过去两年，AI 开发几乎是整个科技行业最热的话题之一，而在 6 月 10 日召开的 2026 ECDC 萤石云开发者大会上，AI 开发同样是核心主题。

从最早的代码补全，到后来的对话式编程，再到今天已经能自主规划、自主执行、自主调试的 Agent，AI 正在越来越深地介入软件开发流程。更进一步看，AI 也不再只是 " 帮程序员写几行代码 " 的工具，而是开始参与需求分析、架构设计、代码审查、测试验证，甚至部署运维等方面的工作。

听起来很美好，对吧？但如果把这个故事放到 IoT 行业里，事情就没那么简单了。

普通软件项目里，AI 理解的是代码、接口、文档和业务需求，大多数时候这些都是 " 虚拟的 "，即使要与现实交互，也往往需要经过用户的确认。而 IoT 项目面对的，则是摄像头、门锁、传感器、门禁等真实设备，而且大多强调自主运行和决策，同时背后还有各种私有协议、行业 SDK、国标协议，以及非互联网设备接入等问题。

换句话说，通用 AI 可以很快写出一个页面、一个后台、一个接口，但它未必真的懂一套 IoT 系统到底该怎么跑起来。

这也是为什么很多 IoT 企业明明已经用上了 AI 工具，却没有获得 " 效率翻倍 " 的效果。因为 AI 开发虽然看起来很快，但一旦进入真实项目中，就会遇到各种各样的问题，把问题一一解决后，发现反而耗费了更多时间。

所以，在萤石云开发者大会上，萤石开放平台 2.0 真正想回答的问题，并不是 "AI 能不能写代码 "，而是一个更实际的问题：AI 到底能不能成为 IoT 开发者和企业真正可用的生产力？

对于这个问题，萤石的相关负责人给出了这样的答案：不仅能，而且还能把效率成倍提升。

通用 AI 不懂 IoT，萤石想补上这一课

传统 IoT 项目的开发流程为什么又长又慢？小雷相信，不少做过行业项目的人都很熟悉这套流程：首先要沟通需求，再设计界面，然后对接设备、调协议、写前后端、做多端适配，最后还要部署、交付、运维。

这套流程的问题，不是某一个环节特别难，而是每一个环节都很碎，同时又需要大量人力投入。尤其是对 IoT 厂商来说，很多项目并不是技术上做不了，而是成本、周期和人力投入都很难压下来。

而萤石这次发布的萤石蓝海 AIoT 一站式工作台，核心就是冲着这个问题来的。

如果说传统 IoT 应用开发周期需要 3 周到 1 个月，那么在萤石蓝海 AIoT 一站式工作台的协助下，开发者可以通过对话式生成、AIoT 集成、一键部署和应用模板市场等功能，把项目交付周期压缩到更短的时间，最短甚至能在 15 分钟内输出一个可见原型。

听起来有点夸张，但拆开来看就不难理解：过去，开发者要把需求整合成产品文档，再把文档转化为设计，最后再从设计变为代码，这里面的每一个环节都需要人工协同完成。而现在，平台试图让开发者直接用自然语言描述需求，甚至可以直接附上你想要的界面效果图和 UI 设计稿，接下来 AI 就会自动生成应用，并支持在多轮对话中持续迭代。

也就是说，开发者不需要从零开始搭架子，而是先把原型跑起来，再围绕真实需求不断修改。对 IoT 项目来说，这一点非常关键，因为很多行业客户一开始并不能完整说清楚自己要什么，往往是看到界面、看到功能、看到设备接入效果之后，才知道哪里需要调整。

而萤石蓝海 AIoT 一站式工作台的另一个关键能力，是 AIoT 集成。

依靠多年的积累和庞大的产品生态，萤石把跨厂商设备技能包、视频类协议、控制类设备、显示类设备、传感类设备等各种能力平台化，让开发者不必每次都从最底层开始啃协议，相当于把 IoT 行业里的大量 " 脏活、累活、重复活 " 打包整理好，需要用的时候就可以直接让 AI 进行调度。

从这个角度看，萤石蓝海 AIoT 一站式工作台并不是简单地做了一个 AI 代码工具，而是把 AI 开发放进了 IoT 行业的真实工作流里。

在现场测试中，主持人只是简单描述自己的需求，然后在平台中挑选好合适的 skill 后，AI 就直接开始搭建软件平台。

在很短的时间里，一个可用的软件平台就已经搭建好，之后还想进行修改，只需要说出需求和想法，AI 就会在原基础上进一步优化，并且支持每个版本单独保存，持续迭代。

当然，这并不意味着开发者不重要了。

恰恰相反，当重复性工程工作被平台接住之后，开发者真正重要的能力会更突出：理解行业、拆解需求、定义流程、判断结果是否符合真实场景。

一言以蔽之：AI 负责把路修平，人负责决定要去哪里。

这也是萤石开放平台 2.0 从 PaaS 服务 API 升级为 " 应用开发与服务助理 " 的核心变化。过去，开放平台更多是提供能力调用；现在，它试图进一步进入开发、集成、部署、运维的完整生命周期。

AI 不只要会想，还要会干活

如果说萤石蓝海 AIoT 一站式工作台解决的是 " 应用怎么更快做出来 "，那么萤石发布的另一个产品 "AI 巡检智能体开发平台 "，想要解决的就是：AI 能不能真的进入物理世界干活？

年初，OpenClaw 等开源智能体的爆火，让很多人第一次看到 AI Agent 的能力。AI 不再只是问答机器人，而是可以自主规划任务、调用工具、持续执行，甚至像数字助手一样长期在线。

