Somni di Fullive.ai: il dispositivo senza schermo che impara dal sonno, notte dopo notte

Somni è il primo prodotto per il sonno di Fullive.ai: un sistema da comodino, contactless e privo di schermo, pensato non soltanto per registrare parametri del riposo ma per coordinare l’ambiente della camera durante la notte. L’idea centrale è il “response learning”, cioè imparare dalle reazioni osservate di notte per adattare gli interventi successivi. 410

Cosa fa Somni

Secondo Fullive, Somni non richiede né un indossabile né interazioni con un display. L’hardware riportato comprende un radar a onde millimetriche, una matrice di microfoni e sensori ambientali. L’insieme è progettato per rilevare segnali quali respirazione, frequenza cardiaca, movimenti e condizioni della stanza. 47

Gli interventi previsti sono ambientali, non invasivi:

• suoni per favorire il rilassamento e offrire supporto durante la notte;
• luce per accompagnare la fase di preparazione al sonno, eventuali regolazioni notturne e un risveglio più graduale;
• profumi, coordinati con gli altri elementi dell’ambiente notturno. 410

L’azienda afferma che Somni punti ad aiutare l’utente ad addormentarsi, restare addormentato e svegliarsi in modo più naturale. Si tratta però di obiettivi dichiarati del prodotto, non della prova che curi insonnia o altre condizioni mediche. 10

Il ciclo: stato, intervento, risposta

I normali sleep tracker descrivono soprattutto ciò che è successo durante la notte. L’obiettivo dichiarato di Fullive è diverso: capire quali modifiche controllabili dell’ambiente sembrino funzionare per una persona, in una determinata condizione fisiologica.

Il ciclo proposto è questo:

1. Osservare lo stato: raccogliere contesto fisiologico e ambientale durante il sonno.
2. Applicare un intervento delimitato: modificare, per esempio, suono o illuminazione.
3. Misurare la risposta: valutare i segnali fisiologici e comportamentali successivi.
4. Affinare il piano successivo: mantenere o cambiare l’intervento nelle notti seguenti in base alla risposta osservata. 56

Fullive descrive ogni notte come un piccolo esperimento. Se una combinazione di suono e luce non sembra produrre l’effetto desiderato, il piano della notte successiva può essere modificato; se invece sembra utile, quel riscontro diventa un elemento per le scelte future. 5

Nella terminologia dell’azienda, il dato di valore è «stato → intervento → risposta». L’ambizione non è quindi solo apprendere il profilo di sonno di base dell’utente, ma stimare come potrebbe reagire quando cambia l’ambiente in cui dorme. 56

Il “modello di risposta” e l’ambizione Bio-OS

Fullive presenta Somni come il primo nodo di una strategia più ampia nell’AI4Bio, che unisce modelli di intelligenza artificiale e hardware impiegato in spazi reali. L’architettura indicata dall’azienda è «sensori × foundation model × Bio-OS Harness»: i sensori raccolgono segnali corporei e della stanza; il modello propone strategie personalizzate dal contesto fisiologico; lo strato Bio-OS coordina rilevazione e azioni fisiche in un circuito chiuso. 6

Da qui derivano due concetti collegati:

• un modello di risposta, pensato per prevedere come un individuo possa reagire a un intervento delimitato in un dato stato fisiologico;
• un futuro modello del mondo fisiologico, che dovrebbe rappresentare l’evoluzione degli stati fisiologici nel tempo, sotto l’effetto del contesto e degli interventi. 6

Il secondo è una direzione di ricerca ambiziosa, non una capacità di Somni già dimostrata. Nella ricerca biomedica sull’IA, i world model sono in genere modelli che rappresentano stati e cambiamenti nel tempo in presenza di perturbazioni, trattamenti o modifiche ambientali. 1

Finanziamenti e fase industriale

Fullive.ai è stata fondata a Pechino nel 2026 e si presenta come una startup AI4Bio basata sull’approccio «modello × corpo»: modelli IA per la salute affiancati da hardware utilizzabile nel mondo reale. 6

Le informazioni pubblicate riferiscono che la società ha completato tre round di finanziamento in meno di un anno, con la partecipazione di Hillhouse Capital in tutti e tre. Un round successivo sarebbe stato guidato da China Merchants Venture Capital, con altri investitori coinvolti. Secondo la società, i capitali sosterranno ricerca e sviluppo di Somni, avanzamento della produzione e attività AI4Bio di più lungo periodo. 116

Le fonti pubbliche descrivono anche un team con competenze in IA, hardware e commercializzazione. I dettagli sull’organico, tuttavia, restano informazioni riportate dall’azienda e dai media, non dati sottoposti a verifica indipendente.

Privacy, sicurezza e ciò che manca ancora

Un dispositivo che ascolta e interviene in camera da letto richiede confini chiari. Fullive afferma che gli interventi di Somni sono limitati a modalità ambientali a basso disturbo — suono, luce e profumo — e che le azioni del modello restano entro limiti predefiniti. 6

L’azienda descrive inoltre un’architettura dispositivo-cloud nella quale le forme d’onda radar grezze vengono conservate preferibilmente in locale; le informazioni inviate al cloud sarebbero cifrate e ridotte al minimo per contenere l’esposizione dei dati personali. 6

Altrettanto importante è ciò che le informazioni disponibili non consentono di affermare. Somni avrebbe concluso test su piccoli gruppi e, nel 2026, era diretto verso la produzione e una validazione clinica su scala più ampia. 46 Le fonti fornite non dimostrano però il completamento di grandi studi clinici, un’autorizzazione come dispositivo medico o un’efficacia terapeutica provata contro l’insonnia.

Perché il sonno è il primo banco di prova

Per Fullive, il sonno offre un ambiente relativamente ripetibile: molte ore di osservazione passiva, abitudini che si ripetono e un numero circoscritto di azioni ambientali possibili. È quindi un primo scenario pratico per mettere alla prova un ciclo di rilevazione, intervento e misurazione.

La roadmap più ampia della società prevede di estendere lo stesso principio a recupero, stress e contesti diurni. 69 Per ora si tratta di un’ambizione aziendale. Il test più concreto è Somni: verificare se un dispositivo contactless sul comodino possa personalizzare in sicurezza l’ambiente del sonno sfruttando feedback raccolti nel tempo.