通用AI难懂IoT？萤石开放平台2.0破局之道

近两年，AI开发无疑是科技圈最炙手可热的话题，而在6月10日举行的2026 ECDC萤石云开发者大会上，AI开发同样占据了核心位置。

从最初的代码自动补全，到后来的对话式编程，直至今日已具备自主规划、执行与调试能力的Agent，AI正日益深入地渗透进软件开发的全流程。更进一步看，AI已不再仅仅是“辅助程序员编写代码”的工具，而是开始涉足需求分析、架构设计、代码审查、测试验证乃至部署运维等关键环节。

这听起来似乎很美好，对吧？但若将这一叙事置于IoT行业背景下，情况则远非如此简单。

在传统软件项目中，AI处理的是代码、接口、文档及业务需求，这些大多属于“虚拟”范畴，即便涉及现实交互，通常也需经过用户确认。然而，IoT项目面对的是摄像头、门锁、传感器、门禁等真实硬件设备，且多强调自主运行与决策，背后还涉及各类私有协议、行业SDK、国标协议以及非互联网设备接入等复杂问题。

换言之，通用AI或许能迅速生成一个页面、后台或接口，但它未必真正理解一套IoT系统应如何实际运转。

这也解释了为何许多IoT企业虽已引入AI工具，却未实现“效率翻倍”的预期。因为AI开发看似高效，一旦深入真实项目，便会遭遇种种难题，逐一解决后发现反而耗时更多。

因此，在萤石云开发者大会上，萤石开放平台2.0真正想要解答的并非“AI能否编写代码”，而是一个更为务实的问题：AI究竟能否成为IoT开发者与企业真正可用的生产力？

针对此问题，萤石相关负责人给出了明确答复：不仅能，更能实现效率成倍提升。

通用AI不懂IoT，

萤石欲补此短板

为何传统IoT项目开发周期漫长？小雷相信，许多行业从业者对此流程耳熟能详：首先沟通需求，接着设计界面，随后对接设备、调试协议、编写前后端代码、进行多端适配，最后还需完成部署、交付与运维。

该流程的痛点并非某单一环节难度过高，而是每个环节都琐碎繁杂，且需大量人力投入。尤其对IoT厂商而言，许多项目并非技术不可行，而是成本、周期与人力投入难以压缩。

而萤石此次推出的萤石蓝海AIoT一站式工作台，核心正是为了解决这一难题。

若传统IoT应用开发周期需3周至1个月，那么在萤石蓝海AIoT一站式工作台的助力下，开发者可通过对话式生成、AIoT集成、一键部署及应用模板市场等功能，将项目交付周期大幅缩短，最快甚至可在15分钟内输出可见原型。

这听起来或许有些夸张，但拆解分析便不难理解：过去，开发者需将需求整合为产品文档，再将文档转化为设计，最后由设计生成代码，各环节均需人工协同。如今，平台尝试让开发者直接用自然语言描述需求，甚至可直接上传期望的界面效果图与UI设计稿，随后AI将自动生成应用，并支持在多轮对话中持续迭代优化。

这意味着，开发者无需从零搭建框架，而是先让原型跑起来，再围绕真实需求不断调整。对IoT项目而言，这点至关重要，因为许多行业客户起初往往无法完整阐述需求，唯有看到界面、功能及设备接入效果后，才能明确何处需调整。

此外，萤石蓝海AIoT一站式工作台的另一关键能力在于AIoT集成。

凭借多年积累与庞大产品生态，萤石将跨厂商设备技能包、视频类协议、控制类设备、显示类设备、传感类设备等各类能力平台化，使开发者无需每次都从底层啃协议，相当于将IoT行业中大量“脏活、累活、重复活”打包整理，需用时可直接由AI调度调用。

从这一视角看，萤石蓝海AIoT一站式工作台并非简单打造一款AI代码工具，而是将AI开发真正融入IoT行业的真实工作流中。

在现场演示中，主持人仅简单描述需求，并在平台中挑选合适技能后，AI便立即开始搭建软件平台。

短时间内，一个可用的软件平台即搭建完成，后续如需修改，只需提出需求与想法，AI便会在原有基础上进一步优化，并支持每个版本单独保存，实现持续迭代。

当然，这并不意味着开发者不再重要。

恰恰相反，当重复性工程工作被平台承接后，开发者真正核心的能力将更加凸显：理解行业、拆解需求、定义流程、判断结果是否符合真实场景。

一言以蔽之：AI负责铺平道路，人负责决定去向。

这也是萤石开放平台2.0从PaaS服务API升级为“应用开发与服务助理”的核心变革。过去，开放平台主要提供能力调用；如今，它试图进一步深入开发、集成、部署及运维的完整生命周期。

AI不仅要会思考，

更要会实干

如果说萤石蓝海AIoT一站式工作台解决的是“应用如何更快产出”，那么萤石发布的另一款产品“AI巡检智能体开发平台”，旨在解决：AI能否真正进入物理世界干活？

年初，OpenClaw等开源智能体的爆火，让许多人首次见识到AI Agent的能力。AI不再仅是问答机器人，而是能自主规划任务、调用工具、持续执行，甚至像数字助手一样长期在线。

