Somni 係 Fullive.ai 嘗試跳出「被動記錄睡眠」嘅產品。一般睡眠裝置主要話你知尋晚瞓成點；Somni 嘅構想就係一部放喺床頭、冇螢幕嘅裝置：感測人同睡房環境、作出幅度受限嘅調整，再根據觀察到嘅結果，修訂下一晚方案。Fullive 將呢套做法稱為 「反應學習」（response learning）。58

不過，呢個係一個相當進取嘅產品願景，唔等於已經證實有臨床療效。現有報道顯示裝置仍在開發，公司亦正尋求更大規模驗證；消費者要分清楚「預定做到嘅功能」同「經獨立研究證實嘅健康或睡眠效果」。5

核心唔係計睡眠分，而係學你對乜嘢有反應

Fullive 提出嘅資料循環可以概括為三步：

1. 量度狀態：收集瞓覺者及房間嘅訊號。
2. 選擇有限介入：例如調整聲音、燈光或氣味。
3. 觀察反應：睇夜晚有咩轉變，並將結果用於日後規劃。

公司將呢套資料邏輯稱為 「狀態 → 介入 → 反應」。目標唔只係判斷一個人當刻狀態，而係學習某個人面對特定環境輸入時會點樣反應；用呢類數據訓練嘅模型，被稱為「反應模型」。5

實際意思係：如果一套聲音或燈光安排冇效果，系統理論上會喺下一晚改變方案；若然某種介入似乎帶來較好反應，嗰次身體回饋就會成為往後建議嘅依據。每晚因而變成一個小型、受限制嘅回饋循環，而唔係一次過交一份睡眠報告。5

Somni 打算感測啲乜？

Somni 定位為畀高壓知識工作者使用、毋須佩戴嘅無螢幕床頭產品。報道指，它會整合毫米波雷達、咪高峰陣列及環境感應器，在夜間監測呼吸、心率、身體活動及睡房狀況等訊號。8

床頭擺放正正係產品策略一部分：使用者毋須戴住裝置瞓覺，同時系統可觀察人同周邊睡眠環境。Fullive 嘅想法係，睡房相對穩定，而且可連續觀察數小時，因此適合作為學習個人化反應嘅起點。5

但非接觸式生理感測本身係一個必須透明驗證嘅範疇。若量度結果會影響健康或生活習慣決定，就要有清晰嘅準確度基準同臨床證據支持。

由感測走到介入，先係同一般追蹤器最大分別

Somni 嘅賣點在於唔止觀察，仲打算以 聲音、燈光同氣味 作為環境輸入，目標包括協助入睡、應對半夜醒來，以及提供較柔和嘅起床體驗。58

Fullive 表示，系統會將可採取嘅動作維持喺有限範圍，而唔係畀生成式 AI 任意控制睡房。按公司描述，感應器會將資料交畀以基礎模型為本嘅規劃層，而「Bio-OS Harness」負責協調感測與輸出模組；公司亦提到會用信心界限、證據同狹窄嘅介入集合，作為安全邊界。5

