内部立项参考 · 2026-07-06 · 团队内部共识与调研汇总
立项概要
“窝窝”是一台放在家里、全家人一起用的 AI 基座。它既是“全家共享的智能大脑加数据保险箱”，也是家里的共享算力中心。照片、档案和家庭记忆存在这里，AI 模型也在这里运行；智能家居、传感器和家庭机器人可以按权限调用它的计算、记忆和决策能力，不必每台设备都重复配置一套昂贵的算力。
家庭资料整理是窝窝的一项重要能力，但不是产品边界。完整的窝窝同时覆盖相册与档案、智能家居、家庭健康照护、设备协同和家庭机器人。所有应用共用同一套数据、算力、权限和记忆体系，共同组成家庭的本地智能中枢。
对于用户来说，窝窝有三个平时看得见、摸得着的入口：
- 手机 App：这是主要的操作界面。
- 电脑客户端：用来传输大量数据并提供电脑的算力。
- 微信：相当于一个“文字快捷通道”，在外面顺手用微信问一句就能查家里的东西。
这三个入口背后连着的都是同一个大脑、同一份数据。我们会把两路信息喂给这个大脑：一路是家里积攒的照片和档案，帮大家记住家里的故事；另一路是家里各种智能电器的状态，让大脑看懂这个家现在怎么样了。这两路信息合在一处，最终要做出一个真正懂这个家的“AI 智能管家”。它不只回答问题，还能把家庭成员的明确偏好和长期行为规律提炼成可检查、可修改的家庭记忆，在取得授权后用于控制家电、协同硬件，并为进入家庭的机器人提供上下文和决策支持。
我们为什么要做这个产品？ 目前，能够自己思考、调工具、分步骤帮人干活的通用 AI 技术已经基本成熟，市面上也有不少好用的开源代码可以使用。技术道路已经铺平了，这不算是什么高不可攀的秘密。 但是，要把这些技术从“程序员能用”变成“普通家庭开箱即用”，中间还有很长的路要走。单靠解决技术难题并不是我们的出路，真正的机会在于：目前市场上还没有一款面向普通家庭、同时把共享算力、家庭数据、设备控制和隐私权限做好的一体化 AI 基座。 窝窝要把护城河建在具体的家庭生活里：积累真正懂家庭生活细节的经验，把数据稳稳地留在用户家里，并且把原本难以预料、偶尔会胡言乱语的 AI，调教成听话、稳定、让普通人觉得好用的系统。
完整产品包括家庭首页、智能相册、档案管理、对话与主动提醒、智能家居控制、健康照护、家庭共享算力和设备协同。其中“智能整理管家”负责识别照片、证件和文档，完成分类、登记与语义检索；家庭智能中枢负责理解设备状态、调度算力、执行已授权的自动化，并协调家电、传感器和机器人。
技术底座采用微软开源框架，云端连接国内已备案合规的大模型，家庭主机运行本地模型。证件、病历、室内影像等敏感数据由本地模型处理；复杂但不涉及敏感原始数据的任务可以在用户授权后调用云端能力。平台统一提供对话、确认闸、存储、长期记忆、设备注册、任务调度和审计接口。
我们的商业模式很简单：硬件主机一次性买断，高端的 AI 服务按月按年订阅。技术上的挑战主要在微软开源底座的稳定性、国内模型的实际接入效果，以及手机与家里小主机之间的数据传输通道。这些我们都有应对方案，详细的技术测试和分析可以参考配套的《窝窝-技术架构预研》。
第一章 我们要解决的问题
1.1 产品定位
简单来说，窝窝是家庭里的 AI 基础设施。它把四件事放到一台长期在线的设备里：存家庭数据、跑本地 AI、连接家庭设备、管理谁可以看什么和做什么。
相册与档案库是第一个让用户愿意买单的应用。用户不会因为“家庭 AI 基座”这样的抽象概念掏钱，但会为照片自动整理、证件随问随找、隐私资料不出家门这些具体效果买单。我们先用资料整理把主机放进家庭，再逐步接入家电、传感器和机器人。
窝窝不是普通的家用硬盘（NAS），也不是把聊天机器人装进一个盒子。普通 NAS 主要解决存储和备份，窝窝要在存储之上提供可调度的本地算力、家庭长期记忆和设备控制。家里每增加一个需要 AI 的硬件，都可以调用窝窝，而不是给门锁、摄像头、扫地机器人和家电分别装一套高成本芯片。终端负责感知和行动，窝窝负责更重的识别、推理、记忆和协同，这会降低智能硬件的成本，也便于统一升级。
