作者：Soda物聯網智庫 原創

2026年開年，國產大模型公司智譜AI、MiniMax接連在港股敲鐘。這不僅是一場資本盛宴，更是一個行業拐點的信號：大模型正在從敘事走向基礎設施。

當模型逐漸變得像電和網一樣無處不在，下一階段的競爭就不再只是誰更聰明一點，而是——誰能更快、更穩、更可信地把智能體的意圖，落到現實世界的動作上。

這句話落到物聯網企業身上，會直接變成一個新的增長問題：

當智能體需要解決問題時，它會去哪里搜工具？你的設備與系統如何成為它的第一選擇：被發現、被調用、被信任？

搜索范式革命：從人找信息到智能體找能力

過去二十年，互聯網的流量邏輯是SEO（搜索引擎優化）。我們優化關鍵詞、外鏈，目的是讓人在搜到內容、點開網頁。

但在生成式AI興起后，GEO（生成式引擎優化）開始取代SEO。普林斯頓等研究者的GEO框架顯示，優化后的內容在AI回復中的可見度可提升40%。

然而，對于物理世界而言，GEO不應只停留在“內容”層面。當智能體具備了工具使用能力，它的搜索對象發生了質變：

過去（人）：搜頁面、搜資料、搜答案。

現在（智能體）：搜能力、搜接口、搜可執行的工具。

這意味著，在數字世界中，我們用SEO讓搜索引擎找到內容；在智能體世界中，我們需要一套“設備SEO”機制，讓智能體能夠感知、理解并安全地控制物理設備。

在這個新范式下，新一代智能終端與物聯網設備，天然成為了GEO的下一主戰場。

萬物智行：入口從App遷移到“智能體的工具選擇器”

在萬物智行的世界里，行的主體不再僅僅是人，而是機器人與智能體的社交網絡：它們協作、分工、轉發任務，像一個新的流量分發系統。

這會帶來一個結構性遷移：

過去：用戶看見你→了解你→購買你→學會使用你

未來：智能體發現你→調用你→驗證結果→形成偏好與復用

也就是說，未來真正的入口，很可能不是某個App的首頁，而是智能體的“工具選擇器”。

一個正在發生的C端例子，已經把“智能體搜工具”的入口遷移提前演示了一遍：千問App在今日宣布升級后，開始以“對話+任務”的方式，直接調用阿里生態內的服務完成外賣、訂酒店、訂機票等操作。

例如，當用戶說“幫我訂一家附近評分高的川菜館，今晚7點”，千問不會只返回鏈接，而是直接調用高德地圖定位、餓了么/口碑的餐廳數據庫、以及在線預訂接口，完成從意圖到動作的閉環。也就是說，用戶不需要在不同App之間來回切換，而是把目標交給智能體，由智能體在后臺完成“選擇工具—發起調用—組織結果”的鏈路。

更關鍵的是，它展示了一個對硬件GEO極具啟發的事實：智能體不是在“瀏覽功能”，而是在“調用能力”。當千問把淘寶/閃購、支付寶、飛豬、高德等能力納入同一個對話式入口后，工具被統一編排，交易與執行也被納入同一條任務鏈路——這就是調用增長的雛形：誰更容易被接入、被調用、被完成閉環，誰就更容易成為默認選項。

當然，這類能力目前更多發生在同一生態內部的深度聯通：它說明封閉生態可以帶來更絲滑的端到端體驗，但也同時反襯出一個更大的趨勢——當更多智能體開始“搜工具、挑工具”，任何設備/系統如果無法被跨智能體理解、跨生態調用，就會在工具選擇器里逐步變得不可見。

這也揭示了一個殘酷現實：在這個新世界里，封閉就是死亡——因為封閉意味著默認不可見；開放才是生機——因為開放意味著可被理解、可被調用、可被驗證。

硬件GEO的三大支柱

要讓設備在智能體世界中脫穎而出，企業需構建硬件GEO體系。我們將其拆解為三個核心支柱：可發現、可調用、可信任。

1.可發現：讓智能體知道你會什么

智能體要選工具，第一步一定是檢索與匹配。它匹配的不是你的市場話術，而是機器可讀的能力描述：你能提供什么交互？輸入輸出是什么？約束條件是什么？適用場景是什么？如果你的設備只是一串冷冰冰的型號代碼，對大模型而言這就是“語義黑洞”。

關鍵動作：把說明書語言翻譯成機器語言。

因此，不要只廣播ID，要廣播能力。告訴智能體：“我是一個位于客廳的彩色燈泡，支持調節顏色和亮度”。

對工業場景，“可發現”不是設備能上網就夠了，而是意味著設備需要具備可索引的能力簡歷：

自我介紹（能力化）：不要只報MAC地址，要明確告知：我能測什么（振動/溫升/壓力）？我能做什么（調頻/啟停/閾值策略切換）？我的邊界在哪里（最高轉速/聯鎖條件）？

