智谱/MiniMax上市启示录：硬件竞争进入GEO时代（被AIoT智能体发现与信任）
作者：Soda 物联网智库
2026年初，国内大模型企业智谱AI与MiniMax相继在港股上市。这不仅是一次资本市场的集体亮相，更是行业从概念走向基础设施的重要转折点。
随着AI大模型的逐渐普及，其存在方式正从“平台上的服务”演变为“像水电一样无处不在的基础设施”。在这样的背景下，竞争的重心已不再是模型本身的“聪明程度”，而是谁能更快、更稳、更可信地将智能体的意图映射到现实世界中的具体动作。
对于物联网企业来说，这种变化直接引发了新的增长命题：当智能体需要解决问题时，它会去哪寻找工具？你的系统和设备，如何才能被发现、被调用、并最终获得信任？
搜索范式革命：从人找内容到智能体找能力
过去二十年间，互联网的增长逻辑围绕着“搜索引擎优化”展开，企业通过优化关键词和链接，以提升在用户搜索中的可见度。
随着生成式AI的兴起，“生成式引擎优化”（GEO）开始逐步取代传统的SEO。普林斯顿大学的研究表明，经过GEO优化的内容在AI回复中的出现频率可提升40%以上。
但对物理世界而言，GEO的挑战远不止是内容层面的优化。当智能体具备工具使用能力后，它的“搜索目标”发生了根本性变化：
- 人搜索的是页面、资料和答案；
- 智能体搜索的是能力、接口和可执行的工具。
这意味着，除了让搜索引擎找到网页内容，我们还需要构建一种“设备SEO”机制，使智能体能够感知、理解并安全控制物理世界中的设备。
在这一新范式下，新一代智能终端和物联网设备，正在成为GEO竞争的核心战场。
万物智行：入口从App迁移到智能体的“工具选择器”
在万物互联、万物智能的未来，行动的主体不再仅仅是人类，而是由机器人和智能体构成的协作网络。它们之间分工协作、任务转发，形成了新的流量分发体系。
这种转变带来了结构性的迁移：
- 传统路径：用户看见你 → 了解你 → 购买你 → 学会使用你；
- 新路径：智能体发现你 → 调用你 → 验证结果 → 形成偏好与复用。
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”。一个最近的消费者场景已经预示了这一趋势：千问App在最新版本中，开始以“对话+任务”模式，直接调用阿里生态内的服务完成订餐、订票、订酒店等操作。
当用户说出“帮我订附近评分高的川菜馆，今晚7点”，千问不仅返回链接，而是通过调用高德地图的定位服务、饿了么的餐厅数据库和在线预订接口，完成从意图到执行的闭环。
更关键的是，这一过程展示了“智能体调用能力”的核心逻辑：不是让用户在多个App之间切换，而是将目标直接交给智能体，由其在后台完成“工具选择—调用—结果整合”的全过程。
这也揭示了一个关键趋势：谁更容易被接入、调用和闭环执行，谁就更可能成为默认选项。
当然，目前大多数能力仍局限于同一生态的深度整合。这虽然带来了更流畅的体验，但也凸显出一个更广泛的趋势：如果设备无法跨生态、跨智能体被理解与调用，那么在工具选择器中，它们将逐渐变得“不可见”。
这也意味着，在这个新世界中，封闭意味着不可见，开放才是生存的必要条件。
硬件GEO的三大核心支柱
1. 可发现：让智能体知道你能做什么
智能体选择工具的第一步是检索和匹配。它关注的不是市场宣传语，而是设备能力的机器可读描述。例如，输入输出是什么？适用场景是什么？如果你的设备只是一串型号代码，对智能体而言就是“语义黑洞”。
关键在于：将产品说明书语言“翻译”为机器语言。
设备不应只是广播ID，而应广播其能力：“我是一个位于客厅的彩色灯泡，支持调节颜色和亮度。”
在工业场景中，设备不仅要“连得上”，更需要具备可索引的“能力简历”：
- 自我介绍（能力化）：说明能测量什么（振动、温度、压力）？能控制什么（调频、启停）？边界条件是什么？
