Violoop กำลังเดิมพันว่า AI ผู้ช่วยรุ่นถัดไปไม่ควรเป็นเพียงแท็บแชตหรือเครื่องมือที่รอให้ผู้ใช้เขียนพรอมต์อย่างละเอียด V4 คืออุปกรณ์ขนาดกะทัดรัดที่วางทำงานคู่กับคอมพิวเตอร์ อ่านสิ่งที่เกิดขึ้นบนหน้าจออย่างต่อเนื่อง เสนอสิ่งที่น่าจะทำต่อ และเมื่อผู้ใช้อนุมัติ ก็สั่งงานซอฟต์แวร์ด้วยการจำลองคีย์บอร์ดและเมาส์ 1315

แนวคิดของสตาร์ตอัปจากเซินเจิ้นรายนี้คือ เปลี่ยนคอมพิวเตอร์เดสก์ท็อปให้เป็นระบบที่เข้าใจบริบทการทำงานข้ามหลายแอป แม้แอปนั้นจะไม่มี API หรือการเชื่อมต่อ AI โดยตรงก็ตาม อย่างไรก็ดี คำกล่าวอ้างสำคัญ เช่น ความแม่นยำในการทำงาน ความปลอดภัย ความหน่วง และความเป็นส่วนตัวของข้อมูลในเครื่อง ยังอ้างอิงจากเอกสารของบริษัทและการสาธิตที่มีรายงาน ไม่ใช่ผลทดสอบอิสระ

จาก “สั่งก่อน” เป็น “เสนอให้ก่อน”

ผู้ช่วย AI ส่วนใหญ่เริ่มจากคำขอที่ชัดเจน: เปิดแชตบอต พิมพ์พรอมต์ ใส่บริบท แล้วค่อยนำคำตอบไปใช้ แต่โมเดลที่ Violoop เสนอทำงานกลับด้าน อุปกรณ์จะรับภาพจากหน้าจอที่กำลังใช้งาน สร้างความเข้าใจสิ่งที่เกิดขึ้นระหว่างแอป แล้วเสนอการกระทำที่อาจเป็นประโยชน์ก่อนผู้ใช้จะร้องขอ

ตัวอย่างการสาธิตผ่าน WeChat ที่มีรายงานระบุว่า เมื่อเพื่อนร่วมงานขอเรซูเม่ที่เคยใช้มาก่อน V4 จะจับบริบทและขึ้นตัวเลือกให้ส่งเรซูเม่ที่เกี่ยวข้อง เมื่อผู้ใช้กดยืนยันด้วยปุ่มหนึ่งปุ่ม ระบบจะเปิดโฟลเดอร์ ค้นหาไฟล์ และแนบเข้าไปในแชต เป้าหมายคือให้ทุกอย่างเกิดขึ้นโดยไม่ต้องเปิดแอป AI แยก หรือพิมพ์คำสั่งเอง 15

การทำงานนี้พึ่งพา 2 ส่วนหลัก

• การรับรู้หน้าจอ: V4 วิเคราะห์บริบทที่มองเห็นได้บนเดสก์ท็อป แทนการพึ่งพาการเชื่อมต่อเฉพาะรายแอปเพียงอย่างเดียว
• การควบคุม GUI: อุปกรณ์ส่งสัญญาณคีย์บอร์ดและเมาส์ไปยังคอมพิวเตอร์ เพื่อใช้งานหน้าตาโปรแกรมเหมือนที่มนุษย์ทำ 1115

ด้วยวิธีนี้ Violoop ระบุว่าสามารถทำงานกับเครื่องมือที่ไม่มี API ได้ ตัวอย่างที่ถูกกล่าวถึง ได้แก่ WeChat และ Jianying/CapCut 15

เหตุผลที่ต้องทำเป็นฮาร์ดแวร์

Violoop ให้เหตุผลว่า ผู้ช่วยแบบเชิงรุกต้องตอบสนองในจังหวะที่ผู้ใช้ยังอยู่กับงานนั้น บริษัทระบุว่าการส่งคำขอไป-กลับระหว่างอุปกรณ์กับโมเดลคลาวด์ใช้เวลาอย่างน้อย 3.5 วินาที แม้เครือข่ายจะเสถียร ซึ่งช้าเกินไปสำหรับการแทรกคำแนะนำระหว่างบทสนทนาหรือเวิร์กโฟลว์ 15

