互联网巡回犬 Vol.08：AI硬件先跑通现金流、巴黎拿着自研模型进房地产

今天叼回来两个主推，一国内一海外，方向完全不同，但都绕开了那条「先融大钱、后找用户」的老路。另外还有一个脑机接口项目和两条 AI Agent 生态短讯值得记一下。

谢智鑫做的事情说起来有点绕：他造了一支没有屏幕、没有电池、没有处理器的望远镜，然后靠它在 Kickstarter 众筹了 178 万港币，2024 年末收割 646 位支持者，并且到今天已经实现正向现金流——这在 AI 硬件圈里非常少见。1

Vizta 的逻辑不是「先做一个超级设备再想卖给谁」，而是反过来的——先找到一群「想看得更远」的消费级人群，用纯光学长焦镜头（240 倍变焦、290 克、手机配合使用）把工具门槛降到随手放进背包的程度，再把 AI 嵌进去做鸟类识别、个性化观星指导和自然话题对话。目前内置 AI 助手可识别超过一万种鸟类，准确率官方标注 95%，独立评测尚无。2

谢智鑫自己说得清楚：「自己造血才是第一位，融资是为了放大验证。」1 这句话不是套话，是策略宣言——先用一个可以量产的单品跑通闭环，拿到真实用户数据和正向现金流，再用融到的钱放大。相比多数 AI 硬件项目在原型机阶段就拿着 PPT 融钱，他把顺序倒过来了，这在结构上降低了融资谈判里的信息不对称。

下一步，公司正在研发独立影像设备，方向从「辅助工具」转向「AI 体验主设备」，要把影像生产内容流程嵌入用户创作生态。

谢智鑫，浙江大学毕业（00 后），2022 年 12 月在宁波创立星识科技，注册资本 780 万元（工商信息可查）。1 早期拿了李泽湘教授旗下宁波智能技术研究院、清水湾二期基金和奇绩创坛的种子轮及天使轮。3

2026 年 5 月 9 日宣布连续完成天使+和天使++轮，由高秉强教授旗下高锋耐心资本与蓝驰创投联合领投，松禾资本跟投，老股东清水湾二期基金和奇绩创坛持续加注，两轮合计数千万元人民币。1 陆奇通过奇绩早期进入，李泽湘是硬科技天使里的招牌人物——这个 cap table 对一个做消费硬件的 00 后来说不算普通。

同赛道的竞争者包括 DWARFLAB、farseer、seestar、指数星空、大览科技，方向都是把天文摄影和长焦观测大众化，但在现金流正向这一点上，目前可查的披露里只有 Vizta 明确说了。1

硬氪在报道中指出，长焦观测赛道正在经历从「专业工具」向「大众消费品」的范式转移，行业逻辑从堆参数、堆专业度转向「好带、好用、好玩」。1 这个判断本身不新鲜，但有一个具体的市场信号支撑：Vizta 15,000 港币的众筹目标最终被拉到 178 万港币，超额完成近 120 倍，646 位支持者来自全球多个国家和地区——这个数字说明「普通消费级观鸟、观星用户愿意为 AI 叠加层付费」是真实需求，不是 TAM 假设。

谢智鑫说的另一句话可以和这个数字对照着看：「他们当中，许多并非是专业级的行业用户，更多是以远距离观测为兴趣、追求『看得更远』体验的普通消费级人群。」1 也就是说，他的目标用户不是望远镜发烧友，而是愿意带着望远镜去看演唱会、去户外旅行的普通人——这个定义决定了产品设计、定价策略，以及 AI 功能应该往哪个方向加。

真正值得盯的是下一代产品的形态。如果他把「AI 体验主设备」做出来，把内容创作、AI 指引、社区功能打进去，那这件事就不只是硬件生意了——它更像是在争一个垂直场景的 AI 入口。

Davis 做的事情不是卖 SaaS 工具给开发商，而是直接替开发商交付可行性研究报告和建筑设计方案——拿到场地条件和项目需求，出来的是可用的平面图、法规分析、户型组合优化方案和投资分析。用 CEO Mehdi Rais 的原话描述：「房地产是世界上最大的资产类别，但其最重要的工作流程仍在以不再合理的速度运行。」4 Davis 的目标是把可行性研究的交付周期从数月压缩到数天。

他们的技术核心是 Gaudi-1，一个专有的自动化建筑生成模型，采用 discrete diffusion（离散扩散）架构——这和 Stable Diffusion 等图像生成模型的连续像素扩散不同，它在离散空间里生成房间、墙壁、布局等结构化的建筑元素组合，法规约束内嵌于生成过程中而不是事后过滤。官方发布的 benchmark 数据显示，在 RPLAN 和 MSD 平面图评测集上达到 SOTA（IoU/FID/KID 三项指标）。56

这不是一个纯生成模型，而是一套多 Agent 并行分析框架。Rais 在技术页面描述得很直接：「通过专门的 AI agents，我们并行分析项目的全貌：法规、市场数据、场地约束和建筑输入。」5 每个维度的数据分别被检索、结构化、交叉引用之后才输入 Gaudi-1，最终所有 AI 输出经内部建筑师审查后交付客户——这个「Architect-in-the-loop」层是服务质量背书，也是防止模型幻觉进入正式交付件的机制。

Heartcore 合伙人 Max Niederhofer 对这个产品结构的判断是：「Davis 的差异化在于三个要素互相加强——在离散建筑空间中运行并受法规约束的生成模型、architect-in-the-loop 验证层，以及由此带来的从数月到数天的压缩能力。」7 这三者分开看都不新鲜，合起来才构成护城河——模型在垂直场景里表现好，需要有领域数据和训练成本；人工验证层保证合规，需要有建筑师资源；时间承诺要兑现，需要工程系统配合。

CEO Mehdi Rais 在摩洛哥一个建筑师家庭长大，有行业一手经验；CTO Amine Chraibi 毕业于法国 École Polytechnique，专攻结构化数据生成模型，拒绝了 Google DeepMind 的博士 offer 直接加入 Davis。两人通过 Entrepreneurs First 巴黎批次相识，是该批次中最快完成融资的团队之一。4

这次 $5.5M（约合 €4.6M）pre-seed 由 Heartcore Capital 和 Balderton Capital 联合领投，Yellow、Evantic、Entrepreneurs First 和 P&P 跟投。6 天使投资人阵容里有 SpaceMaker 的创始团队成员——SpaceMaker 是 2020 年被 Autodesk 以 2.4 亿美元收购的 AI 建筑设计公司，和 Davis 赛道高度重叠，这个 endorsement 的信号意味明显。此外还有 Black Forest Labs、Hugging Face、Supabase 的创始团队。

Balderton 合伙人 Rob Moffat 的评语是：「能快速进入市场的 AI 公司有很多，能构建专有模型的也有一些，但两者都做到的极少。」4 公司目前已与开发商合作开展项目，预计未来一年支持数百个项目，正在扩充研发团队。

TNW 在报道中指出 Davis 是「2026 年欧洲最可信的 AI pre-seed 之一」，理由是创始人组合兼具领域和技术深度、cap table 分量足、模型架构瞄准的是房地产开发的真正瓶颈（可行性研究环节）。6 但同一篇报道也列了三个执行风险：人工验证层过厚会破坏时间压缩的承诺；跨国家/城市的法规体系复杂度差异极大；Autodesk、Bentley、Trimble 及新进的 AI-native 竞争者都在这个方向上布局。

这几个风险都是真实的，尤其是法规问题——Gaudi-1 把法规约束嵌进生成过程，这在单一司法管辖区内可能管用，但跨城市扩张时每个地区的建筑法规都不同，模型需要持续更新且可能需要分地区版本，这是工程和数据上的持续成本，不是一次性搞定的事。Davis 目前披露的 benchmark 是在学术数据集上的 SOTA，实际商业项目的交付质量还需要时间验证。

结构性机会在另一个层面上：「AI 替代可行性研究」这条路线如果跑通，它颠覆的不是一个软件工具市场，而是建筑师和咨询公司的一部分工作流。中型开发商每个项目前期花在可行性研究上的顾问费少则几十万多则几百万，Davis 以服务模式定价而非 SaaS 订阅定价，意味着他们要承接的是这个费用的一部分，而不是另起炉灶建一个 $50/月的订阅工具。这个模式的天花板更高，风险也更集中——如果建筑师 review 层出问题，责任落在 Davis 而不是客户的内部工具。

