为硬件注入“灵魂”，实体智能如何打通AI落地“最后一公里”

2024至2025年，大模型创新层出不穷，2025年更被视为“智能体（Agent）元年”，但许多探索仍停留在软件层面。一个关键问题日益凸显：如何让“聪明”的大模型走出虚拟世界，真正融入我们身边的实体产品？对于大量传统制造企业而言，这是一道涉及技术、成本与场景的命题。

政策层面持续发力，《关于深入实施“人工智能+”行动的意见》《等文件相继发布，推动人工智能与制造业深度融合，引导AI从“云端”走向“实体”。

近日，记者对话小匠物联创始人米雪龙，探访这家从智能家居物联网转型而来的技术公司，如何在实体智能的赛道上，为传统制造业打通AI赋能的“最后一公里”。

AI落地的“最后一公里”：大厂不愿做，小厂做不了的“苦活”

大模型的“智力”如何注入一个几十元成本的猫砂盆、一台逗宠机器人或是一个传统家电？这不仅需要将庞大的算法“塞进”有限的芯片存储与算力中，更需要在几十元成本的硬件上，克服噪声干扰、实现清晰语音交互、并保证长期稳定运行的系统性工程。这是AI技术浪潮涌向实体经济时必须面对的“成本与性能之墙”。

“大厂抢的赛道一定是大赛道，”米雪龙直言不讳，“但一些需要智能体落地的领域太细分了，比如整个猫砂盆行业、智慧鸟笼行业，全国一年加起来可能也就二三十个亿的规模。”而且，传统家电制造业利润微薄，却面临迫切的智能化升级需求，即便是一家大型家电上市企业，面对利润压力，为一个产品线独立投入千万级资金自建垂类模型也并非易事。

另一方面，制造业企业虽有强烈的智能化升级需求，却普遍缺乏AI技术能力。“怎么样把20块钱、30块钱的一套硬件系统加上AI放到家电里去？这是很难的一件事。”米雪龙指出，手机能做到优秀的降噪、音色识别，依赖的是高性能芯片与硬件堆叠，而这在控制成本的消费级硬件上无法复制。

这便形成了一个尴尬的“中空地带”：通用大模型难以直接适配专业、碎片化的实体场景；即使是市面上已有的智能体创建平台，也大多“偏软件”，缺乏与成千上万种不同硬件芯片、麦克风、扬声器深度适配的能力与经验；而制造业企业则受限于技术、成本与数据。实体智能的“最后一公里”，成了AI普惠制造业的最大堵点。

从物联网到“Agent of Things”：依托技术储备的平滑升级

发现这一“中空地带”之后，小匠物联顺势而为，基于近十年在智能家居物联网领域的技术积淀，切入AI智能体这一赛道，上线了灵机一动Agent创建平台。“我们原来一直在做物联网板块，擅长做通信和数据采集，”米雪龙解释，“在这个储备基础上，再升级到AI层面，路径就缩短了很多。”

　　这种“平滑升级”体现在两个核心层面。一是硬件适配能力的复用。公司将过往在各类Wi-Fi芯片、音频芯片上积累的降噪、语音唤醒、音色识别等底层优化经验，迁移至AI智能体硬件模组，力求在低成本硬件上实现可用乃至好用的交互体验。

二是操作系统的延续。其自研的物联网操作系统“QUMIOS”，集成了设备连接、管理、OTA升级等基础能力，经过近十年的迭代，已沉淀为一套成熟的设备管理“中枢”，能高效处理设备的连接、通信、远程升级与协同。

这种基于既有技术栈的延伸，使得公司能够相对快速地构建起一套从垂类模型到智能体创建、再到硬件整合的解决方案，降低了自身转型与为客户服务的边际成本。

“垂类模型+智能体”：重塑产品定义能力与附加值

产业的深层痛点，往往在于价值链条的位置。制造业如果想跳出低利润的代工循环、获取更高附加值，就需要将“生产优势”充分转化为“产品优势”。

米雪龙认为，AI智能体提供了一种新的产品定义维度，即硬件不再仅是执行固定功能的工具，而是能提供持续、个性化服务的智能终端。

具体如何实现？小匠物联的路径是“大数据－垂类模型－专用智能体”。他们首先在宠物、家电等行业，通过公开数据抓取与独家合作训练垂类大模型。“你需要大量的行业数据，”米雪龙说，“从品种信息、喂养知识到常见疾病，我们做了大量的清洗、标注和训练。”这相当于为行业打造了一个专业的“AI大脑”。

基于垂类模型，品牌方可以在其平台上快速创建专属智能体，并绑定到自己的产品上。例如，一个内置了宠物垂类模型的逗宠机器人“汤圆”，不仅能自动用激光或羽毛与宠物互动、拍摄视频，还能根据不同品种、年龄的宠物特性调整行为模式。产品因此拥有了“理解”场景和“主动”服务的能力。这些产品不再仅是冰冷的物件，而是能提供情感陪伴、文化体验等增值服务的载体。