Violoop V4 хоче зробити ШІ-асистента проактивним — він читає ваш екран

Violoop робить ставку на те, що наступний ШІ-асистент не житиме в окремій вкладці браузера й не чекатиме на ретельно сформульований запит. V4 — це невеликий пристрій поруч із комп’ютером, який має безперервно інтерпретувати те, що видно на екрані, пропонувати доречну наступну дію та — після схвалення людиною — керувати програмами, імітуючи натискання клавіш і рухи миші. 1315

Амбіція стартапу із Шеньчженя — перетворити звичайний настільний комп’ютер на контекстно обізнаного агента, здатного працювати між різними застосунками, зокрема тими, що не мають окремої ШІ-інтеграції. Водночас ключові заяви про надійність виконання завдань, безпеку, затримку та локальну приватність спираються на матеріали компанії й описані демонстрації, а не на незалежні випробування.

Асистент, якому не потрібно щоразу пояснювати контекст

Більшість ШІ-асистентів починають роботу лише після явного запиту: треба відкрити чатбот, написати інструкцію, передати контекст — і вже потім діяти за відповіддю. Модель Violoop протилежна: пристрій захоплює зображення активного дисплея, формує контекст із подій у різних програмах і показує можливу дію ще до того, як користувач попросить про допомогу.

В описаній демонстрації у WeChat колега просить надіслати резюме, яке вже використовували раніше. V4 розпізнає контекст, пропонує відправити потрібний файл, а після підтвердження клавішею відкриває відповідну папку, знаходить документ і додає його до чату. За задумом, для цього не потрібно відкривати окремий ШІ-застосунок або друкувати інструкцію. 15

Робота системи тримається на двох функціях:

• Розуміння екрана: V4 аналізує видимий контекст робочого столу, а не покладається лише на інтеграції з кожною окремою програмою.
• Керування графічним інтерфейсом: пристрій надсилає комп’ютеру події клавіатури та миші, тобто може переходити інтерфейсами так, як це робить людина. 1115

Саме тому Violoop заявляє про сумісність з інструментами без API — програмного інтерфейсу для інтеграцій. Серед наведених прикладів — WeChat і Jianying/CapCut. 15

Навіщо тут окреме «залізо»

Violoop вважає, що проактивний асистент повинен реагувати, поки людина все ще зосереджена на завданні. За оцінкою компанії, звернення до хмарної моделі та повернення відповіді може тривати щонайменше 3,5 секунди навіть за стабільного з’єднання — надто довго для підказки посеред листування чи робочого процесу. 15

Відповідь компанії — спеціалізоване периферійне обладнання. Violoop стверджує, що чутливі до затримки операції, зокрема сприйняття екрана, фільтрація контексту, формування пам’яті та швидкі підказки, можуть виконуватися локально. Складніші міркування за потреби можна передати хмарній моделі. 115

Заявлена ціль V4 — реакція менш ніж за секунду, максимум за 1,5 секунди. Це показники самої компанії, а не незалежно перевірені результати. 15

Як V4 зчитує екран і керує застосунками

На актуальній сторінці продукту описано схему з HDMI-захопленням відео та USB-HID-керуванням:

1. Захоплення: пристрій отримує зображення з комп’ютера через HDMI 2.0; у специфікаціях вказано захоплення 4K.
2. Локальне читання: модель на пристрої інтерпретує видимий екранний контекст.
3. Додаткове міркування: користувач може вказати власні API-ключі до хмарних моделей на кшталт Claude, OpenAI або Gemini.
4. Дія: окремий мікроконтролер безпеки надсилає комп’ютеру події клавіатури й миші через USB-HID. 1113

Практична перевага такого підходу — широка сумісність з інтерфейсами. Замість вимоги, щоб кожна програма мала API для агентів, пристрій має взаємодіяти з тим, що бачить у графічному інтерфейсі. За повідомленнями, V4 підтримує Windows, macOS і Linux; ранні публікації також говорили про приблизно 200 поширених застосунків і підключення через CLI або MCP. 1315

Які характеристики заявлено

У поточних матеріалах Violoop вказано восьмиядерний процесор RK3576 і виділений ШІ-прискорювач продуктивністю 26 TOPS. Компанія називає локальною моделлю Qwen 8B Q4 та заявляє швидкість генерації 53 токени за секунду у власному бенчмарку. Для порівняння Violoop наводить 20 токенів за секунду для Mac mini M4 із тією ж моделлю та точністю в Ollama. 13

Раніші повідомлення описували дещо іншу конфігурацію V4: 8 ГБ LPDDR4X, 5 ГБ 3D-стекованої DRAM, 128 ГБ сховища eMMC 5.1, підтримку двох дисплеїв та локальну модель на 10 млрд параметрів зі швидкістю 45 токенів за секунду. 15

