端侧智能的下一站：Personal AI × Physical AI 闭门交流回顾
10 月 16 日，由 OpenBMB 与面壁智能主办的「端侧智能的下一站：Personal AI × Physical AI」闭门交流在深圳 INNO100 顺利举行。来自 Looki、光帆科技、ComindX、LYNOOK、Mira Light 的嘉宾分享了各自在产品实践中的探索与思考。面壁智能联合创始人、CTO 曾国洋老师作开场介绍并主持圆桌讨论，与现场嘉宾围绕端侧智能的未来发展展开深入交流。
本次闭门交流围绕一个核心问题展开：如何做好一款 Personal AI 硬件？
产品形态｜怎样融入日常生活？耳机、眼镜、挂坠、移动硬盘还是桌面终端？从使用场景出发，讨论不同产品形态在感知能力、交互方式、续航与成本之间的取舍。
个人系统｜如何越用越懂一个人？哪些信息值得记住，何时调用，记忆如何更新和删除？模型层、记忆层与应用层如何配合，又该如何实现高效的端云协同？
场景价值｜用户愿意为什么买单？生活记录、个人助理、桌面陪伴，分别能为用户创造多大价值？结合产品实践与用户反馈，讨论不同场景下的付费意愿与商业模式。
五个团队围绕上述问题，分享了各自的产品实践、技术路径与阶段性思考。
Looki｜Personal AI 如何融入真实生活：Looki 的 Personal Intelligence 探索
Looki 光智时空 COO 郜新陆老师认为，随着模型能力持续提升，如何让普通用户在日常生活中持续受益，是 Personal Intelligence 需要回答的重要问题。他指出，除了模型能力，AI 还需要了解一个人的真实经历与处境，而这些信息有很大一部分发生在线下。
基于这一判断，Looki 对硬件提出了三个要求：接近人的第一视角，获得多模态信息，并能长时间、低负担地佩戴。团队研究过不同形态，最终考虑到重量、功耗和佩戴体验，选择了吊坠形态。在明确硬件形态的同时，团队还需要建立用户持续佩戴的理由，因此选择以记录作为产品切入点：人们本来就有保留生活经历的需求，AI 则有机会降低记录和整理的负担。
在这一产品路径中，记录下来的内容会进一步形成可以检索的记忆。郜新陆老师介绍了一位用户的使用经历：在一次行程中，帽子丢了，通过回看 Looki 的记录发现原来是落在高铁上，最终联系车站找到了帽子。在此基础上，团队希望把过往记忆与当下处境联系起来，让 AI 主动发现对用户有意义的信息，并逐步连接能够执行任务的 Agent。记录、记忆、洞察与行动，由此构成一条逐渐深入生活的路径。
要支撑这条路径，连续数据的处理成本是关键挑战之一。Looki 的方案是先用低成本信号判断何时值得采集，再把数据整理成分层的个人记忆，最后结合当前目标和情境，决定调用哪些能力。用户的控制权也贯穿其中：自动化程度越高，用户越需要知道系统在做什么，并能选择、修改或否定结果。
郜新陆老师表示，Personal Intelligence 的目标是降低使用 AI 的门槛，让用户无需反复组织指令、补充背景，也能在日常生活中获得持续帮助。
光帆科技｜Personal AI 的最后一公里，及 AI OS 如何赋能穿戴硬件
光帆科技的朱广闻老师认为，将模型的理解与推理能力转化为用户随时可用的服务，是 Personal AI 落地需要解决的重要问题。他指出，随着端侧模型与云端能力的发展，感知入口和计算不必集中在同一台设备上，靠近人的感官、能够随时交互的穿戴设备，因此有机会承担更多 Personal AI 功能。
朱广闻老师同时指出，硬件入口会因用户习惯而异。有人习惯戴眼镜，有人更愿意戴耳机。基于这一判断，光帆将研发重点放在多种硬件共用的软件能力上，希望通过 AI OS，为不同设备接入个人 Agent、应用服务和计算能力。
耳机是这条路径的起点。朱广闻老师分析指出，它有成熟的使用需求和电子化基础，智能化改造相对容易；品牌与供应链也较为分散，为服务硬件厂商的第三方方案提供了合作空间。选择耳机，既考虑用户今天为什么会用，也考虑一套方案如何被更多厂商采用。
