智谱/MiniMax上市启示录：硬件的下一阶段竞争聚焦于GEO（AIoT智能体的发现与信任）
作者：Soda 物联网智库 原创
2026年年初，国内两家大型人工智能模型公司——智谱AI与MiniMax相继在港股市场上市。这一系列事件不仅是资本市场的热点，也标志着一个行业拐点的到来：人工智能大模型正从概念阶段逐步演变为基础设施。
随着模型能力逐步普及，其影响力已深入到现实世界的各个层面，不再仅是“谁更聪明”的问题，而是谁能以更高效、更稳定、更可靠的方式，将智能体的意图转化为现实动作。
对于物联网企业而言，这一变化直接转化为新的增长挑战：当智能体面临任务需求时，它将如何搜索工具？你的设备和系统如何成为它首选的解决方案：被发现、被调用、被信任？
搜索范式的转变：从人找信息到智能体找能力
过去二十年，互联网的流量逻辑主要依赖SEO（搜索引擎优化），通过优化关键词和外部链接来提升内容曝光度和点击率。
然而，随着生成式AI的崛起，GEO（生成式引擎优化）正逐步取代传统的SEO逻辑。普林斯顿大学等研究机构提出的GEO框架表明，经过优化的内容在AI回复中的出现频率可提升40%以上。
但对物理世界的智能设备而言，GEO不应仅停留在内容层面。当智能体具备工具调用能力后，其搜索目标发生了本质变化：
- 过去（人）：搜索网页、搜索信息、搜索答案
- 现在（智能体）：搜索能力、搜索接口、搜索可执行工具
这意味着，在数字世界中，SEO帮助搜索引擎找到内容；而在智能体驱动的世界里，我们需要构建一种“设备SEO”机制，让智能体能够感知设备的存在、理解其能力，并实现安全控制。
在这一新范式中，新一代智能终端和物联网设备自然成为GEO的主战场。
万物智行：入口从App迁移至“智能体的工具选择器”
在万物互联、万物智行的未来，行动的主体将不再只是人类，而是由机器人与智能体构成的协作网络。它们将彼此分工、转发任务，形成一种新的流量分发结构。
这一结构性变化将带来新的用户路径：
- 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，未来的真正入口，很可能不再是某个App的首页，而是智能体的“工具选择器”。
一个正在发生的C端案例已经提前展示了这种趋势：千问App在最新版本中引入了“对话+任务”的交互模式，直接调用阿里生态内的服务，完成如订餐、订酒店、订机票等操作。
以“帮我订一家评分高的川菜馆，今晚七点”为例，千问App不会简单地返回链接，而是直接调用高德地图定位、饿了么/口碑的餐厅数据库及在线预订接口，实现从用户意图到执行动作的闭环。用户无需在多个App间切换，而是将任务交给智能体，由其在后台完成工具选择、调用与结果组织。
更重要的是，这一案例揭示了一个对硬件GEO极具启发的事实：智能体不是在“浏览功能”，而是在“调用能力”。当千问App将淘宝/闪购、支付宝、飞猪、高德等能力统一纳入同一对话式入口时，工具被编排为统一任务链路的一部分——这正是调用型增长的雏形。
尽管目前此类能力主要存在于同一生态内部的深度整合中，但这也预示着更广泛的趋势：当越来越多智能体开始“搜工具、选工具”，那些无法被跨智能体理解、跨生态调用的设备将逐渐在工具选择器中“不可见”。
这也揭示了一个现实：在新智能时代，封闭意味着“默认不可见”，开放才是生存之道——因为它意味着可被理解、可被调用、可被验证。
硬件GEO的三大核心支撑
为了让设备在智能体世界中脱颖而出，企业需要构建一套完整的硬件GEO体系，主要包括三个核心支柱：可发现、可调用、可信任。
1. 可发现：让智能体知道你能提供什么
智能体在选择工具时，首先进行的是检索与匹配。它所匹配的不是企业的市场宣传语言，而是机器可读的能力描述：你能提供哪些交互？输入和输出是什么？适用场景是怎样的？如果你的设备仅提供一串型号代码，对智能体来说，这就成了“语义黑洞”。
关键在于：将设备说明书的语言转换为机器可解析的形式。
例如，不仅要广播设备的ID，还要说明：“我是一个安装在客厅的彩色灯泡，支持调节颜色与亮度”。
在工业场景中，“可发现”不仅意味着设备联网，更意味着它具备可被索引的“能力简历”：
- 自我介绍（能力化）：不仅提供MAC地址，更要说明：我能测什么？我能做什么？我的操作边界在哪里？
- 语义清晰（标准化）：同样是“压力”，是入口压力还是出口压力？单位是帕斯卡还是巴？语义模糊会导致智能体无法准确判断你是否能完成任务。
