作者｜连冉
编辑｜郑玄
成立仅数月、首款产品即将量产的 AI 硬件公司 Fullive.ai，已接连完成三轮融资。高瓴资本连续加注，智元机器人等机构入股，今年 7 月招商局创投再领投新一轮。
Fullive.ai 由清华数学系出身的郑昊创立，其履历横跨生物统计、因果推断、AI 医学及硬科技投资；联合创始人韦骁龙来自北大计算机系，曾任职于华为、荣耀负责消费电子。团队核心成员涵盖华为手环、WHOOP 等穿戴设备硬件专家，以及百度、大疆的算法与商业化资深人士。
Fullive.ai 将首款产品定位为床头场景。
这款产品名为 Somni，专为高压脑力人群打造。它摒弃了传统健康硬件的佩戴负担与复杂交互，外形更像安静的床头设备。通过毫米波雷达、麦克风阵列及环境传感器，Somni 能感知夜间呼吸、心率、体动及卧室环境，并利用声、光、气味等神经系统调节方式，辅助用户快速入睡、减少夜醒并实现自然唤醒。
睡眠硬件市场虽已拥挤，但现有产品多停留在“监测”层面。手环、指环擅长记录数据，助眠灯、耳机尝试干预，却鲜少解决核心痛点：知道没睡好后，机器究竟能做什么？又如何验证干预有效？
Somni 旨在构建一套连续学习的闭环系统。若干预未达预期，系统会根据整晚生理反馈调整次日方案；若干预有效，则该反馈将成为后续优化的依据。
创始人郑昊将每个夜晚视为一次“小型实验”：观察状态、尝试干预、记录变化。唯有如此循环，设备才能精准掌握对特定个体有效的助眠方法。
这不仅是 Somni 的产品逻辑，更是 Fullive.ai 的深层战略。郑昊认为，AI 若要深度参与健康管理，不能仅知晓心率、呼吸等静态数据，更需理解人体对外部变化的动态响应。
Fullive.ai 将此称为"Response Learning"（响应学习）。若 Somni 能在真实生活中持续完成“感知 - 干预 - 反馈”，积累下的将是“何种因素改变人”及“人如何被改变”的关键数据。
这台床头设备，正是 Fullive.ai 验证该技术路线的首个入口。
01 睡不好的一晚，床头能做什么？
初见 Somni，易将其误认为普通睡眠灯。实则它覆盖睡眠全周期：睡前放松、睡中稳态维持、清晨自然唤醒。用户只需将其置于床边，无需佩戴额外设备或进行繁琐操作。
在用户体验无感化的背后，系统内部每夜都在运行完整的闭环：感知状态、判断策略、执行干预、迭代优化。
Somni 利用毫米波雷达、麦克风及环境传感器，持续捕捉呼吸、心率、体动、鼾声及温湿度光照变化。多源信号融合后，系统可实时研判睡眠阶段与环境状态。
数据采集仅是第一步。区别于传统设备“事后复盘”的逻辑，Somni 致力于生成动态调整的干预方案：何时调暗灯光、以何种节奏播放声音、夜间觉醒如何调整等。
系统通过声、光、味等因子对神经状态进行低打扰调节。这种“最小化干扰”设计，对于工作高强度、精神紧张且对外界敏感的人群尤为关键。
最后是学习迭代环节。每次干预均对应一组反馈数据：呼吸是否平稳、入睡时间是否缩短、夜醒次数是否减少、主观感受是否改善。系统对比干预前后变化，据此调整次日策略。
为何选择床头而非腕带、头戴或智能床垫？这是基于现实场景的取舍。头戴设备信号直接但佩戴不适；手环适合记录却难改环境；床垫温控成本高且安装门槛高。
床头作为日常固有位置，距离人体足够近，既便感知环境，又有空间容纳声光味输出模块。对 Fullive.ai 而言，睡眠场景相对封闭、干预手段有限且可连续观测数小时，是理想的切入点。
02 不止是睡眠硬件，还要训练一套「懂人体反应」的响应模型
在硬件外壳之下，Fullive.ai 意在落地一套全新的技术逻辑。
过往 AI 在生命科学领域的进展，多基于对结构、序列及历史记录的学习，擅长描述生命系统“当前状态”。然而，健康管理的核心在于“改变状态”。同样的干预手段，因人、因时、因地而异。
