目前一個值得關(guān)注的趨勢在悄然發(fā)生：AI不再只是一個云端工具，開始成為一個“在場”的智能體，而物聯(lián)網(wǎng)正塑造AI在實(shí)體世界的運(yùn)行框架。

本文將通過以下5個部分闡述：

1.范式轉(zhuǎn)變：從通用智能到場景智能
2.“場景智能” 是通用智能的結(jié)構(gòu)重構(gòu)
3.技術(shù)底座：雙引擎與四板塊
4.商業(yè)重構(gòu)：穩(wěn)定幣與機(jī)器經(jīng)濟(jì)
5.生態(tài)戰(zhàn)略：從工具到平臺的演化

范式轉(zhuǎn)變：從通用智能到場景智能

在過去一年里，我們見證了AI技術(shù)以令人眩目的速度演進(jìn)：大模型從百億參數(shù)沖向萬億參數(shù)，生成式AI從文本走向多模態(tài)。

大家有沒有體驗(yàn)過讓ChatGPT幫忙寫一封郵件，寫得非常漂亮，但我還是要自己復(fù)制、粘貼、打開郵箱、查找聯(lián)系人、發(fā)送？它是不是“聰明”？當(dāng)然。但它是不是“實(shí)用”？未必。

這正是大模型落地時遇到的第一道墻：它能理解，但它不能執(zhí)行。AI“能說話”但是不一定“能干活”。

AI落地的現(xiàn)狀與挑戰(zhàn)，這當(dāng)中涉及到通用智能與場景智能之間的鴻溝。

通用智能：聚焦語言理解和內(nèi)容生成，依賴大算力、大語料，擅長對話、寫作、創(chuàng)作，但難以理解行業(yè)流程與物理邏輯。

場景智能：針對特定行業(yè)和任務(wù)，植入業(yè)務(wù)語義和流程邏輯，可部署在邊緣，真正進(jìn)入“能干活”的階段。

ChatGPT能說話，但不能干活。企業(yè)用AI，不要“演示效果”，而要“現(xiàn)場效果”。AI，不再只是一個云端工具，而應(yīng)成為一個“在場”的智能體。

“熱”不代表“成熟”，“強(qiáng)”不代表“適配”。

打個比方：大學(xué)教授懂得很多知識，但他未必能修好一臺車；一個汽修工人可能學(xué)歷不高，但能在5分鐘內(nèi)判斷問題、拿出工具、完成修復(fù)。

這就是“懂知識”和“懂場景”的區(qū)別。在AIoT世界中，我們要的不是“能寫論文的AI”，而是“能換輪胎的AI”。

下文將從五個問題出發(fā)，逐步走進(jìn)AIoT智能體的真實(shí)世界：

1.為什么大模型不能直接落地？
2.“場景智能”到底意味著什么？
3.智能體的發(fā)展路徑是怎樣的？
4.AIoT落地的底層支撐是什么？
5.未來的關(guān)鍵控制點(diǎn)在哪里？

“場景智能”不是通用模型的子集，

而是結(jié)構(gòu)重構(gòu)

我們過去一直在說“通用智能”，現(xiàn)在又說“場景智能”，它們是什么關(guān)系？

這里我想強(qiáng)調(diào)一個觀點(diǎn)：場景智能不是通用智能的簡化版本，而是AI認(rèn)知結(jié)構(gòu)的重塑。

我們看到通用模型在C端世界非常驚艷，能寫詩、畫畫、聊天，但一旦進(jìn)入產(chǎn)業(yè)場景，問題就變了。

為什么通用大模型到了產(chǎn)業(yè)場景里“水土不服”？

因?yàn)楫a(chǎn)業(yè)不是語文題，它是物理題。它不是開放世界，而是高度約束的封閉系統(tǒng)。它的核心不是生成內(nèi)容，而是控制變量、保障穩(wěn)定、優(yōu)化效率。

