过去半年，OpenClaw   掀起的 " 龙虾热 " 让 AI 社区陷入一种集体亢奋：AI 替你写代码、回邮件、甚至接管设备，仿佛 " 取代人 " 的倒计时已经开始。英伟达黄仁勋的那句 " 迄今发布过的最重要软件之一 " 的评论，更是为这场狂欢添了一把火。

但当泡沫稍稍退去，IoT 行业的沙滩上留下的却是尴尬的裂痕。

某公司实验室的邮件误删、某公司的源代码泄露，以及工信部于今年 3 月发布的关于防范 OpenClaw（" 龙虾 "）开源智能体安全风险建议，都在提醒我们：通用智能体在追求 " 全知全能 " 时，往往伴随着失控的风险。

对于 IoT 开发者而言，现实更加骨感——私有协议堆积如山，文档残缺不全，即便 AI 能在 15 分钟内写完功能代码，繁琐的测试与发布流程依然能让交付周期拉长到数天。

面对这种狂热和困境，萤石给出了一个更克制也更务实的答案：AI 不需要取代人，只需要让 IoT 开发者活得更好。

这份清醒，源于对产业的本质洞察。当下的 IoT 产业不需要一个虚无缥缈的 " 数字上帝 "，而是一套真正能用、好用的工程体系。

因此，在 6 月 10 日 ECDC 萤石云开发者大会上，萤石开放平台 2.0 没有顺势加入 " 取代人 " 的宏大叙事，而是掉头往回走，通过蓝海   AIoT   一站式工作台降低开发门槛，再通过 AI   巡检智能体开发平台把能力封装成可复用的数字资产，把   AI   从舞台中央的 " 主角候选人 "，重新放回 IoT 开发者和企业手边的生产力工具位。

冰山浮沉：

AI 编程的 " 效率悖论 "

过去一年，AI 编码工具的进化速度快到令人眼花缭乱。李开复预言："AI 代码生成将很快超过人类。"

但站在 IoT 行业开发者的角度来看，事情远没有这么简单。当萤石把市面上主流的 AI 编码工具开放给内部研发，每月投入数十万 Token 费用后，复盘结果却出人意料——整体研发交付效率并没有显著提升。

问题出在哪里？

复盘发现，真正把 AI 用出效率的团队，靠的不是更好的工具，而是工具之上的 " 工程体系 "：规范的 AI 开发流程、面向 AI 优化的技能积累、存量代码的逆向工程改造。

这就像一座冰山。AI 工具只是露出水面的那一小部分，水面以下是整套研发流程的重建。光把工具发下去，只是碰到了水面那一角；水面以下没动，效率和速度自然不会变。

具体到 IoT 领域，还有四层更深的障碍：

第一，企业适配难。一家公司的软件开发流程是十几年沉淀下来的，不是装一个工具就能解决的。很多公司曾出现这样的场景：研发用 AI 15 分钟写完功能代码，但从测试到发布走完流程花了一整天。

第二，模型适配难。代码补全用一个模型，架构设计用另一个。选错了，要么质量差，要么成本飙升。

第三，IoT 场景特殊。设备通信中充斥着大量私有、文档不全的协议和 SDK，这些信息几乎不存在于通用 AI 的训练数据里。AI 生成的代码往往会 " 自作主张 " 重写一套通信子系统。

第四，从 0 到 1 仍然难。行业 Know-how 需要转化成 AI 能理解的精确需求，而人写的需求往往模糊不清，结果就是反复迭代，时间和 Token 一起烧。

这些墙并非 AI 技术本身的问题，而是 " 通用工具 " 与 " 垂直行业 " 之间天然的缝隙。填平这道缝隙，需要的不是更好的代码补全，而是一个真正理解 IoT 的开发底座。

" 五面墙 " 围城：

OpenClaw 的商用困局

OpenClaw 的爆发有其技术必然性。随着主流大模型的上下文记忆能力大幅跃升，复杂任务的连续推理成为可能。OpenClaw 将这些能力封装成开箱即用的智能体框架，一时间人人想 " 养龙虾 "。

