作者｜黄楠

编辑｜袁斯来

硬氪获悉，「Flowtica AI」日前已完成新一轮数千万元融资，投资方为祥峰资本、源码资本、五源资本、清水湾基金。山与资本担任独家财务顾问。

过去两年，AI硬件赛道经历了一轮密集的产品迭代。录音卡、翻译耳机、AI眼镜等，几乎每一个能够被大模型增强的物理形态，都有团队在尝试。

而一个尴尬的事实是：AI的能力边界在快速扩张，但普通用户调动它的效率并没有同步提升。用户依然需要主动打开App、输入指令、复制粘贴结果。AI在云端飞速进化，但落到真实工作流里，仍然隔着一段很长的操作路径。

Codex+ChatGPT Work周活跃用户增长曲线（图源/Open AI公开数据整理）

Flowtica最早切入的，正是这段路径里最具体的一环——快速录音。2025年，Flowtica发布了首款AI录音笔产品Scribe，海外众筹超百万元，于2026年初完成发货并常态化销售。

官方数据显示，自Scribe发货以来，有42%的硬件激活用户转化为Flowtica的订阅付费用户。这款产品验证了一件事：用户愿意为会话信息的捕获与整理付费，尤其当AI不止能完成转写，还可以进一步输出结构化纪要、拆解可执行待办。

Flowtica首款产品，AI录音笔Scribe（图源/企业）

但Scribe也让团队看到了一个上限，“录音结束，产品的任务就到此为止——这是市场上绝大多数同类产品的终点。但我们发现，对用户来说，记录只是整个工作流程的开端。”Rian告诉硬氪。

一条会议录音变成了一份纪要，而接下来的待办拆解、日程同步、跟进邮件的草拟等繁复动作，用户仍然需要手动完成。

“模型能力越变越强，但用户与之交互的方式还停留在上一个时代。”在Rian看来，AI硬件的机会，不在于把一堆新功能封装进硬件外壳，而是能主动出现在用户的工作流里。“用户需要的不是一个需要反复唤醒的工具，而是一个能够记录、梳理，并推动事项落地的AI。”

这正是Flowtica团队捕捉到的市场空白：让AI从需要被反复交代的工具，变成能够稳稳地接住用户需求的智能助手。

Verso产品图（图源/企业）

Flowtica创始人Rian毕业于香港科技大学，师从李泽湘教授，拥有计算机视觉与3D方向学术背景。他拥有十余年的硬件创业经历，曾从主导全球首款智能手机手持云台Vimble的研发与量产、农业AI分拣机器人，团队在机器视觉与边缘AI领域积累了完整的工程方法论。

2024年，随着大模型能力开始向终端设备外溢，Rian判断，AI硬件将迎来一轮结构性机会，他成立Flowtica，尝试通过硬件载体实现AI应用深度落地，做下一代AI原生个人硬件与Agent系统。团队带着Scribe积累的供应链能力和对用户场景的理解，开始定义第二款硬件产品Verso。

Verso是一款厚度6.5mm、仅重78g的磁吸式墨水屏Agent硬件。其正面搭载一块常显电子墨水屏，机身配备独立实体交互按键与Type-C充电接口，内置4麦克风阵列与骨传导传感器。

Verso重量参数（图源/企业）

过去十年，消费电子行业默认了一个方向：功能越多、屏幕越炫、参数越强，产品就越有竞争力。但这套逻辑在AI硬件上并不成立。用户面对一块功能密集的屏幕，注意力被不断切割；每一次解锁手机查看通知，都可能陷入分心的信息海洋。

Flowtica 团队在定义产品之初，并没有将追求极致轻薄作为首要目标，而是基于用户真实使用体验权衡取舍。比如多保留0.5mm的机身厚度，换取通用Type‑C接口与额外20小时续航。这类选择在参数表上貌似不讨巧，却直接决定用户长期使用的舒适度。

同样的思路也延伸到了产品功能层面。市面上已经不缺能处理会议的AI工具，录音、转写、摘要，这些能力正在变成标配。但团队认为，真正缺位的不是“如何让会议更智能”，而是如何服务那些会议密度极高的人，帮用户管理注意力和精力，而不是往其信息流中塞更多无效内容。

Verso被设计为一块“主动降噪”的副屏，常显墨水屏让用户“一眼即得”，无需点亮手机，就能掌握当下的日程、核心待办与AI提炼的关键信息。

“我们不是在做一块更吸睛的屏幕，我们是在做一块更安静的屏幕。这种交互方式可以更好地保护用户专注力，让其保持在心流状态中。”Rian告诉硬氪，“AI硬件的价值不在于让用户做更多事，而在于帮用户少做无关的事。”

为了适应高频、碎片化场景，Verso也在ID设计上做了一次反常规的取舍。产品结构采用非对称屏幕布局与侧边实体按键。当用户在通话时，即使单手握住手机的同时，食指也能自然地落在侧边台阶处的录音键，盲操录音。当正面转过来开始阅读时，拇指也能舒适地落在“Ask AI”键上，随时提问与记录。

Verso按键设计（图源/企业）

但硬件只是入口。Flowtica Verso更精准的定位，是一个以硬件为载体的个人上下文操作系统（Personal Context OS），围绕Memory、Attention、Workflow Closure三个层面构建完整闭环。

Memory层解决的是“记住什么”。云端共享大脑把会议、日程、待办、邮件、文档串成一条连续的个人长期记忆，而非停留在一次性转写。信息不再随会议结束而散落，而是沉淀为可随时调取、可跨场景复用的上下文资产。

Attention层解决的是“不被打断”。常显墨水屏、磁吸形态与实体盲操的组合，本质是一套注意力降噪系统——用户无需解锁手机、无需跳入信息流，只需一瞥或一按，就能拿到当下最需要的信息，让注意力保持在心流里，而不是被通知切碎。

