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）
作者：Soda 物联网智库 原创
2026年伊始，国产大模型企业智谱AI与MiniMax相继在港股上市。这场资本市场的热烈表现，背后不仅是一次融资窗口的打开，更标志着整个行业进入关键转折点——生成式人工智能正从概念叙事转变为实际的基础设施。
当大模型逐渐像电力和网络一样渗透到各行各业，下一阶段的竞争焦点已不再是单纯的技术先进性，而是谁能以更快的速度、更高的稳定性以及更强的可信度，将智能体的意图转化为现实世界的动作。
这一变化对物联网企业而言，提出了一个全新的增长命题：当智能体需要完成任务时，它会如何寻找可用的工具？你的设备与系统如何才能成为它的首选——被发现、被调用、被信任？
搜索范式变革：从人找信息到智能体找能力
过去二十年，互联网的流量逻辑围绕着SEO（搜索引擎优化）展开。企业通过优化关键词、外链等内容，吸引用户点击网页和访问内容。
但随着生成式AI的兴起，这一范式正在被GEO（生成式引擎优化）所取代。普林斯顿大学等研究机构提出的GEO框架显示，经过优化的内容在大模型输出中的可见度可提升40%。
然而，对于物理世界中的物联网系统来说，GEO的意义不应仅停留于“内容优化”。当智能体具备了调用工具的能力，它的“搜索”对象发生了本质变化：
- 过去（人）：搜索网页、查找资料、获取答案。
- 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帮助搜索引擎找到信息；而在智能体主导的新世界中，我们需要构建一种“设备SEO”机制，使智能体能感知、理解并安全地控制物理设备。
在这一新范式下，智能终端与物联网设备正逐步成为GEO的新战场。
万物智行：入口从App迁移到智能体的工具选择器
在万物皆可智能运行的未来，执行任务的主体将不再仅仅是用户，而是由机器人和智能体组成的协作网络。它们分工协作、转发任务，构成新的流量分发机制。
这一变化将引发结构性的迁移：
- 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。
换句话说，真正的入口，或许不再是某个App的首页，而是智能体的“工具选择器”。
当前，一个消费者侧的案例已初步展示了这一趋势。千问App在近日升级后，开始通过“对话+任务”的方式，直接调用阿里生态内的服务完成外卖、酒店预订等操作。
例如，用户只需说“帮我订一家附近评分高的川菜馆，今晚7点”，千问不仅不会返回链接，而是直接调用高德地图、饿了么、口碑等多个系统，完成从定位到预订的闭环。用户不再需要在多个App中切换，而是将目标交给智能体，由其在后台完成工具调用与结果整合。
这一操作方式揭示了一个关键事实：智能体不是在“浏览功能”，而是在“调用能力”。当千问将淘宝、支付宝、高德等能力整合到统一的对话式入口，实际上是在构建一个“调用增长”的模型：谁更容易被接入、被调用、被完成闭环，谁就更可能成为默认选项。
当然，目前这类能力多限于同一生态内部的深度整合。它展示了封闭系统带来的流畅体验，但也进一步凸显了一个行业趋势：当越来越多的智能体开始“搜工具、挑工具”，任何无法跨智能体理解、跨生态调用的设备，将逐渐在工具选择器中“消失”。
这也意味着，封闭不再是一种优势，而是被淘汰的开始；开放则成为生存的关键。
硬件GEO的三大核心支柱
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。该体系可归纳为三个核心维度：可发现、可调用、可信任。
1. 可发现：让智能体了解你的能力
智能体选择工具的第一步是检索与匹配。但它匹配的不是企业的宣传话术，而是机器可读的能力描述：你能提供哪些交互？输入输出格式是什么？适用场景是什么？如果你的设备仅提供型号和参数，对大模型而言，这就像“语义黑洞”。
关键动作是：将传统说明书语言转换为机器可理解的格式。
设备不应只是广播ID，而应广播能力，例如：“我是一个位于客厅的智能灯泡，支持调节颜色和亮度。”
在工业场景中，“可发现”不仅仅是连接网络，更是构建可索引的设备能力档案：