但萤石做了一次真实场景的尝试：把自家摄像头的 API 和云端服务封装成技能，给用户养一只云端 " 龙虾 "，帮他们管家里的设备，完成定时巡检、异常告警、自动操控等任务。

结果，五面墙迎面撞来。

成本墙：云端龙虾按实例计费，每个用户一个独立实例，意味着全天候算力开销。绝大多数时间用户没有互动，系统却在空转。

启动速度墙：新用户开通要几十秒。在用户对 " 等待 " 几乎零容忍的时代，体验差。

响应速度墙：一次 " 看上去智能 " 的互动背后，是十几轮模型调用，耗时一分钟很常见。

安全墙：OpenClaw 默认有系统全权限，可以读文件、跑命令、调接口。一旦配置失误后果严重。

行为发散墙：有真实案例显示，龙虾本该去关窗帘，结果 " 想多了 "，开始写起代码；本该回复一句话，却执行了一连串无关操作。

这五面墙揭示了一个被狂热掩盖的真相：开源智能体是一个绝佳的 " 概念验证 "，但把它放进真实的生产环境，尤其是 IoT 领域，还有很长的路要走。

问题的本质是：通用智能体是为 " 全权限数字助手 " 设计的，而 IoT 产业需要的，是一个安全、可控、低成本、与企业现有基础设施深度集成的 " 行业专属数字助手 "。

蓝海浮出：

一个不是 " 工具 " 而是 " 平台 " 的回答

面对这些困境，萤石给出的答案不是又一个 AI 工具，而是一个平台——萤石开放平台 2.0。

这个平台的核心变化，藏在一个关键的定位转型中：从 PaaS 服务 API，走向应用开发与服务助理。原有的 PaaS 和设备接入层并未改变，真正变化的是，开发者现在可以在平台上直接构建应用，服务范围覆盖从开发到部署的整个生命周期。

支撑这个定位的两款核心产品，分别对应了两类痛点的答案。

第一把钥匙：蓝海 AIoT 一站式工作台。

它的定位是面向物联场景、AI 驱动的开发与交付平台，用户通过自然语言描述需求，即可利用 AI   大模型智能生成可运行的 AloT 应用，并提供从需求描述、代码生成到部署上线的一站式闭环体验，帮助客户以更低成本、更快速度完成 AloT 行业应用落地。

传统开发模式下，一个项目需要数周到一个月，人天成本约 2000 元。蓝海 AIoT 一站式工作台把这个周期压缩到两天，成本降到约五分之一，15 分钟就能输出原型。

但时间缩短只是表象，真正让蓝海 AIoT 一站式工作台脱颖而出的，是四个底层能力的深度耦合：

对话式生成，让不懂代码的解决方案商也能快速搭建应用；AIoT 集成，将数十个跨厂商技能包封装成 " 即装即用 " 的能力，覆盖海康等主流品牌；一键部署，让开发者无需关心服务器、域名等基础设施。

而在蓝海平台之上，还有一个值得关注的商业模式创新：应用模板市场。内置安防、巡检、客流等行业成熟模板，合作伙伴可以将自己积累的行业应用上架销售。客户可以选租赁或买断模式，合作伙伴则获得新的变现通道。这意味着，IoT 产业正在从 " 卖项目的服务业 " 向 " 卖数字资产的平台化产业 " 迁移。

第二把钥匙：AI 巡检智能体开发平台。

如果说蓝海 AIoT 一站式工作台解决的是 " 开发 " 效率，那么萤石同期发布的 "AI 巡检智能体开发平台 "，解决的是 " 交付物 " 形态的升级，让写出来的代码拥有 "" 自主干活 " 的能力。它的核心是构建物理世界的数字管家。