- 主动注册（索引化）：通过Matter等协议，将能力信息注册至企业内部设备目录或更广泛的生态平台，确保智能体在接收到任务时能快速检索到你。
“可发现”的本质，是为每一台关键设备发放“能力身份证”，并使其进入智能体的搜索体系。
2. 可调用：让智能体知道如何使用你
被发现只是第一步，智能体真正需要的是：工具可以被稳定调用、参数可以被校验、流程可以被编排。
对于传统IoT厂商而言，这是一道心理门槛。过去企业倾向于构建封闭的App围墙，要求用户下载App、注册账号。但在智能体时代，这种交互方式反而成为调用的障碍。如果调用你的设备需要复杂授权和私有协议，智能体将更容易选择支持标准接口的替代方案。
因此，硬件GEO要求设备具备“液态化”的服务能力，包括以下几个方面：
- 接口标准化：采用MCP等新兴标准协议。MCP由Anthropic等公司推动，它允许设备API以标准化的方式封装为AI通用的资源和工具。通过MCP，设备不再是信息孤岛，而是大模型上下文中的标准插件，实现即插即用。
- 原子化能力：将复杂功能拆分为可独立调用的原子操作。例如，智能洗衣机不仅要提供一键洗衣功能，还需暴露注水、旋转、排水等原子能力。当用户反馈“衣服洗得不够干净”时，智能体可仅调用漂洗和脱水动作，而非重新执行整个流程。
- 函数调用友好：API的命名、参数、返回结构应符合大模型的调用习惯。
在工业场景中，这意味着提供的不再只是一个操作界面，而是一套可被智能体编排的原子能力库，使其能够像搭积木一样，组合出降能耗、保良率、控制停机等复杂流程。
“可调用”，意味着设备从“只能被人类点击按钮”升级为“可被智能体作为工具链的一部分”。
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的调用都伴随着一定风险。大模型可能产生“幻觉”，但物理世界不能容忍“幻觉”——错误的加热指令可能导致火灾，错误的阀门开启可能导致泄漏。
因此，“可信任”在硬件GEO中不是一句口号，而是一套机器可读的证据体系。
- 权限最小化与分级授权：哪些操作允许自动化？哪些必须人工审批？
- 可审计日志：谁、何时、以什么参数调用了什么？
- 可靠性指标：成功率、延迟、可用性、降级与回退策略。
- 可解释输出：为何做出此调用？预期影响是什么？如何验证执行结果？
更进一步，信任应固化在硬件层面：
- 通过可信身份和防篡改机制，确保设备未被非法替换
- 利用固件级安全防护机制，拒绝危险指令
- 对高风险操作实行分级控制，强制人工复核
“可信任”，意味着智能体不仅听你“说了什么”，还能够验证你“确实做到了什么”。
未来图景：智能工厂中的新秩序
如果过去二十年互联网的入口是“搜索框”，那么未来十年的入口将转变为“智能体的工具选择器”。
设想一下，未来的智能工厂中，每天清晨，生产运营智能体“醒来”的第一件事，不再是打开MES或EAM界面，而是挑选工具。
它接收到的不是单点指令，而是一组业务目标：“提高产线OEE 3%”“压降能耗峰值”“提升良率稳定性”“降低突发停机风险”。
随后，它将完成三项关键操作：检索可用能力、评估调用成本、计算信任风险，再将任务分解为一系列可执行调用，分发给最合适的设备与系统节点。
它将检索：“谁能测振动？谁能调变频？谁能查原料批次？”
它将调用：“调用传感器进行故障匹配，调用PLC进行微调，调用能源系统削峰填谷。”
它将验证：“调参后质量是否提升？能耗是否下降？”并基于结果优化下一次调用策略。
你将意识到，这个世界里，搜索不再只是搜资料，而是搜能力；排名不再只是点击量，而是调用频次；品牌也不再只是用户心智，而是信任证据。
因此，物联网企业真正需要争夺的，也不再是用户是否记得你的品牌，而是三个更核心的问题：
- 你是否以机器能理解的方式存在于世界中？
- 你是否以机器能调用的方式提供能力？
- 你是否以机器能验证的方式建立信任？
结语
在这个新世界里，封闭不再是竞争优势，而是逐渐被边缘化的开始；而开放也不再是一种姿态，而是企业生存的必要条件。
未来的增长，属于那些能够将自身能力转化为智能体网络中可组合、可复用、可验证的“智能积木”的企业。
硬件GEO，不再是可选项，而是企业必须正面回答的问题。
而答案，就藏在你的设备能力、接口设计与信任机制之中。
原文标题：智谱/MiniMax上市启示录：硬件的下一战是GEO（被AIoT智能体发现与信任）