1.2 为什么普通人用不起来现在的 AI，我们怎么解决？
现在的 AI 软件设计有一个通病：底层是通用的编写代码或办工任务的大脑，上层套上不同场景的界面。 窝窝就是把这个大脑接到了“家庭”里。今天用来整理代码、管项目进度的大脑，和我们要用在家里整理档案、管家电的大脑，底层是同一套东西：它们都会读文件、找工具、一步步去解决问题。我们不需要去从头搞一套“家庭专用大脑”，而是把现有的通用能力接进家门。真正难做、需要我们花力气的是上层：怎么让同一个大脑换一套界面和沟通方式，让完全不懂技术的普通人也用得顺手。
窝窝面对的是普普通通的 Windows 电脑用户，而不是科技发烧友。对于这些人来说，如果打开软件只有一个空荡荡的输入框，他们会很慌张——不知道该说什么、不知道能让它干嘛、更不知道说错了一句话会不会把文件删了。 所以我们整个产品的设计核心就是：把能力无上限但脾气难以预测的通用 AI，翻译成一个让普通人觉得看得懂、能预测、完全在掌控之中的软件。
1.3 别搞全自动，人机协同才是硬道理
我们认为，未来的家庭 AI 智能应该是人与机器配合，而不是全自动。 现在的模型解决不了家庭生活里那些复杂多变的事情，而且就算以后技术更发达了，我们也应该把人留在这个环节里。因为家里的事情，人自己看着、自己管着，本身就是一种价值，而不是一种需要被消灭的成本。 所以窝窝的界面不追求“全自动把事办完”，而是让用户随时能看到进度、随时能插手干预、随时能喊停。这和智能化并不冲突：系统所有的自动干活，都必须是用户自己一次次授权的结果。自动化程度的档位由人来调，涉及安全和隐私的边界绝不会自作主张。
1.4 交互方式：根据用户想干什么来换界面
老百姓在家里处理事务，无非是这四个动词，每个动词都该有它最舒服的界面，我们用“家”这个空间把它们统一起来：
| 动词 | 对应的界面 | 用户在做什么 | 界面长什么样 |
|---|---|---|---|
| 查 | 问答界面 | 找个答案，用完就走 | 聊天对话框 |
| 理 | 整理界面 | 摊开一堆材料动手整理（翻照片、理档案） | 满屏的照片和文件，聊天对话框在旁边辅助 |
| 应 | 卡片界面 | 系统自动推一张卡片，用户点一下就行 | 简单的卡片，配个“同意”或“忽略”按钮 |
| 控 | 直控界面 | 在房间里主动开关或调整家电 | 房间实景状态，直接用手拨弄按钮 |
这里面的核心逻辑是：没有哪个界面比另一个更高阶，只有合不合适。要查个东西，对话框就是最方便的；但如果整理一年的照片，硬要在对话框里一句句聊，就非常反人类。页面长什么样，完全取决于用户此刻在干什么。
1.5 别把所有本事都一次性展示出来
如果把所有功能都做成按钮摆在界面上，软件会变得臃肿难懂；如果只留个对话框，用户又不知道怎么用。 我们的办法是“分层”：
- 把最底层的通用能力藏好，不要拿来当卖点跟用户吹嘘。
- 把最常用、最高频的功能（比如看照片、找证件）做成清晰的骨架页面，让用户直接点。
- 把那些少见的、复杂的活留给聊天输入框。用户日常用着骨架页面，需要复杂操作时随时能滑进聊天界面，不会觉得突兀。
- 用户和 AI 聊出来的顺手习惯，还可以一键保存为一个小“技能”，下次直接用，不需要每次都重新教。
1.6 我们的竞争壁垒
只接一个大模型底座没有任何壁垒，谁都可以做。我们的护城河在三件事上：懂不懂家庭生活的细节、能不能帮用户把历史数据稳稳留在本地硬盘上、能不能把不听话的 AI 调教成听话的家用产品。而我们的界面，只是这三件事的载体。具体分析可以看第六章。
第二章 整体功能长什么样
2.1 系统的五层分工与三条高压线
为了让这个架构稳定，我们定下了三条不能碰的“高压线”：
- 平台这一层是地基，不是卖点。卖点永远是上面的相册、电器控制等具体应用，以及保护隐私的态度。
- 留存数据和路过数据要分得清清楚楚。相册和证件是越老越有价值的资产，必须长期保留；但监控画面、开关状态等电器数据是看完就丢的。这两类数据共享同一个大脑，但保存路径完全隔离，智能家居数据不能污染相册和档案数据。
