6月10日上午，光亚展现场，小匠科技出席由智哪儿联合光亚法兰克福主办的“首届智能产业龙虾大会暨OpenClaw全屋智能生态落地论坛 ”。

小匠科技集团创始人米雪龙走上台，演讲从一个判断开始： “杂乱的遥控器，是传统智能家居的真实写照—设备数量繁多却彼此孤立，让用户陷入为智能增加负担的繁琐管理中。 ”这句话，是整场演讲的起点。

三个问题，困住了一个行业

智能家居这个词，已经喊了很多年。但米雪龙认为，行业至今还被三个老问题绊着腿。

第一个是复杂的控制逻辑。操作层级多、路径冗长，各类设备的交互方式互不兼容，用户要适应多套操作逻辑，学习和使用成本居高不下。

第二个是割裂的设备生态。每个设备配备独立App或控制器，品牌壁垒导致设备无法协同工作，无法形成连贯统一的智能生活体验。

第三个也是最根本的—被动响应的”伪智能 ”体验。多数设备仅能被动执行指令，场景联动依赖人工触发，无法主动理解用户意图、预判场景需求。离真正 ”懂用户 ”的主动服务，相差甚远。

“用户需要的是一个统一的、智能的、无感的管家，而不是一堆需要管理的设备。 “米雪龙在PPT上留下了这句话。

问题讲完，他引出了 ”龙虾 ”。

龙虾做到了什么

OpenClaw—一套开源AI方案，被引入家居行业后成为米雪龙演讲的第一个主角。

他用三个词概括了它的优势： 有大脑、有手脚、有记忆。

“有大脑 ”，指的是OpenClaw可无缝接入GPT、Claude等主流大模型，具备强大的语言理解与推理能力 。“有手脚 ”，指的是它能调用各类工具API和MCP， 自主规划并执行复杂的现实世界任 务，不只停留在对话。“有记忆” ，指的是它能建立用户画像，理解使用习惯，实现长期记忆与持续学习，越用越懂你。

落到具体场景，演讲里列举了两个案例。一是复杂场景联动：用户说”我要看电影了”， OpenClaw会自动调暗客厅灯光 、关闭窗帘 、打开电视和音响系统。二是主动式智能： 结合日历和天气信息，在工作日早上自动拉开窗帘 、启动咖啡机 ，并播报当天天气和日程。

这是智能家居行业第一次有方案把”主动服务”跑通，AI不等指令，而是主动感知、主动判断、主动执行。

但龙虾的故事 ，就此卡住了。

龙虾卡在哪里

OpenClaw的问题，不在能力，在落地。

米雪龙总结了四个从发烧友走向大众市场的核心障碍：

稳定性瓶颈。 DIY方案难以保障7×24小时稳定运行，无法支撑家庭核心使用场景。安全门槛较高。 本地部署架构配置复杂，非专业人员操作存在数据与隐私安全隐患。易用性不足。 部署调试依赖技术能力，配置链路冗长， 难以面向大众普及。

生态孤岛效应。 难以对接米家、 鸿蒙等主流智能家居生态，设备联动与迁移成本高。龙虾验证了方向，但过不了产业化这道关。演讲里米雪龙说了一句定性的话：“龙虾是火种，但要点亮中国智能家居，需要’灵机一动’。“

灵机一动接了什么棒

从OpenClaw到灵机一动，米雪龙给出了一个直接的公式：

灵机一动 =龙虾基础能力 + 家电产业工程化 + 端云协同架构 + 垂类智能体 + 低成本量产能力“我们将前沿的AI技术原型，转化为可规模化商用、真正落地的产业级Agent引擎 。”

对应OpenClaw留下的四堵墙 ， 灵机一动给出了四个方向上的解法。

硬件原生适配。 模组至整机深度优化 ，端侧低功耗 、毫秒级响应，AI深度适配各类家电 。核心壁垒是沉淀硬件能力语义库和跨品牌设备控制协议，解决通用大模型”懂语言、不懂设备”的落地痛点。平台给出的数字是：典型硬件完成Agent接入最快1小时 ，硬件智能化开发周期最高缩短80%。

家电垂类模型。 细分场景定制专属模型，识别精准 、运行稳定，大幅降低端侧算力占用。通用大模型不具备家电运行原理、 故障代码、场景逻辑等行业专业知识，无法提供精准的智能决策一垂类模型要解决的正是这个问题。 目前已上线居家智能、 教育陪伴、智慧宠物 、健康康养四个垂 类，规划中还有儿童陪伴 、心理模型、 情绪陪伴 、安全看护。

