获韶音投资，无界方舟打造硬件端侧AIOS：重新定义智能终端开发范式
文｜邓咏仪
编辑｜苏建勋
当OpenClaw的热潮席卷全球时，无界方舟创始人曾晓东的感受并非单纯的兴奋，而是一种“长期探索终于被看见”的释然。
“OpenClaw本质是云端或电脑端的Agent框架，核心是能写代码的智能体；而我们的AIOS同样是Agent框架，却聚焦于硬件端侧——机器人、耳机、眼镜等设备都能在这套系统上运行，堪称‘硬件版OpenClaw’。”他向《智能涌现》解释道。
自2024年成立以来，无界方舟便致力于构建这一体系，并提出“Vibe Hardware”概念：开发者只需用自然语言描述需求，AI就能自主完成程序编写、驱动调试，实现应用的全流程研发与部署。
目前，无界方舟已形成从硬件到操作系统的完整产品矩阵，包括AIOS“EVA”，以及以AI教育机器人“奇多多AI学伴机”为代表的硬件生态。
近期，无界方舟完成连续两轮Pre-A轮融资，投资方涵盖全球知名穿戴设备品牌韶音、国瑞源基金、恒松资本、上海天使会，易凯资本担任独家财务顾问。
过去一年，无界方舟已完成4轮融资，累计融资金额达数亿元。
△无界方舟创始人曾晓东
曾晓东拥有10年阿里巴巴及蚂蚁集团任职经验，曾从0到1孵化刷脸支付、支付宝盒（千万级销量）、淘咖啡（国内首家无人超市）等硬件产品。
经历AI 1.0时代从硬件到系统的全流程后，他认为：“最具潜力的方向是操作系统内核，但内核研发不能脱离实际，因此需要先端到端打造一款硬件作为验证。”
无界方舟的目标并非成为单一的大模型或硬件公司，而是构建面向新一代智能终端的AI操作系统（AIOS）框架，让不同形态的设备能在统一底座上运行与迭代。
“小龙虾”热潮后，AI硬件开发范式迎来变革
OpenClaw爆火后，Harness Engineering（环境工程）成为硅谷热议话题。随着模型能力提升，Agent的实用性不再仅由模型本身决定，更取决于其运行环境：可调用的工具、对当前状态的理解、反馈回路的设计——这套“环境”便是Harness。
EVA OS正是硬件领域的Harness Engineering。“可以理解为，EVA OS是硬件版的Context Model，是对现有OS的补充而非替代。”曾晓东强调。
他多次向《智能涌现》指出，EVA OS并非要成为另一个鸿蒙。在Android、Linux、ROS等传统操作系统时代，并非AI能力不足，而是缺少让AI原生运行于硬件的中间层。
这个中间层的核心作用是什么？
以往，调通完整的AI硬件链路并实现可服务，至少需要3人团队耗时2-3个月。而安装EVA OS后，开发者仅需用自然语言描述需求，AI便能基于硬件环境自主编写APP，平均半小时即可让端侧设备成为具备记忆、可实时交互与调整的AI终端。
这种开发范式建立在EVA OS与硬件的强耦合基础上。若AI不掌握硬件的完整上下文（芯片算力、传感器状态、内存余量、外设连接等），便无法在其上研发应用——这既是EVA OS的核心难点，也是其壁垒所在。
近期，无界方舟与某机械手臂企业合作：将搭载EVA OS的开发板接入机械手臂后，AI自主完成驱动调试、Bug修复与功能探索。当工程师发出“拿起某物品”的指令时，EVA OS能自主编写程序并试错。
“EVA OS的试错能力源于对开发板与手臂连接状态的精准感知，这与传统模式截然不同。”曾晓东表示。过去，工程师需手动查阅驱动文档、排查硬件Bug，而EVA OS让硬件摆脱了“预制APP+抽象硬件”的传统模式。
为在算力有限的端侧实现高效运行，EVA OS采用云端与本地协同架构，语音延迟低于250ms，多模态反馈小于350ms，较行业通用方案600ms左右的语音延迟有显著提升。
EVA OS的逻辑是：将端侧可完成的任务留在本地，仅将复杂推理交由云端。语音识别、TTS、视觉感知等高频交互环节在端侧处理，无需每次依赖云端计算。
端侧模型承担记忆、执行与交互功能（记住用户习惯、调用工具、提供交互界面），云端则负责通用知识与复杂推理，端侧将这些能力转化为硬件可运行的实际功能。感知模型完全端侧运行，成本可降低70%-92%。
△EVA OS的记忆能力可回忆影像关键画面，回答如视频中物件位置等问题
本轮融资后，无界方舟将发布新硬件终端EVA Pi。曾晓东称其为“能自主写代码、自主更新的硬件终端”。
