分类：科技 标签：人工智能、AI硬件、大模型、智能穿戴
在当前的消费级硬件市场中，睡眠监测和助眠设备已经屡见不鲜。从智能手环到各类床垫，它们擅长告诉你昨晚睡得怎么样。但这里始终存在一个痛点：当机器发现你没睡好之后，到底能做什么？它又如何证明自己做对了？
针对这一行业难题，一家成立不到一年、首款产品即将量产的 AI 硬件公司 Fullive.ai 给出了自己的解法。凭借创新的产品逻辑，该公司在成立初期便连续完成三轮融资，获得高瓴创投、智元机器人以及招商局创投的青睐。
一、睡不好的一晚，床头能做什么？
Fullive.ai 推出的第一款产品名为 Somni，是一款面向高压脑力人群的睡眠硬件。与传统需要佩戴的手环或头带不同，Somni 采取了克制的形态，被设计成一个安静的床头设备。
它不需要用户在睡前学习复杂的交互，也不要求佩戴任何传感器。通过机身内置的毫米波雷达、麦克风阵列和环境传感器，Somni 能够持续捕捉人体在夜间的呼吸、心率、体动、鼾声，以及卧室的温湿度与光照变化。
在系统内部，Somni 运行着一套完整的闭环逻辑：
- 感知状态：多组信号融合，实时判断用户的睡眠阶段与环境状态。
- 判断策略：动态生成干预方案，例如调整灯光暗度和播放辅助放松的节奏。
- 执行干预：通过声音、光线、气味等神经系统调节方式，在低打扰的前提下帮助用户入睡或自然唤醒。
- 迭代优化：对比干预前后的生理变化，评估效果并调整下一晚的执行策略。
郑昊将每个夜晚都比作一次「小型实验」：通过观察状态、尝试干预、收集反馈，设备得以不断摸索出对特定用户真正有效的方法。
二、训练一套「懂人体反应」的响应模型
在床头设备的外壳之下，Fullive.ai 真正想要构建的是一套全新的技术逻辑。
过去，AI 在生命科学领域大多用于描述系统「现在处于什么状态」。但健康管理的核心在于「改变状态」。同样的光照或声音，对不同的人甚至同一个人在不同压力下的反应截然不同。
为此，Fullive.ai 将核心数据逻辑定义为：状态 -> 干预 -> 响应。
- 状态：记录人体当前状态。
- 干预：施加可控的物理和环境动作。
- 响应：观察生理和行为上的真实反馈。
由此训练出的「响应模型」，其核心目标不是识别“人现在怎么样”，而是理解“人对干预会怎么反应”。在架构上，Somni 采用了“传感器 x 基础模型 x Bio-OS Harness”的方案，由生成式模型充当规划师提出候选方案，同时结合生理先验和循证医学证据设定安全边界，确保干预动作安全有效。
隐私安全方面，Somni 采用端云协同方案，雷达采集的原始波形优先保存在本地，云端传输会进行加密与最小化处理，兼顾了智能化与隐私保护。
三、从夜间入口出发，走向生理世界模型
Fullive.ai 将自己定位为一家“模型 x 本体”的 AI4Bio 公司。
在这套愿景中，模型负责理解状态与推演变化，而本体则负责走进物理世界执行感知和干预。Somni 是布局的第一步夜间节点，规划中的日间产品则将进一步把压力、情绪、专注等上下文接入系统。
团队放弃了复杂度更高的通用机器人形态，转而切入睡眠这一场景，正是看中了其明确的用户需求、封闭的环境以及足够长的连续观测时间。
目前，Somni 已完成小批次被试实验，并正全力推进量产与更大规模的临床验证。Fullive.ai 的长期目标是打造 Physiological World Model（生理世界模型），让 AI 不仅能识别生命当下的状态，更能推演和理解生命系统将如何随环境与干预发生动态演化。