而这套架构之所以能落地，得益于萤石积累的三重差异化壁垒：

第一重，AIoT 感知能力。通用智能体擅长处理文档、表格、邮件这些数字信息，但萤石的巡检智能体能看懂物理世界——通过摄像头做视觉感知、通过传感器做环境监测、通过智能硬件做事件判断。

第二重，全品类智能硬件操控。萤石拥有智能摄像机、智能门锁、机器人在内的完整硬件产品矩阵，以及全球超过 3.6 亿台接入设备的物联网云平台。2025 年萤石物联网云平台实现收入 12.05 亿元，同比增长 14.51%，其中面向行业开发者的 PaaS 服务收入增长 26%。

第三重，全栈自研技术底座。从基础设施层的萤石 IoT 云，到模型层的自研萤石蓝海大模型，再到智能体层的 " 龙虾 " 多智能体架构，萤石实现了 AIoT 开发工具链的完整自主可控。

三者叠加，让 AI 巡检智能体开发平台能够应对真实世界中的复杂感知和控制任务，这是任何一个纯软件厂商或纯硬件厂商都难以复制的 " 端到端 " 闭环能力。

与蓝海类似，巡检平台也配套推出了 " 数字助手市场 "。开发者可将打磨好的数字助手上架交易，其他有同样需求的企业，可以直接试用、购买，一键部署到自己的平台上。

这套 " 双市场 " 机制，构成了萤石开放平台 2.0 最值得关注的商业模式创新。 它让行业知识不再是一次性交付的 " 项目 "，而是可沉淀、可流转、可分发的数字资产。

安全护城河：

用 AI 辅助管理 AI

如果只谈效率不谈安全，所有关于 AIoT 新质生产力的叙事都会在第一时间崩塌。

这并非危言耸听。此前 Claude Code 的源代码泄露，以及工信部发文对 OpenClaw 做出 " 信任边界模糊、技能包市场审核缺失 " 的风险定性，都在提醒我们：效率提升得越快，风险被放大的效应就越强。

萤石的安全策略核心可以概括为：用 AI 辅助管理 AI。传统的 SDL（安全开发生命周期）流程被全面 AI 化，需求评审、代码评审、安全测试、情报监控四大智能体形成闭环。这套体系背后是萤石多年积累的 10 大类 43 项安全检查项，以及攻防演练与应急响应的实战经验。

对于数字助手类产品，平台还内置了更细粒度的管控：技能静态安全检测、运行时异常拦截、提示词注入防护、行为审计溯源、高危操作拦截、凭证托管等。

这些安全能力不是事后 " 打补丁 "，而是从一开始就嵌入到平台的设计中。 从需求阶段的安全约束模板，到代码生成时的自动扫描，再到部署后的持续监测，全链路安全内置于平台，让 AI 开发和应用在安全可控的前提下进行。

只有当 AI 足够安全，它才能真正成为企业值得信赖的工作伙伴，而不是一个随时可能失控的隐患。

结语

OpenClaw 的热潮让我们看到了一个诱人的未来：AI 自己写代码、自己管设备、自己当员工。但萤石开放平台 2.0 的实践揭示了另一个更朴素的真相：把 AI 从 " 对话框 " 送进 " 物理世界 "，需要的不是更聪明的模型，而是一套理解行业、安全可控、可商业化的工程体系。

从 " 养龙虾 " 到 " 驯龙虾 "，表面上是技术路线的选择，本质上是产业成熟度的分水岭。

当一家企业可以在两天内构建一个过去需要一个月才能交付的 IoT 应用；当一个巡检逻辑可以被封装成数字助手，在市场中被反复流转使用，IoT 产业就真正从 " 重人力、长周期、低复用 " 的手工作坊模式，走向了 " 资产化、平台化、生态化 " 的新范式。

这不仅是萤石的战略选择，也可能是一条被更多 IoT 开发者验证的可行路径。

（雷峰网 ( 公众号：雷峰网 ) ）

（雷峰网）