- 自我介绍（能力化）：不要只报MAC地址，而是明确说明：我能测什么？我能做什么？我的边界是什么？
- 语义清晰（标准化）：定义清楚参数的单位、类型、上下文。例如，“压力”是入口压力还是出口压力？单位是帕斯卡还是巴？
- 主动注册（索引化）：通过Matter等协议，将设备信息注册到内部或外部的设备目录中，确保智能体在接收到任务时能快速检索。
“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搜索系统。
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、参数可被验证、流程可被编排。
这对传统IoT企业来说，是前所未有的挑战。过去，企业习惯构建封闭的App生态，要求用户下载、注册、登录，但这种“交互摩擦”在智能体时代成为障碍。如果调用你的设备需要复杂的授权和私有协议，智能体会直接转向其他支持标准接口的选项。
因此，硬件GEO要求设备具备“液态化”的服务能力，包括：
- 接口标准化：拥抱如MCP（由Anthropic等推动的协议），将API封装为通用的资源与工具，实现即插即用。
- 原子化能力：将复杂功能拆分为可组合的原子操作。例如，智能洗衣机不仅提供一键洗衣，还应提供注水、旋转、排水等独立动作。
- 函数调用友好：命名、参数、返回结构符合大模型的调用逻辑。
在工业场景中，这意味着设备不再是孤立的终端，而是可被编排的原子操作单元，能协助智能体完成如降低能耗、提升良率等复杂流程。
“可调用”的关键在于：设备从“只能被用户点击”升级为“能被智能体当作工具链的一环”。
3. 可信任：让智能体放心使用你
在物理世界中，AI的每一次调用都伴随着风险。大模型可能产生“幻觉”，但物理世界不能承受这种风险——错误的加热指令可能引发火灾，错误的阀门开启可能导致泄漏。
因此，硬件GEO中的“可信任”不是一句口号，而是一整套机器可验证的证据体系。
- 权限分级授权：明确哪些动作允许自动执行，哪些必须人工复核。
- 可审计日志：记录谁、何时、以何种参数调用设备。
- 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：说明为何执行该操作、预期影响、验证路径。
更进一步，“可信任”还应落实在硬件层面：
- 采用可信身份机制，防止设备被替换。
- 设置固件级的安全防护，拒绝危险指令。
- 对高风险操作实施风险分级管理，必要时转入人工复核。
“可信任”的核心是：智能体不仅听你说“做到了”，更要求它能验证你“确实做到了”。
未来图景：智能工厂中的新秩序
如果说过去二十年互联网的入口是搜索框，那么未来十年的入口，很可能是“智能体的工具选择器”。
设想一下，几年后的智能工厂里，每天清晨，“生产运营智能体”醒来后的首要任务，不是打开MES或EAM系统，而是——选择工具。
它接收到的任务不再是简单的单点指令，而是一组业务目标，如：“将产线的OEE提升3%”“控制能耗峰值”“稳定良率”“降低突发停机风险”。
为达成目标，它会执行三步操作：检索可用能力、评估调用成本、计算信任风险，然后将任务拆解成可执行的调用链条，分发给最合适的设备节点。
- 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？并根据反馈调整后续策略。
在这个世界里，搜索不再只是获取信息，而是获取能力；排名不再是点击量，而是调用频率；品牌也不再只是用户心智，而是信任的证据。
因此，物联网企业真正需要争夺的，已经不再是用户是否记得你，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系统中？
- 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？
写在最后
在这一新生态中，封闭已不再是护城河，而是逐步消失的开始；开放也不再是姿态，而是企业生存的必要条件。
未来的增长，将属于那些能把自身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，不是可选项，而是必答题。
而答案，就藏在你的设备能力、接口设计与信任机制之中。