這是我的第379篇專(zhuan)欄文(wen)章。
7月10日，由物聯網智庫、智次方聯合凱文教育集團旗下北京海科思創發起的“2025數智融合領袖峰會”在北京盛大開幕。本次峰會以“潮啟東方·新質領航”為主題，匯聚產、學、研領域頂尖專家與行業領袖，深度探討人工智能驅動下的(de)產業變(bian)革(ge)路(lu)徑，共同推動產業發(fa)展，與國(guo)家新質生產力戰略同頻共振。
我在會上帶來了主(zhu)題為(wei)《從通用智(zhi)能到場景智(zhi)能：垂(chui)類模型與智(zhi)能體(ti)的產(chan)業落地路徑》的分(fen)享，以下為(wei)演講(jiang)全文：
各位朋友大家好，這次我想跟大家分享一個我認為非常重要、也非常關鍵的主題——從通用智能到場景智能，垂類模型與智能體的產業落地路徑。
目前一個值得關注的趨勢在悄然發生：AI不再只是一個云端工具，開始成為一個“在場”的智能體，而物聯網正塑造AI在實體世界的運行框架。
今天(tian)的演(yan)講(jiang)，包含(han)5個(ge)部分：
1.范式轉變：從通用智能到場景智能2.“場景智能” 是通用智能的結構重構3.技術底座：雙引擎與四板塊4.商業重構：穩定幣與機器經濟5.生態戰略：從工具到平臺的演化
范式(shi)轉(zhuan)變：從通用智(zhi)能到場景智(zhi)能
在過去一年里，我們見證了AI技術以令人眩(xuan)目的速度演進：大模型從(cong)百億參數沖向萬(wan)億參數，生成式AI從(cong)文本走向多模態(tai)。
大家有沒有體驗過讓ChatGPT幫忙寫(xie)一封郵件(jian)，寫(xie)得非常漂亮，但(dan)(dan)我還是要自己復制、粘貼、打開郵箱、查找聯系人、發送？它是不是“聰明”？當然(ran)。但(dan)(dan)它是不是“實用”？未必(bi)。
這正是大模型落地時遇到的第一道墻：它能理解，但它不能執行。AI“能說話”但是不一定“能干活”。
AI落地的現狀與挑戰，這當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(li)解和內容生成(cheng)，依賴(lai)大算力、大語料，擅長(chang)對話、寫(xie)作(zuo)、創作(zuo)，但難以(yi)理(li)解行業流程與物理(li)邏輯。
場景智能：針對特定行(xing)業(ye)(ye)和任(ren)務(wu)，植(zhi)入(ru)業(ye)(ye)務(wu)語義和流程邏(luo)輯，可部(bu)署在邊緣(yuan)，真正進入(ru)“能干活”的階段。
ChatGPT能說話，但不(bu)能干活(huo)。企業用AI，不(bu)要“演(yan)示效(xiao)(xiao)果”，而要“現場效(xiao)(xiao)果”。AI，不(bu)再只是(shi)一(yi)個(ge)云端(duan)工(gong)具，而應(ying)成為一(yi)個(ge)“在場”的智能體。
“熱”不代表“成熟”，“強”不代表“適配”。
打個比(bi)方(fang)：大學教授(shou)懂得很多知(zhi)識(shi)，但他未必(bi)能修好一臺車；一個汽修工人可(ke)能學歷不高，但能在5分鐘內判斷(duan)問題(ti)、拿(na)出工具(ju)、完成修復。
這就(jiu)是“懂知識”和“懂場(chang)景”的(de)區別。在AIoT世界中，我(wo)們(men)要的(de)不是“能(neng)寫(xie)論(lun)文的(de)AI”，而(er)是“能(neng)換輪胎的(de)AI”。
今天的演講(jiang)，我希望帶大家從五個問題出發，逐步走進(jin)AIoT智能(neng)體的真(zhen)實世界：
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.智能體的發展路徑是怎樣的？4.AIoT落地的底層支撐是什么？5.未來的關鍵控制點在哪里？
場景智(zhi)能(neng)”不是通用模型的子集，而是結構重構
我們(men)過去(qu)一直在(zai)說“通用智能”，現(xian)在(zai)又說“場景智能”，它們(men)是什么關系？
