什么是家庭 AI智能体？
过去十年家庭场景的AI主要是智能音箱，你问它答，你下一个指令，它执行一个动作，本质上还是你在操作。而家庭AI智能体是另一回事，它不再等你的指令，而是会理解目标、调用工具、协调设备、主动执行。比如，你在客厅看书时想开灯，智能音箱只会等你喊开灯才开灯，智能体不需要等你开口，它能看到你在看书，然后主动打开阅读灯、调暗主灯，甚至给你来点轻音乐。
从技术架构看，一个完整的家庭AI智能体包含几个层次：理解请求的模型层、连接设备的工具层、存储偏好和历史记忆的记忆层、界定"能读什么/能写什么"的权限层、需要人工确认的审批层。智能体的价值不在于模型有多强，而是它能调用多少工具、拥有多少上下文、权限的边界在哪里。
家庭 AI智能体的三种类型
单一设备型：嵌入某个设备，让这台设备从被动响应变成主动服务。比如冰箱识别食材并推荐菜谱，空调根据室内外环境自动调节运行模式，这类智能体能力有限，但部署成本低，是现在最普遍的形态。
场景应用型：面向特定场景做多设备协同。比如厨房场景中，冰箱识别出食材后向电视推送菜谱，燃气灶自动设定火候，油烟机同步调节风量。这些设备围绕同一目标自发协作，而非各自等待指令。
全屋整合型：承担整个家庭的AI中枢角色，统一管理跨品牌设备、统一执行任务编排。它的目标不是让某一台设备更聪明，而是让整个房子有一个共同的大脑。这种智能体是三种生意模式争夺的主战场。
针对全屋整合 AI智能体的三种生意模式
本地模式 ：成本前置在硬件里
典型代表是一款家庭AI数据中枢，搭载26 TOPS的算力，配备两个盘位、最高支持48TB本地存储，实现全屋互联、本地智能、存储记忆，而且模型、记忆和工具调用全部在本地运行，数据不出门，推理不产生云端账单。
本地模式的逻辑是：如果智能体每天要处理摄像头画面、理解对话、协调多设备任务，这些推理如果跑在云端，成本会随用户使用持续发生。用户越多、用得越久，厂商的运营支出越高。所以，用本地算力就可以把这个持续发生的成本一次性打包进硬件BOM，但代价是智能体的能力上限受制于本地算力。
云端模式 ：成本后置在服务里
典型代表是一款99.99美元的智能音箱，硬件本身是个亏损引流品，真正的智能体能力在云端，可以做到流畅对话、摄像头历史搜索、多步任务编排。但如果没有订阅，这个音箱只是一个能开关灯的普通语音助手。
这种模式的逻辑是：智能体能力需要持续迭代，模型要升级、算力要扩容、功能要更新。如果硬件一次性卖完了，厂商没有后续收入来支撑这些投入，就只能靠订阅。订阅费买到的本质上不是音箱升级，而是云端智能体能力的持续调用权。一旦停止订阅，智能体就退化，语音助手变回开关灯工具。
平台模式 ：云端能力 +平台开放+订阅收费
典型代表是一家平台厂商开放MCP集成，允许第三方AI Agent接入其智能家居平台，因此你可以用第三方Agent来管理你的智能家居设备。但平台也会设定限制，比如限制哪些人能够订阅，哪些功能禁止使用。这种模式的独特之处在于它把智能体的权限边界产品化了。平台开放接口，但把客厅的操作开放给了第三方Agent，把卧室的安全敏感操作留在了自己的控制范围内。这样既跟上了Agentic AI的趋势，又守住了安全底线和订阅收入。
从生意模式上看，它仍然属于成本后置在服务里这一大类------平台靠订阅收费，智能体推理在云端完成。但它与云端模式有一个关键区别：平台自己不包揽所有智能体能力，而是把一部分执行权限开放给第三方，自己退到托管平台+权限管理的位置。收费模式没变，但能力供给从平台自营变成了平台开放。
三种 生意 模式 的 风险
本地模式 的挑战在于硬件成本能否被用户接受。本地算力、存储和散热都会推高BOM，用户是否愿意为"数据不出门"和"无持续订阅"一次性买单，是最大的不确定性。 云端模式 的风险在于用户是否愿意持续付费。硬件低价卖出后，如果订阅率不够高，云端推理和模型迭代的成本就无法覆盖；如果订阅费太高，用户又可能觉得"音箱已经买过了，为什么还要一直交钱"。 平台模式 担心的是碎片化和安全边界。权限边界一旦产品化，就必须持续维护。第三方Agent的行为不可完全预测，平台既要开放接口吸引生态，又要防止敏感操作被滥用。开放不足则生态起不来，开放过度则安全和隐私风险上升。平台自己也承认，连接AI Agent可能产生意外行为。
一句话总结： 关于家庭AI智能体的模式之争没有标准答案。本地模式赌的是一次性付费的确定性，云端模式和平台模式赌的是持续服务的复利，而最终结果要等用户用钱包来投票！