
团队在前期与多名用户沟通和测试时发现，阻碍 AI 进入真实生产工作的，不只是模型能力，还有提示词本身。用户要让 AI 完成一项复杂任务，往往得先停下手里的工作，重新整理背景、查找相关材料、描述目标、拆解步骤，再把原本分散在屏幕、文件、历史记录和个人经验里的上下文，压缩成一段清晰、结构化、机器可理解的提示词。
对少数熟练用户来说，这是一种技巧；对多数普通用户而言，它本身就是额外工作。当提出任务的成本接近自己完成任务时，Agent 很难进入高频、连续的生产环境。
Violoop 想去掉这项“前置任务”，不再把编写提示词作为 AI 开始理解任务的必要前提。团队由此提出了一种新的交互方式：系统从持续在场的上下文、长期记忆和真实工作流中判断当下发生了什么，并在用户主动提出要求之前，先完成信息整理、任务拆解和可逆的准备工作。提示词并不会消失，但不再是每次工作的固定起点，而是在需要补充和校准时使用。
Violoop 把这种能力称为 Artificial Intuition，即“人工直觉”。
何佳霖在现场演示的内测版本中展示了几个连续场景：当用户在微信中与同事讨论事情时，系统会根据当前对话和相关背景准备好下一段回复，用户可通过快捷键采用；当同事在聊天中索要候选人简历时，系统能够理解对方需要什么，找到对应文件，并在发送前停下等待确认；当用户打开简历继续阅读时，系统又会结合当前项目，询问是否需要进行岗位匹配分析，并提前整理所需信息。
这意味着，用户不必单独打开 AI 应用，也不需要重新输入背景、复制聊天记录或编写提示词，系统已经把任务推进到“等用户决定”的位置。
要实现这种体验，依赖的不只是更强的模型，还包括一整套跨应用感知、长期上下文和个人记忆系统，以及对用户意图和权限边界的判断能力。何佳霖把 Violoop 的学习路径拆成三个阶段。
第一阶段：形成围绕个人的长期记忆
系统会从用户授权的工作上下文中，逐渐理解与用户相关的人、项目、文件和历史工作。它需要判断哪些信息值得长期保存，哪些只是短期噪声，并持续合并重复内容、修正过时信息。
第二阶段：学习个人的工作方式
系统不只需要记住发生过什么，还要逐步理解用户从哪里寻找信息、如何处理类似任务、如何作出判断，以及哪些步骤可以继续执行、哪些步骤必须等待确认。这些经过反复使用和纠正后沉淀下来的工作方式，会逐渐形成技能、工作流和执行路径，进入 Agent Harness，也就是 Agent 的执行框架。
第三阶段：把经验转化为更稳定的个人模型能力
何佳霖称，Violoop 已经打通“捕捉工作轨迹—形成长期记忆—用于个人化训练”的技术链路，目前正在推进工程化。团队同时在训练和测试两类自研模型：一类偏任务理解与任务拆解，另一类偏具体执行。
他把这个过程比作“肌肉记忆”。有经验的人面对熟悉任务时，不需要每次都从头推理，大量经历已经被压缩成快速判断。Violoop 希望 Agent 也能把真实工作中的结果、反馈和纠正持续沉淀下来，而不是每次任务都从零开始。
何佳霖说：「大模型现在缺的已经不只是智商。更稀缺的是怎么把每一次真实工作的经验保存下来，最终形成属于用户自己的工作方式。」
要让主动响应真正成立，还有一个现实条件：速度。如果用户已经离开当前页面，系统才给出建议，即使建议本身正确，价值也会大幅下降。为此，Violoop 将部分关键主动交互的响应目标设定在 1 秒以内，并把端侧 AI 算力从上一代的 6 TOPS 提升到 26 TOPS。何佳霖提到，作为对比，一台主流大厂 AI PC 的最高算力为 40 TOPS，这一水平基本相当于一台迷你主机。更高的端侧算力将用于低延迟感知、记忆处理、本地模型推理和部分个性化任务。
主动能力提升后，授权边界要单独拎出来
据外媒报道，今年 4 月，一个 AI 编程 Agent 在处理测试环境任务时获取了权限过大的 API 凭证，并在数秒内删除了一家创业公司的生产数据库及同卷备份。相关数据后来得到恢复，但这起事故暴露出一个核心问题：当 Agent 获得执行权后，如何防止越权操作或误删关键数据；一旦理解出错或执行过程偏离，如何及时阻止。
Violoop 对此给出的方案分为两层。
第一层，是让离用户最近、对延迟和隐私最敏感的任务优先在本地完成。Violoop 将屏幕感知、记忆构建、部分文本补全和低延迟模型任务放在端侧处理；需要更强推理能力的复杂任务，则通过模型路由按需调用云端模型。
