物理世界：AI Agent 的下一个战场

所有人都在讨论 Agent 能写多少行代码、提效多少百分比，但真正值得问的问题是：Agent 什么时候能替你开门、巡逻园区、调度工厂？ 答案是：还早。 Agent 在数字世界的扩张速度确实惊人：OpenClaw 84 天内 Star 数突破 37.5 万；57% 的企业已部署多阶段 AI 工作流；86% 的企业在生产环境中运行Agent。但当你问，有多少 Agent 在真正操控物理设备？答案是沉默的。 物理世界，才是 Agent 真正的下半场。大模型厂商和科技巨头正在押注这个未来。NVIDIA 发布 RTX Spark 专攻端侧算力，Google DeepMind 把大模型推理注入 机器人 控制，Amazon 将 Alexa 升级为 AI 代理，Anthropic 则用一次意外源码泄露展示了 Agent 系统内部的工程深水区。他们在定义规则、建设底层基础设施，争夺 Agent 时代的话语权。 但还有另一群人，他们并不打算定义规则。 他们已经深耕某个行业十年，手里攥着一堆私有协议文档、场景模板和行业客户，正在问一个更具体的问题：Agent 在我的这个场景里，到底能不能用？怎么用才能真正省钱省力？ 这是 Agent 落地的另一条路线。 通用路线的局限 在聊垂直落地之前，有必要先厘清一个认知陷阱：大模型变强，并不等于 Agent 在现实物理场景中就能用了。 Agent 落地有业界常说的“五面墙”——成本、速度、安全、发散性和运维。在物理场景里，这五面墙的每一面都比数字世界更难翻。 成本上，一个实时运行的物理 Agent 需要持续的视觉和传感推理，每秒数十次调用，Token 消耗是指数级的。速度上，数字 Agent 回邮件慢 3 秒没人在意，但物理 Agent 识别到有人闯入与触发告警之间慢 3 秒，可能就是安全事故。安全上，数字世界的错误可以回滚，现实物理场景中，控制错了门禁、放错了人，是不可逆的。发散性上，大模型输出的不确定性在文字对话里是优点，在物理设备操控里是灾难。运维上，几十个甚至上百个 Agent 同时跑在工厂或园区里，谁来保证它们每天都在正常工作？ 这还不是最难的那面。物理世界还有第六面墙：设备碎片化。 数字 Agent 只需要面对 API、文件系统、浏览器这几种标准接口。物理场景中呢？仅中国智能家居市场就有上百个品牌各自维护私有协议和 SDK，一个通用的物理 Agent 如果要操控摄像头、门禁、传感器、报警器，理论上需要适配成百上千套私有协议。Matter 协议（由 CSA 连接标准联盟主导的智能家居互联互通标准）正在试图解决设备互联问题，Matter 1.5 + Thread 1.4 首次实现了跨品牌设备的底层互通。但 Matter 只解决了“连接管道”，设备可以说同一种语言了，谁来理解它们背后的业务意图、谁来协调决策，仍然是悬而未决的问题。 这正是通用路线天然难以触达的地方——大模型厂商和硬件巨头的工具链很强，但它们不了解海康、大华的私有协议，不了解工厂 AGV 调度的业务规则，不了解园区安防的异常判定逻辑。 垂直赛道正在探索 与此同时，一批深耕物理场景的公司，正在绕开“谁能定义 Agent 操作系统”这个问题，直接在自己的地盘上做实验。 西门子、施耐德等工业巨头正在将 AI Agent 引入产线调度和能源管理， 微软 也在将 Copilot 能力注入 IoT 边缘设备。 但也仍有挑战。 在消费级 IoT 领域，萤石在刚刚过去的ECDC 萤石云开发者大会上公开了一个令人意外的内部实验结论：公司鼓励全员使用 AI 编码工具，每月烧掉数十万 Token，结果研发交付速度没有显著提升。萤石云首席架构师的原话是：“问题出在水面以下。” AI 工具普及了，但底层体系还是旧的。传统开发流程与 AI 开发模式不兼容，IoT 场景需要匹配专属模型，海量私有协议脱离了通用 AI 的训练数据，人工需求表达的模糊性导致反复迭代——这四重困境叠加，让所有新工具的效率增益都停在了水面以上。 这在业界被称为“Harness 工程”——Harness 原意是马具，给 AI 这匹野马套上合适的马具，才能真正驾驭它。 萤石用了一年时间在内部做 Harness 工程的实战积累，然后把这套经验产品化，发布了两个平台： 一个是蓝海AIoT一站式工作台，核心是 AI 驱动的对话式开发。平台通过自然语言交互替代传统编码，将传统 AIoT 应用的开发周期从平均 45 天压缩到平均 2 天，最快 15 分钟可生成可预览原型，研发成本降至传统模式的五分之一。 关键是，平台内置了数十项 AIoT 专属技能包，兼容 海康威视 、大华、华为、 霍尼韦尔 等 20 多家主流品牌的视频、控制、传感设备，覆盖 GB28181、JT808、eHome 等多种 IoT 协议，开发者无需深入那些密密麻麻的私有协议文档，就能完成跨厂商设备集成。 另一个是 AI 巡检智能体开发平台。针对通用开源智能体落地 IoT 场景时成本高、启动慢、行为发散的问题，萤石专门做了代码重构和技术优化。目前，AI 巡检智能体已在某大型跨城企业园区落地，覆盖 20 多个跨城园区、300 多个消防通道、车库和商配巡检点位，实现 7×24 小时自主巡检，自动完成问题识别、上报、定位和复核全流程。 AIoT 商业模式重构 5 月 8 日，中国国家网信办、发改委、工信部联合发布《智能体规范应用与创新发展实施意见》和《人工智能终端智能化分级》（GB/Z 177—2026），确立了“灵肉双轨”的顶层设计——前者定义智能体软件主体，后者定义智能化硬件载体。L1（响应级）到 L4（协同级）的四级能力阶梯出台后，AIoT 产业有了统一的能力坐标系，L4“主动感知场景、跨设备协同、自主执行任务”被刻意留白，等待产业填写答案。 这个政策背景，正在加速 IoT 厂商的商业模式迁移。回看过去十年：IoT 1.0 核心价值是联网，2.0 走向认知（摄像头能认人脸、车辆、异常行为），3.0 走向辅助决策（主动推送告警和分析），4.0 正在浮出水面，核心是代理——Agent 主动感知场景、跨设备自主决策执行。 从卖硬件，到“硬件入口 + 能力订阅 + 数据资产”的三元模式，Amazon Alexa+ 的 AI 代理订阅、西门子及施耐德等工业巨头的 AI Agent 化改造，都在响应这个大趋势。 工业领域的树根互联，也在验证类似的逻辑。这家三一重工孵化的工业互联网平台此前发布了售后服务智能体，其根灵工业大模型已于 2026 年初完成国家级备案。 面对挖掘机、焊接机器人、产线设备等重工业场景，树根互联的做法是把多年积累的设备运维数据、工艺知识和专家规则注入模型底座，让 Agent 完成故障诊断、维修建议和产线调度。把 IoT 场景模板、私有协议适配积累沉淀为平台能力，本质上是同一件事： 把行业 know-how 转化为 Agent 可用的工程体系 。 垂直场景的护城河，不在于连接了多少设备，而在于对行业逻辑理解的深度。零代码 AIoT 工作台把开发周期从 45 天压缩到 2 天，背后不是大模型有多聪明，而是多年积累的设备协议适配、场景模板沉淀、行业数据标注。 物理场景中 Agent的 落地，正处在一个最