智能戒指领域又出现一个新成员。与一年多时间获得接近300万枚销量的Oura Ring不同,这个叫Stream Ring的产品不是一个专注在健身与健康领域的戒指,而是想做一个让用户能完全掌控、自由表达创意的交互界面,甚至是人们随身的“第二大脑”。

打造Stream Ring的创业公司Sandbar近日获得True Ventures、Upfront Ventures和Betaworks等投资机构投资的1300万美元融资,更早之前,Upfront Ventures参与了它未透露金额的首轮融资。
Sandbar由Mina Fahmi(CEO)和Kirak Hong(CTO)共同创立,他们都在智能硬件和人机交互界面设计领域有深厚背景。

Sandbar的联合创始人Kirak Hong(CTO)和Mina Fahmi(CEO),来源:Sandbar
两人是在CTRL-Labs相识,CTRL-Labs做的是非侵入式神经接口技术,之后被Meta收购,他们在Meta探索了Neural Band、Orion等可穿戴设备计算平台。Mina Fahmi此前还供职于Kernel(脑机接口)和Magic Leap(AR眼镜),而Kirak Hong曾供职于Google,两人都在智能硬件设备领域长期积累。
他们潜心钻研如何将AI、记忆与界面设计三者融会贯通,以帮助人们更清晰地思考,更有意识地生活,并真正记住重要的事情。
一个智能可穿戴设备想要成功,由多个因素决定,而形态,交互方式,以及它提供的价值,是诸多因素中比较重要的。
在形态上,最好做到无感。无感又分为两个层面,对于用户无感,对用户周边的人无感(能够很好的融入环境)。
以VR眼镜为例,对于用户,它要占据用户的整个视野,将用户与现实世界隔开,这就决定它基本只能在室内使用,你很难想象把VR眼镜带上街。
正因如此,VR眼镜在销量上始终很难打破作为一个小众品类的天花板,根据TrendForce的报告,它2024年整个品类的销量,只有不到1000万,苹果的Vision Pro,也只有大几十万的总销量。
智能眼镜还有一种形态,就是Ray-Ban Meta那一类,它没有完全占满用户视野,而且比VR眼镜更轻,并具有“墨镜”的时尚属性(对周围的人几乎无压力),它的销量超过了200万台。
还是以苹果的产品为例,它的AirPods耳机,对于用户来说,基本无感(用户可以整天戴在耳朵上),用户周边的人也对此习以为常。于是,它的年销量是6600万副,整个TWS行业的年销量更是达到4.55亿副。
戒指,也是属于耳机这个类型,对于用户和用户周围的人都无感(戒指作为一类饰品,已经存在数百年),所以当Oura Ring解决了它提供什么价值这个问题,销量就起飞了。
在硬件形态之后,需要解决的第二个问题是交互。交互问题的关键在于直观程度(学习成本的高低)和操控精细程度。
语音已经成为AI硬件的一种较为主流的交互方式,但是它也有一些问题没有完全解决。第一就是精确操控的问题,第二是社交压力——想象一下你不停对着手上的设备念念有词。

Stream Ring的交互方式,来源:Sandbar
Stream Ring的解决方式是语音+触控,它的戒指配有麦克风和触摸板,使用的方式是长按触摸板说话,轻触触摸板打断说话,并且它的麦克风是高灵敏度的,可以捕捉人们的轻声说话,不会产生社交压力。Sandbar把这种交互方式称为“语音鼠标”。
他的创始人Fahmi表示:“我的很多灵感都是在散步或通勤时涌现的,我不想为了记录而掏出手机,打断那一刻的思绪。我也不想对着全世界都能听见的耳机大声说出我的想法。我和我的创始人试图探索,到底需要什么才能在灵感涌现的瞬间就将其捕捉下来。Stream便是在这样的思考下诞生的。”
交互方式和形态,解决的是用户的购买摩擦力,低购买摩擦力,是走向大众的关键。
AI原生硬件真正重要的问题是持续提供价值
解决了购买摩擦力,真正重要的问题是怎么给用户提供价值。
Sandbar的创始人Mina Fahmi把他们的产品定义为:“介于笔记应用和思维工具之间的存在。”
在硬件上,Stream Ring就是一个戒指形态,具有麦克风和触摸板,有足够长的续航,能够防水,能够通过蓝牙与手机等设备连接。
前文提过,用户用语音和触摸板结合,与它交互,即便是在嘈杂环境中,用户也可以佩戴耳机与AI助手进行私密交谈,不佩戴耳机的情况下,当戒指成功记录一条笔记时,它会提供触觉反馈,一切操作都可以悄无声息。