所以產(chǎn)業(yè)AI的未來，一定屬于垂類模型。

為什么？因?yàn)橥ㄓ么竽Ｐ痛嬖谌齻€結(jié)構(gòu)性障礙：

1.成本高昂：推理成本遠(yuǎn)高于傳統(tǒng)系統(tǒng)，難以部署到終端；
2.泛用性強(qiáng)但不懂行業(yè)：缺乏對具體業(yè)務(wù)語義、流程、上下文的理解；
3.執(zhí)行能力缺失：無法“動手”，只能“動嘴”。

正如GPT-4處理原始傳感器數(shù)據(jù)時，其活動識別準(zhǔn)確率僅為40%，機(jī)器診斷準(zhǔn)確率不足50%——遠(yuǎn)低于工業(yè)場景要求。這不是參數(shù)不夠，而是“場景理解力”不足。

產(chǎn)業(yè)AI不是“參數(shù)戰(zhàn)爭”，而是“閉環(huán)戰(zhàn)爭”——誰能跑通數(shù)據(jù)-模型-決策-反饋的閉環(huán)，誰就能沉淀出“場景智能”。

通用大模型是AI的“百科全書”，垂類小模型將成為產(chǎn)業(yè)的“操作手冊”。類似的，產(chǎn)業(yè)智能體不是單純的技術(shù)革新，而是一場系統(tǒng)性的轉(zhuǎn)型。

這一頁我們來明確一個重要但易被混淆的概念：AI智能體≠AIoT智能體。

今天我們講“智能體”，但不是所有智能體都一樣。

我們先來看左邊這個大家熟悉的角色——AI智能體。這類智能體擅長什么？

●擅長語言理解、知識推理；

●擅長對話互動、內(nèi)容生成；

●它們部署在云端，需要強(qiáng)大的算力支持；

●但它們沒有“手腳”——不能感知物理世界，也無法執(zhí)行具體動作。

所以，AI智能體的核心價值，是“認(rèn)知”。

而我們今天真正關(guān)心的，其實(shí)是右邊這個詞：AIoT智能體。

AIoT智能體的核心，不只是認(rèn)知，而是“認(rèn)知+行動”。

●它部署在邊緣或設(shè)備端；

●它能連接傳感器、控制器，能感知、能決策、能執(zhí)行；

●它還能嵌入錢包，實(shí)現(xiàn)鏈上身份與結(jié)算。

AI智能體是一個“能說會道”的大腦，而AIoT智能體，則是一個“能看、能想、能干、還能收錢”的完整勞動力。

不是所有智能體都能進(jìn)車間、進(jìn)園區(qū)。要能感知、能執(zhí)行、能結(jié)算，才配叫AIoT智能體。

接下來，我們來回答一個非常關(guān)鍵的問題：

什么才是真正的AIoT智能體？

很多人以為，只要設(shè)備能聯(lián)網(wǎng)，能識別圖像，就可以叫“智能體”了。但實(shí)際上，從產(chǎn)業(yè)落地的角度來看，智能體要能真正“干活”，必須具備五種核心能力。

第一種能力：感知。這是最基礎(chǔ)的能力，AIoT智能體必須具備對環(huán)境的持續(xù)感知能力。

第二種能力：推理。感知之后，不是直接行動，而是做出判斷。推理是智能體的邏輯中樞，讓設(shè)備開始“思考”。

第三種能力：認(rèn)知。推理解決的是局部判斷，而認(rèn)知解決的是整體理解與規(guī)劃。認(rèn)知，代表了從“理解一個點(diǎn)”到“理解整個任務(wù)”的躍遷。

第四種能力：執(zhí)行。理解完了，還要能動手做事。執(zhí)行決定了：智能體是不是一個真正的行動者。

第五種能力：金融結(jié)算。這是很多人容易忽略，但未來極其重要的一環(huán)。如果一個設(shè)備能完成任務(wù)，卻沒有結(jié)算能力，它就無法真正參與平臺協(xié)作；金融能力讓智能體擁有自主性，也具備經(jīng)濟(jì)行為能力。