這里我想強調一個觀點：場景智能不是通用智能的簡化版本，而是AI認知結構的重塑。
我們看到(dao)通用模型在C端世界非(fei)常驚艷，能(neng)寫(xie)詩(shi)、畫畫、聊天，但(dan)一旦(dan)進入產業場景，問題就變了。
為什么通用大模型到了產業場景里“水土不服”？
因為產業不是語文題，它是物理題。它不是開放世界，而是高度約束的封閉系統。它的核心不是生成內容，而是控制變量、保障穩定、優化效率。
所以產業AI的未來，一定屬于垂類模型。
為(wei)什么？因為(wei)通用(yong)大模(mo)型(xing)存在三個結構性(xing)障(zhang)礙：
1.成本高昂：推理成本遠高于傳統系統，難以部署到終端；2.泛用性強但不懂行業：缺乏對具體業務語義、流程、上下文的理解；3.執行能力缺失：無(wu)法“動(dong)手”，只能“動(dong)嘴”。
正如GPT-4處(chu)理原始傳感器數據(ju)時，其活動識別準(zhun)確(que)率僅為40%，機器診(zhen)斷準(zhun)確(que)率不(bu)足50%——遠低于工業場(chang)景(jing)要求。這不(bu)是(shi)參數不(bu)夠(gou)，而是(shi)“場(chang)景(jing)理解(jie)力”不(bu)足。
產業AI不是“參數戰爭”，而是“閉環戰爭”——誰能跑通(tong)數據-模型-決策-反饋的閉環(huan)，誰就(jiu)能沉淀出“場景(jing)智能”。
通用大模型是AI的“百科全書”，垂類小模型將成為產業的“操作手冊”。類似的，產業智能體不是單純的技術革新，而是一場系統性的轉型。
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(ge)大家熟悉(xi)的(de)角(jiao)色——AI智(zhi)能(neng)體。這類智(zhi)能(neng)體擅長什(shen)么？
擅長語言理解、知(zhi)識推理；
擅長(chang)對話(hua)互動、內容生成(cheng)；
它們部署在(zai)云(yun)端(duan)，需要強大的算力支持；
但它(ta)們沒有“手(shou)腳”——不能感知物理世界，也(ye)無法執(zhi)行具(ju)體動作。
所以(yi)，AI智能體的核心(xin)價值(zhi)，是“認(ren)知”。
而我們今天真正關心的，其實是右邊這個詞：AIoT智能體。
AIoT智能體的核心，不只是認知，而是“認知+行動”。
它部署(shu)在邊緣或設備端；
它能連接(jie)傳感器、控制(zhi)器，能感知、能決策、能執行；
它還能嵌(qian)入(ru)錢(qian)包，實現鏈上身份與(yu)結算(suan)。
AI智(zhi)能(neng)(neng)(neng)(neng)體是(shi)一(yi)個(ge)(ge)“能(neng)(neng)(neng)(neng)說會(hui)道”的大(da)腦，而AIoT智(zhi)能(neng)(neng)(neng)(neng)體，則(ze)是(shi)一(yi)個(ge)(ge)“能(neng)(neng)(neng)(neng)看、能(neng)(neng)(neng)(neng)想、能(neng)(neng)(neng)(neng)干、還能(neng)(neng)(neng)(neng)收錢”的完整勞動力。
不是所有智能體都能進車間、進園區。要能感知、能執行、能結算，才配叫AIoT智能體。
接(jie)下來，我們(men)來回答(da)一個非常關鍵的問題：
什么才是真正的AIoT智能體？
很多人以為，只要設備能聯網，能識別圖像，就可以叫“智能體”了。但實際上，從產業落地的角度來看，智能體要能真正“干活”，必須具備五種核心能力。
第一(yi)種能(neng)力：感知。這是(shi)最(zui)基礎(chu)的能(neng)力，AIoT智能(neng)體必(bi)須具備對環境的持續感知能(neng)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，讓設備開始“思考”。
