Somni 唔係一隻用嚟睇睡眠分數嘅手環，亦唔係放張螢幕喺床頭叫你望住數據瞓覺。Fullive.ai 對佢嘅定位係：一套無螢幕、非接觸式嘅床頭系統，在夜晚協調聲音、燈光同氣味，並從你每晚對呢啲改變嘅反應之中慢慢學習。核心概念叫做「反應學習」（response learning）。410

簡單講，佢想記低嘅唔只係「你噚晚瞓得點」，而係「喺某個身體狀態下，改變咗環境後，你有咩反應」。

Somni 會感測咩、做咩？

按 Fullive 及相關報道嘅說法，Somni 放喺床頭，毋須戴上身，亦冇顯示屏。硬件包括毫米波雷達、咪高峰陣列同環境感測器，目標係在不直接接觸用家嘅情況下，收集呼吸、心率、身體活動以及睡房環境等訊號。47

佢輸出嘅唔係藥物或醫療處置，而係較低干擾嘅環境調整：

• 聲音：協助放鬆，以及在夜間提供支援；
• 燈光：用於睡前放鬆、夜間調整，同較溫和嘅起床過程；
• 氣味：配合其他睡眠環境元素一齊運作。410

公司稱，Somni 希望協助用家較易安定入睡、維持睡眠，並較自然咁醒來。不過，呢啲係產品預期效果，唔等於已有證據證明佢可以治療失眠或其他疾病。10

所謂「逐晚學習」，實際係點運作？

一般睡眠追蹤器，重點多數係報告一晚發生過乜：瞓咗幾耐、郁過幾多次之類。Fullive 想做嘅係另一樣嘢：估計某個可控制嘅環境改變，對一個特定人在某個狀態下係咪有幫助。

公司描述嘅閉環大致如下：

1. 觀察狀態：收集夜間生理訊號同房間環境資料；
2. 作出有限度干預：例如調整聲音或燈光；
3. 量度後續反應：觀察隨後嘅生理及行為訊號；
4. 修訂下一晚方案：根據見到嘅反應，保留或者改變日後嘅干預。56

Fullive 將每個晚上形容成一個持續進行嘅「小型實驗」。如果某個聲光組合睇落冇帶來預期反應，下一晚就可以換策略；若然似乎有效，嗰次身體反應就會成為之後選擇方案嘅參考。5

用公司嘅術語講，關鍵資料結構係：「狀態 → 干預 → 反應」。目標唔止係建立用家平日嘅睡眠模式，而係嘗試估計：當睡眠環境有所改變時，呢個人可能會點樣反應。56

「反應模型」同 Bio-OS：由床頭走向更大野心

Fullive.ai 於 2026 年在北京成立，自稱係一間 AI4Bio 公司，走「模型 × 本體」路線：將 AI 健康模型同可以部署到現實空間嘅硬件結合。6

Somni 被視為呢條路線嘅第一個節點。公司概括其架構為 「感測器 × 基礎模型 × Bio-OS Harness」：感測器收集人體同空間訊號；模型按生理情境提出個人化策略；Bio-OS 層則負責協調感測同實體輸出，令整個系統形成閉環。6

當中有兩個值得分清嘅概念：

• 反應模型（response model）：目標係預測一個人身處特定生理狀態時，對有限度環境干預可能出現嘅反應；
• 生理世界模型（physiological world model）：更長遠嘅研究構想，係表示生理狀態在不同情境同干預下，會點樣隨時間演變。6

後者係雄心勃勃嘅研究方向，唔係 Somni 已展示出嚟嘅功能。喺生物醫學 AI 研究中，「世界模型」通常指學習系統狀態及其動態變化嘅模型，例如狀態如何在環境改變、治療或其他干擾下演進。1

融資與量產進度：已有資本支持，但驗證仍在路上

報道指，Fullive.ai 在不足一年內完成三輪融資，高瓴資本參與咗全部三輪；較後一輪據報由招商局創投領投，另有其他投資者參與。公司表示，資金會用於 Somni 研發、推進生產，以及較長線嘅 AI4Bio 工作。116

公開報道亦提到，團隊背景橫跨 AI、硬件同商業化。不過，關於人手規模或履歷嘅細節，較適合視為公司及媒體提供嘅背景資料，而唔係經獨立審計嘅證據。

入到睡房，安全同私隱係底線

一部會在睡房「聽」同調整環境嘅裝置，最關鍵當然係界線。Fullive 表示，Somni 嘅干預限於聲、光、氣味等低干擾環境方式，模型可作嘅動作亦設有預定限制。6

私隱方面，公司描述採用裝置與雲端協作嘅設計：原始雷達波形會優先留喺本機；需要傳送到雲端嘅資料會加密，並盡量減至最少，以減低私隱外洩風險。6

但更重要嘅係現階段尚未證實咩。現有報道指 Somni 已完成小批次測試，並在 2026 年朝量產及較大規模臨床驗證方向推進。46 提供嘅資料並未顯示佢已完成大型臨床試驗、取得醫療器械許可，或者已證明對失眠有治療效果。

點解由睡眠開始？

對 Fullive 而言，睡眠係一個相對可重複嘅場景：每晚有長時間嘅被動觀察、作息較有規律，而可調整嘅環境因素亦相對有限。呢啲條件令「感測—干預—量度」閉環較適合先喺床邊測試。

公司長遠希望將同一套邏輯，由睡眠延伸至恢復、壓力同日間場景。69 不過，呢啲目前仍屬公司路線圖。Somni 眼前真正要回答嘅問題係：一部非接觸式床頭裝置，能否在安全同尊重私隱嘅前提下，憑真實世界嘅持續回饋，逐步個人化調整睡眠環境。