- 只从用户指定的源头去接数据，绝对不主动去翻看别家的墙角。微信聊天记录库、抖音记录、第三方云笔记这些，我们一律不碰。
2.2 家庭共享算力怎么工作？
今天的智能硬件通常各带一套芯片，各自做识别和判断。这种方式在设备少、任务简单时能用，但设备越多，重复投入越明显：每台设备都要为峰值任务准备算力，还要分别维护模型、网络和安全策略。家庭机器人进入家里后，这个问题会更突出。机器人要处理视觉、语音、空间和连续动作，如果每台都独立配置完整算力，购买成本、功耗和升级成本都会很高。
窝窝采用“终端感知与执行，主机集中计算”的分工：摄像头、传感器、家电和机器人保留实时响应所需的基础算力，较重的识别、推理、长期记忆和跨设备协同交给窝窝。设备接入后先登记自己能提供什么信息、能执行什么动作、允许使用多少算力；平台再按任务优先级、安全级别和主机负载分配资源。门锁告警、老人安全等任务优先，照片整理和视频归档可以放到空闲时运行。
这套架构可以少做很多重复建设。设备厂商可以少堆一部分高成本硬件，家庭只需维护和升级一套主要 AI 能力，不同品牌的设备也能在同一套家庭记忆和权限规则下协同。设备注册、任务队列、资源配额和失败降级都是完整产品的基础能力。
2.3 数据在家里怎么分区存放？
AI 大脑能看什么、能改什么，我们用清晰的分区来管，而不是靠模模糊糊的猜测。数据在主机里分为四个区：
- 家庭数据区：这是家里最宝贝的资产（照片、重要证件、家人画像、生活记忆）。平常聊天时 AI 默认是拿不到这部分数据的，除非你明确要求它去查。一旦要查，必须通过安全拦截，在手机上弹窗让你确认后才放行。
- 临时工作台：用来干一些一次性的杂活（比如把 PDF 转成图片，或者写一封假条）。这些文件用完就删，绝对不会被智能整理管家收录，也不会在相册搜索里混进来。
- 计划隔离区（用户界面里叫“计划”）：用来装一些需要持续跟踪的外部事情，比如看房计划、车辆年检。每个计划用自己的独立文件夹，和家庭数据区默认是隔开的。
- 智能电器数据流：摄像头、传感器的实时画面和信号。这类数据有特殊的处理路径：原始画面和声音在主机里处理完得出结论就删掉，绝不留存，也不上传；设备执行记录只进活动日志；只有从这些数据里总结出来的生活习惯（比如“妈妈习惯 7 点起床”），经用户同意后才会存入长期记忆。
关于文件放哪，我们有一条简单的铁律：看它产生在什么地方。如果是针对家里资料生成的（比如电子纪念册），就存在家庭数据区；如果是针对外面事情的，就进计划区；临时杂活去临时区。所以，用户在打理家务时，完全不需要手动去建什么“项目分类”，系统会自动放好。
家庭数据默认留在物理主机内，并在逻辑上继续隔离。不同家庭成员、不同应用和不同设备拿到的是各自的授权视图，而不是整块硬盘。家电只能取得完成当前动作所需的最少信息；第三方技能不能绕过授权读取原始照片、证件或聊天记录；家庭管理员可以管理权限和查看审计记录，但不能借此查看其他成员的私人聊天内容。云端模型只接收用户明确批准且经过最小化处理的内容，身份证、病历原件、室内连续影像等高敏感数据只允许本地模型处理。
2.4 一个大脑，三个入口
我们的手机 App、电脑客户端和微信，各自擅长的事情不一样，由它们的屏幕大小和使用场景决定：
- 手机 App（产品的主体）：适合随身带着随时查、随时问。里面只有三个主要界面：对话（聊天查东西、看卡片提醒）、技能盒子（看它学会了什么，但不在这里做复杂配置）、提醒与关怀（小助手主动说话的唯一窗口）。
- 电脑客户端（算力和数据地基）：大屏幕适合把照片和文件铺开来整理。电脑里存着的数据，手机在外面也必须能随时查到，不能只锁在电脑里。
- 微信（文字快捷门）：只能发文字聊天。主要是为了让用户在路上用微信顺手查个证件号码或者问个事，不承载复杂的整理功能。
另外，我们有三个全局组件在所有页面通用：一个是“右侧详情面板”，展示智能整理的成果（比如这张照片里认出了谁、是什么证件，并提供纠错按钮）；一个是右下角随时可以拉出来的“全局聊天框”；还有一个是“操作确认卡”，在系统要帮用户执行重要操作前，必须弹出来让用户确认。
