TuyaOpen开源了有一段时间了，调研报告其实早就已经写完，但是一直没时间整理。随着AI的到来，智能家居也迎来了新局面，平台型厂商逐步成为了市场的主力。
毕竟家电行业的发展趋势和方向基本是大势已定，但市场也趋近于饱和。我依然相信消费者的理性程度。尤其是在当下。
但本篇其实是针对TuyaOpen的拆解，现在自己手搓个硬件已经门槛很低了，我也是蠢蠢欲动，小器件的市场也算迎来了小春天。
如果是做过硬件的朋友，大概率经历过这个画面。
如果产品要覆盖高中低三个价位。
低端机用十几块钱的芯片，高端机要带语音，带屏幕，还得给 AI 留位置。芯片一换，业务代码重写一遍，测试重跑一遍，固件维护从一份裂成三份。
团队一半的工时都耗在跟芯片较劲上，而不是在给用户做功能上，这也是智能家居行业发展至今似乎功能都很有限的主要原因。这也派生了很多AIOT平台的标准协议及如今该行业如火如荼的互通互联。
这其实是硬件行业最老的一笔账：硬件异构，软件也跟着裂。
还有另一笔账，是开源的。
老板拍板说，SDK 开源出去，让生态长起来。代码放出去了，钱从哪来？这个问题问倒过不少团队。
TuyaOpen 就是把这两笔账放在同一个项目里算。
它是涂鸦智能开源的 AIoT SDK，一套给物联网设备用的软件开发包，跑在单片机这类小芯片上。协议用 Apache 2.0，最宽松的开源协议之一，别人拿去商用都不受限。
源仓库在 GitHub，1.8k stars，292 forks，466次提交（截至 2026 年 8 月 23日）。单看数据真不算炸裂，但也要考虑这算是AIOT的细分领域。
再把架构和商业模式拆开，能看出这两笔账它打算怎么算，就很值得产品人过一遍了。
这一套其实有两个要点：
第一，一套 SDK 统一五种异构芯片，应用层代码不感知底层是哪颗芯片。大大降低了应用层的接入成本，对于中小开发者甚至个人开发者来说非常友好。
第二，虽然代码全免费开源，但是设备要联网才能使用，那不好意思，必须买授权码。这商业模式就算是建立起来了。
那涂鸦在这里到底做了什么呢？我们逐一来看。
五层架构：把芯片的差异，吞在底层
先看它怎么解决硬件异构。
TuyaOpen 把整个 SDK 切成五层。
TKL 是最底层，直接贴着芯片 SDK 干活。ESP32 有乐鑫的 ESP-IDF，涂鸦自研 T 系列有 Core-SDK，Linux 有 BSP 板级支持包，这些都是芯片厂商给的底层驱动。
这一层的主要职责就是把这些东西包起来，向上露出统一的接口。开发者基本不用碰它，它是芯片差异被吞掉的地方。
TAL 是抽象层，把底下五花八门的芯片抽象成一套 API，这本质上就是PaaS平台层封装的概念。
内存，日志，事件，线程这些 OS 级能力，加上安全存储，Wi-Fi 蓝牙以太网连接，加密引擎，全在这一层统一。它的角色是桥，用来桥接芯片和上层。
再往上，Libraries 是可复用组件。MQTT，mbedTLS，HTTP，WebSocket 这些协议栈，P2P 和 RTSP 做音视频，LVGL 画界面，cJSON 处理数据，都是现成的，拿来即用。
Services 是服务层，涂鸦云服务和 AI 能力集中在这层：AI Agent，多模态，语音识别，LLM，RAG，还有 IoT PaaS。
最上面是 Applications，直接面对业务场景：智能家居，工业，视觉，音频，AI Agent，机器人。
这套分层结构清晰，桥接清楚，各层处理各层的事情，每一层处理机制的演进都是循序渐进的，极大的降低适配繁琐度。
最大的好处是应用层代码完全不用感知底层是哪颗芯片。换芯片，只需要在 TKL 层重新适配一遍。业务代码完全不用动，测试也不用重写，固件维护从三份回到一份。