端云协同混合架构。 本地执行核心指令、 云端处理复杂运算，兼顾极速响应、数据安全与功能拓展。

产业级交付能力。 成本可控、量产稳定，配套运维迭代体系 。平台通过垂类模型训练、数据蒸 馏、模型量化 ，降低训练成本，缩短开发周期；通过意图识别、上下文压缩和高频缓存，降低单次交互Token用量；还通过标准SDK和模块化组件 ，降低硬件接入开发成本、硬件成本。

平台在做什么：三层能力，一个飞轮

技术路径讲完，米雪龙话题转向平台定位。

灵机一动给自己的定位是”硬件品牌背后的AI Agent中间层” 。三句话划清了边界 ：不做单点工具，不做通用聊天，做平台中间层。

平台的三层能力架构依次是：

垂类大模型引擎，理解行业术语、用户意图、场景数据和服务内容，让智能体更懂具体硬件场 景；AI Agent全栈平台，完成智能体创建 、任务编排 、知识库增强、插件接入和持续运营；物模型+端云协同 ，把硬件的开关 、调光、传感、 运动等能力抽象成AI可理解、可调度、可执行的标准语义层。

三层能力之上，是一套数据飞轮一多源异构数据（IoT设备数据、用户行为数据、日志监控数据、行业知识文档）持续汇聚，经数据基座统一治理后驱动垂类模型迭代 ，AI Agent执行能力提升后产生新的用户反馈，数据再回流优化模型，循环往复 ， 闭环自增强。

对品牌的承诺是三件事 ：降低智能体门槛（无需完整AI团队也能快速接入） 、优化运行成本（通过垂类模型、 端云协同和缓存机制降低推理消耗） 、升级商业模式（从一次性硬件销售走向插 件 、内容、模型与服务订阅） 。

最后这一点，是演讲里着墨最重的方向之一。

硬件交付，只是开始

米雪龙花了相当的篇幅，讲灵机一动想帮硬件品牌完成的商业模式转型。

逻辑起点很清晰 ：硬件完成Agent接入并上线，用户开始使用一对话、控制、 内容消费一产生使用行为与场景数据，数据回流驱动模型、 插件、体验升级， 升级后的能力再服务用户，形成完整的运营闭环。

这个闭环带来三个具体的商业价值。

数据反馈，形成真实场景数据资产 。围绕用户使用、 功能调用和设备表现形成反馈 ，帮助品牌理解真实使用情况 ，持续优化模型与体验。设备越多、使用越多，模型和场景能力越强。

插件订阅 ，把硬件变成服务分发入口。用户可按需解锁音乐 、教育 、天气 、看护 、内容等插件能力 ，平台与品牌围绕持续使用形成订阅与分成，从单一硬件销售收入拓展为长期服务增值收入。目前已上线的插件包括网易云音乐 、墨迹天气、日程管理、 儿童故事 ，待上线的还有音乐播放 、新闻资讯、家庭相册 、视频通话、远程看护、设备联动等。

长期记忆与陪伴，让智能体越用越懂用户。 沉淀用户偏好、互动历史和阶段性需求，让智能体能够适配儿童成长、老人照护和家庭长期陪伴场景，从工具型交互升级为长期陪伴关系。

演讲的结论是：硬件交付只是开始， 持续运营带来留存 、ARPU提升、数据飞轮和品牌长期价值。

智哪儿的几句话

听完这场演讲，有几点想单独说。

灵机一动切入的位置是对的。 当前行业的AI化焦虑夹在两个极端之间一直接调用通用大模型成本高、不懂硬件 、持续运营能力接近于零； 自建AI团队做定制开发周期长、 门槛高、多数品牌负担不起。平台中间层这个定位填的，正是这个空白 。

垂类模型加物模型的组合，是真正不容易被快速复制的东西 。通用大模型的能力差距正在收敛，但以真实硬件使用数据深度训练的垂类模型， 以及连接具体设备的控制协议库和语义系统，需要时间和大量工程积累 ，没有捷径。

但有一句实话也要说 ：从卖硬件到运营用户，最难的部分不在平台，在品牌自身。 插件订阅和数据飞轮的逻辑在商业模型上成立，但它要求合作品牌在产品设计 、定价策略和组织分工上做出系统性的配套调整。这是经营理念上的重塑 ，难度不亚于技术升级本身 。灵机一动能走多远， 取决于它能不能帮助品牌完成这个跨越，而不只是提供技术接口 。

演讲最后，米雪龙留下了一句话：

“从龙虾到灵机一动，不是替代，而是进化；不是从零开始，而是站在开源的肩膀上，解决产业的真问题，让技术真正落地生根。

龙虾点燃了方向 ， 灵机一动要把方向变成产业现实。 进展几何 ，值得持续关注。