但从设备接入模型，到为用户完成实际任务，中间还有一段距离。打车、订票等任务需要连接外部服务，而应用开放程度、合作机制和调用成本，关系到产品的服务能力与应用边界。向下适配不同芯片和硬件平台，向上连接应用与服务，再把这些能力组织成用户可用的体验，是光帆所说的“最后一公里”。
因此，朱广闻老师提出渐进的产品发展路径：首先完善已有功能，建立用户持续佩戴的基础；再承接一部分原本需要打开手机的需求，减少操作负担；随着服务和模型能力完善，继续探索原生的 AI 体验。硬件入口可以多样，背后的系统与服务则需要持续完善。
三个早期项目，探索个人记忆与生活陪伴：ComindX｜打造人机交互的自进化海马体
无为而智科技创始人刘森昊老师指出，通用模型的推理能力不断增强，但它对一个具体的人的了解，未必同步增长。他认为，连接通用模型能力与个体用户需求的关键是记忆——一个人的经历、关系、偏好和目标，需要被组织起来，才能在具体任务中帮助 AI 做出更贴合个人的判断。
基于这一判断，ComindX 将跨设备的个人记忆底座作为产品探索方向：用户的信息散落在电脑、手机和不同应用中，文件同步并不能自动迁移对话中的经验与偏好。如果每个服务都只记得一小部分，用户仍要在不同工具之间反复介绍自己。因此需要有一个跨设备的个人记忆底座来汇总用户的所有经验与偏好。
在汇集信息的基础上，还需要解决记忆的有效调用与持续更新问题。刘森昊老师进一步指出，单靠检索已有记录，可能遗漏隐含关系；把不断变化的个人信息持续训练进模型，又会带来更新和成本压力。因此，团队希望结合记忆组织与模型适配，让系统既能找到相关信息，也能随着用户的新经历持续调整理解。
围绕这一目标，ComindX 探索用图记忆组织用户、任务与知识之间的关系，通过端侧存储与计算优化支撑调用，再结合云端能力持续更新个人系统。在端云分工上，团队提出：端侧更多承担个人身份与记忆相关的服务，复杂的通用推理交给云端，并按需提供相关上下文，减少反复传入大量历史信息的开销。
这套设计旨在建立能够随用户持续积累的个人记忆。按照团队的设计思路，即使硬件和模型发生更换，新的智能服务也可以在授权下接续已有的理解。通过减少用户在不同服务中的重复适配，个人系统有望在持续使用中积累对用户的理解。
LYNOOK｜从 Work Agent 到 Life Agent
方寸灵诺 LYNOOK 创始人罗镜民老师围绕 Agent 如何进入个人生活展开分享。他认为，工作中的 Agent 往往围绕目标与结果接受评价；而一个进入家庭的 Life Agent，还需要让用户愿意拥有、持续参与，并从中获得娱乐、陪伴和个性表达的价值。
这一选择带来了三个相互关联的问题：持续运行的成本由谁承担，如何建立用户信任，以及如何让复杂能力以自然的方式被理解和使用。LYNOOK 希望用桌面实体的“斯坦福小镇”来回应这些问题，让 Agent 以角色和空间的形式生活在用户身边。
小镇式的呈现方式，首先旨在提升自主行动的可理解性。哪个角色能够操作什么设备、正在做什么、权限覆盖哪个房间，都可以通过用户熟悉的空间关系呈现。通过直观呈现运行过程，用户能够更清楚地判断授权范围，并在行为不符合预期时加以干预。
而干预留下的影响，又构成了下一次互动的基础。罗镜民老师以一个设想场景为例：朋友来访时，用户告诉 Agent，对方是一位 Maker，更适合分享车库里的设备。系统应当保留这次纠正，让下一次接待有所不同。共同经历、用户纠正和后续行为，因而连接起来，让持续参与有了积累价值的可能。
要让这种体验长期运行，团队提出由端侧维持日常运行、云端处理新需求的分工，同时借鉴游戏与泛娱乐的商业逻辑，探索为深度体验和个性表达付费的核心用户。产品是否好看、能否被定制和展示，也因此进入了设计考量。对于 LYNOOK，这些选择共同服务于一个待验证的方向：让用户与 Agent 的共同经历，成为持续使用和付费的理由。
Mira Light｜被看见、被听见、被点亮
Mira Light 创始人王健乐老师以人与朋友相处的过程，阐述了团队对 AI 陪伴的理解：先感知对方的情绪与状态，再结合共同经历理解此刻的需要，最后给出合适的回应与行动。要形成这样的关系，设备需要在日常生活中持续出现，获得上下文，也要有足够丰富的表达方式。