Fullive.ai 将核心数据逻辑定义为“状态→干预→响应”：记录人体当前状态，施加可控干预，观察真实反馈。由此产生的“响应数据”将训练出“响应模型”，其目标不再是描述现状，而是预测人对干预的反应。
图片来源：Fullive.ai
该路线已进入实质研究阶段。Fullive.ai 正与多家科研院所合作，攻坚人体状态转移建模、响应模型构建及推理效率等课题。Somni 的意义在于在真实家庭场景中持续获取“状态 - 干预 - 响应”数据，让模型学会理解人体状态变化的因果机制。
仅有感知只是记录，加入干预与反馈方能形成闭环。卧室环境相对稳定、干预边界清晰、生理变化可连续观测，使其成为首选实验场。
系统架构上，Somni 被概括为“传感器 × 基础模型 × Bio-OS Harness"。传感器采集信号，基础模型结合生理先验与医学证据生成策略，Bio-OS Harness 则调度感知与执行模块，管理闭环运行。
郑昊强调，在涉及人体的动态干预中，生成式模型扮演“规划师”提出候选方案，系统还需“模拟器”在置信区间内推演影响。生理先验知识、循证医学依据及严格的干预范围共同构成安全边界，防止模型越界。
安全与隐私是系统落地的前提。Somni 采用端云协同方案，雷达原始波形优先本地存储，上传云端的信息经加密与最小化处理，避免泄露个人隐私。效果评估综合参考主观量表与入睡潜伏期、睡眠分期等客观指标。
目前 Somni 已完成小批次被试实验，正推进量产与大规模临床验证。响应模型的泛化能力、干预效果的临床检验以及用户的长期使用意愿，将决定这一闭环技术的最终高度。
03 从一个夜间入口出发，Fullive.ai 想走向哪里？
Fullive.ai 自定义为“模型 × 本体”的 AI4Bio 公司。模型负责理解状态、推演变化、生成策略；本体负责物理世界的感知、执行与反馈采集。
Somni 是首个夜间节点，规划中的日间产品 Cori 则将接入压力、专注、情绪、行为等更多上下文，构建统一系统。
郑昊以特斯拉路径类比：汽车价值不仅在于销量，更在于其感知、执行、反馈能力推动模型迭代。映射至生命系统，Fullive.ai 首要任务是打造规模化部署的“本体”，以此积累人体对外部输入的响应数据。
出于对数据闭环规模的考量，团队放弃大而全的机器人形态，收敛至睡眠场景。机器人功能虽多但成本高昂，现阶段难以支撑模型快速收敛。睡眠场景需求明确、环境封闭、观测时间长，更为适宜。
郑昊的跨学科背景深刻影响了技术选型。从数学、生物统计到因果推断、AI 医学，再到科技投资与消费产品，这些经历均指向同一长期命题：解析影响生命系统的因素，并实现其解释、推演与规模化验证。
目前 Fullive.ai 已组建数十人成建制团队，同步研发模型、硬件与 Bio-OS，横跨传感器融合、模型架构、工业设计、循证医学等多个领域。软硬一体虽提升了执行难度，也构建了更完整的数据闭环。
公司的长期愿景是打造"Physiological World Model"（生理世界模型）：一个能学习人体状态随环境、行为、摄入、节律及干预动态演化的系统。眼下任务则是将 Somni 打造成有效、易用且具用户粘性的产品，在有限场景中跑通响应模型。
左为创始人兼 CEO 郑昊，右为联合创始人韦骁龙｜图片来源：Fullive.ai
郑昊表示，希望 AI 能走进真实世界，理解人的状态，执行物理动作，并从反馈中持续学习。Somni 面临的检验直接而纯粹：能否在用户休息的八小时内，安静地读懂正在发生什么，并找到真正有效的下一步。
若此闭环成立，床头将成为 AI4Bio 的新入口。AI 对生命的理解，也将从识别“此刻是什么”，延伸至推演“接下来会怎样”。
*头图来源：Fullive.ai
本文为极客公园原创文章。