2.5 四种交互模式的落点
查询、整理、应答和直接控制四种模式共同覆盖家庭资料与物理设备。开关电灯等低风险动作不需要每次弹窗确认；但任何涉及安全、付费或不可逆的操作，不管在哪个模式下，都必须停下来等用户确认。
关于整理档案和相册，因为两者的性质不同，我们 design 了不同的界面：
| 证件档案柜（规整分类） | 智能相册墙（自由翻找） | |
|---|---|---|
| 整理方式 | 按家人建分类抽屉，一类档案只能放一个抽屉 | 时间轴展示，配合标签（人名、地点等），可以有多个分类 |
| 数据特点 | 结构化的文字和日期，需要用来算日期、发提醒 | 适合用一句话去模糊搜索，或者用来做相册短片 |
| 文件来源 | 电脑插 U 盘，或者手机拍照做文字识别（OCR） | 手机相册自动备份 |
第三章 用户与生活场景
3.1 目标用户与场景描述
我们的目标用户是普通家庭用户。我们用四种真实的家庭画像描述完整产品在资料、设备和家庭照护之间如何协同。这些场景共同定义窝窝应当达到的长期产品效果。
3.2 四种家庭的生活时刻
在接入智能家居后，系统所有的自动动作，都会在界面上明明白白标注出当前的自动化状态：仅记录、仅提醒、已自动可撤销、托管中、需要你确认。
1. 每天都像打仗的多口之家（我们最核心的用户画像）
- 孩子要打疫苗，学校要出生证明照片。妈妈在 App 里说一句：“找一下孩子的出生证明”，系统通过文字识别和语义分析直接找出来。孩子一年来的画作和学校照片会进入“年度纪念册候选池”，证件和保单的到期日由系统计算并提醒。孩子放学安全到家，系统给妈妈发消息；老人的日常活动写进“家庭日报”，只有出现异常才打扰；全家在客厅看电视时，灯光和音乐自动调整到家庭确认过的模式。
2. 子女在异地打拼的老人家庭
- 父母的体检报告和用药说明自动整理进健康档案，获得授权的子女可以远程查阅。日常起居由系统安静记录，只有累计异常超过家庭设定的安全线才联系子女。比如老人半夜起夜，在卫生间停留超过 25 分钟，系统发送警报，并提供“是否临时查看客厅摄像头”的选项。画面默认关闭，子女主动点击后才展示，10 秒后自动收起。
3. 视宠物为家人的养宠一族
- 宠物照片自动归类，疫苗和驱虫时间进入档案并按时提醒。猫咪打碎杯子时，摄像头只在日志中记录，不打扰主人；空调故障后，系统启动已经授权的备用风扇；主人下班路上收到宠物活动小结。遇到陌生人强行闯入，系统进入最高警戒状态，立即要求主人确认是否联动报警。
4. 独居生活的年轻女性
- 租房合同、工作证件和重要资料用手机拍照后自动归档，需要填表时随问随取。深夜防卫模式持续运行，门外陌生人停留超过 2 分钟时，手机立即显示门外摄像头画面并要求确认。白天检测到人已出门但排风扇仍未关闭，系统按既有授权直接关闭，在 App 中留下可撤销记录，不额外弹窗打扰。
3.3 什么时候该打扰人？
我们不靠“这件事是不是家务事”这种模糊的直觉来决定要不要问用户，而是用一套全家通用的硬规则。大部分日常动作，系统要么直接做（并留好记录），要么发个不打扰的提醒。真正会停下来、弹出窗口等用户拿主意的，只有以下三类事情：
- 不可挽回或者有代价的动作（比如给外人打电话、联动报警、开防盗锁、付钱花钱）。
- 系统自己也拿不准的时候（AI 判定这件事情的把握不够高）。
- 需要打开摄像头看家里画面的时候。
这三条红线绝不会因为你用久了、系统“信任”你了就自动取消。因为这是原则问题：不是 AI 靠不靠谱，而是这些事情根本就不应该由机器自作主张。
对于摄像头的画面，我们分四种情况对待：
- 门外摄像头（公开区域）：可以直接把画面放在推送卡片里。
- 卧室、儿童房摄像头（私密区域）：卡片上默认只显示一个“有情况，请点击查看”的遮罩按钮，只有用户按下去，才会临时展示画面，同时会把画面做模糊处理，10 秒后会自动收起，而且每次查看动作都会被记得清清楚楚。
- 宠物摄像头（生活区域）：可以直接展示。
- 确认报警状态下：为了确认安全，直接把现场画面亮出来。