来源:Sandbar
在软件功能上,Stream目前支持iOS版本的软件应用,它内置AI聊天机器人,用户可以与戒指对话,软件会记录用户想法,并且将这些想法整理成独立的笔记,用户还可以将这些想法进行编辑。此外,Stream Ring的数据是可以导出的,例如它支持将数据导出至Notion等应用中。在数据安全方面,无论是在静态存储还是在传输过程中,用户数据都经过加密。
除了灵感记录和整理笔记外,Stream Ring还可以作为一个媒体控制器使用,用户可以用它播放、暂停、切换曲目以及调节音量。
看起来,它的功能并没有出奇之处,和不少AI硬件,例如Plaud一样,都是可以通过语音记录用户说的话,并且通过手机的应用进行整理和编辑。
不过Sandbar的投资人Kobie Fuller却在上市前体验时,把Stream Ring玩出了花。他把Stream Ring称为“承载我思想和记忆,与自己对话的专属空间,是我的第二大脑”。
在Kobie Fuller手里,Stream Ring首先变成了个人CRM。
每次会议结束后,Kobie Fuller会向Stream Ring复述会议要点:见了谁,哪些内容令人印象深刻,希望记住什么。久而久之,Stream Ring就成为Kobie Fuller管理重要人脉、公司和项目的首选记忆系统。
然后,它还可以是会议准备与信息检索的助手。在在通话或会议前,Kobie Fuller会向Stream提问,例如:“当我和XX公司的企业发展部主管会面,而他对我们的投资组合很感兴趣时,我应该提及哪些公司?”
Stream Ring能从Fuller自己的知识图谱中,调取出富含上下文的见解:曾讨论过的公司、过去的会议记录、共同的兴趣点。这时,它就像一位AI参谋。
当Stream Ring陪伴足够久,它可能对用户非常了解,例如它能发现Fuller思考的主题、行为模式、情绪基调,甚至在某些话题出现时,提示他进行反思。
当然,在记笔记和清单管理上,它也有优势,因为Stream Ring的信息捕捉是即时的(通过语音),而检索效率则呈指数级提升。当Fuller记录一个想法或待办事项时,它不仅仅是被储存起来,而是成为了系统逻辑的一部分。他之后可以随时查询,或者这些信息会在相关情境下自动浮现。
目前,Stream Ring正在以249美元的价格预售,预售款包含3个月的会员,后续则每月以10美元订阅,它的上市日期是2026年夏季。
通过多模态的感知能力,记录用户的上下文(说的话,开的会,看到的东西),将这些上下文记忆下来,变得越来越懂用户,然后从这些上下文中提取关键洞察,为用户提供价值。
这一套产品思路已经被不少AI原生硬件采用,包括主要以会议记录为价值交付的Plaud,更偏向情感陪伴的Friend,以及以灵感助手为切入点的Stream Ring,当然也有Looki L1这样感知模态更丰富,并内置Agent的产品。
不过,尽管目前这些AI原生硬件的切入点各异,提供的价值也各不相同,但它们的目标应该不会满足于做一个专用的设备,而希望成为新一代的移动入口设备。
上一个世代(移动互联网),最主流的设备是手机,手表、耳机、手环等设备都是围绕着手机这个生态构建的设备。那么在AI原生硬件时代,也很难想象针对每一个用途和场景,都有一个对应的硬件。你不可能手指上戴着戒指,手腕上戴着手环,头部又同时有眼镜和耳机。更何况这些AI原生硬件为了提供可持续的AI功能,还会持续收取订阅费用。
无论从用户体验的角度,还是从商业模式的角度,这种方式都不可持续。那么,未来大概率会出现一个通用的AI原生硬件,来代替手机;或者出现一个与手机配合,以AI原生硬件为形式的全新交互界面。
目前,无论是AI原生硬件的形态还是交互方式,都还处于百花齐放的状态,还没有收敛。但是当它们收敛后,会是什么形态,什么交互方式,哪一种价值会成为核心,值得期待和探索。
阿尔法公社非常看好AI原生硬件这个赛道的机会,并已完成对光帆科技、光智时空(Looki)、玄源科技(X-Origin-AI)、清智元视(Pixboom)、诺亦腾机器人等近十家AI原生硬件的初创公司的早期投资,绝大多数为项目的首轮投资人,其中有数家已经完成新一轮融资。我们期待与这个赛道的更多初创团队交流合作。
文章来自于“阿尔法公社”,作者 “阿尔法公社”。
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI