← → 翻页 · ESC 索引
产品共创
2026.04.26
中场总结
智能床 AI 2.0 平台
私人睡眠管家
Agent
从"用户下指令→设备执行"进化为"系统预判→主动服务→持续感知→自动干预"
智能床 AI 2.0 平台 — 共创讨论
20 轮深度对话
背景
智能 1.0 困境
02
智能 1.0 的四大痛点
控制门槛高
用户必须说出"抬升到30度"精确指令,小白不友好
数据用不起来
睡眠报告像体检报告,专业术语多,看不懂
生态割裂
灯是小米的、窗帘是华为的、空调是美的的,无法统一
监测强但无干预
能发现心率异常、深睡不足,但不能解决问题
智能 1.0 困境
02 / 12
产品定位
核心定义
03
私人睡眠管家 Agent
不是给床加 AI 功能,而是做一个有长期记忆、持续进化、跨设备的私人睡眠管家 Agent。
核心特质 ①
主动服务,不等指令
系统预判需求 → 主动准备 → 持续感知 → 自动干预
核心特质 ②
像真人管家一样工作
自主巡检、响应指令、混合驱动,可配置顺从型或主动型人格
产品定位
03 / 12
核心场景
完整时间线
04
从回家到起床的完整周期
21:00 备床
1.5小时前
预判上床时间,提前调角度、灯光、室温,床已经准备好
入睡 自动放平
0操作
检测入睡后床自动放平、灯光渐暗、空调切睡眠模式
夜间 主动干预
3场景
体温高→调低空调 | 打鼾→微调床头 | 起夜→开夜灯
清晨 浅睡唤醒
15分钟窗口
闹钟前检测浅睡眠期,轻柔唤醒,避免深睡被强制吵醒
早上 晨间简报
1键推送
睡眠总时长、各阶段比例、历史对比、天气/新闻摘要
长期 持续进化
学习
越用越懂用户,季节偏好、情境偏好、健康趋势预判
核心场景
04 / 12
学习机制
四阶段进化
05
从陌生人到比用户还懂他
01
冷启动(第1晚)
主动询问用户偏好:角度、温度、管家风格,记录为初始档案
02
观察期(1-4周)
先观察记录行为,不急于全面接管,收集足够数据后尝试性介入
03
试错纠偏(持续)
系统决策→用户纠正→对比差异→存储正确值→下次用正确的
04
长期进化(永久)
季节偏好、情境偏好(工作日/周末/独睡/同睡)、年龄变化趋势
学习机制
05 / 12
架构设计
三层结构
06
输入 → 中枢 → 输出
输入层
传感器数据(心率/呼吸/体动)
时间事件(定时/闹钟/日历)
设备状态(床角度/空调模式)
用户输入(语音/APP/遥控器)
中枢层(AI大脑)
汇总:汇集所有数据源
分析:理解状态+需求
决策:编排设备执行计划
简单规则→规则引擎
复杂判断→大模型推理
输出层
设备控制指令(精准下发)
用户通知推送(简报/预警)
多通道触达(APP/语音/屏幕)
架构设计
06 / 12
竞争壁垒
三层护城河
07
不可替代的三层壁垒
第一层
睡眠垂直深度
全屋智能(小米/华为/美的)做广度,我们在卧室深耕数十年。全科医生 vs 睡眠专科医生。
第二层
跨生态中立
不绑定任何平台。小米用户能用、华为能用、美的也能用。用户换品牌,我们的理解不丢失。
第三层
用户理解数据资产
偏好、习惯、健康基线、纠偏历史——随时间复利增长,越用越懂,越懂越有粘性。
竞争壁垒
07 / 12
生态策略
四步走
08
从样板间到开放联盟
第一步
把自己的床做成 MCP/Skill 最佳实践(样板间)
Now
第二步
形成参考设计规范(告诉合作伙伴怎么接入)
Q3
第三步
游说核心伙伴加入(先找2-3家关系好的)
Q4
第四步
开源协议,建立开放联盟(最终目标)
2027
接口策略
拿原子接口,做决策大脑。我们不接收"让用户凉快",我们自己拆成"空调降2度+开风扇"
价值主张
零研发负担接入精准睡眠场景,AI大脑负责理解用户,设备方只需暴露原子能力
生态策略
08 / 12
自有产品
MCP 接口
09
样板间原子接口设计
床体控制
set_angle(part, degrees)
set_massage(zone, mode, intensity, duration)
set_zero_gravity()
温度控制(左右独立)
set_temperature(side, celsius)
get_temperature(side) → number
传感器数据
get_sleep_state() → {heart_rate,
  breathing_rate, sleep_stage, movement}
get_presence() → {left: bool, right: bool}
唤醒
set_alarm(time, smart_wake,
  wake_window_minutes)
每个设备通过 skill.md 描述能力,AI 读取即学会使用。
MCP 接口
09 / 12
隐私与部署
本地优先
10
敏感数据不出卧室
本地 Hub(床体驱动盒内)
• 姓名、身高、体重等敏感个人信息
• 原始生理数据(心率、呼吸、体动)
• 用户偏好档案、纠偏记录
• 实时决策推理(调床、关灯、唤醒)
• 本地小模型:快速响应 + 离线可用
云端(脱敏后)
• 模型迭代:用脱敏数据优化 AI
• 跨用户分析:人群健康趋势
• 知识库更新:睡眠医学知识
• 外部服务:天气、新闻、交通 API
• 云端大模型:复杂推理 + 深度分析
硬件形态:集成在床体驱动盒内,即插即用,用户无需额外安装
隐私与部署
10 / 12
核心原则
已确立
11
10 条不可动摇的原则
主动 > 被动
系统思考在前,不等用户指令
混合 > 纯AI
规则做确定性操作,AI做复杂判断
原子接口
拿精准API,我们做决策大脑
跨生态中立
兼容所有平台,不被一家锁定
本地优先
敏感数据本地,脱敏特征上云
分层记忆
语义MD化 + 数值时序化
先样板间
自己做出最佳实践,再拉联盟
可配置人格
顺从型/主动型,用户可选
管家 > 医生
C端友好,不医疗化
核心原则
11 / 12
下一步
待讨论问题
12
继续共创
第一天体验:插电后系统如何初始化?
自有床 MCP 接口详细定义 + skill.md 规范
本地模型选型:跑什么模型?算力够不够?
落地路线图:MVP 范围、分阶段计划
多 Agent 协作机制
智能床 AI 2.0 平台 · 共创讨论 · 2026.04.26
下一步
12 / 12