第四章 功能需求明细
4.1 平台基础能力
4.1.1 聊天对话
-
定位：用通用的 AI 脑袋，套上家用的皮肤。我们不特意去屏蔽用户“帮我把这篇英语翻译一下”或者“写个请假条”这种非家务的要求，AI 照样会帮你做。我们只用“家庭”这个主题来管四件事：哪些好用工具可以上架、默认读取哪些文件、聊天说话的语气、以及谁有权用哪些数据。
-
功能要求：
- 每条聊天记录都要标明它用了哪个数据区的数据。有四个标签：家里的事 / 用完就删 / 只留给我自己看 / 某个计划内。
- 用户觉得系统归类错了，可以点一下一键纠正，系统会立刻改判。
- 聊天时可以调用家里的文件（比如写车险理赔时查文件库里的保单），但读取前必须弹出确认卡。
- 聊天页面支持多轮会话，聊天列表按时间（今天、更早）和不同的“计划”来归类。
4.1.2 技能
-
定位：技能是从你的日常使用习惯里自己“长”出来的，而不是预先塞给你的。系统如果发现你每隔几天就会让它做同一件事，它就会提议：“要不要把这个存为一个技能，下次一句话就能办？”
-
功能要求：
- 技能分成两类：一类是“必须用你家历史数据才能干的活”（比如：全家照片精选、宝宝成长记录），这是我们的核心价值；另一类是“不用你家数据，谁家都能用的活”（比如：记账、天气提醒）。
- 电脑端的技能管理页面，能清楚看到哪些技能是系统从你的聊天记录里总结出来的（会带出处，比如“上个月你三次让我整理宝宝的辅食反馈，我帮你总结了这个技能”）。
- 电脑客户端可以创建和管理技能，手机 App 只能直接使用。
- 所有的“计划”也用这个逻辑产生，不留空的空白项目，免得用户不知道怎么建。
4.1.3 长期记忆
-
定位：这是跨越多次聊天的家庭知识库，对用户完全公开，你可以随时修改或删除。系统记住一件事的流程也是：观察 → 总结规律提议 → 用户点确认 → 正式记住。
-
功能要求：
- 每条记忆都要写明来源：是你亲口告诉它的、还是它从你传的文件里读出来的、或者是它观察你的日常规律总结出来的。
- 观察中还没正式确定的规律，会提供“记下来”和“算了吧”两个按钮供用户选择。
- 从家电和传感器中观察到的行为规律，不能直接变成控制规则。系统要先说清楚观察依据和准备怎么用，经用户确认后，才能用于提醒或设备自动化。
- 太久以前的无关紧要记忆会自己忘掉，但关于健康、用药、家人重要纪念日这些，会打上“要紧事”的标签，绝对不删。
- 限制临时客人的画像深度，授权到期后，关于这个客人的所有记忆和痕迹全部清空。
4.1.4 安全信任与通知发送
-
定位：管理谁能看什么、谁能做什么，每次干活都要留底；以及系统在什么时候、用什么方式主动跟用户说话。
-
权限管理：
- 家里的数据按隐私程度分级，最高级别的敏感数据（如身份证、体检报告原件）绝对不能离开这台小主机。
- 操作确认卡是所有自动工具的“总闸门”：一旦要修改文件、花钱或者读取家庭核心数据，必须弹出卡片，写清楚“我要读哪些信息、干什么、用完存不存”，等用户批准。
- 权限按“家庭成员、应用或技能、接入设备、具体动作”四个维度分别授予。一个扫地机器人获得房间地图权限，不等于它能读取相册；一个健康照护技能能读取老人的用药计划，也不等于其他家庭成员可以查看病历原件。
- 第三方设备和技能默认没有权限。每次授权都要有范围、用途和有效期，用户可以随时撤回；撤回后停止读取数据和调用算力，缓存按规则清除。
- 所有跨设备调用都进入审计日志，记录谁在什么时间调用了哪类数据、使用了多少算力、触发了什么动作。日志记录行为，不记录其他成员的私人内容。
-
聊天隐私保护（默认各看各的，两口子也不例外）：
- 家庭公共信息流里只播报物理世界发生的事（比如“爸爸到家了”、“电灯关了”），绝对不能播报某个成员刚才悄悄查了什么、问了什么。
- 家长能看审计日志，但也只能看到“谁在什么时候用了什么功能”，看不到具体的聊天文字内容。
- 从个人对话里提炼出来的个人偏好，只进个人的隔离区，不能被其他家人看到。
-