第(di)三種能力：認(ren)知(zhi)(zhi)。推理解決的是局部判斷，而(er)認(ren)知(zhi)(zhi)解決的是整體理解與規劃。認(ren)知(zhi)(zhi)，代(dai)表(biao)了從“理解一個(ge)點(dian)”到“理解整個(ge)任務”的躍遷。
第四種能力：執行。理解完了，還要能動手做事。執行決定了：智能體是不是一個真正的行動者。
第五種能力(li)：金融結算。這是(shi)很多人(ren)容易(yi)忽略，但未來極(ji)其重(zhong)要的一(yi)環。如果一(yi)個設備能完成任務，卻沒有結算能力(li)，它就無法真(zhen)正參與平臺協作；金融能力(li)讓智能體(ti)擁有自(zi)主性，也(ye)具(ju)備經濟行為能力(li)。
這五種能力構成了AIoT智能體的能力閉環：感知世界，推理判斷，認知任務，執行動作，結算價值。
我們將AIoT智能體的發展(zhan)，概(gai)括為(wei)一個(ge)“三段論模型(xing)”：
階段一：感知體
能采集數(shu)據、上傳信息；
典型形態是傳統IoT設備(bei)：攝像頭、傳感器(qi)、PLC控(kong)制器(qi)；
問(wen)題：只能“執行(xing)”，不能“理(li)解(jie)”。
階段二：協同體
能理解(jie)任務、與(yu)其他設備協同(tong)；
以邊緣AI+規則系統為核心；
典型形態是智能家居系統、園區自動(dong)化系統；
問題：固化規則、缺乏自適應。
階段三：智能體
能感(gan)知、理解、推理、行動，并具備自主結算能力(li)；
具備(bei)：LLM/SLM+規(gui)劃+調用工具+錢包+反饋；
典(dian)型(xing)形態(tai)是(shi)：自動駕(jia)駛智能(neng)體、工業質檢智能(neng)體、農業協作智能(neng)體。
這一演進的核心在于讓設備從“感知世界”到“理解世界”，再到“參與世界”。
這一(yi)頁，我(wo)們從時間(jian)軸的角(jiao)度，來回顧AIoT智能(neng)體的演進路徑(jing)。
智能體并不是一蹴而就，憑空產生的，而是經歷了漫長的前期積累。十年感知，五年互聯，走向真正智能。這(zhe)不是(shi)口號，這(zhe)是(shi)我們(men)過去十幾年智能設備(bei)演進的真實寫照。
第一階段：感知體普及 從2009年之后，物聯網概念興起，傳感器開始大規模部署。 我們稱它為感知體。這是智能體的第一個階段，設備可以感知世界，但不理解、不自主協作。
第二階段：協同體部署 從2016年開始，邊緣計算興起，5G網絡落地，大量設備開始“互聯互通”。 這個階段，我們稱為協同體。它們之間開始“配合動作”，但智能還來自中心平臺，設備本身還不具備自主性。
第三階段：智能體商業化 真正的變化發生在近兩三年：AI讓設備能夠具備語義理解與推理能力；錢包與鏈上結算機制，讓設備擁有身份與價值控制權。 這意味著，設備不再是被動執行的終端，而開始成為“能感知、能推理、能決策、能執行、還能結算”的主體。 我們稱之為智能體。
所以我們說：十年感知，是設備看到了世界；五年互聯，是設備開始協同運作；而今天，我們走向真正的智能體時代：自適應、自運行、自結算。
我們(men)來(lai)看幾個未(wei)來(lai)AIoT智能體(ti)的應用(yong)案例(li)：
1.自動駕駛×充電(dian)樁×穩(wen)定幣
想象你是(shi)電(dian)動車車主，正穿(chuan)行在城(cheng)市中尋找充(chong)電(dian)樁(zhuang)。導航能(neng)告訴你哪里有(you)樁(zhuang)、電(dian)價多(duo)少(shao)、距離多(duo)遠，但你仍(reng)要自己判斷(duan)：這個樁(zhuang)靠(kao)不靠(kao)譜？會(hui)不會(hui)被占用？價格(ge)是(shi)否(fou)(fou)真實(shi)？更不用說，車無法自動決策去哪充(chong)、預付多(duo)少(shao)、何時結算、充(chong)完后能(neng)否(fou)(fou)自動離開。
