【科技纵览】当OpenClaw在全球引发对Agent框架的广泛关注之际，无界方舟创始人曾晓东并未表现出惊喜，而是感慨“终于被看见”。OpenClaw本质是一个部署于云端或PC端、具备代码生成能力的Agent系统；而无界方舟自研的AI操作系统EVA，则是将类似逻辑迁移至硬件端侧——适用于机器人、耳机、眼镜等设备。
自2024年成立以来，无界方舟始终聚焦于构建一套名为“Vibe Hardware”的新范式：开发者仅需用自然语言描述需求，AI即可自主编写程序、调试驱动，并完成整套应用的研发与部署。目前，公司已形成涵盖AIOS“EVA”及硬件产品如“奇多多AI学伴机”在内的完整生态体系。近期，无界方舟接连完成两轮Pre-A轮融资，投资方包括韶音、国瑞源基金、恒松资本与上海天使会，易凯资本担任独家财务顾问。过去一年内，公司累计完成四轮融资，总额达数亿元。
曾晓东拥有十年阿里及蚂蚁集团履历，曾主导刷脸支付、支付宝盒（销量超千万台）及中国首家无人超市“淘咖啡”等硬件项目从0到1落地。基于AI 1.0时代的实战经验，他判断：“最具潜力的方向是做操作系统内核，但必须通过端到端硬件实践来验证。”因此，无界方舟并非定位为单一模型或硬件厂商，而是致力于打造面向新一代智能终端的统一AIOS框架，使各类设备可在同一底座上运行与迭代。
在曾晓东看来，OpenClaw爆火所揭示的“小龙虾时刻”，标志着AI硬件开发逻辑的根本转变：决定Agent效能的关键不再是模型本身，而是其运行环境——即能否高效调用工具、理解状态并设计反馈回路。这正是EVA OS所专注的“硬件版Harness Engineering”。他强调，EVA OS并非意在复制鸿蒙，而是在传统操作系统（如Android、Linux、ROS）之上，增加一层让AI原生运行于硬件的中间件。
此前，打通一条可服务的AI硬件链路通常需三人团队耗时两至三个月；而搭载EVA OS后，开发者仅用自然语言指令，系统即可在半小时内自动完成APP生成与部署，并赋予设备记忆与实时交互能力。这一效率提升依赖于EVA OS与硬件的高度耦合——AI必须全面掌握芯片算力、传感器状态、内存余量及外设连接情况，才能有效开发应用。该上下文感知能力构成其核心壁垒。
近期，无界方舟已与一家机械臂企业合作：接入EVA OS开发板后，AI自主调试驱动、修复Bug，并响应“帮我拿起某物”指令，全程无需人工干预。“关键在于它清楚开发板与机械臂的连接状态，这是过去完全无法实现的。”曾晓东指出。传统模式下，工程师需反复查阅文档、排查硬件问题，而EVA OS打破了“预制APP+抽象硬件”的旧范式。
为适配端侧有限算力，EVA OS采用云边协同架构：语音识别、TTS、视觉感知等高频交互模块本地运行，复杂推理则交由云端处理。该设计使语音延迟控制在250毫秒以内，多模态反馈低于350毫秒，显著优于行业平均600毫秒水平。同时，端侧承担记忆、执行与交互三层功能，云端保留通用知识，端侧负责将其转化为可运行的硬件行为。全端侧感知模型部署更使成本降低70%至92%。
本轮融资后，公司将推出新终端EVA Pi——一台具备自主编程与更新能力的硬件设备。该产品集成EVA OS，可实时感知全部硬件上下文，并在端侧原生完成AI应用的开发、部署与迭代。自EVA OS 1.0发布三个多月以来，已有超2500家企业及研发机构将其应用于AI耳机、眼镜、桌面机器人、智能腕带、车载管家及机械臂等领域，合作方涵盖全球头部可穿戴与具身智能企业。
曾晓东对“端到端”路线的坚持源于早期创业教训。2024年上半年，多数AI硬件公司采用ASR、大模型、TTS串联的流水线方案，虽成本低但存在信息损耗严重、延迟叠加、情绪丢失等问题。他带领七人团队耗时近一年，自研出可运行于硬件端的端到端多模态基座模型，成为EVA OS的技术基石。该模型单一体系同时处理语音识别、合成、视觉理解与语言推理，无需GPU，仅依赖CPU且内存占用不超1GB。
得益于此，搭载EVA OS的设备在海外弱网环境下仍可离线完成语音识别、合成与基础翻译。首款落地产品“奇多多AI学伴机”面向3-10岁儿童，被曾晓东称为EVA OS的“硬件样板间”。用户日均使用时长达145分钟（仅计AI对话与阅读），且因自研模型将语音成本降至行业二十分之一，产品得以定位于千元价位且无订阅费。
回溯2017年前后，国内曾涌现一批机器人OS创业公司，试图复制安卓生态，但受限于高成本手机级芯片（单颗数百美元）及天猫精灵、小米音箱等补贴型入口挤压，鲜有成功者。曾晓东认为，当前大模型时代已完全不同：AI重新定义交互方式，内容由模型即时生成；低功耗AI芯片成本进入商用区间；端到端模型使小团队也能贯通软硬全链路。“天时地利人和，上一波缺失的条件，如今全部齐备。”
目前，无界方舟内部已全面推行“Vibe Coding”——无论工程师、产品经理或运营，所有工作最终汇聚为代码。曾晓东表示：“当全员动作结构化为代码，真正的中间层优化才成为可能。”在他看来，全球尚无真正成功的AI硬件操作系统，而窗口期或许仅有未来两三年。更大的赌局，才刚刚开始。
