機(jī)器之心發(fā)布

一、當(dāng) AI 的進(jìn)化被止于屏幕

OpenClaw 的爆火，不只是因?yàn)樗芴婺愀苫睢?/p>

如果僅僅是自動(dòng)化，市面上的 RPA 工具早就能做到。OpenClaw 真正讓人興奮的，是它展現(xiàn)出的主動(dòng)性：基于對郵件、日程、聊天記錄的持續(xù)理解，主動(dòng)幫你處理事務(wù)、主動(dòng)推送你可能需要的信息。從 Reactive 到 Proactive 的跨越，讓整個(gè)行業(yè)第一次感受到：AI Agent 不只能「被使喚」，更能「替你想」。

但這種主動(dòng)性有一個(gè)邊界，它止步于屏幕。

OpenClaw 的感知器是截屏和文件系統(tǒng)，記憶是聊天記錄和郵件歸檔。合上電腦走進(jìn)真實(shí)生活，上下文鏈路就此中斷。會(huì)議室里一小時(shí)的討論、通勤路上偶然看到的書、午餐時(shí)的閑聊，對所有數(shù)字 Agent 都是感知盲區(qū)。

這不是 OpenClaw 的缺陷，而是所有數(shù)字 Agent 的結(jié)構(gòu)性邊界。當(dāng)視線從屏幕轉(zhuǎn)向現(xiàn)實(shí)，上下文的介質(zhì)就從文本流變成了視聽流，這不是數(shù)據(jù)量的疊加，而是維度的跨越。

當(dāng)現(xiàn)實(shí)世界本身成為 AI 的上下文，Agent 才有機(jī)會(huì)從數(shù)字世界的「主動(dòng)幫你干活」，進(jìn)化為現(xiàn)實(shí)生活里的「主動(dòng)替你留心」，這就是 Proactive AI 從線上走向線下的起點(diǎn)。

沖著這個(gè)命題而來的，是 Looki 最新上線的 Proactive Intelligence Engine （Looki PIE）。

這家由 CMU 校友創(chuàng)辦的硬件初創(chuàng)公司，正在將自動(dòng)駕駛「從感知到?jīng)Q策」的工程范式，遷移到一款 30g 的可穿戴設(shè)備上，試圖在現(xiàn)實(shí)世界中構(gòu)建真正的主動(dòng)智能。

二、從「被動(dòng)記錄」到「主動(dòng)判斷」

判斷一個(gè) Agent 是否真正理解你的生活，最簡單的方法是看它敢不敢主動(dòng)開口。

Looki L1 去年 8 月海外發(fā)售后引發(fā)了不小的關(guān)注，并在 12 月上線國內(nèi)版本。在用戶社區(qū)里，它被稱為「人生回看器」，通過全天候的視聽記錄，為用戶梳理生活碎片、提供回溯與洞察。

但早期的交互模式仍是 Reactive 的：你問它「今天吃了什么」，它從視聽數(shù)據(jù)中提取答案；你讓它整理會(huì)議內(nèi)容，它忠實(shí)執(zhí)行。觸發(fā)點(diǎn)始終在用戶手里。

今天向國內(nèi)用戶正式上線的最新版本，標(biāo)志著這款產(chǎn)品的關(guān)鍵跨越。

Looki 從固定間隔采集升級為 AI 自主判斷「此刻是否需要記錄、是否需要給出反饋」的動(dòng)態(tài)決策模式，它被團(tuán)隊(duì)定義為「場景自適應(yīng)式智能」（Scene-Adaptive Intelligence）。

這種「主動(dòng)」是什么體感？讓我來分享一次真實(shí)的出差經(jīng)歷。

佩戴 Looki 前往首都機(jī)場。過完安檢，第一條推送到了，它不是航班提醒，而是 Looki 識別到我進(jìn)入候機(jī)區(qū)后，主動(dòng)提醒：「你答應(yīng)了給家里小寶貝們帶禮物，在機(jī)場挑點(diǎn)航天模型或者熊貓周邊吧?！顾涀〉牟皇侨粘虠l目，而是我?guī)滋烨澳炒螌υ捴须S口提的一句話。

走進(jìn)包子鋪還沒坐穩(wěn)，第二條來了：「這 '返京第一口' 選得有老北京情懷！建議再配一碗小米粥或者炒肝，記得去調(diào)料區(qū)弄碟醋加點(diǎn)油辣椒，那才地道。」

它識別出了餐廳，還基于我的飲食偏好給出了搭配建議，這條推送的信息密度和個(gè)人化程度，已經(jīng)超出了我對一個(gè)可穿戴設(shè)備的預(yù)期。