這五種能力構(gòu)成了AIoT智能體的能力閉環(huán)：感知世界，推理判斷，認(rèn)知任務(wù)，執(zhí)行動作，結(jié)算價值。

階段一：感知體

●能采集數(shù)據(jù)、上傳信息；

●典型形態(tài)是傳統(tǒng)IoT設(shè)備：攝像頭、傳感器、PLC控制器；

●問題：只能“執(zhí)行”，不能“理解”。

階段二：協(xié)同體

●能理解任務(wù)、與其他設(shè)備協(xié)同；

●以邊緣AI+規(guī)則系統(tǒng)為核心；

●典型形態(tài)是智能家居系統(tǒng)、園區(qū)自動化系統(tǒng)；

●問題：固化規(guī)則、缺乏自適應(yīng)。

階段三：智能體

●能感知、理解、推理、行動，并具備自主結(jié)算能力；

●具備：LLM/SLM+規(guī)劃+調(diào)用工具+錢包+反饋；

●典型形態(tài)是：自動駕駛智能體、工業(yè)質(zhì)檢智能體、農(nóng)業(yè)協(xié)作智能體。

這一演進(jìn)的核心在于讓設(shè)備從“感知世界”到“理解世界”，再到“參與世界”。

這一頁，我們從時間軸的角度，來回顧AIoT智能體的演進(jìn)路徑。

智能體并不是一蹴而就，憑空產(chǎn)生的，而是經(jīng)歷了漫長的前期積累。十年感知，五年互聯(lián)，走向真正智能。這不是口號，這是我們過去十幾年智能設(shè)備演進(jìn)的真實(shí)寫照。

第一階段：感知體普及
從2009年之后，物聯(lián)網(wǎng)概念興起，傳感器開始大規(guī)模部署。
我們稱它為感知體。這是智能體的第一個階段，設(shè)備可以感知世界，但不理解、不自主協(xié)作。

第二階段：協(xié)同體部署
從2016年開始，邊緣計(jì)算興起，5G網(wǎng)絡(luò)落地，大量設(shè)備開始“互聯(lián)互通”。
這個階段，我們稱為協(xié)同體。它們之間開始“配合動作”，但智能還來自中心平臺，設(shè)備本身還不具備自主性。

第三階段：智能體商業(yè)化
真正的變化發(fā)生在近兩三年：AI讓設(shè)備能夠具備語義理解與推理能力；錢包與鏈上結(jié)算機(jī)制，讓設(shè)備擁有身份與價值控制權(quán)。
這意味著，設(shè)備不再是被動執(zhí)行的終端，而開始成為“能感知、能推理、能決策、能執(zhí)行、還能結(jié)算”的主體。我們稱之為智能體。

所以我們說：十年感知，是設(shè)備看到了世界；五年互聯(lián)，是設(shè)備開始協(xié)同運(yùn)作；而今天，我們走向真正的智能體時代：自適應(yīng)、自運(yùn)行、自結(jié)算。

我們來看幾個未來AIoT智能體的應(yīng)用案例：

1.自動駕駛×充電樁×穩(wěn)定幣

想象你是電動車車主，正穿行在城市中尋找充電樁。導(dǎo)航能告訴你哪里有樁、電價多少、距離多遠(yuǎn)，但你仍要自己判斷：這個樁靠不靠譜？會不會被占用？價格是否真實(shí)？更不用說，車無法自動決策去哪充、預(yù)付多少、何時結(jié)算、充完后能否自動離開。

但一切在引入AIoT智能體 + 穩(wěn)定幣支付后發(fā)生了變化：出發(fā)前，車輛就可與充電樁“簽合約”——鏈上鎖定電價、服務(wù)等級、時間窗口，并凍結(jié)一筆穩(wěn)定幣作為預(yù)付款。到站即插即充，充滿后系統(tǒng)自動結(jié)算，按實(shí)際電量扣費(fèi)，余額實(shí)時返還你錢包，車子無需等待，直接駛離。無需掃碼、無需APP、無需對賬。

信任寫在協(xié)議里，支付嵌在執(zhí)行中。這不是“更智能的支付”，而是“機(jī)器之間的經(jīng)濟(jì)協(xié)作”。

2.工業(yè)制造×AIoT智能體×按次付費(fèi)

