分类：科技 标签：人工智能、大模型、智能硬件、AI4Bio

在当今的消费级硬件市场，健康监测早已不是新鲜事。从手环、指环到智能床垫，各类设备越来越擅长在清晨向我们展示昨晚的睡眠报告：睡了多久、醒了几次、深睡比例多少。然而，一个长期困扰行业的核心痛点始终存在：当机器发现你没睡好之后，它到底能做什么？

正是在这种背景下，一家名为 Fullive.ai 的年轻公司将切入点放在了床头。这家成立不到一年、首款产品尚未正式量产的 AI 硬件公司，已经连续获得了高瓴、智元机器人、招商局创投等头部机构的多轮加注。它的首款产品 Somni，究竟藏着怎样的技术逻辑？

一、睡不好的一晚，床头能做什么？

与传统需要佩戴的手环或头带不同，Somni 是一款外形克制、无需佩戴的床头设备。它没有屏幕，不要求用户在睡前学习复杂的交互，而是通过内置的毫米波雷达、麦克风阵列以及环境传感器，在夜间持续捕捉用户的呼吸、心率、体动、鼾声，以及卧室的温湿度和光照变化。

对用户而言，它的运行完全是无感的。但对于系统内部来说，每一个夜晚都构成了一套完整的运行闭环：

感知状态 -> 判断策略 -> 执行干预 -> 迭代优化

  1. 多维感知：融合多组信号，实时判断用户的睡眠阶段与环境状态。
  2. 动态干预：摒弃传统设备的「事后复盘」，通过声、光、气味等低打扰因子，在入睡前、睡眠中及清晨提供动态调整的辅助方案。
  3. 响应迭代：对比干预前后的生理变化，评估方案是否有效，并在次日自动调整执行策略。

这种将感知与执行集于一体的设计，让设备不再只是一个冷冰冰的数据记录器，而更像是一个陪伴用户睡眠的「小型实验系统」。

二、从状态监测到「响应模型」

在 Fullive.ai 联合创始人兼 CEO 郑昊看来，今天的大量健康硬件虽然擅长「描述人」，但如果 AI 想进一步参与人类的健康管理，仅仅了解心率和呼吸是远远不够的。AI 更需要理解：当外部环境或干预手段发生变化时，人的身体会产生怎样的反应。

为此，团队提出了全新的数据逻辑：状态 -> 干预 -> 响应。

  • 状态：记录人体当前的生理指标。
  • 干预：施加可控的物理或环境动作（如光线、声音调节）。
  • 响应：观察并收集身体随之产生的真实反馈。

通过这种方式沉淀下来的「响应数据」，最终将用来训练「生理响应模型」。在系统架构上，该方案被概括为 传感器 x 基础模型 x Bio-OS Harness。其中，生成式 AI 负责充当提出候选方案的「规划师」，而循证医学依据与生理先验知识则划定了安全边界，确保干预动作不会越界。

隐私与安全同样是该方案的基石。据介绍，Somni 采用了端云协同方案，雷达采集的原始波形优先保存在本地，云端传输实行加密与最小化处理，最大限度保护个人隐私。

三、从一个夜间入口，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。

选择睡眠场景作为起点，是团队基于现实考量的结果：睡眠具有明确的用户需求、相对封闭的场景以及连续数小时的观测窗口，能够以最低的成本跑通数据闭环。而在未来，规划中的日间产品还将把压力、情绪、专注等更多上下文接入同一套系统。

团队的长期愿景是打造 Physiological World Model（生理世界模型）—— 一个能够动态学习人体状态如何随环境、行为与干预而演化的复杂系统。

正如汽车行业的自动驾驶数据闭环一样，Fullive.ai 希望通过规模化部署的硬件本体，持续收集人类对外部输入的响应数据，最终推动 AI 对生命科学的理解从「识别此刻」走向「推演未来」。当 AI 开始在每一个安稳的夜晚读懂我们的身体，未来的健康管理或许将迎来全新的范式。