คำตอบของบริษัทคือฮาร์ดแวร์ประมวลผลแบบเอดจ์โดยเฉพาะ งานที่ไวต่อความหน่วง เช่น การตีความหน้าจอ การคัดกรองบริบท การสร้างหน่วยความจำเชิงบริบท และการเสนอคำแนะนำทันที สามารถทำในเครื่องได้ ส่วนการให้เหตุผลที่ซับซ้อนกว่าอาจส่งต่อไปยังโมเดลคลาวด์เมื่อจำเป็น 115

Violoop ตั้งเป้าให้การตอบสนองอยู่ต่ำกว่า 1 วินาที และสูงสุดไม่เกิน 1.5 วินาที แต่ตัวเลขเหล่านี้เป็นคำกล่าวอ้างของบริษัท ไม่ใช่ผลทดสอบประสิทธิภาพจากหน่วยงานอิสระ 15

รับภาพหน้าจอและควบคุมแอปอย่างไร

หน้าผลิตภัณฑ์ปัจจุบันของ Violoop อธิบายระบบที่ใช้การรับสัญญาณผ่าน HDMI และควบคุมผ่าน USB-HID โดย HID คือมาตรฐานอุปกรณ์อินพุต เช่น คีย์บอร์ดและเมาส์:

1. รับภาพ: อุปกรณ์รับสัญญาณภาพจากคอมพิวเตอร์ผ่าน HDMI 2.0 โดยระบุสเปกการรับภาพ 4K
2. อ่านในเครื่อง: โมเดลบนอุปกรณ์ตีความบริบทที่มองเห็นบนหน้าจอ
3. ใช้คลาวด์เมื่อจำเป็น: ผู้ใช้สามารถใส่ API key ของตนเองเพื่อใช้บริการโมเดล เช่น Claude, OpenAI หรือ Gemini
4. ลงมือทำ: ไมโครคอนโทรลเลอร์ด้านความปลอดภัยส่งคำสั่งคีย์บอร์ดและเมาส์แบบ USB-HID ไปยังคอมพิวเตอร์ 1113

ข้อได้เปรียบในทางปฏิบัติคือการเข้ากันได้กับหน้าตาโปรแกรมหลากหลายประเภท แทนที่จะรอให้ทุกแอปสร้าง API สำหรับเอเจนต์ AI อุปกรณ์นี้ตั้งใจทำงานกับส่วนติดต่อกราฟิกที่เห็นอยู่บนจอ รายงานระบุว่า V4 รองรับ Windows, macOS และ Linux ขณะที่รายงานก่อนหน้านี้กล่าวว่าสามารถทำงานกับแอปทั่วไปได้ราว 200 แอป และเชื่อมต่อผ่าน CLI หรือ MCP 1315

สเปกที่มีรายงาน: มีตัวเลขไม่ตรงกัน

เอกสารผลิตภัณฑ์ปัจจุบันระบุว่า V4 ใช้ชิป RK3576 แบบ 8 คอร์ พร้อมตัวเร่ง AI 26 TOPS และใช้โมเดล Qwen 8B Q4 ในเครื่อง บริษัทอ้างความเร็วการสร้างข้อความ 53 โทเคนต่อวินาทีตามเบนช์มาร์กที่เผยแพร่ และเปรียบเทียบกับ Mac mini M4 ที่รันโมเดลและความละเอียดเดียวกันบน Ollama ซึ่งได้ 20 โทเคนต่อวินาที 13

อย่างไรก็ตาม รายงานก่อนหน้านี้ระบุรายละเอียดอีกชุดหนึ่ง ได้แก่ RAM LPDDR4X 8GB, หน่วยความจำ 3D-stacked DRAM 5GB, พื้นที่เก็บข้อมูล eMMC 5.1 ขนาด 128GB, รองรับจอคู่ และโมเดลในเครื่องขนาด 10,000 ล้านพารามิเตอร์ที่ความเร็ว 45 โทเคนต่อวินาที 15