呢啲限制好重要。睡房入面嘅個人化自動化，唔會因為識得適應就自然有益。一套真正有用嘅系統，要證明佢可以穩定揀到合適介入、避免造成打擾，仲要令效果可以長時間維持。

點解叫做「閉環」？

閉環系統唔係淨係收集數據，而係將量度、決策、行動同回饋串連起來：

• 感測：偵測瞓覺者與房間訊號；
• 推斷：估計當前狀態同相關情境；
• 行動：採取受限制嘅環境介入；
• 學習：將之後嘅反應同過往模式比較，再調整未來策略。

Fullive 更大嘅目標，係喺真實住宅累積「行動—反應」配對數據。公司認為，呢類證據最終可以支援一套 AI，預測身體狀態可能點樣隨環境條件改變。5

呢個目標比做一個睡眠儀表板困難得多：系統必須分辨真正介入效果、每晚自然波動、其他干擾因素，以及感應器本身嘅誤差。單靠產品有人用，並不足以解答呢啲問題。

私隱承諾仍然係產品聲稱

Fullive 表示，雷達原始波形會先儲存在本機；傳送到雲端嘅資料會加密並盡量減少，以避免上載可重建個人私隱嘅原始資料。5

對一部長期放喺睡房嘅裝置而言，呢個設計方向值得留意；但唔應該當成獨立私隱認證。買家同評測者仍要睇清楚資料保留期、雲端處理方式、帳戶控制、第三方資料分享同保安措施等文件，先可以評估實際做成點。

由睡眠拍檔走向「反應模型」

Fullive 將 Somni 視為更大平台策略嘅第一步。公司稱，計劃由聚焦睡眠嘅試驗及量產，逐步走向更大型臨床驗證，之後可能擴展至日間產品。長遠概念係建立一個生理「世界模型」，可透過實體環境預測並安全地影響身體狀態。57

現階段，呢個仍然係研究同產品願景。最值得留意嘅證據，會係獨立設計嘅臨床研究、公開嘅非接觸式感測準確度測試，以及涵蓋不同使用者嘅持久成效，而唔係只睇公司點樣描述系統設計。5

接住落嚟要睇三樣嘢

Somni 最吸引之處，在於佢將目標由「量度睡眠」轉成測試「細小而個人化嘅環境改變，會唔會幫到恢復」。但價值最終取決於三個未解問題：

• 非接觸式感應器嘅量度，夠唔夠準確去支援個人化決策？
• 聲音、燈光及氣味介入，能否帶來超越正常夜間波動或安慰劑效應嘅、有意義睡眠改善？
• 系統能否喺嚴謹、獨立研究中證明安全、私隱保障同長期效益？

喺以上問題有答案之前，Somni 較適合被理解為一項押注個人化恢復嘅早期 AI 硬件嘗試，而唔係已獲驗證嘅醫療方案。58

Somni 係 Fullive.ai 嘗試跳出「被動記錄睡眠」嘅產品。一般睡眠裝置主要話你知尋晚瞓成點；Somni 嘅構想就係一部放喺床頭、冇螢幕嘅裝置：感測人同睡房環境、作出幅度受限嘅調整，再根據觀察到嘅結果，修訂下一晚方案。Fullive 將呢套做法稱為 「反應學習」（response learning）。58

不過，呢個係一個相當進取嘅產品願景，唔等於已經證實有臨床療效。現有報道顯示裝置仍在開發，公司亦正尋求更大規模驗證；消費者要分清楚「預定做到嘅功能」同「經獨立研究證實嘅健康或睡眠效果」。5

核心唔係計睡眠分，而係學你對乜嘢有反應

Fullive 提出嘅資料循環可以概括為三步：

1. 量度狀態：收集瞓覺者及房間嘅訊號。
2. 選擇有限介入：例如調整聲音、燈光或氣味。
3. 觀察反應：睇夜晚有咩轉變，並將結果用於日後規劃。

公司將呢套資料邏輯稱為 「狀態 → 介入 → 反應」。目標唔只係判斷一個人當刻狀態，而係學習某個人面對特定環境輸入時會點樣反應；用呢類數據訓練嘅模型，被稱為「反應模型」。5

實際意思係：如果一套聲音或燈光安排冇效果，系統理論上會喺下一晚改變方案；若然某種介入似乎帶來較好反應，嗰次身體回饋就會成為往後建議嘅依據。每晚因而變成一個小型、受限制嘅回饋循環，而唔係一次過交一份睡眠報告。5

Somni 打算感測啲乜？

Somni 定位為畀高壓知識工作者使用、毋須佩戴嘅無螢幕床頭產品。報道指，它會整合毫米波雷達、咪高峰陣列及環境感應器，在夜間監測呼吸、心率、身體活動及睡房狀況等訊號。8