这其实也是常见的一次开发，多平台部署 的实现机制。
拆解这个设计，能看见一个通用的设计思路：把变化的和不变的切开。
有个细节能看出这套分层的真实度：boards 目录里，自研芯片和第三方芯片是并列的。T5AI，T2/T3，乐鑫的 ESP32，博通的 BK7231N，乐鑫的 LN882H 放在一起，覆盖从单片机到 SoC 的完整谱系。不是只在自己的芯片上成立，而是真的去适配别人的芯片，分层才经得起检验。
另一个细节在 apps 目录。示例应用不是传统的点灯连 WiFi demo，而是放了 LVGL 游戏，仿生机械爪，掌上游戏机，还有 32 乘 32 像素的 LED 灯阵。用可玩的产品演示 SDK 能力上限，比文档管用。这也是涂鸦在向开发者喊话：这 SDK 不只是能联网，能做出好玩的东西。
分层还有个产品层面的红利，大多数人没算过。同一套业务代码，能同时出三款产品：低端跑 BK7231N，中端跑 ESP32，高端跑 T5AI。
硬件团队并行开三条线，软件团队只维护一份代码。换以前，这是三个项目，现在是一个项目配三块板子，一个项目跑1年才能上市。
作为产品来说，看到的永远是时间，上市节奏从串行变并行。别人迭代一年1个新品，你3个新品。这个时候市场的抢占及速度就完全不一样了。
做产品的朋友可以对照一下自己的系统。凡是换一个供应商就要大动干戈的地方，大概率是缺了一层抽象。
缺的那层，就是这里的 TAL。
商业引擎：开源引流，授权码收费
涂鸦的代码目前是全开源，谁都能拉。
但是你的设备要不要上线？做个摄像头想不想在手机上观看？那得连涂鸦云。
这样就必须有三元组，即产品 ID，设备唯一标识和认证密钥。这三样组合起来叫License，得花钱买。
这东西需要在涂鸦平台注册开发者，或者买预烧录模块也行。把三元组烧进芯片，启动时自动读取，拿license做连运鉴权，获取能力使用的权限。有了这些你才能真的开机，上线并且做到端边云联动。
这里还有一个细节。就是这套授权码，归 TuyaOpen 专用，复用不了涂鸦旧体系 TuyaOS 的授权码。也就是说，老用户想迁过来，也得重新买。
这道商业的闸门，被涂鸦设得明明白白。
代码只要放出去，就等于把涂鸦生态变成IOT开发者的默认选项。先把你的人拉进来，我们再谈别的。
而License呢，算是接入税。因为每一台联网设备都需要一组License，这样设备才能真正的被使用。设备数量就直接变成收入，这也是当前IOT平台的主要收费手段。
云服务其实是复利层。基础层可以免费，但是商业增值按用量收费。你的AI 调用次数，OTA 的升级，设备数量及数据分析，你想看是不是得花钱？
最后一点，那就是自研芯片了。T5AI 带 NPU，就是专门跑 AI 的算力单元，做多模态；T2 和 T3 做低功耗文本 LLM。软件生态和硬件销售绑在一起，第三方芯片覆盖不了的部分，用自研补上。别人想抄，得先造出芯片。
这套模式的内核是 freemium。跟免费 App 靠增值功能赚钱一个道理，想必玩过游戏的都知道。
区别在于，App 的免费用户是流量，这里的免费用户是设备，每一台都是收入来源。设备厂商只要用 TuyaOpen，就等于把自己的出货量交给了涂鸦。
这套组合拳在开源界已经跑过了好几轮。Red Hat 早年靠服务收费，MongoDB 后来改协议引发过一轮争议。玩法都是万变不离其宗，代码本身是钩子，能力才是生意。
这一套当然也是有代价的。授权码收费在开发者社区争议不小，有人觉得这违背了开源的初衷。可是争议本身就说明了问题。开源免费和商业收费之间的线，到底画在哪？没有标准答案，只有取舍。
AI 是架构里的一层，不是附加功能
涂鸦这套开源SDK，还有一个看点是 AI 的落位。