ตัวเลขด้านโมเดลและความเร็วจากสองชุดไม่ตรงกัน อาจมาจากคนละคอนฟิกูเรชัน เบนช์มาร์ก หรือช่วงพัฒนาผลิตภัณฑ์ แต่ Violoop ยังไม่ได้เปิดเผยรายละเอียดมากพอจะอธิบายความต่างได้ชัดเจน ดังนั้นข้อมูลอ้างอิงปัจจุบันที่ระมัดระวังที่สุดคือ Qwen 8B Q4 ที่ 53 โทเคนต่อวินาทีตามที่บริษัทเผยแพร่ โดยควรมองว่าเป็นเบนช์มาร์กของผู้ผลิต ไม่ใช่การทดสอบอิสระ 1315

ความปลอดภัย: แยกชิป และยืนยันด้วยปุ่มจริง

AI ที่มองเห็นหน้าจอและควบคุมแอปได้ ย่อมนำมาซึ่งคำถามด้านความปลอดภัยโดยตรง Violoop ระบุว่าคีย์และข้อมูลอ่อนไหวถูกแยกไว้ในชิปความปลอดภัยต่างหากจากส่วนที่ทำงาน AI 1315

สำหรับการกระทำที่มีผลสำคัญ เช่น การส่งไฟล์หรือโอนเงิน บริษัทระบุว่าผู้ใช้ต้องยืนยันเพิ่มเติม เอกสารผลิตภัณฑ์อธิบายถึงปุ่มยืนยันทางกายภาพที่เชื่อมต่อกับชิปความปลอดภัย เพื่อป้องกันไม่ให้ซอฟต์แวร์บนโฮสต์หรือระบบ AI ปลอมสัญญาณอนุมัติได้ 13

สถาปัตยกรรมนี้อาจช่วยลดความเสี่ยงบางส่วน แต่ยังไม่ได้ตอบคำถามสำคัญทั้งหมด ผู้ใช้ยังต้องตรวจสอบว่าอุปกรณ์เก็บข้อมูลอะไรจากหน้าจอ เก็บบริบทที่ประมวลผลแล้วไว้นานเพียงใด เมื่อใช้โมเดลภายนอกมีข้อมูลใดถูกส่งไปยังผู้ให้บริการคลาวด์ และระบบแยกแยะการกระทำทั่วไปจากการกระทำที่มีผลสำคัญได้แม่นยำเพียงใด

แบ่งงานระหว่างเครื่องกับคลาวด์

V4 ไม่ได้ถูกนำเสนอเป็นผู้ช่วยออฟไลน์เต็มรูปแบบสำหรับทุกงาน แต่เป็นระบบไฮบริด:

• การประมวลผลบนอุปกรณ์ รับผิดชอบการเข้าใจหน้าจออย่างต่อเนื่อง การเลือกบริบท การจัดระเบียบแบบคล้ายหน่วยความจำ และคำแนะนำที่ต้องตอบสนองเร็ว
• โมเดลคลาวด์ ใช้สำหรับการให้เหตุผลที่ยาวหรือซับซ้อนกว่า ผ่าน API key ที่ผู้ใช้จัดหาเอง 11113

การแบ่งงานนี้เป็นแกนของแนวคิดผลิตภัณฑ์: การประมวลผลในเครื่องควรช่วยลดความหน่วงและลดการส่งข้อมูลหน้าจอในงานประจำไปภายนอก ขณะที่คลาวด์เพิ่มขีดความสามารถด้านการให้เหตุผลเมื่อจำเป็น รายละเอียดเรื่องกฎการส่งงานและการจัดการข้อมูลยังเป็นสิ่งที่ผู้สนใจควรตรวจสอบอย่างละเอียดก่อนตัดสินใจใช้ 113