通知发送：小助手主动说话时，不能乱发。系统会根据事情的紧急程度、要找谁、这人现在方不方便，来决定是立刻弹窗、还是等他忙完再推。手机 App 的主动关怀卡片，专门用来展示日程确认、整理出来的生活简报或者有趣的照片洞察。
第五章 长期产品蓝图
5.1 完整能力版图
窝窝的长期产品由六组能力共同构成，它们不是互相割裂的功能包：
- 家庭资料与记忆：管理照片、视频、证件、合同、病历和家庭纪念内容，支持自动整理、语义检索、时间提醒和内容生成。
- 家庭智能交互：通过手机 App、电脑、微信、语音和电视大屏提供查询、整理、提醒、确认与直接控制。
- 智能家居与主动服务：连接家电、门锁、摄像头和传感器，理解家庭状态，执行用户授权的自动化，并在异常时找到正确的家庭成员。
- 健康照护与安全守护：整合健康档案、用药计划、环境和活动信息，为老人、儿童、独居者及宠物提供分级提醒和紧急处置。
- 家庭共享算力：统一管理本地模型、存储、网络、任务队列和算力配额，为家庭设备提供受控的推理服务。
- 家庭机器人协同：向服务机器人提供家庭地图、成员偏好、任务上下文和跨设备协调能力，同时限制机器人可读取的数据和可执行的动作。
5.2 产品运行闭环
完整产品围绕一条持续运行的闭环工作：设备和用户提供明确授权的数据；本地 AI 完成识别、整理和判断；长期记忆保存用户确认过的事实与习惯；任务调度把工作交给合适的模型或设备；执行结果进入家庭信息流和审计日志；用户的纠正继续更新规则。任何应用都必须经过同一套权限、确认、撤销和审计机制。
家庭资料、设备状态和成员行为之间可以互相提供上下文，但不能互相越权。例如，健康照护可以使用经过授权的用药计划和活动结论，却不能自动读取全部聊天记录；机器人可以获得“把药送到客厅”的任务和必要地图，却不能浏览病历原件；照片整理可以在主机空闲时使用算力，不能挤占门锁告警和老人安全任务。
5.3 完整产品验收标准
- 本地数据主权：家庭数据可完整导出，敏感原件不离开主机，用户停订后仍能访问自己的数据和基础本地能力。
- 成员与设备隔离：成员、应用、技能和设备只能读取授权范围内的数据；每次越权访问都被系统拦截并记录。
- 跨入口一致：手机、电脑、微信、语音和电视看到的是同一个家庭大脑，权限与记忆保持一致。
- 跨设备协同：不同品牌的家电、传感器和机器人可以注册能力、申请算力并完成联合任务，单个设备离线时系统能够降级。
- 长期记忆可控：所有家庭记忆都能看到来源、用途和使用对象，用户可以修改、撤回或删除。
- 主动服务不过界：低风险动作可按授权自动执行；涉及隐私、安全、付费和不可逆结果的动作必须由用户确认。
- 关键任务有保障：安全告警、照护任务和实时控制获得更高优先级，后台整理任务不能抢占关键资源。
- 完整场景可跑通：系统能够把资料、家庭记忆、设备状态、共享算力和执行终端连接起来，完成从理解需求到执行、反馈和审计的闭环。
5.4 支撑完整产品的五项能力
5.4.1 普通家庭能直接使用的操作系统
传统智能家居和 NAS 的配置流程很容易劝退普通用户。窝窝需要做到开箱即可使用，并用图形化界面解释设备状态、数据去向、自动化规则和权限边界。操作系统的竞争最终落在细节上：同一个提醒对老人、年轻人和多成员家庭应该有不同的呈现方式，连接失败、设备离线和权限不足也要给出普通人看得懂的处理办法。
5.4.2 可持续的应用生态
家庭需求非常分散，单靠官方团队不可能覆盖所有场景。窝窝需要向开发者开放稳定的技能接口、设备能力接口和测试环境，让第三方围绕家庭资料、健康照护、节能、安全、宠物和机器人开发应用。平台必须同时提供权限沙箱、审核、计费和收益分配机制，让开发者能够长期维护产品，而不是只靠兴趣投入。
5.4.3 与本地 AI 匹配的硬件能力
硬件本身很难成为永久壁垒，但它决定产品能否稳定工作。窝窝需要在本地推理性能、存储扩展、网络吞吐、功耗、散热、静音和传感器接入之间取得平衡，并利用国内供应链在成本、交付和快速迭代上的优势。硬件配置不追求参数堆叠，而要围绕 7×24 小时运行和多设备并发设计。
5.4.4 能融入家庭空间的工业设计