EVA Pi集成EVA OS，可实时感知硬件侧全部上下文（传感器、驱动、链路状态、运行反馈），在端侧原生完成AI应用的开发、部署与迭代。
EVA OS 1.0发布3个多月来，已有超2500家企业与研发单位将其应用于硬件研发，覆盖AI耳机、AI眼镜、桌面机器人、智能腕带、车载智能管家、机械手臂等品类，合作方包括全球知名可穿戴设备与具身智能头部企业。
端到端模型：AIOS存在的核心前提
与曾晓东交流时，能明显感受到他对端到端路线的坚定。
2024年上半年，大模型领域仍处于语言模型主导阶段，多模态交互技术路线尚未明确，唯一的参考是GPT-4o的发布会演示——当时OpenAI甚至未开放相关API。
多数AI硬件公司选择“串联”路线：将ASR（语音识别）、大语言模型、TTS（语音合成）等模块像流水线般拼接，完成任务。该路线成熟且成本经济，但存在明显缺陷：模块间信息损耗严重（情绪、语气、连续性丢失），延迟叠加，Bug频发。
曾晓东未选择此方向，而是带领7人团队耗时近一年，推出可在硬件侧运行的端到端多模态基座模型——这是EVA OS的基础。
这一选择源于他在蚂蚁集团的多次“创业”经历：孵化刷脸支付、支付宝盒、淘咖啡时，反复遭遇同一瓶颈——AI算法与终端硬件之间存在巨大鸿沟，中间层严重缺位。
无界方舟的选择本质上是基于对行业的判断：未来端到端模型需以更低成本运行于各类端侧设备，这是创业公司的机会；若仅做软件侧垂类模型，易被基模厂商吞噬。
例如，无界方舟2024年便通过“奇多多AI学伴机”探索AI教育方向，而基模巨头普遍在2024下半年至2025年才入局，无界方舟提前了半年到一年的窗口期。
目前，无界方舟自研的端到端模型可通过单一模型同时处理语音识别、语音合成、视觉理解与语言推理，大幅减少信息损耗。
自研端到端路线首先拓展了硬件品类与场景。
“我们的端侧模型将语音识别与TTS整合，单模型完成两项任务，无需GPU，完全运行于CPU，内存占用不超1G。”曾晓东介绍。
在出海场景中，海外网络环境不稳定，搭载EVA OS的硬件无需联网即可完成语音识别、合成与基础翻译。
奇多多AI学伴机是EVA OS的首个落地案例——面向3-10岁儿童的AI教育机器人。
曾晓东将其称为EVA OS的硬件“样板间”。目前，奇多多用户日均硬件使用时长（不含APP）高达145分钟，主要用于AI对话、AI阅读等功能。
自研模型也带来交互体验的差异化：端到端模型无需跨模态“翻译”，语音与视觉信号直接关联语言模型，能感知情绪、捕捉对话语境变化，回应更贴近真人。
成本优势同样关键：自研端到端模型使语音成本降至行业通用方案的二十分之一，因此奇多多AI学伴机售价仅千元级别，且无后续订阅费。
两年前，曾晓东带领7人团队押注硬件端到端这一无人涉足的领域；如今，EVA OS已迭代至第三版，无界方舟正孵化更多To C硬件品类，并与AI眼镜、耳机等领域展开合作。
模型进化速度远超预期，但曾晓东认为更大的挑战才刚刚开始。
AI硬件操作系统并非新赛道。2017年前后，国内曾涌现一批机器人OS创业公司，试图复制安卓生态，但成功者寥寥。天猫精灵、小米音箱通过补贴迅速占领入口，但其定义的是“音箱”品类而非“智能体”，直接挤压了垂直OS的生存空间。
成本是更致命的问题：当时追求高性能需采用手机级芯片，单颗成本高达数百美金，即便终端售价两三千元，企业仍处于亏损状态。
曾晓东认为，大模型时代的机会与AI 1.0时代有本质区别：“全球尚未出现真正意义上的AI硬件操作系统赢家，窗口期仅两三年。”
大模型重新定义了硬件交互方式——内容无需预先灌装，由AI实时生成；低功耗AI芯片成本降至商用区间；端到端模型让创业公司能用小团队打通从模型到硬件的全链路。“天时地利人和，上一波缺失的条件，这一波已全部具备。”
目前，无界方舟内部已全面推行Vibe Hardware，硬件迭代速度提升至每日一次。为实现AIOS的研发目标，曾晓东去年推动组织变革——全员Vibe Coding，无论工程师、产品经理还是运营，所有工作都需沉淀至代码层面。
“当公司全员动作都汇集到Vibe Coding，数据便实现结构化，真正的中间层优化才成为可能。”他说。
欢迎关注
欢迎交流
本文来自微信公众号“智能涌现”，作者：邓咏仪，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com