但一切在引入AIoT智能體 + 穩定幣支付后發(fa)生(sheng)了變化：出發(fa)前，車(che)輛就可與充電樁“簽(qian)合約”——鏈上(shang)鎖定電價、服務等(deng)級、時間窗口，并凍結一(yi)筆穩定幣作為(wei)預付款。到站即插即充，充滿后系(xi)統自動結算，按(an)實際電量扣(kou)費，余額(e)實時返還(huan)你錢包，車(che)子無(wu)(wu)需(xu)(xu)(xu)等(deng)待，直接(jie)駛離。無(wu)(wu)需(xu)(xu)(xu)掃碼、無(wu)(wu)需(xu)(xu)(xu)APP、無(wu)(wu)需(xu)(xu)(xu)對賬(zhang)。
信任寫在協議里，支付嵌在執行中。這不是“更(geng)智能的支(zhi)付”，而是“機器之間(jian)的經濟協作”。
2.工業制造×AIoT智能體×按(an)次付費
以(yi)工業(ye)制(zhi)造為(wei)例，一(yi)家(jia)中小企(qi)業(ye)可能無法一(yi)次性采購一(yi)臺昂(ang)貴的(de)激光切(qie)割(ge)機。但如果設備制(zhi)造商允許客戶按小時使用(yong)，并通過鏈上錢(qian)包(bao)實(shi)時收取費用(yong)，客戶只(zhi)需在(zai)需要時喚醒設備，系統根(gen)據使用(yong)時長自動從其錢(qian)包(bao)中扣除穩定幣(bi)。這樣，不僅降(jiang)低了(le)企(qi)業(ye)的(de)使用(yong)門檻，也(ye)為(wei)設備提供商帶來了(le)持續(xu)收入(ru)。
從技術(shu)架構到商業模型：“四板(ban)塊+雙引擎”
正如我曾經提出：“人工智能+”的70%價值來自物聯網，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PPT是我們今天的核心內容之一：技術架構：四板塊+雙引擎。
為什么要講這個？
因為很多人談AIoT，還停留在“設備聯網”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、產生價值的智能體。
引擎一：邊緣智能
不只是(shi)把(ba)模型部署到邊緣，而是(shi)讓智能真正“駐扎”在現場；
它能在(zai)毫秒級(ji)響應、在(zai)斷網狀態下運行、在(zai)本地完成(cheng)決策(ce)；
邊緣智(zhi)能，是讓設備從“被控對(dui)象”變成“自治單元”的(de)關鍵(jian)。
邊緣智能決定了智能體能不能“獨立思考、就地反應”。
引擎二：垂類模型
通用大模(mo)型(xing)解決不了行業問(wen)題(ti)；
AIoT需(xu)要的(de)是針對工業(ye)、電力、安防、農業(ye)等領域的(de)垂直模型；
垂類模型讓智能體具備“專業知識”和“行業判斷(duan)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。兩者疊加才能真正釋放AIoT的(de)價值(zhi)。
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(ta)是一個(ge)“AI模型的終端形態”，還是一個(ge)“IoT設備的進(jin)化版本”？
我們發現，AI和物聯網正在產生越來越大的交集，物聯網成為了AI落地物理世界的底座。越來越多的設備，正在從“硬件終端”演化成具備智能、目標、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AI和AIoT智能體，到底是什么關系？
它們不是兩條線，而是一條線的(de)兩個階段(duan)。
AIoT智能體是端側AI的高級形態
端側AI提供了算力基礎和模型執行能力，而AIoT智能體則將這些能力封裝為具有認知與行動能力的實體，甚至與其他智能(neng)體協(xie)同完成復雜任務。
端側AI是AIoT智能體的底層支撐
沒有端側(ce)AI的推理(li)與感知能(neng)力，AIoT智(zhi)能(neng)體無(wu)法(fa)實現“在地(di)運行(xing)”。