甚至有不少极客玩家让 OpenClaw 通过 PC 来控制自己的设备，但是让开源智能体直接进入生产环境，尤其是进入 IoT 生产环境，风险并不低，也没那么简单。

在电脑里，如果智能体执行错了，最坏可能是跑崩一个程序，但在物理世界里，情况就不一样了。比如说，如果一个巡检智能体误判了告警，导致设备控制智能体执行安保指令，那么影响就不再只是屏幕上的一串文字，而是直接联动现实的设备、设施以及人员安全。

这也是萤石 AI 巡检智能体的特殊之处，它是一个更接近 " 数字助手 " 的产品。它的底层能力，来自 AI 工作助手、AIoT 感知能力、智能硬件操控能力和绩效提升工具的组合。

简单说，通用智能体更多在数字世界里工作，比如整理文件、发送邮件，而萤石 AI 巡检智能体要做的，是把真实世界的信息变成 AI 可以理解的输入，再把 AI 的判断转化成设备和系统可以执行的动作。

比如在园区巡检场景中，它可以通过摄像头、传感器、门禁、道闸等设备感知现场状态，再结合视觉识别、环境感知、事件分析，判断是否存在异常，最后上报结果或联动处置。管理者看到的可能只是一个结果，但背后其实是一个完整的 " 感知—判断—处置 " 闭环。

小雷觉得，这也是 AIoT 和普通 AI 应用最大的不同。普通 AI 应用解决的是 " 信息处理效率 "，而 AIoT 要解决的是 " 物理世界响应效率 "。前者看的是模型能不能理解文档，后者看的是 AI 能不能看懂现场并做出妥善处置。

换句话说，那些你在科幻电影里曾经看到过的场景，比如 "AI 自动处理突发险情 " 等，在未来都有机会成真。而支撑这个系统的，则是萤石本身作为智能视觉物联网服务商，长期积累的视觉 AI 能力，这让它在 " 看见真实世界 " 这件事上比普通 AI 平台更有基础。

同时，萤石还具有丰富的物联云和设备连接技术积累。截至 2025 年 12 月末，萤石 IoT 云连接设备规模已经超过 3.6 亿，这意味着它有足够庞大的历史数据来训练 AI" 看懂世界 "。

萤石还在此基础上，重构了萤石蓝海大模型的多智能体架构，让智能体在任务规划、工具调度、记忆管理、端云协同等环节更适合 IoT 场景，而不是直接把开源智能体搬进生产环境。

而且，AI 巡检智能体已经得到了实际应用，比如在某大型企业的 20 多个园区落地，覆盖超 300 个固定巡检点位，让原本依赖人工巡检的区域被纳入智能化管理中，解决了部分区域安全响应不够及时、临时需求难以快速适配的问题。

说实话，这些应用场景看起来并不酷炫，但是却很实用。而很多时候，产业 AI 最需要的也不是展示一个特别惊艳的能力，而是把那些过去必须靠人来反复折腾的工作，转化为稳定的自动化系统能力，让世界变得更加高效。

AI 负责提速，也要负责守门

不过，只谈效率是不够的。

AI 越能干，安全问题就越重要。尤其是在 IoT 行业，AI 一旦从 " 回答问题 " 变成 " 执行动作 "，安全就变成了新的底线。当 AI 代码生成速度超过人类检查的速度、数字助手开始 " 眼观六路 " 时，人类就很难跟上 AI 的节奏，这也是萤石反复强调 " 用 AI 辅助管理 AI" 的原因。

因为只有 AI 才能跟上 AI，也只有 AI 才最懂 AI。

在开发侧，萤石已经把传统 SDL 流程 AI 化：需求阶段有需求评审智能体，编码阶段有 Code Review 智能体，测试阶段有安全测试智能体，发布后还有情报监控智能体。这种将每一个环节都纳入管控的做法，才是真正的安全。

同样，在数字助手侧，萤石则引入岗位角色、工具调用白名单、Skills 安全检测、密钥托管、运行日志可观测、提示词注入防护、高危操作拦截等多种能力。通过这种复合式的安全边界系统，数字助手可以像真实员工一样，有自己的岗位和权限，而不是在系统里 " 想干什么就干什么 "。

在现场分享的一则数据中，可以看出 AI 及 IoT 行业的软件安全形式都非常严峻，这也让萤石在开发 AI 平台和工具时将安全放在了更重要的位置。

回到萤石开放平台 2.0 本身，这次升级的重点，并不只是发布萤石蓝海 AIoT 一站式工作台和 AI 巡检智能体，也不只是增加一套 AI 安全服务。更重要的是，萤石正在把原本分散的各种 AI 能力与需求，全部整合进一个平台体系里。

过去的萤石开放平台，更像是一组 PaaS API。开发者需要什么能力，就调用什么接口，但后续的开发等问题仍然要自己解决。而到了萤石开放平台 2.0，萤石希望平台不只是提供能力，而是成为开发者的 " 应用开发与服务助理 "：开发者可以在平台上构建应用、调用设备能力、使用模型和云资源，再通过应用模板市场或数字助手市场实现成果流通。

这才是 " 云端跃升，共创 AIoT 新质生产力 " 的现实含义。

在雷科技看来，AI 时代的 IoT 生产力，不会只来自一个更强的大模型。因为 IoT 行业的问题，从来不是 " 有没有模型 " 这么简单，而是模型能不能理解真实场景和产品需求。萤石开放平台 2.0 想做的，就是把这些复杂问题平台化，让开发者不用每次都从零踩坑，让企业不用为了一个 AIoT 项目重新搭一整套技术底座。

当然，AIoT 智能体要真正大规模落地，还需要更多行业场景、合作伙伴和真实项目验证。但可以确定的是，AI 已经不满足于停留在聊天框里了。当 AI 开始拥有接管设备、洞悉世界等能力时，IoT 行业的生产力变化，才刚刚开始。