成立数月连融三轮，Fullive.ai 用AI床头灯切入睡眠市场

成立仅几个月、首款产品即将量产的 Fullive.ai 已连融三轮，高瓴连续三轮加注，招商局创投 7 月领投最新一轮。这家公司的 Somni 是一款床头设备，用毫米波雷达、麦克风阵列和环境传感器捕捉呼吸、心率、体动，再以声音、光线、气味进行神经调节，帮助高压脑力人群入睡、减少夜醒并自然唤醒。

高瓴三轮加注，AI 睡眠硬件获早期资本密集押注

Fullive.ai 的融资节奏异常密集。成立几个月时间里，它已经完成三轮融资。高瓴创投从早期就开始参与，并且连续三轮持续加注。智元机器人等机构也进入股东名单。今年7月，招商局创投领投了最新一轮。

这种早期资本密集押注反映出投资机构对 bedside AI 硬件的判断逻辑。睡眠问题在高压脑力人群中普遍存在，而传统可穿戴设备主要提供事后数据，干预手段有限。Fullive.ai 把感知和干预放在同一台床头设备上，试图形成从数据采集到实时调节的闭环，这让投资人看到差异化潜力。

高瓴的连续加注尤其值得注意。它通常在早期项目中保持谨慎，但对 Fullive.ai 却多次跟进，显示出对团队和技术路径的认可。智元机器人作为机器人领域机构入场，也暗示投资人认为这项技术可能延伸到更多家居场景。招商局创投的领投则带来产业资源支持。

目前看，资本判断的核心在于：睡眠经济规模足够大，AI 技术已能把非接触式感知做得足够精准，而床头形态能避开用户佩戴负担。这些因素叠加，让成立不久的公司获得超出常规的融资支持。不过，早期融资密集也意味着后续需要快速拿出量产产品和真实用户数据来验证假设。

这一轮资本动作把 AI 硬件的落地方向指向睡眠这样一个刚需场景。不同于泛泛的概念演示，Fullive.ai 直接把首款产品做到即将量产阶段，投资人的钱主要押在团队把感知-干预闭环真正跑通的能力上。

Somni 去掉屏幕与佩戴，把助眠做成床头常驻设备

Somni 的外形设计完全偏离了当前主流睡眠硬件的路径。它没有屏幕，也不需要用户佩戴任何设备。产品被设计成一个安静的床头常驻设备，用户上床后无需额外操作或学习新交互方式。

这种形态上的重新定义直接针对夜间使用场景痛点。传统手环和指环虽然能监测数据，但很多用户反映夜间佩戴不舒服，长期坚持率不高。床垫类产品虽然无需佩戴，却体积庞大、价格高昂，且主要功能仍是监测而非主动干预。助眠灯和耳机则往往需要用户在睡前主动启动，增加了使用门槛。

Somni 把所有传感器和执行器集成在床头位置，意味着它可以24小时待机，在用户自然进入睡眠环境时自动工作。这种常驻设计降低了用户决策成本：不需要决定今晚要不要戴设备，也不需要在疲惫时再去操作手机或App。

对高压脑力人群来说，这一点特别重要。他们往往在睡前还带着工作压力，额外操作会进一步推迟入睡时间。把设备做成床头的一部分，相当于把助眠工具变成卧室环境的一部分，而不是另一个需要管理的消费电子产品。

这种设计也为数据连续性创造了条件。因为无需佩戴，用户更可能每天都处于监测范围内，数据不会出现缺失。这对后续的AI模型迭代至关重要。

毫米波雷达+多模态感知，AI 把生物信号转为光声气味输出

Somni 的技术路径核心是构建从感知到干预的闭环。设备搭载毫米波雷达、麦克风阵列和多种环境传感器，能非接触式捕捉用户的呼吸频率、心率变化、体动情况以及卧室温度、湿度、光照等环境参数。

毫米波雷达是关键。它可以在不接触身体的情况下穿透衣物和被子，精确测量微小的胸腹起伏，从而推断呼吸和心率。这种非接触感知避免了传统穿戴设备带来的不适，同时还能在整夜睡眠中持续工作。

麦克风阵列则用于捕捉夜间可能出现的鼾声、咳嗽或翻身声音，环境传感器补充温度、湿度等影响睡眠的外部因素。这些多模态数据输入到AI模型后，系统判断当前睡眠阶段和可能的问题。

当检测到入睡困难或夜间觉醒迹象时，设备通过声音、光线和气味三种方式进行干预。声音可能是特定频率的助眠音，光线采用渐变色温模拟日落或日出，气味则释放经过验证的芳香化合物。这些调节手段直接作用于神经系统，帮助用户更快进入睡眠状态或减少中途醒来。