ต่างจากเอเจนต์แบบซอฟต์แวร์ล้วนอย่างไร

Violoop วางจุดต่างจากผู้ช่วยแบบซอฟต์แวร์ เช่น Tencent WorkBuddy ไว้ที่ บริบทต่อเนื่องข้ามแอป แทนที่จะให้ผู้ใช้คัดลอกเอกสาร เลือกไฟล์ หรืออธิบายงานเดิมซ้ำ ๆ ฮาร์ดแวร์ของบริษัทตั้งใจจะสังเกตเดสก์ท็อปตามเวลา และสร้างภาพการทำงานที่เชื่อมโยงผู้คน โปรเจ็กต์ ไฟล์ แอป และขั้นตอนทำงานเข้าด้วยกัน 15

ข้ออ้างนี้จึงไม่ได้เน้นแค่ว่าโมเดลใดฉลาดกว่า แต่เน้นลดแรงเสียดทานในการส่งบริบทให้ AI: ระบบได้บริบทจากสภาพแวดล้อมการทำงานที่มองเห็น แทนการรอพรอมต์หรือการเชื่อมต่อรายแอปทุกครั้ง

ท้ายที่สุด ความมีประโยชน์จริงจะขึ้นอยู่กับความแม่นยำและความไว้วางใจของผู้ใช้ หากระบบคาดเดาขั้นตอนถัดไปได้ถูกต้อง ก็อาจตัดงานซ้ำซากออกไปได้มาก แต่หากตีความผิด ก็อาจกลายเป็นสิ่งรบกวนหรือสร้างความเสี่ยงได้ กลไกการยืนยันจึงไม่ใช่เพียงฟีเจอร์เสริม แต่เป็นหัวใจของการออกแบบนี้

เงินทุนและนักลงทุน

มีรายงานว่า Violoop ระดมทุนรอบ Angel และ Pre-A รวมมากกว่า 100 ล้านหยวนภายในเวลาราว 6 เดือน นักลงทุนที่ถูกระบุชื่อ ได้แก่ Lenovo Capital and Incubator Group, CICC Porsche, BlueRun Ventures, YuanSheng Capital, Qifu Capital และ Zero2IPO Ventures โดย Sunward Capital หรือในรายงานอีกฉบับเรียกว่า Xiangyang Capital ได้รับการระบุว่าเป็นที่ปรึกษาทางการเงินระยะยาวแบบเอกสิทธิ์ของบริษัท 1515

ขณะเดียวกัน รายงานอื่นระบุถึงรอบใหม่มูลค่า “หลายร้อยล้านหยวน” และมี Legend Capital, BlueRun Ventures และ CICC Porsche เข้าร่วม แต่ข้อมูลสาธารณะยังไม่ชัดว่าเป็นเงินทุนก้อนเดียวกันที่เรียกต่างกัน หรือเป็นอีกรอบหนึ่ง จึงควรระวังเมื่อตีความยอดระดมทุนรวมที่แน่ชัด 24

สรุป: แนวคิดน่าสนใจ แต่ยังต้องพิสูจน์ในโลกจริง

Violoop V4 พยายามพา AI จากเครื่องมือที่ขับเคลื่อนด้วยพรอมต์ ไปสู่ผู้ช่วยบนเดสก์ท็อปที่พร้อมทำงานอยู่เสมอ: เห็นหน้าจอปัจจุบัน เข้าใจบริบทข้ามแอป เสนอสิ่งที่ควรทำ แล้วใช้การควบคุมคีย์บอร์ดและเมาส์ทั่วไปเมื่อได้รับอนุมัติ

แนวคิดฮาร์ดแวร์หลักฟังขึ้นได้ การตีความหน้าจอในเครื่องอาจลดเวลารอไป-กลับและไม่ต้องพึ่ง API เฉพาะของแต่ละแอป แต่คำสัญญาสำคัญยังต้องได้รับการพิสูจน์นอกเหนือจากการสาธิตและเบนช์มาร์กของบริษัท ก่อนนำไปใช้กับหน้าจองาน ไฟล์อ่อนไหว หรือกระบวนการทางการเงิน ผู้ซื้อควรตรวจสอบการตั้งค่าเส้นทางข้อมูล ระบบอนุมัติ พฤติกรรมกับแอปที่ต้องใช้ และผลทดสอบความน่าเชื่อถือจากแหล่งอิสระอย่างรอบคอบ

