智谱/MiniMax上市启示录：硬件的下一战场在于GEO（被AIoT智能体发现与信任）

智谱/MiniMax上市启示录：硬件的下一战场在于GEO（被AIoT智能体发现与信任）

作者：Soda物联网智库 原创

2026年初，国产大模型公司智谱AI与MiniMax相继登陆港股市场。这一连串资本动作不仅展现了市场对AI企业的持续看好，也标志着一个产业拐点的到来：大模型技术正从概念阶段走向基础设施化。

当AI模型像电力和网络一样融入日常生活时，竞争焦点也随之发生变化。未来的较量不再只是模型的“聪明程度”，而是谁能更迅速、稳定且可信地将智能体的意图转化为现实中的具体操作。

这一趋势对物联网企业而言，意味着新的增长挑战：当智能体需要完成某项任务时，它们会去哪里寻找工具？而我们的设备与系统如何才能被智能体“看见”、被调用、被信任？

搜索范式的变革：从“人找信息”到“智能体找能力”

过去二十年，互联网的发展始终围绕着“搜索”展开。企业通过SEO优化关键词和外链，以提升内容在搜索结果中的可见度。

然而，生成式AI的兴起正推动这一逻辑发生转变。GEO（生成式引擎优化）正在逐步替代传统SEO。研究表明，经过GEO优化的内容在AI模型回复中的展现率可提升40%。

但GEO不应止步于“内容”优化。当智能体具备调用工具的能力，其搜索目标也发生了根本变化：

• 过去（人）：搜资料、搜答案、搜信息。
• 现在（智能体）：搜能力、搜接口、搜可执行的工具。

这意味着，在数字世界中，我们通过SEO让信息更容易被找到；而在智能体主导的物理世界中，我们需要构建一种“设备SEO”机制，让智能体能够识别、理解并安全控制物理设备。

在这一新范式下，新一代智能终端与物联网设备，正在成为GEO竞争的主战场。

万物智行：入口从App迁移到“智能体的工具选择器”

在一个万物互联且智能化的世界中，行动的主体不再只是人类，而是包括机器人和智能体在内的自动化实体。它们之间的协作与任务分配，正在构建一个全新的流量分发体系。

这种转变带来了结构性的变化：

• 过去：用户看见你 → 了解你 → 购买你 → 学会使用你。
• 未来：智能体发现你 → 调用你 → 验证结果 → 形成偏好与复用。

这意味着，未来真正的入口可能不再是某个App的首页，而是智能体的“工具选择器”。

一个已经发生的消费者端案例，提前展示了这一趋势的雏形：千问App在最新版本中引入了“对话+任务”模式，直接调用阿里生态内的服务完成如外卖、订酒店、订机票等操作。

例如，当用户提出“帮我订一家附近评分高的川菜馆，今晚7点”的请求时，千问不会只是返回链接，而是整合高德地图定位、饿了么/口碑的餐厅数据库及在线预订接口，实现从意图到执行的全流程闭环。用户无需在多个App间切换，只需把目标交给智能体，由其完成“选择工具—发起调用—组织结果”的操作链。

这一案例揭示了一个对硬件GEO极具启发性的现象：智能体不是在“浏览功能”，而是在“调用能力”。当千问将淘宝/闪购、支付宝、飞猪、高德等多项能力统一接入一个对话式入口后，工具被系统化编排，交易与执行也被纳入同一任务链路——这正是“调用增长”的雏形：谁更容易被接入、被调用、被闭环，谁就更可能成为默认选项。

当然，目前这种能力大多局限于同一生态内部的深度整合。虽然这为用户提供了更顺畅的体验，但也反映出一个更大的趋势：当越来越多智能体开始“搜工具、挑工具”时，任何设备或系统若无法被跨智能体理解、跨生态调用，将逐渐在“工具选择器”中失去可见性。

这也揭示了一个残酷现实：在这一新环境中，封闭系统意味着“不可见”；开放体系才是“生机”所在。

硬件GEO的三大核心支柱

要让设备在智能体主导的世界中脱颖而出，企业需要构建完整的硬件GEO体系。这一体系可归纳为三个核心支柱：可发现、可调用、可信任。

1. 可发现：让智能体知道你具备什么能力

智能体在选择工具时的第一步是检索与匹配。它关注的不再是营销话术，而是机器可读的能力描述：你能提供哪些交互？输入输出是什么？适用场景是什么？约束条件又是什么？如果设备只是以型号代码的形式存在，对智能体而言，这就如同“语义黑洞”。

