Violoop V4: Thiết bị AI nhìn màn hình và muốn thao tác máy tính thay bạn

Violoop V4 không muốn là thêm một cửa sổ chatbot trên màn hình. Ý tưởng của startup này là một hộp phần cứng nhỏ đặt giữa máy tính và màn hình, có thể hiểu những gì đang hiển thị, phát hiện ngữ cảnh công việc, đề xuất bước kế tiếp rồi—khi người dùng chấp thuận—tự thao tác bằng bàn phím và chuột giả lập.

Đó là một tham vọng lớn: AI không chỉ trả lời, mà còn có thể quan sát, đề xuất và thực thi trên desktop. Tuy nhiên, cần lưu ý rằng V4 vẫn ở giai đoạn tiền ra mắt và chuẩn bị huy động vốn cộng đồng trên Kickstarter. Các màn trình diễn, thông số và mốc hiệu năng hiện chủ yếu là thông tin do công ty công bố hoặc được báo chí thuật lại, chưa phải kết quả kiểm định độc lập. 13

V4 được kỳ vọng vận hành ra sao?

Theo Violoop, thiết bị lấy tín hiệu hình ảnh từ màn hình và gửi lệnh điều khiển trở lại máy tính dưới dạng USB HID (Human Interface Device)—nhóm thiết bị đầu vào tiêu chuẩn như bàn phím và chuột. Công ty nói cách làm này không cần cài driver và hướng tới hỗ trợ Windows, macOS lẫn Linux. 910

Khác với chatbot chờ người dùng gõ câu hỏi, V4 nhắm tới việc nhận biết ngữ cảnh đang mở trên màn hình. Nếu thấy một tin nhắn, tài liệu hay công việc dang dở, hệ thống có thể gợi ý hành động phù hợp. Sau khi được đồng ý, nó sẽ tự mở ứng dụng, bấm chuột và nhập liệu để hoàn thành quy trình.

Trong một màn trình diễn được thuật lại, V4 nhận ra một tin nhắn WeChat yêu cầu gửi lại CV từng gửi trước đó. Thiết bị hỏi người dùng có muốn phản hồi không, rồi mở thư mục, tìm tệp và đưa tệp vào cửa sổ chat. Điểm đáng chú ý không phải là việc gửi CV, mà là quy trình bắt đầu từ ngữ cảnh đang hiện trên màn hình, không phải từ một lệnh mới gõ vào chatbot. 3

Điểm then chốt: điều khiển như người dùng thật

Nhiều AI agent hiện nay dựa vào API, quyền truy cập ứng dụng, tiện ích mở rộng trình duyệt hoặc tích hợp được xây riêng cho từng dịch vụ. Những cách này thường có cấu trúc rõ ràng và đáng tin cậy hơn khi được hỗ trợ, nhưng cũng giới hạn AI trong những phần mềm đã mở sẵn “cửa” cho nó.

Violoop chọn hướng khác: đọc giao diện bằng hình ảnh và điều khiển qua USB-HID. Về nguyên tắc, AI có thể thao tác trên chương trình desktop cũ, phần mềm chuyên dụng hay ứng dụng đóng không có API, tương tự cách một người nhìn màn hình rồi dùng chuột và bàn phím. Công ty cũng nói sản phẩm hỗ trợ kết nối có cấu trúc với hơn 200 ứng dụng, nơi có giao diện dòng lệnh (CLI) hoặc tích hợp qua Model Context Protocol (MCP). 139

Đổi lại, đây là bài toán khó hơn nhiều: trước khi nhấp, gõ, gửi hay sửa nội dung, hệ thống phải hiểu đúng một giao diện vốn luôn thay đổi theo ứng dụng, độ phân giải, cửa sổ bật lên và trạng thái công việc.

Vì sao Violoop đặt cược vào phần cứng AI riêng?

CEO He Jialin lập luận rằng một trợ lý chủ động trên desktop phải phản hồi đủ nhanh để không làm đứt mạch công việc. Các mốc mà phía công ty nhắm tới là dưới 1 giây cho tương tác chủ động quan trọng, tối đa khoảng 1,5 giây; ông đối chiếu điều này với thời gian khứ hồi của mô hình đám mây từ khoảng 3,5 giây trở lên. 23

Đây là lập luận về thiết kế sản phẩm, không phải phép thử độ trễ chuẩn hóa do bên thứ ba thực hiện. Dù vậy, logic khá rõ: nếu AI cần xen vào luồng làm việc hằng ngày, phản hồi chậm vài giây có thể khiến người dùng tự làm xong trước khi AI kịp hỗ trợ.

Xử lý tại thiết bị cũng là nền tảng cho thông điệp về quyền riêng tư. Violoop cho biết luồng dữ liệu màn hình thô trong các tác vụ thông thường được xử lý cục bộ, thay vì liên tục truyền lên máy chủ. 8

Cấu hình được công bố và hiệu năng AI cục bộ

Theo các báo cáo, V4 dùng bộ xử lý Rockchip RK3576 tám nhân, bộ tăng tốc AI 26 TOPS, 8 GB RAM LPDDR4X, 5 GB bộ nhớ xếp chồng và 128 GB eMMC. Thiết bị được nói là hỗ trợ hai màn hình và có chip bảo mật riêng. 3

Violoop từng cho biết V4 có thể chạy cục bộ mô hình khoảng 10 tỷ tham số với tốc độ khoảng 45 token/giây. Tài liệu sản phẩm mới hơn lại đề cập mô hình Qwen 8B chạy ngay trên thiết bị và con số khoảng 53 token/giây. Sự khác biệt cho thấy thông số công bố thay đổi theo cấu hình mô hình và thời điểm báo cáo. 3810

Các con số này giúp hình dung kiến trúc sản phẩm, nhưng chưa thể xem là bảo chứng về độ ổn định khi dùng với mọi máy tính, màn hình, ứng dụng và quy trình thực tế.