Violoop กำลังเดิมพันว่า AI ผู้ช่วยรุ่นถัดไปไม่ควรเป็นเพียงแท็บแชตหรือเครื่องมือที่รอให้ผู้ใช้เขียนพรอมต์อย่างละเอียด V4 คืออุปกรณ์ขนาดกะทัดรัดที่วางทำงานคู่กับคอมพิวเตอร์ อ่านสิ่งที่เกิดขึ้นบนหน้าจออย่างต่อเนื่อง เสนอสิ่งที่น่าจะทำต่อ และเมื่อผู้ใช้อนุมัติ ก็สั่งงานซอฟต์แวร์ด้วยการจำลองคีย์บอร์ดและเมาส์ 1315

แนวคิดของสตาร์ตอัปจากเซินเจิ้นรายนี้คือ เปลี่ยนคอมพิวเตอร์เดสก์ท็อปให้เป็นระบบที่เข้าใจบริบทการทำงานข้ามหลายแอป แม้แอปนั้นจะไม่มี API หรือการเชื่อมต่อ AI โดยตรงก็ตาม อย่างไรก็ดี คำกล่าวอ้างสำคัญ เช่น ความแม่นยำในการทำงาน ความปลอดภัย ความหน่วง และความเป็นส่วนตัวของข้อมูลในเครื่อง ยังอ้างอิงจากเอกสารของบริษัทและการสาธิตที่มีรายงาน ไม่ใช่ผลทดสอบอิสระ

จาก “สั่งก่อน” เป็น “เสนอให้ก่อน”

ผู้ช่วย AI ส่วนใหญ่เริ่มจากคำขอที่ชัดเจน: เปิดแชตบอต พิมพ์พรอมต์ ใส่บริบท แล้วค่อยนำคำตอบไปใช้ แต่โมเดลที่ Violoop เสนอทำงานกลับด้าน อุปกรณ์จะรับภาพจากหน้าจอที่กำลังใช้งาน สร้างความเข้าใจสิ่งที่เกิดขึ้นระหว่างแอป แล้วเสนอการกระทำที่อาจเป็นประโยชน์ก่อนผู้ใช้จะร้องขอ

ตัวอย่างการสาธิตผ่าน WeChat ที่มีรายงานระบุว่า เมื่อเพื่อนร่วมงานขอเรซูเม่ที่เคยใช้มาก่อน V4 จะจับบริบทและขึ้นตัวเลือกให้ส่งเรซูเม่ที่เกี่ยวข้อง เมื่อผู้ใช้กดยืนยันด้วยปุ่มหนึ่งปุ่ม ระบบจะเปิดโฟลเดอร์ ค้นหาไฟล์ และแนบเข้าไปในแชต เป้าหมายคือให้ทุกอย่างเกิดขึ้นโดยไม่ต้องเปิดแอป AI แยก หรือพิมพ์คำสั่งเอง 15

การทำงานนี้พึ่งพา 2 ส่วนหลัก

• การรับรู้หน้าจอ: V4 วิเคราะห์บริบทที่มองเห็นได้บนเดสก์ท็อป แทนการพึ่งพาการเชื่อมต่อเฉพาะรายแอปเพียงอย่างเดียว
• การควบคุม GUI: อุปกรณ์ส่งสัญญาณคีย์บอร์ดและเมาส์ไปยังคอมพิวเตอร์ เพื่อใช้งานหน้าตาโปรแกรมเหมือนที่มนุษย์ทำ 1115

ด้วยวิธีนี้ Violoop ระบุว่าสามารถทำงานกับเครื่องมือที่ไม่มี API ได้ ตัวอย่างที่ถูกกล่าวถึง ได้แก่ WeChat และ Jianying/CapCut 15

เหตุผลที่ต้องทำเป็นฮาร์ดแวร์

Violoop ให้เหตุผลว่า ผู้ช่วยแบบเชิงรุกต้องตอบสนองในจังหวะที่ผู้ใช้ยังอยู่กับงานนั้น บริษัทระบุว่าการส่งคำขอไป-กลับระหว่างอุปกรณ์กับโมเดลคลาวด์ใช้เวลาอย่างน้อย 3.5 วินาที แม้เครือข่ายจะเสถียร ซึ่งช้าเกินไปสำหรับการแทรกคำแนะนำระหว่างบทสนทนาหรือเวิร์กโฟลว์ 15