回到候機(jī)區(qū)，第三波推送到達(dá)：一份基于我此前設(shè)定的「AI 行業(yè)動(dòng)態(tài)」偏好生成的當(dāng)日新聞?wù)核懔q價(jià)、新融資，每條附有我關(guān)注的行業(yè)關(guān)聯(lián)分析；緊跟著是三條 T3 航站樓的冷知識，最后一條居然是關(guān)于天窗采光設(shè)計(jì)的，因?yàn)樗浀梦移谩该髁寥照辙k公環(huán)境」。

一個(gè)小時(shí)，三個(gè)場景節(jié)點(diǎn)，四次主動(dòng)判斷。每一次都融合了即時(shí)感知和歷史記憶，沒有一條需要我主動(dòng)發(fā)起。坦白說，有幾條推送的時(shí)機(jī)之精準(zhǔn)讓我有點(diǎn)意外：它確實(shí)在學(xué)習(xí)「什么時(shí)候該開口」。

這條體驗(yàn)鏈背后的技術(shù)鏈路與 OpenClaw 截然不同。OpenClaw 從文本指令出發(fā)，經(jīng)工具調(diào)用到結(jié)果反饋，在數(shù)字世界閉環(huán)。

Looki PIE 的起點(diǎn)是未經(jīng)編輯的現(xiàn)實(shí)視聽片段，系統(tǒng)先「看懂」場景，再從全天行為時(shí)序中檢索記憶，判斷「此刻是否值得介入」，最終生成一條融合即時(shí)感知與歷史上下文的推送。

從 Reactive 到 Proactive，關(guān)鍵不在模型更大，而在讓現(xiàn)實(shí)世界成為持續(xù)供給的個(gè)人上下文。

三、主動(dòng)判斷的兩個(gè)技術(shù)切面

在出差場景的「即時(shí)提醒」之外，翻到 APP 的另一個(gè)頁面「探索」，會(huì)發(fā)現(xiàn)一個(gè)更有想象力的功能入口：用戶可以用自然語言，自己定義 Agent 在什么條件下該做什么。

它本質(zhì)上是一段為現(xiàn)實(shí)世界編寫「If...Then...」的提示詞。

我試著設(shè)了幾條：「每天一杯咖啡，多了提醒我克制」「到了餐廳幫我推薦菜」「開會(huì)時(shí)有任何洞察及時(shí)告訴我」「每天早上到公司，把我關(guān)心的信息發(fā)給我」。設(shè)定過程極簡，自然語言輸入即可。

這些規(guī)則的觸發(fā)邏輯和手機(jī)定時(shí)提醒完全不同。手機(jī)鬧鐘只能按時(shí)間或坐標(biāo)響，而Looki 的觸發(fā)條件卻是場景語義：攝像頭捕捉到你面前第二杯咖啡才觸發(fā)健康提醒，識別出你走進(jìn)餐廳在看菜單才推送推薦。

背后是一條完整管線：從自然語言的意圖解析、視覺特征提取，到實(shí)時(shí)場景匹配和多維上下文驗(yàn)證。這套具身智能 Pipeline 通常存在于機(jī)器人實(shí)驗(yàn)室，如今被壓進(jìn) 30g 的日常設(shè)備。

不過，比「看懂場景」更難的是「決定什么時(shí)候開口」。

回看出差那四次推送：安檢后提醒買禮物：「進(jìn)入商業(yè)區(qū) + 有空閑 + 記得承諾 "同時(shí)滿足；進(jìn)餐廳推薦 ——「正在做就餐決策 + 了解口味」；候機(jī)推新聞：「有碎片時(shí)間 + 偏好匹配」。每一次都是多因子時(shí)機(jī)決策，而非規(guī)則匹配。

我體驗(yàn)下來最深的感受是：Proactive AI 的核心難度不在推送的內(nèi)容質(zhì)量，而在時(shí)機(jī)精度

同一條信息，忙時(shí)彈出是騷擾，閑時(shí)送達(dá)是貼心。對比來看，OpenClaw 的場景相對簡單：它只在用戶明確指令時(shí)行動(dòng)，不需要在物理環(huán)境中判斷介入時(shí)機(jī)。但 Looki PIE 的挑戰(zhàn)更體現(xiàn)在物理世界的紛擾中，判斷和選擇時(shí)機(jī)比信息世界更困難。