窝窝会长期摆在客厅、书房或弱电箱附近，外观不能像一台临时拼装的服务器。机身尺寸、材质、灯光、噪声、散热和线缆管理都要与家庭环境协调。设计的目标是让设备安静地存在于家中，不显得突兀，同时保留清晰可信的运行状态提示。
5.4.5 用户与开发者社群
家庭场景中的很多细节无法只靠实验室推演。用户社群用于发现真实问题、验证自动化边界和改进交互；开发者社群用于扩展应用与设备生态、反馈接口问题并共同建立规范。社群运营不是单纯拉群，而是建立持续反馈、公开路线、问题响应和贡献激励机制。
第六章 市场和我们的护城河
6.1 中长期驱动力：从智能家居到家庭机器人
智能家居生态正在逐渐打通。越来越多的品牌开放底层协议，通过 API 接入统一的上层系统。窝窝可以承载全屋智能终端的控制、数据存储与分析、远程连接和手机互联，让不同品牌的设备在同一套家庭权限和记忆体系下协同。
家庭中的机器人数量也在增加。一些家庭已经同时使用多台扫地机器人，北美部分家庭还会配置割草机器人和泳池机器人。以十年甚至更长的时间尺度来看，当家庭拥有两台以上机器人，并且机器人开始处理更通用的任务，算力、功耗和升级成本都会明显上升。如果每台机器人都内置一套完整算力，大部分资源会在空闲时被浪费，不同机器人之间也很难共享家庭记忆和任务上下文。
更合理的分工是“基站集中计算，终端负责感知与行动”。窝窝统一调度识别、推理、长期记忆和跨设备任务，机器人保留实时控制和安全相关的必要算力。多个终端可以共同完成家庭任务：摄像头提供环境变化，窝窝判断任务并分配资源，机器人执行动作，结果再写入经过授权的家庭记录。
要承担家庭 Agent，窝窝需要同时满足四个条件：
- 有足够的本地存储，用于管理、分析和处理家庭私有数据，并支持模型结合用户授权的数据形成个性化能力。
- 有适合 7×24 小时运行的本地算力，能持续接收图像、语音和传感器等多模态输入，同时控制功耗、散热和噪声。
- 有稳定的网络和设备接入能力，可以连接全屋智能终端、管理远程访问，并在网络异常时维持本地核心功能。
- 有统一的设备控制与算力调度机制，可以协调家电、传感器和机器人，同时保证安全任务的优先级。
因此，窝窝的产品形态不是普通 NAS、路由器或 AI 电脑的简单叠加，而是一台“存、算、网、控”一体的家庭 AI 基站。存储让它掌握经过授权的家庭上下文，算力让它在本地处理隐私任务，网络让它连接全屋设备，控制系统则把判断变成可审计、可撤销的行动。
6.2 我们的四个基本市场判断
- 同类硬件正在快速普及和降价。市面上的家用硬盘（AI NAS）价格已经下探到一千元左右，这说明单靠硬件加上简单的 AI 标签，是没办法作为长期竞争壁垒的。如果只在硬件层面跟人竞争，迟早会被大厂的价格战拖垮。
- 本地 AI 与家庭私有数据放在一起，才能形成真正的个性化。云端模型知道得多，但不了解这家人的长期生活。照片、档案、设备状态和用户确认过的行为规律集中在本地后，AI 才能持续理解家庭，而且不需要把原始隐私数据交给外部平台。
- 智能设备越多，共享算力越有价值。智能家居正在从单个设备自动化走向多设备协同。由一台长期在线的家庭主机统一提供较重的推理、记忆和调度，可以降低机器人和智能终端的硬件成本、功耗及重复建设。
- 完整产品要靠真实家庭场景验证。相册与档案能力通过普通家庭用户验证，智能家居、主动照护、共享算力和设备协同通过自有的几千套房源及家庭环境验证。我们关注使用频率、场景准确性、安全边界和付费意愿，避免只在实验室里证明技术可行。
6.3 市场数据参考
- 普通个人电脑的全球出货量每年依然稳定在一亿多台，市场基本盘非常巨大。
- AI 电脑（本地有算力、能跑模型的电脑）的渗透率正在极速拉升，预计未来几年内大中华区出货的个人电脑里，大半都将具备本地跑 AI 的能力。
- 智能家居设备每年在中国有接近三亿台的出货量，为家庭智能中枢提供了广泛的设备基础。
6.4 我们的竞争对手长什么样