早晨时，设备还能通过逐渐增强的光线实现自然唤醒，避免传统闹钟的惊醒效果。这种从感知到干预再到唤醒的完整链路，把AI真正落地到 bedside 硬件中。

目前信号显示，这些技术组件已经集成到即将量产的产品中，但具体算法准确率和干预效果仍需大规模用户数据验证。

清华数学+华为荣耀背景，团队同时覆盖算法、医学与消费电子

Fullive.ai 的团队构成体现了跨学科能力。创始人郑昊本科就读于清华大学数学系，随后研究方向跨越生物统计、因果推断、AI、医学，并有硬科技投资经历。这种背景让他在理解睡眠的生理机制和构建因果模型方面具备优势。

联合创始人韦骁龙毕业于北京大学计算机系，曾在华为、荣耀负责消费电子产品开发，对硬件产品从定义到量产的流程有实际经验。团队中还有参与过华为手环、WHOOP 等穿戴设备项目的硬件工程师，以及来自百度、大疆的算法和商业化人员。

这种配置直接支撑了睡眠硬件的开发需求。睡眠干预需要医学知识来选择正确的调节参数，因果推断能力帮助区分哪些因素真正影响睡眠质量，算法团队负责把毫米波雷达等传感器数据转化为可靠的睡眠阶段判断，消费电子背景则确保产品能做到安静、可靠且成本可控。

跨界能力在早期AI硬件公司中特别重要。因为产品不仅涉及AI模型，还必须解决硬件集成、用户体验和供应链问题。华为手环和WHOOP的经验让团队清楚知道用户在夜间对设备安静程度的要求有多高，大疆和百度的背景则有助于算法在边缘设备上的高效运行。

团队构成也解释了为什么公司能在短时间内完成产品从概念到即将量产的跨越。不同背景成员的配合减少了常见的技术-产品断层。

睡眠硬件已拥挤，Somni 选择做助眠而非事后监测

睡眠硬件市场已经相当拥挤。手环、指环不断提升监测精度，床垫品牌把传感器做到床体内部，各种助眠灯、睡眠耳机和眼罩也层出不穷。多数产品聚焦于告诉用户「昨晚睡得怎么样」，数据可视化做得越来越精细。

Somni 的定位明显不同。它不以监测数据呈现为主，而是专注于主动助眠：帮助用户更快入睡、减少夜间醒来次数，并在早晨实现自然唤醒。信号显示，它把重点放在干预环节，而不是事后报告。

这种选择有其道理。很多用户其实已经知道自己睡眠不好，真正需要的是解决方案而非更多数据。尤其是高压脑力人群，他们的时间宝贵，更希望设备能直接改善睡眠，而不是又增加一个需要查看的App。

通过声音、光线和气味进行神经系统调节，Somni 试图在睡眠发生时发挥作用，而不是等睡眠结束后给出分数。这种实时干预路径在拥挤市场中形成了差异化。

不过，挑战也随之而来。助眠效果比监测数据更难量化，用户主观感受成为重要指标。如何让用户相信并持续使用这种干预方式，是产品面临的关键考验。

信号中提到睡眠市场拥挤，但同时指出 Somni 的形态和功能与现有产品有明显区别。这也解释了为什么资本愿意在早期就密集投入：如果能证明干预效果，它可能打开睡眠硬件的新细分赛道。

从概念到量产，早期 AI 硬件仍需验证真实使用闭环

Fullive.ai 目前处于从概念验证走向量产的关键阶段。公司成立几个月，首款产品 Somni 即将量产，但真实世界的使用闭环还有待验证。

早期AI硬件公司普遍面临同样问题：实验室数据和实际用户长期使用数据往往存在差距。Somni 依赖毫米波雷达等传感器在真实卧室环境中的鲁棒性，卧室里可能存在其他电子设备干扰、不同用户体型差异、伴侣同睡等复杂情况，这些都会影响感知准确度。

干预效果的验证难度更高。声音、光线、气味对不同人的作用存在个体差异，如何根据长期数据个性化调节参数，是AI模型需要解决的难题。目前还不清楚产品上市后能否快速积累足够数据来迭代模型。

用户留存也是重要变量。初期新鲜感过后，用户是否会持续让设备开着工作，还是会因为任何一点噪音或光线干扰而关闭，目前没有公开数据。睡眠产品特别需要高留存率，因为只有长期使用才能体现对睡眠质量的累积改善。

需求真实性同样需要时间检验。虽然高压人群睡眠问题普遍，但他们是否愿意为床头AI设备付费，以及愿意支付的价格区间，仍需市场给出答案。

信号显示公司已获得包括高瓴在内的多家机构支持，这为后续迭代提供了资金缓冲。但从概念到真正形成闭环，早期AI硬件公司通常需要经历1-2个产品版本的打磨。Somni 能否在量产后快速收集到有价值的用户反馈，并转化为产品改进，将决定它是否能从众多睡眠硬件中真正突围。

整体来看，Fullive.ai 的快速融资和产品路径展现了AI在垂直硬件场景的落地尝试，但最终成败仍取决于真实使用数据能否支持其技术假设。

参考来源