我們將端側AI的四大技術支撐與協同結構，劃分為四大板塊：芯、模、端、智。
這四個字，既是(shi)縮寫(xie)，也是(shi)路徑。
第一塊：芯
“芯”代表的是整個端側智能的算力基礎。
包括AI芯片、低(di)功(gong)耗NPU、SoC、RISC-V架(jia)構處(chu)理器；
同(tong)時也涵蓋(gai)邊緣AI加速器、異構計(ji)算單元。
可以(yi)說，沒(mei)有“芯”，就沒(mei)有端側智(zhi)能的(de)“運行力(li)”。
第二塊：模
“模(mo)”指的(de)是模(mo)型，尤其是適合(he)端(duan)側(ce)部(bu)署的(de)小(xiao)模(mo)型和垂類模(mo)型。
包(bao)括視覺(jue)識(shi)別模型、語音識(shi)別模型、SLM、TinyML等；
模型的(de)輕量化(hua)、專(zhuan)用化(hua)，是智(zhi)能體下沉(chen)的(de)關鍵。
我們說，大模型讓AI會說話，小模型讓設備能干活。
第三塊：端
“端”是智能體(ti)的物理載體(ti)，是它的“身體(ti)”。
包括攝像(xiang)頭(tou)、機(ji)器人、工業(ye)設備、傳(chuan)感器、邊緣盒子等；
沒有這些終端設備，AI就無法與現實世界連接。
端，是智能(neng)體接觸世界的“著陸點(dian)”。
第四塊：智
最后，“智”代表的(de)是智能體(ti)本身。
這里包(bao)括智能體(ti)平臺、調度框架、邊緣智能OS、鏈上身份(fen)與(yu)結算(suan)系統；
它是(shi)感(gan)知、推理、決策、執行(xing)、結算的調度(du)中樞。
我們不只是要讓設備智能，更要讓它能自主行動、自我協作、參與經濟活動。“智”，是端側AI的價值閉環。
“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濟能力。
由此，我們(men)繪制了端(duan)側(ce)AI的產業(ye)圖(tu)譜。現在《中(zhong)國端(duan)側(ce)AI全景圖(tu)譜》已(yi)經(jing)正式發(fa)布，歡迎感興趣的朋(peng)友掃描下面(mian)的二(er)維碼下載報(bao)告(gao)全文和清晰版(ban)圖(tu)譜。
掃描二維碼下載報告全文和清晰版圖譜
穩定(ding)幣：設(she)備經濟(ji)的“銀行賬(zhang)戶”
這一部分是(shi)今(jin)天演講中我最希望(wang)大家記(ji)住的觀(guan)點：穩定幣不(bu)僅(jin)是(shi)Web3的工具，更(geng)是(shi)AIoT設備的銀行賬戶。
在傳(chuan)統(tong)系統(tong)中，設備只能“響應(ying)命令”；在AIoT世界中，設備不但(dan)要(yao)理解任務，還(huan)要(yao)為服務計(ji)價(jia)并收款。
我們一起設想這(zhe)樣的場景：
一(yi)臺(tai)風(feng)力發電機為(wei)鄰(lin)近電網供電，誰(shui)來結(jie)算？
一個果(guo)園的土壤傳感器(qi)每天(tian)上傳數據，憑什么獲得收益？
一(yi)臺(tai)激光切割機被“按小(xiao)時租(zu)用”，怎么(me)自動計費？
答案都指向一個關鍵詞：穩定幣。
穩定幣帶來了三大改變：
1.經濟人格：每個設備擁有錢包地址、預算、財務邊界；2.交易協議：設備對設備（M2M）即可完成微支付、結算；3.自治能力：無需平臺調度，設備可自主協(xie)(xie)作、資源協(xie)(xie)商。
穩定(ding)幣(bi)讓設備從連接走(zou)(zou)向(xiang)協作(zuo)，從行為走(zou)(zou)向(xiang)計價，從硬件走(zou)(zou)向(xiang)經濟體。
穩定幣是連接AIoT設備與價值世界的金融基礎設施，推動物理世界設備實現“可信感知、自動結算、協作執行”的閉環：
