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。
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。
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。
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。
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。
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。
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。
