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。