Somni 唔係一隻用嚟睇睡眠分數嘅手環，亦唔係放張螢幕喺床頭叫你望住數據瞓覺。Fullive.ai 對佢嘅定位係：一套無螢幕、非接觸式嘅床頭系統，在夜晚協調聲音、燈光同氣味，並從你每晚對呢啲改變嘅反應之中慢慢學習。核心概念叫做「反應學習」（response learning）。410

簡單講，佢想記低嘅唔只係「你噚晚瞓得點」，而係「喺某個身體狀態下，改變咗環境後，你有咩反應」。

Somni 會感測咩、做咩？

按 Fullive 及相關報道嘅說法，Somni 放喺床頭，毋須戴上身，亦冇顯示屏。硬件包括毫米波雷達、咪高峰陣列同環境感測器，目標係在不直接接觸用家嘅情況下，收集呼吸、心率、身體活動以及睡房環境等訊號。47

佢輸出嘅唔係藥物或醫療處置，而係較低干擾嘅環境調整：

• 聲音：協助放鬆，以及在夜間提供支援；
• 燈光：用於睡前放鬆、夜間調整，同較溫和嘅起床過程；
• 氣味：配合其他睡眠環境元素一齊運作。410

公司稱，Somni 希望協助用家較易安定入睡、維持睡眠，並較自然咁醒來。不過，呢啲係產品預期效果，唔等於已有證據證明佢可以治療失眠或其他疾病。10

所謂「逐晚學習」，實際係點運作？

一般睡眠追蹤器，重點多數係報告一晚發生過乜：瞓咗幾耐、郁過幾多次之類。Fullive 想做嘅係另一樣嘢：估計某個可控制嘅環境改變，對一個特定人在某個狀態下係咪有幫助。

公司描述嘅閉環大致如下：

1. 觀察狀態：收集夜間生理訊號同房間環境資料；
2. 作出有限度干預：例如調整聲音或燈光；
3. 量度後續反應：觀察隨後嘅生理及行為訊號；
4. 修訂下一晚方案：根據見到嘅反應，保留或者改變日後嘅干預。56

Fullive 將每個晚上形容成一個持續進行嘅「小型實驗」。如果某個聲光組合睇落冇帶來預期反應，下一晚就可以換策略；若然似乎有效，嗰次身體反應就會成為之後選擇方案嘅參考。5

用公司嘅術語講，關鍵資料結構係：「狀態 → 干預 → 反應」。目標唔止係建立用家平日嘅睡眠模式，而係嘗試估計：當睡眠環境有所改變時，呢個人可能會點樣反應。56

「反應模型」同 Bio-OS：由床頭走向更大野心

Fullive.ai 於 2026 年在北京成立，自稱係一間 AI4Bio 公司，走「模型 × 本體」路線：將 AI 健康模型同可以部署到現實空間嘅硬件結合。6

Somni 被視為呢條路線嘅第一個節點。公司概括其架構為 「感測器 × 基礎模型 × Bio-OS Harness」：感測器收集人體同空間訊號；模型按生理情境提出個人化策略；Bio-OS 層則負責協調感測同實體輸出，令整個系統形成閉環。6

當中有兩個值得分清嘅概念：

• 反應模型（response model）：目標係預測一個人身處特定生理狀態時，對有限度環境干預可能出現嘅反應；
• 生理世界模型（physiological world model）：更長遠嘅研究構想，係表示生理狀態在不同情境同干預下，會點樣隨時間演變。6

後者係雄心勃勃嘅研究方向，唔係 Somni 已展示出嚟嘅功能。喺生物醫學 AI 研究中，「世界模型」通常指學習系統狀態及其動態變化嘅模型，例如狀態如何在環境改變、治療或其他干擾下演進。1

融資與量產進度：已有資本支持，但驗證仍在路上

報道指，Fullive.ai 在不足一年內完成三輪融資，高瓴資本參與咗全部三輪；較後一輪據報由招商局創投領投，另有其他投資者參與。公司表示，資金會用於 Somni 研發、推進生產，以及較長線嘅 AI4Bio 工作。116

公開報道亦提到，團隊背景橫跨 AI、硬件同商業化。不過，關於人手規模或履歷嘅細節，較適合視為公司及媒體提供嘅背景資料，而唔係經獨立審計嘅證據。

入到睡房，安全同私隱係底線

一部會在睡房「聽」同調整環境嘅裝置，最關鍵當然係界線。Fullive 表示，Somni 嘅干預限於聲、光、氣味等低干擾環境方式，模型可作嘅動作亦設有預定限制。6

私隱方面，公司描述採用裝置與雲端協作嘅設計：原始雷達波形會優先留喺本機；需要傳送到雲端嘅資料會加密，並盡量減至最少，以減低私隱外洩風險。6

但更重要嘅係現階段尚未證實咩。現有報道指 Somni 已完成小批次測試，並在 2026 年朝量產及較大規模臨床驗證方向推進。46 提供嘅資料並未顯示佢已完成大型臨床試驗、取得醫療器械許可，或者已證明對失眠有治療效果。

點解由睡眠開始？

對 Fullive 而言，睡眠係一個相對可重複嘅場景：每晚有長時間嘅被動觀察、作息較有規律，而可調整嘅環境因素亦相對有限。呢啲條件令「感測—干預—量度」閉環較適合先喺床邊測試。

公司長遠希望將同一套邏輯，由睡眠延伸至恢復、壓力同日間場景。69 不過，呢啲目前仍屬公司路線圖。Somni 眼前真正要回答嘅問題係：一部非接觸式床頭裝置，能否在安全同尊重私隱嘅前提下，憑真實世界嘅持續回饋，逐步個人化調整睡眠環境。