Workflow层解决的是“事情真正做完”。从会前Brief、会中标记，到会后Action Items与跟进草稿，系统把“记录”推进到“执行”，形成工作流的完整闭环。会议结束不是终点，而是下一步行动的起点。

三层叠加，Verso才真正成为“Agent硬件”，它不只是拾音与转写的工具，而是一个拥有个人上下文感知能力、可主动执行闭环任务的随身Agent实体入口。

而不同硬件形态，解决的是现实世界里不一样的信息捕获场景，其背后是基于Flowtica自主研发的Cloud-First云端大脑。

Flowtica选择把笔、屏和多端软件放进同一套协同框架里，在工作流上实现多端打通，短期看，既构成了“一脑多终端”的办公产品矩阵；长期看，则是在争夺用户办公信息的入口，进而统一沉淀成可复用的个人资产。

Flowtica产品矩阵（图源/企业）

Rian告诉硬氪，“录音转写、摘要生成这些能力，正在变成基础设施。单点功能的竞争会迅速同质化，真正拉开差距的，在于谁能把分散的信息串成一条连续的线，并且让这条线随着使用时间的增加越来越有价值。”

这句话背后，是Flowtica对产品边界的重新划定。单款硬件只能覆盖工作流中的一个片段，而公司目标远不局限于做出一款好用的录音设备，而是搭建一套覆盖“记录—整理—执行”全链路的办公生态。

Rian进一步指出了一个被行业普遍忽视的体验摩擦，“当下AI能力本身已经不再稀缺，工具看似在提效，但用户每次打开一个AI工具，都要告诉它你是谁、你在做什么、你关心什么。行业不缺智能能力，缺的是上下文的连续性。我们做硬件，就是想让AI能更直达地进入用户的上下文，不需要反复解释。从Scribe录音笔到Verso卡片，再到Apple Watch和Mac，我们在构建的是一个多端生态——在任何场景下，都有一个离你最近的入口，让AI无缝地接住你的上下文。”

据Flowtica透露，Verso自9月在德国IFA正式宣发后，反响热烈，本周已开启定金预收，首批量产产品将于12月正式出货，核心用户瞄准在企业管理者、高强度知识工作者，以及有专注需求（如ADHD）的人群。

以下为硬氪与Flowtica创始人Rian的访谈节选（略经编辑）：

硬氪：语音交互已经成为AI硬件的标配，为什么Flowtica还要在硬件上保留一块墨水屏？视觉在这个产品形态里解决了什么问题？

Rian： 语音是最高效的输入方式，但它不是高效的输出方式。

我们在产品定义阶段做过一个很具体的推演，如果Agent用语音给你回一段50字的内容，可能需要30秒才能听完。同样一段信息呈现在屏幕上，你扫一眼就完成了。语音的线性特征决定了它无法被快速浏览、无法被跳读、无法被结构化呈现。用户需要的是“知道什么重要”，而不是“听完所有内容”。

所以我们的判断是，语音负责输入和指令，视觉负责呈现和决策。Agent给出会议纪要、待办拆解、日程准备时，最适合的载体不是语音播报，而是一块能快速扫读的屏幕。

选择墨水屏而不是常规彩色屏，同样基于这个逻辑。手机屏幕的信息过载本身就是问题的一部分——用户每解锁一次手机，就可能被通知、消息、社交应用带离当前任务。墨水屏常显、低刷新、不打扰，它的设计目标不是吸引注意力，而是减少注意力消耗。用户瞥一眼就能掌握日程和关键待办，不需要进入手机的信息流。

这背后是一个更底层的产品判断：Agent硬件的价值不是替代手机，而是在手机之外提供一个更低干扰、更高直达性的信息入口。语音解决“随手记录和下达指令”，视觉解决“快速理解和做出判断”，两者缺一不可。只做录音和语音交互，产品就退化成录音卡；加上视觉和主动呈现，它才具备Agent硬件应有的交互完整性。

硬氪：很多创业公司担心自身产品能力会随着大模型发展逐渐被吃掉。你们怎么判断哪些能力是可持续的，哪些只是过渡性的？

Rian： 我们内部有一个判断标准，如果一项能力的价值随模型变强而缩小，它就不适合作为长期壁垒。

过去很多创业公司做的是“补模型短板”的生意，比如上下文不够长就做压缩，输出不够结构化就做后处理接口，不会调用工具就做一层编排中间件。这些能力在特定阶段有价值，但本质是在填补模型能力与用户需求之间的临时断层。模型每升级一次，断层就收窄一次。

我认为可持续的能力有两类。第一类是与场景深度绑定的用户数据资产。模型是通用的，用户是个性化的。同一个会议，不同的人关注重点不同、表达习惯不同、决策链路不同。这些差异不会因为模型变强而消失，反而需要更强的模型才能被充分理解。我们的Memory系统记录的不只是会议内容，还有行为模式、关注偏好和任务推进习惯。模型越强，这些数据的价值越大。

第二类是产品层的交互定义与场景编排。模型提供通用能力，但“在什么时机、以什么方式介入用户的工作流”是产品层的问题。同样一个会议结束，Agent该主动弹出待办拆解，还是等用户开口问？这些判断不取决于模型能力，而取决于对用户场景的理解。

此外，合规与数据基础设施也是容易被低估的壁垒。我们从去年开始，就在推进各项数据合规，这类能力不是模型能解决的，需要时间、流程和持续投入，一旦建立就是长期的信任壁垒。

所以我们不做“补模型短板”的中间层，而是做“放大模型能力”的场景层。前者的价值随模型增强而衰减，后者的价值随模型增强而增长。