Ці набори даних про модель і швидкість не збігаються. Ймовірно, йдеться про різні конфігурації, бенчмарки або етапи розвитку продукту, однак Violoop публічно не надала достатньо деталей, щоб це узгодити. Найобережніший актуальний орієнтир — власна заява компанії про Qwen 8B Q4 і 53 токени за секунду, але її варто розглядати саме як показник виробника, а не незалежне порівняння. 1315

Безпека: локальна обробка та фізичне підтвердження

Асистент, який бачить екран і здатен керувати програмами, закономірно викликає питання безпеки. Violoop заявляє, що чутливі ключі та дані ізольовані в окремому чипі безпеки, відділеному від ШІ-функцій. 1315

Для важливих дій — наприклад, надсилання файлу чи переказу грошей — компанія передбачає додаткове підтвердження користувача. У матеріалах продукту описано фізичну кнопку підтвердження, підключену до чипа безпеки: задум у тому, щоб ані ПЗ на комп’ютері, ані сама ШІ-система не могли зімітувати сигнал схвалення. 13

Така архітектура потенційно зменшує частину ризиків, але не знімає головних питань. Користувачам варто з’ясувати, що саме пристрій захоплює з екрана, як довго зберігається похідний контекст, які дані передаються хмарному провайдеру при використанні зовнішніх моделей і наскільки надійно система відрізняє безпечні дії від критичних.

Розподіл завдань між пристроєм і хмарою

V4 не позиціонують як повністю автономного офлайн-асистента для будь-якої роботи. Violoop описує гібридну схему:

• Локальна обробка відповідає за постійне розуміння екрана, добір контексту, організацію даних на кшталт пам’яті й швидкі пропозиції.
• Хмарні моделі можна залучати для довшого або складнішого міркування через API-ключі користувача. 11113

Цей поділ є центральним для концепції продукту. Локальна обробка має зменшити затримку та обмежити регулярну передачу екранних даних, тоді як хмарні моделі дають додаткові можливості для складних завдань. Точні правила маршрутизації та поводження з даними залишаються важливими речами, які потенційним покупцям слід перевірити. 113

Чим підхід відрізняється від суто програмних агентів

Violoop називає головною відмінністю від програмних асистентів, зокрема Tencent WorkBuddy, безперервний контекст між застосунками. Замість того щоб чекати, коли користувач вставить документ, вибере файл або наново опише поточне завдання, пристрій має спостерігати за робочим столом упродовж часу й формувати робочу картину людей, проєктів, файлів, програм і процесів. 15

Йдеться не стільки про «розумнішу» окрему модель, скільки про зменшення тертя: контекст береться з видимого комп’ютерного середовища, а не щоразу передається промптами чи через інтеграції, прив’язані до конкретних застосунків.

Чи зробить це асистента справді кориснішим, залежатиме від точності та довіри користувача. Система, яка правильно вгадує наступний крок, може прибрати рутинні дії. Та система, що помиляється, ризикує стати нав’язливою або небезпечною. Тому механізм підтвердження тут не другорядна деталь, а основа задуму Violoop.

Фінансування та інвестори

За повідомленнями, Violoop залучила понад 100 млн юанів у межах ангельського та Pre-A раундів приблизно за шість місяців. Серед інвесторів названо Lenovo Capital and Incubator Group, CICC Porsche, BlueRun Ventures, YuanSheng Capital, Qifu Capital і Zero2IPO Ventures. Sunward Capital, яку в іншій публікації також названо Xiangyang Capital, фігурує як ексклюзивний довгостроковий фінансовий радник компанії. 1515

Інші публікації описують новіший раунд як фінансування на «сотні мільйонів юанів» і згадують Legend Capital, BlueRun Ventures та CICC Porsche серед учасників. З відкритих повідомлень не зрозуміло, чи це той самий раунд, описаний іншими словами, чи окрема угода. Тож до точного загального обсягу фінансування варто ставитися обережно. 24

Висновок

Violoop V4 намагається перенести ШІ-допомогу від інструмента, що працює за запитом, до постійно доступного оператора робочого столу: він бачить поточний екран, розпізнає контекст у різних програмах, радить наступну дію та після дозволу діє звичайними засобами клавіатури й миші.

Базова апаратна ідея виглядає логічно: локальне розуміння екрана може скоротити затримки й зменшити залежність від API окремих програм. Але найважливіші обіцянки ще мають бути підтверджені поза межами демонстрацій і бенчмарків компанії. Перш ніж довіряти такому пристрою робочі екрани, конфіденційні файли чи фінансові процеси, варто уважно перевірити налаштування передачі даних, механізми схвалення дій, поведінку в підтримуваних програмах і результати незалежних тестів надійності.