关键策略在于，将说明书语言转化为机器语言。

举例来说，不应只是广播设备ID，而应明确传达：“我是一个位于客厅的彩色灯泡，支持颜色与亮度调节”。

在工业场景中，“可发现”不仅意味着设备联网，还意味着它具备可索引的能力描述：

• 自我介绍（能力化）：不仅要提供MAC地址，还要说明“我能测什么”（振动、温升、压力）、“我能做什么”（调频、启停、策略切换）、“我的边界是什么”（最高转速、联锁条件）。
• 语义清晰（标准化）：例如，同样是“压力”，是入口还是出口？单位是帕斯卡还是巴？语义模糊将导致智能体无法判断是否适合执行任务。
• 主动注册（索引化）：通过Matter等协议，将能力描述注册至企业内部或更广泛的生态索引中，确保智能体在接收到任务时能快速检索到相关设备。

可发现的本质是：为每台关键设备发放“能力身份证”，并将其纳入智能体的检索系统。

2. 可调用：让智能体知道如何使用你

设备被“发现”只是第一步。智能体真正需要的是：工具可以稳定调用、参数可校验、流程可编排。

对于传统IoT厂商而言，这恰恰是最难跨越的心理门槛。过去，企业习惯于构建封闭的App生态系统，要求用户下载应用并注册账号。但在智能体时代，这种封闭模式已成为“交互摩擦”。

因此，硬件GEO要求设备具备“液态化”的服务能力：

• 接口标准化：拥抱如MCP等新兴协议。MCP由Anthropic等企业推动，它允许将设备的API封装为AI通用的资源和工具，从而实现即插即用，替代碎片化的私有协议。
• 能力原子化：将复杂功能拆解为独立的、可组合的原子动作。例如，智能洗衣机不仅要支持一键洗衣，还要暴露注水、旋转、排水等独立功能模块。这样，当用户提出“漂洗不干净”，智能体可仅调用漂洗和脱水动作，而无需重新执行整个洗衣流程。
• 函数调用友好：API的命名、参数、返回结构等需符合大模型的调用逻辑。

在工业现场，这意味着设备提供的不再只是用户界面，而是一套可被编排的原子能力库，使智能体能像搭积木一样组合出复杂的流程，如降能耗、保良率、控停机。

可调用，意味着设备从“被人点按钮”升级为“被智能体视为工具链的一环”。

3. 可信任：让智能体愿意将任务交给你

在物理世界中，每一次AI调用都伴随着一定风险。大模型可能会产生“幻觉”，但在现实世界中，一次错误的调用就可能导致严重后果，如火灾或泄漏。

因此，“可信任”在硬件GEO中不是一句口号，而是一整套机器可读的验证体系。

• 权限最小化与分级授权：明确哪些操作可自动化执行，哪些需人工审核。
• 可审计日志：记录每一次调用的发起方、时间、参数等。
• 可靠性指标：包括成功率、延迟、可用性、降级与回退机制。
• 可解释输出：提供调用原因、预期影响与验证路径。

更进一步，信任应嵌入在硬件层面：

• 通过可信身份与防篡改机制，确保设备未被替换。
• 在固件中部署安全护栏，拒绝危险指令。
• 对高危操作实施风险分级，强制转入人工复核。

可信任意味着，智能体不仅接受“你说你做了”，更需要验证“你确实做了”。

未来图景：工厂中的新秩序

如果说过去的二十年里，互联网的入口是搜索框，那么接下来的十年，入口将转变为“智能体的工具选择器”。

想象一下未来的智能工厂：每天清晨，“生产运营智能体”醒来后的第一件事，不再是打开MES或EAM系统查看仪表盘，而是开始“工具选择”。

它接收到的不再是单点指令，而是多个业务目标：“提高产线OEE 3%”“降低能耗峰值”“恢复良率稳定区间”“降低突发停机风险”。

随后，它将执行三项核心操作：检索可用能力、评估调用成本、计算信任风险，并将任务拆解为可执行的调用链，分发给最合适的设备和系统节点。

它会检索：谁能测振动？谁能调变频？谁能查原料批次？

它会调用：调用传感器进行故障匹配、调用PLC进行微调节拍、调用能源系统削峰填谷。

它会验证：调参后质量是否改善？能耗是否下降？并根据结果调整后续调用策略。

在这个世界里，搜索不再只是信息获取，而是能力匹配；排名不再只是点击率，而是调用次数；品牌也不再只是认知度，而是信任的积累。

因此，物联网企业真正要争夺的，也不再是用户是否“记得你”，而是三个更关键的问题：

• 你是否以机器可理解的方式存在？
• 你是否以机器可调用的方式提供能力？
• 你是否以机器可验证的方式建立信任？

结语

在这个新世界中，封闭已不再是优势，而可能是消亡的开始；开放也不再是姿态，而是生存的必要。

未来的增长，将归属于那些能够将自己的能力，转化为智能体网络中可组合、可复用、可验证的“积木”的企业。

硬件GEO，不再是可选项，而是一道必答题。

而答案，就隐藏在你的设备能力、接口设计与信任机制之中。