以工業(yè)制造為例，一家中小企業(yè)可能無法一次性采購一臺昂貴的激光切割機(jī)。但如果設(shè)備制造商允許客戶按小時使用，并通過鏈上錢包實(shí)時收取費(fèi)用，客戶只需在需要時喚醒設(shè)備，系統(tǒng)根據(jù)使用時長自動從其錢包中扣除穩(wěn)定幣。這樣，不僅降低了企業(yè)的使用門檻，也為設(shè)備提供商帶來了持續(xù)收入。

從技術(shù)架構(gòu)到商業(yè)模型：

“四板塊+雙引擎”

正如我曾經(jīng)提出：“人工智能+”的70%價值來自物聯(lián)網(wǎng)，但真正釋放這70%的潛力，靠的是智能體能動起來，模型能“下沉”。

這兩頁P(yáng)PT是我們今天的核心內(nèi)容之一：技術(shù)架構(gòu)：四板塊+雙引擎。

為什么要講這個？

因?yàn)楹芏嗳苏凙IoT，還停留在“設(shè)備聯(lián)網(wǎng)”或者“智能感知”階段，但我們今天要講的是“能動的智能體”，是可以完成任務(wù)、產(chǎn)生價值的智能體。

引擎一：邊緣智能

●不只是把模型部署到邊緣，而是讓智能真正“駐扎”在現(xiàn)場；

●它能在毫秒級響應(yīng)、在斷網(wǎng)狀態(tài)下運(yùn)行、在本地完成決策；

●邊緣智能，是讓設(shè)備從“被控對象”變成“自治單元”的關(guān)鍵。

邊緣智能決定了智能體能不能“獨(dú)立思考、就地反應(yīng)”。

引擎二：垂類模型

●通用大模型解決不了行業(yè)問題；

●AIoT需要的是針對工業(yè)、電力、安防、農(nóng)業(yè)等領(lǐng)域的垂直模型；

●垂類模型讓智能體具備“專業(yè)知識”和“行業(yè)判斷力”。

垂類模型決定了智能體能不能“聽懂行話、看懂場景”。

邊緣智能讓智能體跑得起來，垂類模型讓智能體干得專業(yè)。兩者疊加才能真正釋放AIoT的價值。

但這也引出一個新的問題：既然模型能夠下沉，未來智能體可以“動起來”——那它到底屬于AI，還是屬于IoT？它是一個“AI模型的終端形態(tài)”，還是一個“IoT設(shè)備的進(jìn)化版本”？

我們發(fā)現(xiàn)，AI和物聯(lián)網(wǎng)正在產(chǎn)生越來越大的交集，物聯(lián)網(wǎng)成為了AI落地物理世界的底座。越來越多的設(shè)備，正在從“硬件終端”演化成具備智能、目標(biāo)、自主行為的智能體。

所以，接下來這一頁，我們就來回答這個問題：端側(cè)AI和AIoT智能體，到底是什么關(guān)系？

它們不是兩條線，而是一條線的兩個階段。

●AIoT智能體是端側(cè)AI的高級形態(tài)

端側(cè)AI提供了算力基礎(chǔ)和模型執(zhí)行能力，而AIoT智能體則將這些能力封裝為具有認(rèn)知與行動能力的實(shí)體，甚至與其他智能體協(xié)同完成復(fù)雜任務(wù)。

