Violoop何佳霖：一个盒子，20小时众筹100万美元

同事在微信里发来一句话：「把上次那份简历发给我。」

何佳霖没有切回桌面，也没有翻文件夹。他电脑旁边那个巴掌大的小盒子亮起一圈呼吸灯，几秒钟后，简历已经被找出来、收件人已经填好，停在「发送」前面等他点头。他伸手按了一下盒子上的实体键，消息发了出去。

回头复盘这个动作，他只说了一句：「整个过程中，我没有主动跟AI说一句话。」

这个盒子叫 Violoop，做它的是深圳本惟无界科技有限公司，2025 年 12 月才注册，整个公司三十来号人。

2026 年 9 月 16 日零点，它上线海外众筹平台 Kickstarter。20 小时后，筹款金额冲过 100 万美元。到 9 月 17 日下午一点，总额 114.38 万美元，来自全球 1971 位支持者。截至 9 月 19 日，这个数字已经变成 132.47 万美元。

而它当初设定的众筹目标，是 9996 美元。

先做招聘网站，再卖美国房子，然后才去做AI

何佳霖出生在沈阳，少年时期跟着家人搬到津巴布韦，在当地寄宿学校读完中学，之后去加州大学圣迭戈分校读软件工程。

大学里他做过一个在线招聘平台，两年攒下三十万付费用户。2015 年前后，他转去做一个面向中国买家的美国房产交易平台，一年的成交额一度超过 1 亿美元。2019 年，他入选了 YC 那一届的创业营。

公司的另一位创始人、CTO 朱贤桢，英文名 King，18 岁从上海考进麻省理工，三年半读完电子工程与计算机科学的本科加硕士，拿的是全额奖学金。毕业后他先后在 ADI 和微软工作，参与过 Xbox、HoloLens、Surface 的硬件开发。两个人 2019 年通过一位共同的麻省理工校友认识，但真正决定一起做 AI，是 2022 年底 ChatGPT 出来之后。

第一个机会来自一家欧洲的世界 500 强企业。对方要把开源模型部署在自己的计算集群上，不肯把内部数据交给外部模型公司。接下来一年半到两年，团队做完了 15 个类似的项目：部署模型、做微调、重构数据库、把工作流搭起来。

逼他们去做硬件的，不是技术难题，是一个特别土的问题——人必须守在电脑前。那家客户管得严，必须用指定电脑才能登录服务器；模型跑飞了、服务器报错、临时要抓一批数据，就得有个人走回那台机器前坐下。

2025 年 7 月，他们决定从软件转向硬件。

插在你电脑中间，假装成一套键鼠

先说清楚这东西怎么干活。

它不装在你电脑里。它插在你电脑和显示器中间：一根 HDMI 线进去采你的屏幕画面，一根 USB 线出来，假装成一套普通的键盘鼠标，替你去点、去打、去拖。

关键就在后面这半句。电脑认不出它是 AI，只当多插了一套键鼠。所以不用装驱动、不用改系统设置、不用等软件厂商给谁开接口——微信可以，剪映可以，公司里那套谁也不想碰的老后台也可以。凡是能显示在屏幕上的，它都能上手。

盒子本体：手掌大小，正面是一块能看任务进度和待确认事项的触摸屏。

一共三种用法。第一种是它主动给你递话：你打字打到一半，它把后半句补出来，按一下 Tab 键就接受。第二种是把一整件事丢给它，比如「读一下这封新订单邮件，回复客户」，它会自己在邮件、表格、系统之间来回跑。第三种叫 Away Mode，你把屏幕锁上离开工位，它接着干，遇到要拿主意的地方给你手机发通知。

它动手之前先把流程摊开：「我会按这个流程执行」，底下是随时可按的停止键。

为什么它不放在云上跑

这是整件事里最容易被忽略、却决定它必须做成一坨硬件的一步。

何佳霖算过一笔账：用最强的云端模型，把屏幕内容传上去、等结果传回来，最快也要 3.5 秒。而人在电脑前的动作是以秒计的——你早就切到下一个窗口了，建议才回来，那这条建议就是废的。

所以他给团队定的指标不是「更聪明」，是「够快」：端侧响应压到 1 秒以内，最差不超过 1.5 秒。

为了这个数字，盒子里装了一颗 RK3576 八核处理器加一颗专用 AI 加速芯片，算力 26 TOPS；本地跑一个 80 亿参数的模型，生成速度能到每秒 53 个词元（也就是模型往外吐字的最小单位）。官网拿 Mac mini M4 做对比，同一个模型、同样的精度，Mac mini 是每秒 20 个词元。