คำตอบของบริษัทคือฮาร์ดแวร์ประมวลผลแบบเอดจ์โดยเฉพาะ งานที่ไวต่อความหน่วง เช่น การตีความหน้าจอ การคัดกรองบริบท การสร้างหน่วยความจำเชิงบริบท และการเสนอคำแนะนำทันที สามารถทำในเครื่องได้ ส่วนการให้เหตุผลที่ซับซ้อนกว่าอาจส่งต่อไปยังโมเดลคลาวด์เมื่อจำเป็น 115

Violoop ตั้งเป้าให้การตอบสนองอยู่ต่ำกว่า 1 วินาที และสูงสุดไม่เกิน 1.5 วินาที แต่ตัวเลขเหล่านี้เป็นคำกล่าวอ้างของบริษัท ไม่ใช่ผลทดสอบประสิทธิภาพจากหน่วยงานอิสระ 15

รับภาพหน้าจอและควบคุมแอปอย่างไร

หน้าผลิตภัณฑ์ปัจจุบันของ Violoop อธิบายระบบที่ใช้การรับสัญญาณผ่าน HDMI และควบคุมผ่าน USB-HID โดย HID คือมาตรฐานอุปกรณ์อินพุต เช่น คีย์บอร์ดและเมาส์:

1. รับภาพ: อุปกรณ์รับสัญญาณภาพจากคอมพิวเตอร์ผ่าน HDMI 2.0 โดยระบุสเปกการรับภาพ 4K
2. อ่านในเครื่อง: โมเดลบนอุปกรณ์ตีความบริบทที่มองเห็นบนหน้าจอ
3. ใช้คลาวด์เมื่อจำเป็น: ผู้ใช้สามารถใส่ API key ของตนเองเพื่อใช้บริการโมเดล เช่น Claude, OpenAI หรือ Gemini
4. ลงมือทำ: ไมโครคอนโทรลเลอร์ด้านความปลอดภัยส่งคำสั่งคีย์บอร์ดและเมาส์แบบ USB-HID ไปยังคอมพิวเตอร์ 1113

ข้อได้เปรียบในทางปฏิบัติคือการเข้ากันได้กับหน้าตาโปรแกรมหลากหลายประเภท แทนที่จะรอให้ทุกแอปสร้าง API สำหรับเอเจนต์ AI อุปกรณ์นี้ตั้งใจทำงานกับส่วนติดต่อกราฟิกที่เห็นอยู่บนจอ รายงานระบุว่า V4 รองรับ Windows, macOS และ Linux ขณะที่รายงานก่อนหน้านี้กล่าวว่าสามารถทำงานกับแอปทั่วไปได้ราว 200 แอป และเชื่อมต่อผ่าน CLI หรือ MCP 1315

สเปกที่มีรายงาน: มีตัวเลขไม่ตรงกัน

เอกสารผลิตภัณฑ์ปัจจุบันระบุว่า V4 ใช้ชิป RK3576 แบบ 8 คอร์ พร้อมตัวเร่ง AI 26 TOPS และใช้โมเดล Qwen 8B Q4 ในเครื่อง บริษัทอ้างความเร็วการสร้างข้อความ 53 โทเคนต่อวินาทีตามเบนช์มาร์กที่เผยแพร่ และเปรียบเทียบกับ Mac mini M4 ที่รันโมเดลและความละเอียดเดียวกันบน Ollama ซึ่งได้ 20 โทเคนต่อวินาที 13

อย่างไรก็ตาม รายงานก่อนหน้านี้ระบุรายละเอียดอีกชุดหนึ่ง ได้แก่ RAM LPDDR4X 8GB, หน่วยความจำ 3D-stacked DRAM 5GB, พื้นที่เก็บข้อมูล eMMC 5.1 ขนาด 128GB, รองรับจอคู่ และโมเดลในเครื่องขนาด 10,000 ล้านพารามิเตอร์ที่ความเร็ว 45 โทเคนต่อวินาที 15