床頭擺放正正係產品策略一部分：使用者毋須戴住裝置瞓覺，同時系統可觀察人同周邊睡眠環境。Fullive 嘅想法係，睡房相對穩定，而且可連續觀察數小時，因此適合作為學習個人化反應嘅起點。5

但非接觸式生理感測本身係一個必須透明驗證嘅範疇。若量度結果會影響健康或生活習慣決定，就要有清晰嘅準確度基準同臨床證據支持。

由感測走到介入，先係同一般追蹤器最大分別

Somni 嘅賣點在於唔止觀察，仲打算以 聲音、燈光同氣味 作為環境輸入，目標包括協助入睡、應對半夜醒來，以及提供較柔和嘅起床體驗。58

Fullive 表示，系統會將可採取嘅動作維持喺有限範圍，而唔係畀生成式 AI 任意控制睡房。按公司描述，感應器會將資料交畀以基礎模型為本嘅規劃層，而「Bio-OS Harness」負責協調感測與輸出模組；公司亦提到會用信心界限、證據同狹窄嘅介入集合，作為安全邊界。5

呢啲限制好重要。睡房入面嘅個人化自動化，唔會因為識得適應就自然有益。一套真正有用嘅系統，要證明佢可以穩定揀到合適介入、避免造成打擾，仲要令效果可以長時間維持。

點解叫做「閉環」？

閉環系統唔係淨係收集數據，而係將量度、決策、行動同回饋串連起來：

• 感測：偵測瞓覺者與房間訊號；
• 推斷：估計當前狀態同相關情境；
• 行動：採取受限制嘅環境介入；
• 學習：將之後嘅反應同過往模式比較，再調整未來策略。

Fullive 更大嘅目標，係喺真實住宅累積「行動—反應」配對數據。公司認為，呢類證據最終可以支援一套 AI，預測身體狀態可能點樣隨環境條件改變。5

呢個目標比做一個睡眠儀表板困難得多：系統必須分辨真正介入效果、每晚自然波動、其他干擾因素，以及感應器本身嘅誤差。單靠產品有人用，並不足以解答呢啲問題。

私隱承諾仍然係產品聲稱

Fullive 表示，雷達原始波形會先儲存在本機；傳送到雲端嘅資料會加密並盡量減少，以避免上載可重建個人私隱嘅原始資料。5

對一部長期放喺睡房嘅裝置而言，呢個設計方向值得留意；但唔應該當成獨立私隱認證。買家同評測者仍要睇清楚資料保留期、雲端處理方式、帳戶控制、第三方資料分享同保安措施等文件，先可以評估實際做成點。

由睡眠拍檔走向「反應模型」

Fullive 將 Somni 視為更大平台策略嘅第一步。公司稱，計劃由聚焦睡眠嘅試驗及量產，逐步走向更大型臨床驗證，之後可能擴展至日間產品。長遠概念係建立一個生理「世界模型」，可透過實體環境預測並安全地影響身體狀態。57

現階段，呢個仍然係研究同產品願景。最值得留意嘅證據，會係獨立設計嘅臨床研究、公開嘅非接觸式感測準確度測試，以及涵蓋不同使用者嘅持久成效，而唔係只睇公司點樣描述系統設計。5

接住落嚟要睇三樣嘢

Somni 最吸引之處，在於佢將目標由「量度睡眠」轉成測試「細小而個人化嘅環境改變，會唔會幫到恢復」。但價值最終取決於三個未解問題：

• 非接觸式感應器嘅量度，夠唔夠準確去支援個人化決策？
• 聲音、燈光及氣味介入，能否帶來超越正常夜間波動或安慰劑效應嘅、有意義睡眠改善？
• 系統能否喺嚴謹、獨立研究中證明安全、私隱保障同長期效益？

喺以上問題有答案之前，Somni 較適合被理解為一項押注個人化恢復嘅早期 AI 硬件嘗試，而唔係已獲驗證嘅醫療方案。58