团队认为，硬件本身不会自动带来隐私，但独立设备可以把感知、记忆、模型推理，以及复杂任务的云端调用，拆分到更清晰、可控制的数据边界中。考虑到用户对大模型存在不同偏好，Violoop 也不要求用户绑定单一模型套餐。已经持有智谱、DeepSeek 或其他模型 API Key 的用户，可以自行接入；官方模型套餐的作用主要是统一提供和调度不同模型，在效果、速度和成本之间做选择。
第二层，是把关键授权从模型和普通软件中独立出来。Violoop 在设备内部设置了一块独立安全芯片，用于管理执行侧授权。模型在遇到发送、删除、提交、支付等被定义为不可逆的操作时，必须停下，等待用户通过物理按键确认后才能继续执行。
这套架构并不承诺 AI 永远不会理解错误，它保证的是：只要被纳入授权链路，不可逆操作始终无法绕过人的最终确认。
何佳霖用“签合同”作比喻：合同条款可以反复修改，材料也可以由其他人提前准备，但盖章的那一刻，才意味着决定正式生效。
他说：「Agent 可以帮助用户完成前面 80%，甚至 99% 的准备工作，但最后一步仍然应该由人确认。我们希望把签字权和盖章权始终留在用户手里。」
如果一个系统只能提建议，不能进入真实软件完成操作，价值有限；但如果它可以不受约束地发送消息、删除文件或完成支付，用户也难以长期信任。在 Violoop 的产品逻辑中，能力边界和信任边界需要一起扩展，AI 可以更主动，但决定权不能随之转移。
为什么要做成硬件
在采访最后，IT 桔子提出一个问题：长期记忆、computer use、本地模型和安全确认，纯软件真的做不到吗？
何佳霖的回答是，这些能力单独来看并非只有硬件才能实现，但按照 Violoop 选择的技术路径，硬件把原本分散的几项能力组合成了一个完整产品。
第一个原因是持续在场。主动式 AI 需要知道当下发生了什么，也需要把当前状态与过去记忆联系起来。Violoop 通过 HDMI 获取与用户相同的屏幕信息，通过独立设备持续处理经过授权的上下文，不依赖某个应用是否打开，也不完全受限于单个软件会话的生命周期。硬件带来持续在场，持续在场带来完整上下文。在 Violoop 看来，这正是长期记忆和主动判断的数据基础。
第二个原因是纯软件方案覆盖范围有限、兼容性受约束。纯软件 Agent 往往依赖操作系统权限、软件接口或 API 适配，但现实的软件世界里，大量应用并未为 AI 开放标准接口，很多老旧系统也不可能为每一种 Agent 单独改造。
Violoop 采用的是人类已使用数十年的交互方式：从屏幕获取信息，再通过标准键盘和鼠标接口完成操作。这意味着，它的能力范围不必完全取决于软件是否为 AI 专门开放 API。理论上，只要人能通过屏幕和键鼠操作使用的软件，都有机会纳入它的工作范围。
第三个原因，是建立独立于模型的物理信任边界。如果感知、推理、执行和授权全部位于同一个软件系统中，一旦模型、插件或权限配置出现问题，风险可能沿同一条链路扩散。Violoop 试图把这些能力拆开：AI 模型负责理解和准备，执行系统负责操作，独立安全芯片和物理按键负责不可逆行为的最终授权。软件扩展 AI 的能力，硬件决定数据流向、执行边界，以及系统必须停下来的位置。
这三点共同构成了 Violoop 所说的“AI 原生硬件”。团队研发这台设备的出发点，就是让 AI 持续理解并使用电脑。从计算芯片、输入输出接口，到本地模型和安全架构，都是围绕这一目标搭建。
融资之后，产品准备进入发售阶段
Violoop 的核心团队主要来自软件和模型工程背景。2023 年至 2024 年间，团队曾为欧洲世界 500 强企业提供计算集群上的模型部署、后训练和优化服务。现在，他们希望把过去需要大型企业计算资源和定制交付才能实现的 AI 系统，压缩进一台普通消费者可使用的桌面设备。
产品进展方面，Violoop 第一批内测硬件已经获得数十名真实用户的持续使用反馈，更大范围的测试覆盖了全球多个国家和地区的 200 多名用户。按照团队计划，Violoop 将于 9 月中旬在海外渠道正式上线，并在国内启动首批小规模发售，10 月后逐步扩大市场覆盖。据披露，约 1.2 万名海外用户已经支付订金。
当大厂争夺软件侧的 AI 工作入口时，Violoop 选择了一条更重、也更难的路线。它要验证的是：当 AI Agent 真正开始工作时，硬件能否同时带来更完整的上下文、更低的交互延迟，以及更可信的执行边界。
原文来自微信公众号“IT桔子”（ID：itjuzi521），作者吴梅梅，由 MarsBit 发布。