甚至有不少极客玩家让OpenClaw通过PC控制自家设备，但若让开源智能体直接进入生产环境，尤其是IoT生产环境，风险不容忽视，且绝非易事。

在电脑中，若智能体执行错误，最坏结果可能是程序崩溃；但在物理世界中，情况则大不相同。例如，若巡检智能体误判告警，导致设备控制智能体执行安保指令，其影响将不再仅是屏幕上的文字，而是直接联动现实中的设备、设施乃至人员安全。

这也正是萤石AI巡检智能体的独特之处，它是一个更接近“数字助手”的产品。其底层能力源于AI工作助手、AIoT感知能力、智能硬件操控能力及绩效提升工具的组合。

简言之，通用智能体多在数字世界工作，如整理文件、发送邮件；而萤石AI巡检智能体则致力于将真实世界信息转化为AI可理解的输入，再将AI判断转化为设备与系统可执行的动作。

例如在园区巡检场景中，它可通过摄像头、传感器、门禁、道闸等设备感知现场状态，结合视觉识别、环境感知与事件分析，判断是否存在异常，最终上报结果或联动处置。管理者看到的或许只是一个结果，但背后实则是一个完整的“感知—判断—处置”闭环。

小雷认为，这也是AIoT与普通AI应用的最大差异。普通AI应用解决的是“信息处理效率”，而AIoT需解决的是“物理世界响应效率”。前者关注模型能否理解文档，后者则看重AI能否看懂现场并妥善处置。

换言之，那些曾在科幻电影中出现的场景，如“AI自动处理突发险情”，未来有望成为现实。支撑这一系统的，正是萤石作为智能视觉物联网服务商长期积累的视觉AI能力，使其在“看见真实世界”方面比普通AI平台更具基础。

同时，萤石还拥有深厚的物联云与设备连接技术积累。截至2025年12月末，萤石IoT云连接设备规模已超3.6亿，这意味着其拥有足够庞大的历史数据来训练AI“看懂世界”。

在此基础上，萤石重构了萤石蓝海大模型的多智能体架构，使智能体在任务规划、工具调度、记忆管理及端云协同等环节更适配IoT场景，而非简单将开源智能体搬入生产环境。

此外，AI巡检智能体已获实际应用，例如在某大型企业的20多个园区落地，覆盖超300个固定巡检点位，使原本依赖人工巡检的区域纳入智能化管理，解决了部分区域安全响应不及时、临时需求难以快速适配的问题。

说实话，这些应用场景看似并不炫酷，却极为实用。而很多时候，产业AI最需要的并非展示惊艳能力，而是将过去必须靠人反复折腾的工作，转化为稳定的自动化系统能力，让世界更高效。

AI负责提速，

亦需负责守门

然而，仅谈效率远远不够。

AI越强大，安全问题便越关键。尤其在IoT行业，当AI从“回答问题”转变为“执行动作”时，安全便成为新的底线。当AI代码生成速度超越人类检查速度、数字助手开始“眼观六路”时，人类难以跟上AI节奏，这也是萤石反复强调“用AI辅助管理AI”的原因。

因为只有AI才能跟上AI，也只有AI最懂AI。

在开发侧，萤石已将传统SDL流程AI化：需求阶段有需求评审智能体，编码阶段有Code Review智能体，测试阶段有安全测试智能体，发布后还有情报监控智能体。这种将每一环节纳入管控的做法，才是真正的安全。

同样，在数字助手侧，萤石引入岗位角色、工具调用白名单、Skills安全检测、密钥托管、运行日志可观测、提示词注入防护及高危操作拦截等多种能力。通过这种复合式安全边界系统，数字助手可像真实员工一样，拥有明确岗位与权限，而非在系统中“随心所欲”。

现场分享的一则数据表明，AI及IoT行业的软件安全形势极为严峻，这也促使萤石在开发AI平台与工具时将安全置于更重要的位置。

回归萤石开放平台2.0本身，此次升级的重点，不仅在于发布萤石蓝海AIoT一站式工作台与AI巡检智能体，也不仅是增加一套AI安全服务。更关键的是，萤石正将原本分散的各种AI能力与需求，全部整合进一个平台体系。

过去的萤石开放平台，更像一组PaaS API。开发者需要什么能力，便调用相应接口，但后续开发等问题仍需自行解决。而到了萤石开放平台2.0，萤石希望平台不仅是能力提供者，更成为开发者的“应用开发与服务助理”：开发者可在平台上构建应用、调用设备能力、使用模型与云资源，再通过应用模板市场或数字助手市场实现成果流通。

这才是“云端跃升，共创AIoT新质生产力”的现实内涵。

在雷科技看来，AI时代的IoT生产力，不会仅源自一个更强的大模型。因为IoT行业的问题，从来不是“有没有模型”这么简单，而是模型能否理解真实场景与产品需求。萤石开放平台2.0旨在将这些复杂问题平台化，让开发者无需每次从零踩坑，让企业不必为AIoT项目重新搭建整套技术底座。

当然，AIoT智能体要实现大规模落地，仍需更多行业场景、合作伙伴及真实项目验证。但可以确定的是，AI已不满足于停留在聊天框中。当AI开始具备接管设备、洞悉世界等能力时，IoT行业的生产力变革，才刚刚起步。

#萤石