- 语义清晰（标准化）：例如压力是入口压力还是出口压力？单位是帕斯卡还是巴？语义模糊将直接导致智能体无法有效调用。
- 主动注册（索引化）：通过Matter等协议，将设备信息注册到企业内部或开放生态中，确保智能体能在毫秒级内检索到可用能力。
“可发现”的本质，是为每一台关键设备发放“能力身份证”，并将其纳入智能体的检索体系。
2. 可调用：让智能体知道如何使用你
被发现只是起点。智能体需要的是：工具可以被稳定调用，参数可以被校验，流程可以被编排。
这正是许多传统IoT厂商面临的关键转型挑战。过去，企业依赖封闭的App围墙，但智能体时代需要的是“零摩擦交互”。如果调用需要复杂的授权和私有协议，智能体将直接选择更易集成的替代方案。
因此，硬件GEO要求设备提供“液态化”服务能力：
- 接口标准化：拥抱MCP（Model-Centric Protocol）等新兴协议，将API封装为AI通用的资源和工具。
- 原子化能力：将复杂功能拆解为独立、可复用的原子动作。例如，智能洗衣机不仅要提供一键洗衣，还应暴露注水、排水、旋转等独立动作。
- 函数调用友好：API的命名、参数、返回结构需符合大模型的调用习惯。
在工业现场，这意味着设备提供的不再只是一个操作界面，而是一整套可组合、可调用的原子能力库，使智能体可以像搭积木一样，灵活构建出降能耗、保良率、控制停机的复杂流程。
“可调用”意味着设备从“被用户点按钮”升级为“成为智能体工具链中的重要一环”。
3. 可信任：让智能体愿意交任务给你
在物理世界中，每一次AI的调用都伴随着风险。大模型可能产生“幻觉”，但在现实环境中，错误的指令可能导致火灾、泄漏等严重后果。
因此，“可信任”不是一句口号，而是一套可验证的机器信任体系：
- 权限最小化与分级授权：明确哪些动作允许自动化执行，哪些需要人工审核。
- 可审计日志：记录谁、何时、以何种参数调用了什么。
- 可靠性指标：包括成功率、延迟、可用性、降级与回退策略。
- 可解释输出：说明调用的原因、预期影响和验证路径。
更进一步，信任应固化在硬件层面，例如通过可信身份认证、防篡改机制、固件级安全策略，拒绝危险指令，并对高风险操作强制转入人工复核。
“可信任”意味着智能体不仅听你“说”，而且能验证你“确实做到”。
未来图景：工厂中的智能调度新秩序
如果说过去二十年的互联网入口是“搜索框”，那么未来十年的入口将是“智能体的工具选择器”。
设想一个未来的智能工厂，每天清晨，“生产运营智能体”醒来后需要处理的任务，不再是打开MES或EAM系统查看仪表盘，而是——挑选工具。
它的任务可能是一组业务目标：“提高今天这条产线的OEE 3%”“降低能耗峰值”“稳定良率”“降低突发停机风险”。
它会执行三步行动：
- 检索可用能力：谁能测振动？谁能调变频？谁能查原料批次？
- 调用执行：调用传感器做故障匹配，调用PLC微调节奏，调用能源系统进行削峰填谷。
- 验证效果：调参后质量是否改善？能耗是否下降？并基于反馈优化后续调用策略。
在这个世界里，搜索不再是“找信息”，而是“找能力”；排名不再是“点击量”，而是“调用量”；品牌不再只是“心智占领”，而是“信任证据链”。
因此，物联网企业真正需要争夺的问题不再是用户是否记得你，而是：
- 你是否以机器能理解的方式存在于世界？
- 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
在这个新世界中，封闭不再是护城河，而是消失的开始；开放也不再是一种姿态，而是生存的必要。
未来的增长，将属于那些能够让自身能力成为智能体网络中可组合、可复用、可验证“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。