ตัวเลขด้านโมเดลและความเร็วจากสองชุดไม่ตรงกัน อาจมาจากคนละคอนฟิกูเรชัน เบนช์มาร์ก หรือช่วงพัฒนาผลิตภัณฑ์ แต่ Violoop ยังไม่ได้เปิดเผยรายละเอียดมากพอจะอธิบายความต่างได้ชัดเจน ดังนั้นข้อมูลอ้างอิงปัจจุบันที่ระมัดระวังที่สุดคือ Qwen 8B Q4 ที่ 53 โทเคนต่อวินาทีตามที่บริษัทเผยแพร่ โดยควรมองว่าเป็นเบนช์มาร์กของผู้ผลิต ไม่ใช่การทดสอบอิสระ 1315

ความปลอดภัย: แยกชิป และยืนยันด้วยปุ่มจริง

AI ที่มองเห็นหน้าจอและควบคุมแอปได้ ย่อมนำมาซึ่งคำถามด้านความปลอดภัยโดยตรง Violoop ระบุว่าคีย์และข้อมูลอ่อนไหวถูกแยกไว้ในชิปความปลอดภัยต่างหากจากส่วนที่ทำงาน AI 1315

สำหรับการกระทำที่มีผลสำคัญ เช่น การส่งไฟล์หรือโอนเงิน บริษัทระบุว่าผู้ใช้ต้องยืนยันเพิ่มเติม เอกสารผลิตภัณฑ์อธิบายถึงปุ่มยืนยันทางกายภาพที่เชื่อมต่อกับชิปความปลอดภัย เพื่อป้องกันไม่ให้ซอฟต์แวร์บนโฮสต์หรือระบบ AI ปลอมสัญญาณอนุมัติได้ 13

สถาปัตยกรรมนี้อาจช่วยลดความเสี่ยงบางส่วน แต่ยังไม่ได้ตอบคำถามสำคัญทั้งหมด ผู้ใช้ยังต้องตรวจสอบว่าอุปกรณ์เก็บข้อมูลอะไรจากหน้าจอ เก็บบริบทที่ประมวลผลแล้วไว้นานเพียงใด เมื่อใช้โมเดลภายนอกมีข้อมูลใดถูกส่งไปยังผู้ให้บริการคลาวด์ และระบบแยกแยะการกระทำทั่วไปจากการกระทำที่มีผลสำคัญได้แม่นยำเพียงใด

แบ่งงานระหว่างเครื่องกับคลาวด์

V4 ไม่ได้ถูกนำเสนอเป็นผู้ช่วยออฟไลน์เต็มรูปแบบสำหรับทุกงาน แต่เป็นระบบไฮบริด:

• การประมวลผลบนอุปกรณ์ รับผิดชอบการเข้าใจหน้าจออย่างต่อเนื่อง การเลือกบริบท การจัดระเบียบแบบคล้ายหน่วยความจำ และคำแนะนำที่ต้องตอบสนองเร็ว
• โมเดลคลาวด์ ใช้สำหรับการให้เหตุผลที่ยาวหรือซับซ้อนกว่า ผ่าน API key ที่ผู้ใช้จัดหาเอง 11113

การแบ่งงานนี้เป็นแกนของแนวคิดผลิตภัณฑ์: การประมวลผลในเครื่องควรช่วยลดความหน่วงและลดการส่งข้อมูลหน้าจอในงานประจำไปภายนอก ขณะที่คลาวด์เพิ่มขีดความสามารถด้านการให้เหตุผลเมื่อจำเป็น รายละเอียดเรื่องกฎการส่งงานและการจัดการข้อมูลยังเป็นสิ่งที่ผู้สนใจควรตรวจสอบอย่างละเอียดก่อนตัดสินใจใช้ 113