語義清晰（標準化）：同樣是壓力，是入口壓力還是出口壓力？單位是帕斯卡還是巴？當語義不清時，智能體無法確定你是否能解決問題，自然不會調用你。

主動注冊（索引化）：通過Matter等協議，將這些信息注冊到企業內部的“設備目錄”或更開放的生態中，確保智能體在接到任務時能毫秒級檢索到你。

可發現的本質是：給每臺關鍵設備發放“能力身份證”，并讓它進入智能體的檢索系統。

2.可調用：讓智能體知道怎么用你

被發現只是第一步。智能體真正需要的是：工具可以被穩定調用、參數可被校驗、流程可被編排。

這也是目前傳統IoT廠商最難跨越的心理門檻。過去，企業習慣構建封閉的App圍墻，要求用戶下載App、注冊賬號。但在智能體時代，這道圍墻變成了“交互摩擦”。如果調用你的設備需要復雜的授權和私有協議，智能體會直接繞過你，去選擇旁邊那個支持標準接口的方案。

因此，硬件GEO要求設備具備“液態化”的服務能力：

接口標準化：擁抱MCP等新興標準。MCP是由Anthropic等巨頭推動的協議，它允許你將設備的API封裝成AI通用的資源和工具。通過MCP，你的設備不再是孤島，而是大模型上下文中的一個標準插件，可以即插即用，替代碎片化的私有集成。

原子化能力：將復雜功能拆解為獨立的、可組合的原子動作。例如，智能洗衣機不僅要提供一鍵洗衣，還要暴露注水、旋轉、排水等獨立原子能力。這樣，當用戶說“衣服漂洗得不夠干凈”時，智能體可以只調用漂洗和脫水動作，而不是傻傻地重新洗一遍。

函數調用友好：API命名、參數、返回結構等符合大模型的調用邏輯。

在工業現場，這意味著你提供的不再只是一個界面，而是一套可被編排的原子動作庫。讓智能體能像搭積木一樣，組合出降能耗、保良率、控停機的復雜業務流程。

可調用，即讓設備從“只能被人點按鈕”升級為“能被智能體當作工具鏈的一環”。

3.可信任：讓智能體愿意把任務交給你

在物理世界，AI的每一次調用都在冒風險。大模型會有“幻覺”，但物理世界經不起“幻覺”——錯誤的加熱指令可能導致火災，錯誤的閥門開啟可能導致泄漏。

因此，“可信任”在硬件GEO中不是一句口號，而是一套機器可讀的證據體系。

權限最小化與分級授權（哪些動作允許自動化，哪些必須人審）

可審計日志（誰、何時、以什么參數調用了什么）

可靠性指標（成功率、延遲、可用性、降級與回退）

可解釋輸出（為什么這么調、預期影響、驗證路徑）

更進一步，信任需固化在硬件層面：

通過可信身份與防篡改機制，證明設備未被替換；

利用固件級安全護欄，拒絕危險指令；

對高危動作實施風險分級，強制轉入人工復核。

可信任，意味著智能體不只聽你說“做到了”，而是能驗證你“確實做到了”。

未來圖景：工廠里的新秩序

如果說過去二十年，互聯網的入口是搜索框；那么接下來十年，入口會變成“智能體的工具選擇器”。

想象一下，幾年后的智能工廠里，每天清晨“生產運營智能體”醒來要做的第一件事，不是打開MES或EAM儀表盤，而是——挑工具。

它接到的任務不是單點指令，而是一組業務目標：“把今天這條產線OEE提高3%”“把能耗峰值壓下去”“把良率拉回穩定區間”“把突發停機風險降到最低”。

于是它會做三件事：檢索可用能力、評估調用成本、計算信任風險，然后把任務拆解成一串可執行調用，分發給最合適的設備與系統節點：

它會檢索：誰能測振動？誰能調變頻？誰能查原料批次？

它會調用：調用傳感器做故障匹配，調用PLC微調節拍，調用能源系統削峰填谷。

它會驗證：調參后質量是否改善？能耗是否下降？并基于結果調整下一次的調用策略。

你會突然意識到：這個世界里，搜索不再是搜資料，而是搜能力；排名不再是點擊，而是調用；品牌不再只是心智，而是信任證據。

于是，物聯網企業真正要爭奪的，也不再是用戶是否記得你，而是三個更硬核的問題：

你是否以機器能理解的方式存在于世界里？

你是否以機器能調用的方式提供能力？

你是否以機器能驗證的方式建立信任？

寫在最后

在這個新世界里，封閉不再是護城河，而是消失的開始；開放也不再是姿態，而是生存的必需。

未來的增長，屬于那些能讓自身能力成為智能體網絡中可組合、可復用、可驗證的積木的企業。

硬件GEO，不是選項，而是必答題。

而答案，就藏在你的設備能力、接口設計與信任機制之中。

       原文標題 : 智譜/MiniMax上市啟示錄:硬件的下一戰是GEO(被AIoT智能體發現與信任)