一家成立仅数月的AI硬件企业Fullive.ai，凭借其首款睡眠产品Somni引发行业关注。这家公司已连续完成四轮融资，高瓴资本连续三轮追加投资，招商局创投、智元机器人等机构相继入股。创始人郑昊的跨学科背景成为技术突破的关键——这位清华数学系毕业生，在生物统计、因果推断、AI医学及硬科技投资领域积累了丰富经验，联合创始人韦骁龙则来自北大计算机系，曾在华为、荣耀主导消费电子产品研发。
Somni定位为高压脑力人群的睡眠优化设备，其颠覆性设计在于彻底摒弃传统穿戴模式。设备通过毫米波雷达、麦克风阵列和环境传感器，在无屏幕、无接触的条件下，实时监测呼吸频率、心率波动、体动模式及卧室温湿度、光照强度等参数。基于这些数据，系统会动态生成包含声光调节、气味释放的干预方案，例如在入睡阶段播放特定频率的白噪音，在浅睡期调整灯光色温，或在清晨模拟自然日出唤醒用户。
区别于市面主流睡眠监测产品，Somni构建了完整的感知-干预-反馈闭环。当某晚的干预策略未达预期效果时，系统会结合用户生理指标变化自动优化次日方案；若某种组合被证实有效，相关参数将被纳入个性化模型。这种基于实验的迭代机制，使设备能持续学习用户对不同刺激的响应模式。郑昊将这个过程类比为"夜间小型科学实验"，强调真正的突破在于理解"如何改变人体状态"而非简单记录数据。
技术团队在硬件设计上做出关键取舍：相较于头戴设备的信号精度优势，或智能床垫的环境控制能力，床头设备在用户体验与功能实现间取得平衡。其内部架构包含三大核心模块——传感器阵列负责数据采集，基础模型结合医学知识生成干预策略，Bio-OS系统则统筹各执行单元协同工作。为确保用户隐私，原始数据优先本地存储，云端传输采用加密压缩技术，仅上传必要的统计特征值。
在健康管理领域，Fullive.ai提出"响应学习"（Response Learning）新范式。传统AI医疗模型多聚焦于疾病诊断或状态描述，而该公司致力于构建能预测干预效果的生理世界模型。这需要收集海量"状态-干预-响应"三元数据，通过机器学习揭示个体对光照、声音、温度等刺激的差异化反应。目前团队已与多家科研机构合作，在人体状态转移建模、模型推理效率优化等方向取得进展。
创始团队的技术基因深刻影响着产品路线。郑昊的跨学科经历使其更关注生命系统的动态演化，而非静态特征提取；韦骁龙的消费电子经验则确保硬件设计符合用户使用习惯。这种软硬一体的研发模式，使Somni在保持医疗级监测精度的同时，实现了消费级产品的易用性。目前设备已完成小规模人体试验，正在推进量产前的临床验证。
Fullive.ai的野心不止于睡眠场景。其规划中的日间产品Cori将扩展压力管理、情绪调节等功能，最终构建覆盖24小时的生理监测网络。这种发展路径与特斯拉的自动驾驶战略形成有趣对照——通过规模化部署的智能硬件，持续收集真实世界数据反哺模型进化。在郑昊看来，生命科学领域的AI突破，必须建立在可闭环验证的物理系统之上，而睡眠场景因其封闭性和长观测周期，成为理想的验证入口。
当前挑战在于如何平衡技术创新与产品落地。团队需要证明响应模型在不同人群中的泛化能力，确保干预效果经得起随机对照试验检验，同时保持用户长期使用意愿。这要求硬件在可靠性、舒适度上达到消费级标准，软件算法则需持续优化以适应个体生理差异。随着Somni量产进程推进，这家年轻公司正试图在医疗级精度与消费级体验间开辟新赛道。