盒子的主板。屏幕画面要先在这上面压一道再处理，官方说这能砍掉大约九成不必要的云端调用。

接下来是它跟通用大模型的分界线。

通用大模型学的是全世界的公开知识，它不认识你。它不知道你在跟谁做哪个项目，不知道你上周为什么把那个方案改掉，换个对话窗口就全忘。何佳霖的说法是：「基础模型正在学会理解世界，但它还没有真正理解一个人。」

Violoop 想补的就是后面这半句。它把屏幕上发生的事往下压成三层：第一层是记忆，谁、哪个项目、哪些文件、哪些决定；第二层是工作方法，你习惯先干什么、哪些步骤必须停下来问你；第三层最重——反复被验证过的经验，会被写进模型自己的参数里。

第三层的做法有点意思。它挑你不碰电脑的时间段做，何佳霖把这过程叫「睡眠」。设备白天攒下工作轨迹和你的每一次纠正，晚上筛出值得学的，用一个轻量的适配层（LoRA）去更新参数。团队说这条链路内部已经跑通，一周大约能攒 500 条候选训练数据，一次训练要几个小时。这一步还没推给量产用户。

手机端可以直接下指令：读新邮件、更新客户表、起草回复，底部跑着的是盒子上那个本地模型。

模具都开好了，他还是把机器推倒重做

2026 年 5 月，Violoop 上一代硬件已经开好模具、试产了大约 200 台，众筹马上要开。这个节点上，新一代端侧芯片量产了。

何佳霖决定暂停发布，从主板到内部结构重做一遍。代价是晚了几个月，换来的结果是端侧生成速度从每秒约 10 个词元提到约 45 个；芯片也从两颗变成三颗：主控一颗、专门跑模型的算力芯片一颗，还有一颗只管权限的安全芯片。

那颗安全芯片是整套设计里最较真的一处。发消息、删文件、提交申请、付款，这类收不回来的操作，靠软件弹窗拦不住——弹窗会被更新的版本覆盖掉。所以他们在盒子上做了一个实体键，按键直接连安全芯片，跟 AI 那颗芯片是分开的。翻译成人话：AI 可以替你想、替你跑腿、替你打字，但最后那一下，得你的手指头按。

屏幕跳出绿色的对勾和 APPROVED，右下角写着「物理确认键」。这只手按下去之前，什么事都不会发生。

200 台测试机教会他的那句话

2026 年 3 月，团队把上一代测试机发给了一批科技博主和提前报名的用户。何佳霖原本以为会收到一箩筐「AI 不够聪明」的抱怨。

结果不是。大部分人卡在第一步：不知道该怎么问。

写提示词、补背景、把散在各处的信息整理成一段机器听得懂的话——对一个天天测模型的人来说是本能，对一个普通白领来说是额外的一份活。如果使唤 AI 的成本接近自己动手的成本，这个 AI 就没有意义。

所以新版本的开发主线里多了一条听起来挺激进的目标：杀掉提示词。不是不让你说话，是不再要求你每次都从一条完整指令开始——你照常干活，它把下一步准备好，你点头或者摇头就行。何佳霖拿短视频推荐打比方：我经常接受哪类建议，它就多准备哪类；我一直不选，它就少推。

钱从哪来

三笔账。

成本那一头也有设计。团队自研了一套针对屏幕的视觉压缩算法，在尽量不丢文字和窗口结构的前提下，把 4K 画面的处理分辨率降下来，再在盒子本地做识别和提取。官方说本地处理能砍掉大约九成不必要的云端调用——用户省了钱，公司也省了服务成本。

插上就能用，但七次里有一次会失手

有几件事得说在前面。

何佳霖自己也没把话说满：「在市场真正给出反馈之前，我们也不知道最终结果会怎样。」

接上显示器、摆在桌面一角的盒子。这个品类的产品此前大多停在发布会和演示视频里。

回到那个盒子

何佳霖给这件事定的检验标准，不是发布当天的销量。

他说，一台 AI 设备在你桌上放 30 天，理应比第 1 天更懂你：记住更多工作关系，学会更多任务路径，慢慢知道哪些事可以提前准备，哪些决定必须停下来等你拍板。

大多数数码产品在拆箱那一刻达到能力巅峰，然后一路变旧。他想把这条曲线倒过来。这个判断对不对，现在看不出来。但至少有一件事是确定的：半年里，一批投资人、1.2 万个交了订金的人、还有近两千个在众筹页上点了支持的人，都愿意为这个方向先押一注。