脑回录不在本期主推之列，但有一件事值得记录：他们在 5 月 9 日宣布完成千万元种子+轮融资，南山战新投领投，奇绩创坛的种子轮也在投资方列表里。8

公司 2024 年 2 月在北京中关村成立，创始人兼 CEO 张昊天本科和硕士均来自清华大学工业设计，曾担任清华创客空间协会会长；联合创始人赵志龙清华毕业，此前在头部智能硬件公司做工程师；算法团队横跨上海交通大学计算机、清华大学生物医学工程和帝国理工运动科学三个方向。8

产品叫 Nuromova N1，是一个非侵入式脑电（EEG）头环，面向运动场景，2026 年初亮相 CES 2026 并获金点设计奖，但目前仍是原型机，没有公布量产时间表。9 张昊天对这个方向的定义是：「运动脑机接口不是把实验室脑电仪搬到训练场，而是把复杂的大脑信号，变成用户真的愿意在训练中使用的产品。」8 这句话的重点在「愿意在训练中使用」——解决的是消费级脑机接口普遍面临的佩戴意愿和使用频次问题，而不只是信号采集精度。

放进储备追踪：产品仍是原型机，AI 技术路线以传统 ML 为主（相比 Davis 和 Vizta 的 AI 成分更偏传统信号处理），但团队背景扎实、融资节奏正常，运动健康是消费级 BCI 里目前路径最清晰的场景。等量产消息再做主推评估。

ClawTick：给 AI agent 用的云端 cron 调度器，5 月 9 日在 ProductHunt 发布。10 Solo founder Abdelhak Akermi 做这个工具的原因很直接：给 agent 跑定时任务，现有选择要么是自己管理 VPS cron，要么拼接 EventBridge+Lambda+监控，「对于一个简单问题（每天 9 点跑这件事，失败了告诉我）来说太重了。」支持 LangChain/CrewAI 任务和 webhook，CLI 一条命令创建任务，内置失败告警和自动重试，免费层 10 个 job、每月 1000 次触发。ProductHunt 社区的评论关注点集中在 retry 策略和 traceability 两个工程问题，说明来讨论这个工具的人是真的在想怎么用，不是来刷票的。无融资。

Twilio Ola + A2H 协议：Twilio 通过 Forward 孵化实验室在 5 月 8 日发布 Ola，基于开源 A2H（Agent-to-Human）协议，定位是 AI agent 和人类之间的通信与授权层。11 核心机制是：agent 执行操作前通过 Ola 发送结构化请求，Ola 根据用户权限偏好自动批准、路由审批或阻止，每项审批密码学签名。A2H 协议 2026 年 2 月由 Twilio 首次开源，补的是 AI agent 标准化体系里的「agent-to-human」缺口——此前已有 MCP（agent-to-tool）和 A2A（agent-to-agent），但 agent 怎么和具体的人类用户通信和请求授权，之前没有统一标准。Ola 目前以 Web app 形式在美国对开发者非商业免费开放。这和 Vol.07 里提过的 Clawvisor 在解决相邻问题：Clawvisor 管的是 agent 不能持有什么凭证，Ola 管的是 agent 做什么事之前要怎么告知和征得同意。

今天两个主推项目——一个用 AI 改造望远镜、一个用 AI 替代建筑可行性研究——看起来毫无关联，但都绕开了 AI 创业的「期权思维陷阱」：先融大钱假设 AI 能力会继续提升，之后等市场接受。星识先跑通现金流再融资，Davis 先拿客户项目再拿 pre-seed，两者都在用已经发生的事实来定价未来预期，而不是用未来预期来换取今天的资源。

脑回录的情况稍微不同，原型机阶段融资属于行业正常节奏，但运动健康 BCI 这条路能不能走到量产、从 CES 展台走进健身房，还需要看接下来一两年的产品进展。

一个还没人说清楚的问题：星识说的「下一代独立影像设备，把 AI 体验嵌入内容生产流程」，和 Davis 说的「为房地产开发设定新的时间标准」，本质上都是在声称「我们要替代一部分人工决策」。但两个赛道的用户接受门槛差很远——拿着望远镜拍鸟的人愿意让 AI 告诉他「这是白头鹎」，拍板一个 5000 万的建筑项目的开发商愿意让 AI 直接生成他要看的可行性研究报告吗？前者几乎是零阻力的，后者需要 Davis 靠足够多的真实交付案例来建立信任。Davis 能走多快，取决于它在哪个客户类型上先跑出复购，而不是在 benchmark 上跑出 SOTA。