团队在用户调研中观察到，现有陪伴硬件常常缺少每天使用的理由：交互主要依靠用户主动发起，表达方式有限，充电和操作又增加了负担。当使用新鲜感逐渐减弱、设备被闲置后，进一步了解用户的机会也随之减少。因此，Mira Light 把高频使用、主动感知和情感表达，放在一起考虑。
基于上述考虑，团队选择了台灯形态。王健乐老师回顾了这一产品构想的由来：凌晨三点，家里的猫狗已经睡了，桌上的台灯还亮着。如果它能回应自己，会是什么体验？对于长时间在桌面工作、学习和创作的人，灯本来就在身边，照明提供了日常使用的理由，固定位置也让供电、联网和持续交互更容易安排。
在这个基础上，团队希望让灯进一步成为能够感知和表达的伙伴：通过视觉与声音了解用户，通过身体姿态、灯光和语音作出回应，再让长期记忆参与性格和互动方式的变化。同样是一次关心，应该随着彼此的相处而有所不同。
为支撑这一体验，技术实现需要连接感知、理解、决策与行动。团队介绍了行为模型、心智模型及端云协同方面的探索，希望让设备根据真实场景选择合适的交互。Mira Light 首先面向长时间使用桌面的独立创造者等人群，尝试在照明这一日常功能上，逐渐建立陪伴关系：以日常使用建立持续相处的基础，再通过长期互动逐步加深对用户的理解，提供更贴合个人的回应。
圆桌环节：Personal AI 的未来
圆桌讨论围绕三个问题展开：Personal AI 适合什么硬件形态，如何越用越懂一个人，用户愿意为什么价值付费。
围绕硬件形态，多位嘉宾强调了不同设备之间协同的重要性。
有嘉宾以自己的佩戴习惯为例：即使眼镜拥有很强的视觉和语音能力，健康相关的信息仍可能需要戒指、手表等设备来获取。不同位置能获得的信息不同，一个人的需求也会横跨多个场景。
也有嘉宾提到，要结合具体场景判断硬件是否合适。手机仍有身份、连接和算力方面的作用，桌面可以提供计算节点，眼镜和耳机则各有交互优势。新增一台设备带来的价值，需要足以让用户接受它的重量、续航和使用负担。
围绕如何理解用户，嘉宾们进一步讨论了数据与实际体验之间的关系。
一个翻译场景的例子让这个问题变得具体：同一个词，在不同场合可能需要不同的表达。先识别当前是在与孩子聊天，还是处于严肃会议，再组织翻译，才能更贴近实际需要。记忆要准确，实时环境也要参与判断。
讨论中也提到，当前环境、过往记忆，以及用户正在表达的意图，需要共同作用，帮助系统理解眼前的任务。
但获得更多信息，也意味着更高的信任要求。用户是否愿意交付数据，能否了解并纠正 AI 对自身的理解，都会影响系统能走多远。有嘉宾特别提醒，即使 AI 能替人完成很多事，体验设计中也要保留人的参与感。
几位嘉宾反复提到的另一点是主动服务的分寸。及时提醒、提前准备，可以带来惊喜；无关的建议和过密的互动，也可能变成打扰。什么时候出现、以什么方式出现，与回答得是否正确一样，都是产品需要持续完善的环节。
围绕商业模式，与会嘉宾结合不同产品定位与用户需求，提出了多种思考。
有人看重硬件本身可拥有、可感知的价值，有人愿意为明确解决问题的功能付费，也有人更关注陪伴、审美和个性表达。对于服务如何持续收费，订阅、软硬件组合、广告等方式，均成为现场交流的议题。
有嘉宾提出，大众用户的持续付费意愿可能比从业者想象得更难建立，广告也被视为一种可供探索的方式。但广告与 AI 的客观性、以用户为中心的服务之间，也存在需要处理的冲突。
另一个观点从产品体验出发，提出从“可用”到“好用”，再到特定场景下“想用”的过程。翻译、提词、记录，或让人放松和愉快的体验，都可能产生付费理由，关键在于它对用户有没有足够明确的价值。
总结
Personal AI 是 AI 走进日常生活的重要方向。它需要在与一个人长期相处的过程中，逐渐了解他的习惯、记住重要的经历，并在需要时提供合适的帮助。智能的价值也由此体现于每个人的具体生活之中。
端侧智能是其中不可缺少的一部分。贴近用户的感知、及时自然的交互，以及个人数据与记忆的本地处理，都需要端侧能力的支撑；再与云端的复杂推理协同，才能让持续服务个人成为可能。从模型到硬件，从记忆到应用，这场交流所讨论的每一个具体问题，都关系着 Personal AI 能否真正融入日常，并持续为用户创造价值。