Chia việc giữa AI tại chỗ và AI đám mây

Mô hình Violoop hướng đến là “local-first”: nhận biết màn hình, hiểu ngữ cảnh nhanh, quyết định thông thường và điều khiển cần độ trễ thấp được thực hiện trên thiết bị. Khi cần suy luận sâu hơn hoặc truy xuất kiến thức bên ngoài, người dùng có thể dùng API key của mình để kết nối các mô hình đám mây như Claude, OpenAI hoặc Gemini. 810

Cách chia này có thể giảm độ trễ và hạn chế việc truyền dữ liệu màn hình trong các tác vụ thường ngày. Nhưng quyền riêng tư thực tế vẫn phụ thuộc vào dịch vụ đám mây mà người dùng kết nối, cũng như dữ liệu được đưa vào từng yêu cầu gửi đi.

Nút xác nhận vật lý: một lớp kiểm soát, không phải bảo đảm tuyệt đối

Với một AI có thể điều hướng ứng dụng và nhập văn bản, ranh giới giữa “đề xuất” và “tự thực thi” là cực kỳ quan trọng. Tài liệu của Violoop mô tả một nút xác nhận vật lý để người dùng phê duyệt hành động. 110

Cơ chế này đặc biệt đáng chú ý với các việc như gửi tin nhắn, tải tệp lên, thay đổi cài đặt hoặc thực hiện giao dịch. Công ty cũng nêu chip bảo mật là một phần trong thiết kế phần cứng. 3

Dù vậy, nút xác nhận không xóa bỏ rủi ro. AI vẫn có thể hiểu sai giao diện hoặc đề xuất một hành động không phù hợp. Giá trị của bước xác nhận là giữ người dùng trong vòng kiểm soát ngay trước khi hệ thống chuyển từ quan sát sang hành động.

Khác gì trợ lý desktop chỉ chạy bằng phần mềm?

Violoop không phải dự án duy nhất muốn tự động hóa thao tác máy tính. Điểm khác biệt mà hãng đưa ra là sự kết hợp giữa nhận biết toàn màn hình, phần cứng bên ngoài, suy luận cục bộ và điều khiển phổ quát qua HID.

Trợ lý chỉ dùng phần mềm thường bị giới hạn bởi quyền của hệ điều hành, trình duyệt và các tích hợp theo ứng dụng. Trong khi đó, V4 đặt mục tiêu quan sát đầu ra màn hình từ bên ngoài và thao tác qua đường bàn phím, chuột—không cần từng ứng dụng phải cung cấp API. 910

Cách tiếp cận này có thể giảm việc phải chuyển app liên tục hoặc lặp lại bối cảnh cho chatbot. Nhưng nó cũng khiến dữ liệu đầu vào nhạy cảm hơn: toàn bộ màn hình có thể chứa thư từ, tài liệu, thông tin đăng nhập hoặc dữ liệu tài chính. Vì vậy, giá trị thực của V4 sẽ không chỉ nằm ở mức độ tự động hóa, mà còn ở cách xử lý dữ liệu cục bộ, trạng thái hoạt động dễ nhận biết và cơ chế xin phép đáng tin cậy.

Violoop đã gọi vốn bao nhiêu và từ ai?

Violoop đã công bố hoặc được đưa tin với nhiều mốc gọi vốn khác nhau trong năm 2026. Các báo cáo đầu năm nói công ty hoàn tất vòng seed và angel trị giá hàng chục triệu nhân dân tệ. 1216 Đến các báo cáo sau đó, startup tại Thâm Quyến được nói đã hoàn thành vòng angel và Pre-A với tổng vốn vượt 100 triệu nhân dân tệ.

Các nhà đầu tư được nêu tên gồm Lenovo Capital and Incubator Group, CICC Porsche, BlueRun Ventures, YuanSheng Capital, Qifu Capital và Zero2IPO Ventures. 34 Những tổng số khác nhau nhiều khả năng phản ánh các vòng gọi vốn và thời điểm đưa tin khác nhau, thay vì một con số duy nhất có thể so sánh trực tiếp.

Điều cần chờ kiểm chứng

V4 đánh trúng một hạn chế quen thuộc của công cụ AI hiện nay: chúng có thể trả lời rất tốt, nhưng thường không thấy đủ ngữ cảnh và không thể hành động xuyên suốt desktop nếu không có nhiều câu lệnh lặp lại hay tích hợp riêng.

Nhưng trước khi có phần cứng giao đến tay người dùng và các bài đánh giá độc lập, những câu hỏi quyết định vẫn còn bỏ ngỏ: thiết bị đọc giao diện thực tế chính xác đến đâu, phục hồi thế nào khi thao tác lỗi, việc xác nhận có thực sự rõ ràng hay không, dữ liệu màn hình được xử lý ra sao, và độ phản hồi cục bộ có duy trì ngoài các màn trình diễn có kiểm soát hay không.

Hiện tại, Violoop V4 nên được xem là một ý tưởng đáng chú ý về “AI operator” nhìn màn hình và điều khiển máy tính—chưa phải sản phẩm đã được chứng minh trong sử dụng thực tế. 139