ต่างจากเอเจนต์แบบซอฟต์แวร์ล้วนอย่างไร

Violoop วางจุดต่างจากผู้ช่วยแบบซอฟต์แวร์ เช่น Tencent WorkBuddy ไว้ที่ บริบทต่อเนื่องข้ามแอป แทนที่จะให้ผู้ใช้คัดลอกเอกสาร เลือกไฟล์ หรืออธิบายงานเดิมซ้ำ ๆ ฮาร์ดแวร์ของบริษัทตั้งใจจะสังเกตเดสก์ท็อปตามเวลา และสร้างภาพการทำงานที่เชื่อมโยงผู้คน โปรเจ็กต์ ไฟล์ แอป และขั้นตอนทำงานเข้าด้วยกัน 15

ข้ออ้างนี้จึงไม่ได้เน้นแค่ว่าโมเดลใดฉลาดกว่า แต่เน้นลดแรงเสียดทานในการส่งบริบทให้ AI: ระบบได้บริบทจากสภาพแวดล้อมการทำงานที่มองเห็น แทนการรอพรอมต์หรือการเชื่อมต่อรายแอปทุกครั้ง

ท้ายที่สุด ความมีประโยชน์จริงจะขึ้นอยู่กับความแม่นยำและความไว้วางใจของผู้ใช้ หากระบบคาดเดาขั้นตอนถัดไปได้ถูกต้อง ก็อาจตัดงานซ้ำซากออกไปได้มาก แต่หากตีความผิด ก็อาจกลายเป็นสิ่งรบกวนหรือสร้างความเสี่ยงได้ กลไกการยืนยันจึงไม่ใช่เพียงฟีเจอร์เสริม แต่เป็นหัวใจของการออกแบบนี้

เงินทุนและนักลงทุน

มีรายงานว่า Violoop ระดมทุนรอบ Angel และ Pre-A รวมมากกว่า 100 ล้านหยวนภายในเวลาราว 6 เดือน นักลงทุนที่ถูกระบุชื่อ ได้แก่ Lenovo Capital and Incubator Group, CICC Porsche, BlueRun Ventures, YuanSheng Capital, Qifu Capital และ Zero2IPO Ventures โดย Sunward Capital หรือในรายงานอีกฉบับเรียกว่า Xiangyang Capital ได้รับการระบุว่าเป็นที่ปรึกษาทางการเงินระยะยาวแบบเอกสิทธิ์ของบริษัท 1515

ขณะเดียวกัน รายงานอื่นระบุถึงรอบใหม่มูลค่า “หลายร้อยล้านหยวน” และมี Legend Capital, BlueRun Ventures และ CICC Porsche เข้าร่วม แต่ข้อมูลสาธารณะยังไม่ชัดว่าเป็นเงินทุนก้อนเดียวกันที่เรียกต่างกัน หรือเป็นอีกรอบหนึ่ง จึงควรระวังเมื่อตีความยอดระดมทุนรวมที่แน่ชัด 24

สรุป: แนวคิดน่าสนใจ แต่ยังต้องพิสูจน์ในโลกจริง

Violoop V4 พยายามพา AI จากเครื่องมือที่ขับเคลื่อนด้วยพรอมต์ ไปสู่ผู้ช่วยบนเดสก์ท็อปที่พร้อมทำงานอยู่เสมอ: เห็นหน้าจอปัจจุบัน เข้าใจบริบทข้ามแอป เสนอสิ่งที่ควรทำ แล้วใช้การควบคุมคีย์บอร์ดและเมาส์ทั่วไปเมื่อได้รับอนุมัติ

แนวคิดฮาร์ดแวร์หลักฟังขึ้นได้ การตีความหน้าจอในเครื่องอาจลดเวลารอไป-กลับและไม่ต้องพึ่ง API เฉพาะของแต่ละแอป แต่คำสัญญาสำคัญยังต้องได้รับการพิสูจน์นอกเหนือจากการสาธิตและเบนช์มาร์กของบริษัท ก่อนนำไปใช้กับหน้าจองาน ไฟล์อ่อนไหว หรือกระบวนการทางการเงิน ผู้ซื้อควรตรวจสอบการตั้งค่าเส้นทางข้อมูล ระบบอนุมัติ พฤติกรรมกับแอปที่ต้องใช้ และผลทดสอบความน่าเชื่อถือจากแหล่งอิสระอย่างรอบคอบ