在市场上，窝窝处在 AI PC、AI NAS 和智能家居中枢的交叉位置。联想 AI PC 提供个人办公算力，绿联、极空间等 NAS 厂商从存储和媒体管理切入，智能家居平台擅长连接与控制设备。窝窝要做的是家庭长期在线的 AI 基座，把本地数据、共享算力、家庭记忆和设备权限放在一起。
我们与通用 AI 主机的关系可以用“N + 1”来形容：
- N：代表已经被大厂验证过、大家都想要的通用 AI 主机能力。我们不需要去重新发明这个轮子，大厂的销量已经证明了本地跑 AI 这条路是行得通的。
- 1：代表窝窝在通用能力之上，为了家庭场景特意做深的那一层——对一家人生活记忆的理解、家庭隐私数据绝对留在本地的安全感，以及让老百姓觉得不难用、不担心乱动家电的掌控感。
用户会在“买一台高性能的普通电脑自己去折腾配置”和“买一台买回家插上电全家就能用的窝窝主机”之间选择。我们的胜算在于把这“+1”做扎实。摩尔线程这类本地算力厂商更可能是零件和方案伙伴；NAS 厂商与智能家居平台则既是潜在伙伴，也是可能向家庭 AI 基座扩张的竞争者，不能简单视为不同赛道。
6.5 我们的技术护城河
有四样东西是别人很难在短时间内抄走的，它们会随着真实家庭的使用逐渐积累：
- 懂家庭生活的细节（场景经验）：知道家里哪些文件值得整理、怎么自动分门别类、什么时候该提醒、什么时候不能打扰用户。这些规矩不是程序员在办公室里闭门造车想出来的，而是在真实的家庭使用中，根据一次次用户的纠错和反馈一点点改出来的。谁先跑、谁攒得久，谁就最懂家庭。
- 留在用户家里的数据（本地资产）：这家人的照片、证件、聊天历史、生活习惯，都存在他们自己家的硬盘上。这是隐私承诺，也是物理层面的壁垒。用户用得越久，系统就越懂他们，而且这份理解存在本地，其他大厂拿不走、复制不了。
- 跨设备的本地 AI 调度（工程能力）：同一台主机既要整理资料，又要处理家电告警和传感器数据。我们要解决任务优先级、算力配额、设备权限、模型切换和失败降级，保证低风险的后台任务不会挤占安全相关任务。这套能力会随着接入设备和真实运行时间积累。
- 调教 AI 的工程套路（掌控力）：把原本行为不确定的 AI，包装成让普通人觉得安全、可控的产品体验（可以点批准、可以喊停、写错了可以撤销、干活进度看得见）。这是一整套需要反复打磨的软件架构，不是接个开源接口就能自动实现的。
我们判断一个功能值不值得花大力气去做，只有一条标准：“如果把这家人的历史数据拿走，这个功能还能不能做？” 如果拿走了数据，这个功能谁都能做（比如写个请假条、做个日程表），那它就只是个基础功能；如果拿走了数据，这个功能就废了（比如找出去年宝宝体检时医生说要注意的事），那这才是值得我们砸重金去研发的核心优势。
6.6 房源测试的优势
用我们自己管理的长租房源来做智能家电测试，在行业里有成熟先例（比如自如、万科等都有大批智能房源交付）。别人主要用房源验证装修效率和租务管理，我们则用这个真实环境测试“家庭 AI 管家”的场景准确性和用户付费意愿。相比只能在实验室模拟或直接面向陌生家庭测试的团队，自有房源能让我们更早发现问题。
第七章 我们怎么赚钱
7.1 硬件买断与软件订阅
我们把收入分成两条线：硬件一次性买断，AI 智能服务按订阅收费。
- 硬件买断：主机是数据主权的物理载体。用户花钱买断这台机器，买下的是“我的数据老老实实存在我家硬盘上，谁也别想看”的物理所有权和基础的本地算力。
- 软件订阅：云端大模型调用、新功能维护和远程连接服务都会持续产生成本。高级自动化、智能家居联动、家庭机器人协同和更高的算力配额可以进入订阅，但设备保存在本地的数据不能因此被锁住。
7.2 订阅收费的设计原则
我们的订阅分级，必须严格守住一条判断：根据“AI 的服务能力和深度”来收费，绝对不能根据“用户存了多少数据”来收费。 因为我们主打“数据主权”，如果用户存的照片越多、我们要收的钱越多，就会违背“数据留在自己家、不扣押用户资产”的原则。所以，免费版和付费版的区别只在于：是否能用更强的云端模型、能用多少高级技能、可获得多少跨设备算力调度，以及可以启用哪些高级智能家居联动。基础本地处理、数据导出、成员权限和隐私隔离不能成为付费墙。