●端側(cè)AI是AIoT智能體的底層支撐

沒有端側(cè)AI的推理與感知能力，AIoT智能體無法實(shí)現(xiàn)“在地運(yùn)行”。

我們將端側(cè)AI的四大技術(shù)支撐與協(xié)同結(jié)構(gòu)，劃分為四大板塊：芯、模、端、智。

這四個字，既是縮寫，也是路徑。

第一塊：芯

“芯”代表的是整個端側(cè)智能的算力基礎(chǔ)。

包括AI芯片、低功耗NPU、SoC、RISC-V架構(gòu)處理器；

同時也涵蓋邊緣AI加速器、異構(gòu)計(jì)算單元。

可以說，沒有“芯”，就沒有端側(cè)智能的“運(yùn)行力”。

第二塊：模

“模”指的是模型，尤其是適合端側(cè)部署的小模型和垂類模型。

包括視覺識別模型、語音識別模型、SLM、TinyML等；

模型的輕量化、專用化，是智能體下沉的關(guān)鍵。

我們說，大模型讓AI會說話，小模型讓設(shè)備能干活。

第三塊：端

“端”是智能體的物理載體，是它的“身體”。

包括攝像頭、機(jī)器人、工業(yè)設(shè)備、傳感器、邊緣盒子等；

沒有這些終端設(shè)備，AI就無法與現(xiàn)實(shí)世界連接。

端，是智能體接觸世界的“著陸點(diǎn)”。

第四塊：智

最后，“智”代表的是智能體本身。

這里包括智能體平臺、調(diào)度框架、邊緣智能OS、鏈上身份與結(jié)算系統(tǒng)；

它是感知、推理、決策、執(zhí)行、結(jié)算的調(diào)度中樞。

我們不只是要讓設(shè)備智能，更要讓它能自主行動、自我協(xié)作、參與經(jīng)濟(jì)活動。“智”，是端側(cè)AI的價值閉環(huán)。

“芯”給了智能體算力，“模”給了它思維，“端”給了它身體，而“智”，讓它擁有了行動與經(jīng)濟(jì)能力。

穩(wěn)定幣：設(shè)備經(jīng)濟(jì)的“銀行賬戶”

穩(wěn)定幣不僅是Web3的工具，更是AIoT設(shè)備的銀行賬戶。

在傳統(tǒng)系統(tǒng)中，設(shè)備只能“響應(yīng)命令”；在AIoT世界中，設(shè)備不但要理解任務(wù)，還要為服務(wù)計(jì)價并收款。

我們一起設(shè)想這樣的場景：

一臺風(fēng)力發(fā)電機(jī)為鄰近電網(wǎng)供電，誰來結(jié)算？

一個果園的土壤傳感器每天上傳數(shù)據(jù)，憑什么獲得收益？

一臺激光切割機(jī)被“按小時租用”，怎么自動計(jì)費(fèi)？

答案都指向一個關(guān)鍵詞：穩(wěn)定幣。

穩(wěn)定幣帶來了三大改變：

1.經(jīng)濟(jì)人格：每個設(shè)備擁有錢包地址、預(yù)算、財(cái)務(wù)邊界；
2.交易協(xié)議：設(shè)備對設(shè)備（M2M）即可完成微支付、結(jié)算；
3.自治能力：無需平臺調(diào)度，設(shè)備可自主協(xié)作、資源協(xié)商。

穩(wěn)定幣讓設(shè)備從連接走向協(xié)作，從行為走向計(jì)價，從硬件走向經(jīng)濟(jì)體。

穩(wěn)定幣是連接AIoT設(shè)備與價值世界的金融基礎(chǔ)設(shè)施，推動物理世界設(shè)備實(shí)現(xiàn)“可信感知、自動結(jié)算、協(xié)作執(zhí)行”的閉環(huán)：

1.物理世界的設(shè)備（如土地、能源、機(jī)械）通過傳感器接入網(wǎng)絡(luò)，形成感知層；
2.數(shù)據(jù)驅(qū)動的設(shè)備行為，需要與價值掛鉤，于是引入金融層（穩(wěn)定幣+區(qū)塊鏈）；
3.借助智能合約，設(shè)備可按規(guī)則自動執(zhí)行服務(wù)、調(diào)度資源、完成結(jié)算；
4.最終，多個設(shè)備形成去中心化協(xié)作網(wǎng)絡(luò)，構(gòu)建機(jī)器信任與支付閉環(huán)。

穩(wěn)定幣是設(shè)備的銀行賬戶，是AIoT系統(tǒng)的經(jīng)濟(jì)協(xié)議，是智能體之間的“價值語言”。

穩(wěn)定幣還將加速重塑物聯(lián)網(wǎng)的商業(yè)模型。

機(jī)器經(jīng)濟(jì)的商業(yè)模式正在從一次性“賣設(shè)備”，走向持續(xù)性“賣訂閱”，最終升級為“按行為或結(jié)果計(jì)費(fèi)”的智能勞動力。