现在市面上很多厂商的做法是，AI 作为应用层功能接在设备之上。
但TuyaOpen 不是，它把 AI 直接做进了 SDK 的服务层。设备厂商拿到 SDK，AI 能力开箱即用，不用再自己搭模型工程。
端侧和云侧分工明确。
端侧做感知。能力高度集中在语音上（PS：我认为如今音视频的能力在硬件及具身智能上逐渐发展为了基础设施，这是另外一个话题）。一整套语音交互栈，指向智能音箱，对讲，语音助手这类设备。
而云侧做理解和生成。多模型 LLM 接入，RAG，AI Agent 开发平台，多模态处理，还有拖拽式 AI 工作流。设备厂商不用懂模型工程，拖一拖就能把 AI 接到产品里。
端侧 AI 还有个容易被忽略的价值，那就是隐私和时延。T5AI 带 NPU，语音识别可以端侧跑完，数据完全不出设备。家里一台带屏音箱，唤醒词，指令都在本地处理，响应还快。本地化处理，对于隐私敏感的品类，是硬需求。端侧做不了的重活才能上云。
这个分工，本质是把选择权交给了产品定义。数据敏感，延迟敏感的场景走端侧，重计算则走云侧。这也是AI崛起之后在AIOT领域常见的边端云多模态组合结构
这个设计还传递了一个信号。AI正在从应用层的功能，变成平台层的基础设施。就像当年网络协议从应用走进操作系统，AI 也在走同一条路。
做产品的人看 SDK，要看 AI 在架构里是长在枝上，还是长在根上。长在根上的，生态起来之后会越来越难替代。
工程化细节：给 AI 写 SKILL.md 的厂商
几个工程化细节也值得一看。此处我不是很懂，瞎写一通，诸位见谅。
构建系统用 Python 脚本驱动，叫 tos.py，跨平台的，再加上 Kconfig 配置和 Docker 编译环境。嵌入式交叉编译环境难搭是老问题，这套组合相当于，把门槛压成一条命令。编译一条命令走通，烧录用串口工具，开发者的手都不用离开终端。
语言的选择也很克制，主体是 C，面向单片机。构建依然用了 Python，脚本用 Shell。C 的硬件亲近性和 Python 的工程编排能力分开用，各干各的，分工明确。
发布也相当稳定：release 每 1 到 2 个月一版，生产环境用。master 每周三固定发，尝鲜者用；dev 是日更，给贡献者看。稳定性，速度，解耦，固定的周三节奏，是一种社区治理的信号。
最有意思的是它给 AI coding agent 写了 8 个 SKILL.md，覆盖了从搭环境到调试的完整开发循环。官方在帮你，用 AI 写固件。
当然这个方式在涂鸦的开发者后台早就实现了。开放平台接入AI的好处就不用说了，我的调研范畴内，同样操作的还有声网。这样快速搭建一个demo的吸引力，不必多说了就。
这个方法本身也值得抄。把团队里重复的流程写成文件，让 AI 调度来执行，这本身不就是agent的设计思路么？只不过这个工作流，什么时候该调什么样的工具或脚本，不是让 AI 自由发挥，而是要给它一套标准作业程序。
你的工作如果是天天在群里回答同样的流程问题，不如先把流程写成文件，再让 AI 去执行。这个信号其实挺明确的。连嵌入式这种最传统的开发领域，都在为 AI 编程铺路。AI 辅助工作和开发不是趋势，是正在发生的日常。
两条路线：开放，还是封闭
TuyaOpen 的路线，放在 IoT 行业里并不是唯一答案。
有些厂商可能走的是另一条路，SDK 锁在自家产品里，能力不外放，开发者是内部团队，变现靠硬件销售。这条路的好处是控制力强，坏处是生态长不大，行业里做同样品类的厂商不会用你的底座。
涂鸦走的是开放平台路线。SDK 开源，开发者是全球社区，变现靠授权码加云服务加自研芯片。代价是放弃对代码的绝对控制，换来生态的规模。
两条路线本身没有对错，只是产品公司和平台公司的分野。