1.物理世界的設備（如土地、能源、機械）通過傳感器接入網絡，形成感知層； 2.數據驅動的設備行為，需要與價值掛鉤，于是引入金融層（穩定幣+區塊鏈）； 3.借助智能合約，設備可按規則自動執行服務、調度資源、完成結算； 4.最終，多個設備形成去中心化協作網絡，構建機器信任與支付閉環。
穩定幣是設備的銀行賬戶，是AIoT系統的經濟協議，是智能體之間的“價值語言”。
穩定幣(bi)還將加速重塑物聯(lian)網的商業(ye)模型。
機器經濟的商業模式正在從一次性“賣設備”，走向持續性“賣訂閱”，最終升級為“按行為或結果計費”的智能勞動力。
1.賣設備：一次性交付，收入依賴出貨量，價值捕捉有限。 2.賣訂閱：提供持續服務，建立客戶關系，收入更穩、更可預測。 3.賣行為/賣結果：按動作付(fu)費、按結果(guo)結算(suan)，設(she)備(bei)變成“可計費的(de)智能(neng)勞(lao)動力”，嵌入鏈上協(xie)作網(wang)絡。
誰能從“賣產品”轉向“賣結果”，誰就能在機器經濟時代掌握價值分配權。
產業生態(tai)組織：智能體不是模型，是平臺×協議(yi)×生態(tai)
要推動AIoT智(zhi)能(neng)體(ti)產業(ye)落地，我們要跳出“軟件即(ji)產品”的(de)邏輯(ji)，進(jin)入“智(zhi)能(neng)體(ti)即(ji)生態”的(de)戰略。
智能體不是“一個模型”，而是“平臺×協議×生態”的系統性產物，由芯片/模組廠商、平臺方、行業伙伴共建完成。
芯片/模組(zu)廠商：提供算力與部署接口，是智能體的底(di)座；
平臺方：提供垂類模(mo)型與智能體操作(zuo)系統(tong)，是智能體的大腦與中樞(shu)；
ISV/SI廠商：結合(he)場景構建應(ying)用智能體，是最終落地者。
智能體不是誰獨立完成的產品，而是芯片、平臺、集成方共同協作的系統工程。AIoT智能體生態的價值，不在個體強，而在協同。
接下來回答一個問題：AIoT智能體應該落地在哪些場景？
AIoT智能體不是無所不能，而是要選對戰場，專注在“高頻率、高價值、強閉環”的任務中，才能真正落地并創造價值。
1.高頻率：場景重復、數據密集，智能體有學習空間，才“值得訓練”。2.高價值：每個動作能帶來效率、成本或質量的改善，才“值得執行”。3.閉環性：能識別(bie)問題，也能執(zhi)行反饋，形成閉環，才“真正落地”。
高頻確保“能做”，高價值保證“值得做”，閉環決定“做得成”。
寫在最后
當(dang)然，今(jin)天我們所(suo)討論的(de)，只是AIoT智能體(ti)、場(chang)景(jing)智能、垂類模型(xing)等廣闊圖(tu)景(jing)中的(de)一(yi)(yi)角(jiao)。作(zuo)為(wei)一(yi)(yi)個仍在快速演化的(de)新生事物，AIoT智能體(ti)的(de)技術邊界、應用路(lu)徑與商業模式，還有許多值得(de)深(shen)入(ru)思考與持(chi)續驗證的(de)地方。
無(wu)論是(shi)(shi)模型如(ru)何(he)更高效地下沉終端，還(huan)是(shi)(shi)AIoT智能體如(ru)何(he)在多智能體系(xi)統中(zhong)有效協作，亦(yi)或是(shi)(shi)機器經濟(ji)如(ru)何(he)在真實(shi)環境中(zhong)閉環運行(xing)，這些(xie)問題都沒有標準(zhun)答案。我們正處在一個充滿可能性的(de)起點。
未來的探索(suo)，不可(ke)能依靠某(mou)一家企業、某(mou)一個(ge)技術體系獨自完成，而需要整個(ge)生態共同努力。也誠摯期待在后續(xu)的實(shi)踐中，與各位產(chan)業同行、研究者、開發者一起，持續(xu)碰(peng)撞、驗(yan)證、打磨，尋找(zhao)屬(shu)于AIoT智能體的真正落點(dian)。
更歡迎大家在后續(xu)的交(jiao)流活(huo)動中(zhong)，與我(wo)深入(ru)探討、共同探索答案。
最后(hou)，我想用三句話(hua)做結尾：
1.通用大模型是AI的高原，智能體才是產業的金礦。
2.智能體不是模型，是工具+協議+經濟行為的復合體。
3.未來的AI，不是更聰明，而是更能干、能協作、能收錢。