這個(gè)分寸，就是 Proactive AI 最核心的技術(shù)挑戰(zhàn)。

四、為現(xiàn)實(shí)世界搭建一套全新的 Agent Harness

Looki PIE 是產(chǎn)品概念，落到工程層面是系統(tǒng)問題。

OpenClaw 的 Harness 為數(shù)字世界設(shè)計(jì)：所有輸入是文本態(tài)，所有操作在數(shù)字環(huán)境中。當(dāng) Agent 走出屏幕，面對混沌的視聽流和非確定性的現(xiàn)實(shí)場景，Harness 每一層都得重建。

在 Looki 的兩位創(chuàng)始人看來，自動(dòng)駕駛本質(zhì)上就是在為現(xiàn)實(shí)世界搭 Harness Engineering。從實(shí)時(shí)采集多模態(tài)數(shù)據(jù)、極低延遲完成場景理解，到做出決策并承擔(dān)后果?，F(xiàn)在他們把同一套工程范式從道路平移到了日常生活。

首先是「看」的問題。

30g 設(shè)備、12 小時(shí)續(xù)航，感知模塊不可能常開。Looki PIE 突破在于端側(cè)部署了輕量化決策模型，根據(jù)環(huán)境光流和聲音波形實(shí)時(shí)判斷「此刻是否值得激活」。通勤時(shí)低頻運(yùn)轉(zhuǎn)，會(huì)議或聚餐時(shí)自動(dòng)加密采集。不是無差別地盯著你，而是學(xué)會(huì)什么時(shí)候該「睜眼」。

「看到」之后是「記住」。

Looki 面對的是一整天的視頻流和音頻流，一幀畫面的 token 消耗可能抵得上一封完整郵件，全量灌入模型既不經(jīng)濟(jì)也會(huì)放大幻覺風(fēng)險(xiǎn)。據(jù) CTO 劉博聰介紹，Looki 在云端構(gòu)建了多層級上下文索引體系，按語義需求精準(zhǔn)摘取最相關(guān)片段。出差場景中「你答應(yīng)給孩子帶禮物」那條推送，靠的就是這套索引從數(shù)天前一段對話中打撈出一個(gè)承諾，在「用戶正在機(jī)場候機(jī)」的實(shí)時(shí)場景中將它激活。

最頂層是「決定說不說」。

感知和記憶提供了原料，但 Looki PIE 最終能否成立，取決于決策層在沒有明確指令時(shí)自主判斷此刻是否該行動(dòng)。數(shù)字 Harness 不太需要糾結(jié)這個(gè)：行動(dòng)由用戶指令確定性觸發(fā)。現(xiàn)實(shí) Harness 必須多出這層主動(dòng)決策能力，且容錯(cuò)空間極小。

還有一件事繞不開：隱私。

Looki 采用端側(cè)過濾加 App 手動(dòng)上傳的雙重門控，原始視聽數(shù)據(jù)不無差別上云。而動(dòng)態(tài)感知機(jī)制在架構(gòu)層面做了一件巧妙的事，設(shè)備不是時(shí)刻在錄，而是由 AI 判斷「此刻是否需要激活」，同一套決策邏輯同時(shí)服務(wù)于能力和隱私。

當(dāng)感知范圍延伸到整個(gè)生活現(xiàn)場，隱私保障的質(zhì)量直接決定產(chǎn)品生死。

五、從「個(gè)人上下文」到「數(shù)字直覺」

回到開篇。OpenClaw 讓行業(yè)看到了 Proactive AI 在數(shù)字世界的面貌，但只活在屏幕里的 Agent 覆蓋的終究是生活的一半。

Looki PIE 試圖覆蓋另一半。它證明了：現(xiàn)實(shí)世界的上下文，那些連續(xù)的視聽流、散落的行為軌跡、非結(jié)構(gòu)化的生活碎片，可以被工程化地采集、結(jié)構(gòu)化地記憶、智能化地調(diào)用，并以此支撐 Agent 做出主動(dòng)判斷。

這條路還很長。執(zhí)行力邊界、感知精度、隱私框架，都有大量未解命題。但方向清晰：當(dāng)你的生活軌跡、所見所聞、與家人的對話沉淀為屬于你的「個(gè)人上下文」，AI 就不再需要你手動(dòng)描述世界：它自己看到了、記住了、理解了，然后在你需要的時(shí)候，先你一步。

各路「龍蝦們」還在為數(shù)字世界的「斷片」焦頭爛額，而窗外的現(xiàn)實(shí)世界，作為上下文的新疆域，才剛剛被納入 AI 的視野。當(dāng) Agent 終于走出對話框，開始真正 「看見」這片廣袤的現(xiàn)實(shí)，我們與 AI 的關(guān)系，或許才剛剛開始。