1.賣設(shè)備：一次性交付，收入依賴出貨量，價值捕捉有限。
2.賣訂閱：提供持續(xù)服務(wù)，建立客戶關(guān)系，收入更穩(wěn)、更可預(yù)測。
3.賣行為/賣結(jié)果：按動作付費(fèi)、按結(jié)果結(jié)算，設(shè)備變成“可計(jì)費(fèi)的智能勞動力”，嵌入鏈上協(xié)作網(wǎng)絡(luò)。

誰能從“賣產(chǎn)品”轉(zhuǎn)向“賣結(jié)果”，誰就能在機(jī)器經(jīng)濟(jì)時代掌握價值分配權(quán)。

產(chǎn)業(yè)生態(tài)組織：

智能體不是模型，是平臺×協(xié)議×生態(tài)

要推動AIoT智能體產(chǎn)業(yè)落地，我們要跳出“軟件即產(chǎn)品”的邏輯，進(jìn)入“智能體即生態(tài)”的戰(zhàn)略。

智能體不是“一個模型”，而是“平臺×協(xié)議×生態(tài)”的系統(tǒng)性產(chǎn)物，由芯片/模組廠商、平臺方、行業(yè)伙伴共建完成。

芯片/模組廠商：提供算力與部署接口，是智能體的底座；

平臺方：提供垂類模型與智能體操作系統(tǒng)，是智能體的大腦與中樞；

ISV/SI廠商：結(jié)合場景構(gòu)建應(yīng)用智能體，是最終落地者。

智能體不是誰獨(dú)立完成的產(chǎn)品，而是芯片、平臺、集成方共同協(xié)作的系統(tǒng)工程。AIoT智能體生態(tài)的價值，不在個體強(qiáng)，而在協(xié)同。

接下來回答一個問題：AIoT智能體應(yīng)該落地在哪些場景？

AIoT智能體不是無所不能，而是要選對戰(zhàn)場，專注在“高頻率、高價值、強(qiáng)閉環(huán)”的任務(wù)中，才能真正落地并創(chuàng)造價值。

1.高頻率：場景重復(fù)、數(shù)據(jù)密集，智能體有學(xué)習(xí)空間，才“值得訓(xùn)練”。
2.高價值：每個動作能帶來效率、成本或質(zhì)量的改善，才“值得執(zhí)行”。
3.閉環(huán)性：能識別問題，也能執(zhí)行反饋，形成閉環(huán)，才“真正落地”。

高頻確保“能做”，高價值保證“值得做”，閉環(huán)決定“做得成”。

當(dāng)然，今天我們所討論的，只是AIoT智能體、場景智能、垂類模型等廣闊圖景中的一角。作為一個仍在快速演化的新生事物，AIoT智能體的技術(shù)邊界、應(yīng)用路徑與商業(yè)模式，還有許多值得深入思考與持續(xù)驗(yàn)證的地方。

無論是模型如何更高效地下沉終端，還是AIoT智能體如何在多智能體系統(tǒng)中有效協(xié)作，亦或是機(jī)器經(jīng)濟(jì)如何在真實(shí)環(huán)境中閉環(huán)運(yùn)行，這些問題都沒有標(biāo)準(zhǔn)答案。我們正處在一個充滿可能性的起點(diǎn)。

未來的探索，不可能依靠某一家企業(yè)、某一個技術(shù)體系獨(dú)自完成，而需要整個生態(tài)共同努力。也誠摯期待在后續(xù)的實(shí)踐中，與各位產(chǎn)業(yè)同行、研究者、開發(fā)者一起，持續(xù)碰撞、驗(yàn)證、打磨，尋找屬于AIoT智能體的真正落點(diǎn)。

更歡迎大家在后續(xù)的交流活動中，與我深入探討、共同探索答案。

最后，我想用三句話做結(jié)尾：

1.通用大模型是AI的高原，智能體才是產(chǎn)業(yè)的金礦。
2.智能體不是模型，是工具+協(xié)議+經(jīng)濟(jì)行為的復(fù)合體。
3.未來的AI，不是更聰明，而是更能干、能協(xié)作、能收錢。

本文作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）

本文來源：物聯(lián)網(wǎng)智庫