作者：彭昭（智次方创始人、云和资本联合创始合伙人）

物女皇：没有物联网，就没有真正的智能原生

这是我的第401篇专栏文章。

当我们谈论智能原生企业时，脑海中最先浮现的是什么？

豆包、Kimi、DeepSeek、通义千问、智谱…这些应用清一色是软件公司，清一色是轻资产模式，清一色指向“一人独角兽”的创业神话。

但这个叙事存在一个致命的盲区：如果智能原生只意味着用大模型重写软件，那它充其量是信息产业的内部迭代，而非我们所期待的各行各业的底层质变。

2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，“智能原生”一词正式写入国家级政策文件。《意见》提出加快实施六大重点行动，其中“人工智能+”产业发展明确提出培育智能原生新模式新业态，推进工业全要素智能化发展。更值得关注的是，《意见》明确提出“加快培育一批底层架构和运行逻辑基于人工智能的智能原生企业”。

注意这个表述，强调“底层架构和运行逻辑”，而非“在现有产品上叠加AI功能”。正如国家信息中心的解读所指出，智能原生产业从诞生起即以AI为核心基因创造AI驱动的全新产品、新服务或新商业模式，很多是颠覆式创新，即从0到1地创造新物种。

传统产业智能化转型是在原有产业基础上嫁接AI技术以便提升现有业务的效率，属于渐进式创新，在传统架构之上叠加外挂式AI模块，即从1到N的优化。

这是一个本质性的区分。

作为物联网产业的长期观察者，我认为当前主流叙事可能存在三重认知偏差：

其一，忽视了数据的“物理性”：智能原生企业的真正瓶颈不在模型，而在数据从何而来；其二，迷恋“轻资产”神话：将智能原生等同于虚拟AI模型，忽视了重资产场景才是价值洼地；其三，低估了“生态依附”风险：在芯片“卡脖子”的教训尚未远去时，可能有重蹈覆辙的风险。

同时，物联网人不应做这场变革的旁观者，而应成为定义者。因为没有物联网，就没有真正意义上的智能原生。

智能原生的“缺氧”困境

当前关于智能原生企业的讨论几乎都聚焦在模型层和应用层，却集体性地忽略了一个根本性问题：支撑这些智能体持续进化的“活数据”从哪里来？

根据中国信通院对可信AI数据集质量评估的统计情况，当前人工智能行业数据集建设中主要面临内容密集性、领域相关性、数据多样性和形式规范性等核心质量问题，占比分别为82.50%、14.04%、1.73%和0.92%。更为关键的是，数据集质量问题成为当前制约行业垂类模型落地和场景应用的核心瓶颈。

然而，主流讨论对此的回应，仅仅是“更好的RAG技术”、“更智能的知识库管理”…本质上还是在“死数据”（文档、历史记录）上做文章。这也解释了一个现象：为什么当前智能原生企业高度集中在代码生成、内容创作、法律服务等纯数字领域？在国内AI应用开发公司中，有32%聚焦AI内容创作与生成领域。

答案很简单：这些领域不需要物理世界的数据输入。

但这也意味着，当前的智能原生浪潮正在回避真正具有产业颠覆性的场景：具身智能、工业智能体、智慧能源…这些场景的瓶颈不在模型有多强，而在于物联网数据底座的缺失。AI大模型对训练数据供应提出了新要求，从AI智能体应用和从物理场景中采集数据成为新的迫切需求。

因此，当前智能原生企业的“繁荣”，很大程度上是一种“选择性繁荣”，资本和人才涌向了数据获取成本最低的赛道，而非价值创造潜力最大的赛道。

这就像一个人在路灯下找钥匙，不是因为钥匙掉在那里，而是因为那里有光。物联网正是那把被忽视的“钥匙”。

物联网是物理世界实时数据采集的核心基础设施；它提供的不是“历史档案”，而是此刻正在发生的活数据；它天然具备“时间戳+空间坐标+物理状态”的三维数据结构，这正是世界模型和具身智能所急需的。

没有物联网的智能原生，只是数字孤岛上的智能；有了物联网的智能原生，才是真正的“万物智行”。当所有人都在讨论如何让AI“更聪明”时，我们更应该问：谁来让AI“更接地气”？

从“软原生”到“硬原生”

主流叙事将智能原生企业等同于轻资产公司，将“一人独角兽”奉为圭臬。这个愿景固然令人振奋，但这是一种危险的认知偏差。真正的智能原生，不应止步于屏幕之内。

国务院《关于深入实施“人工智能+”行动的意见》提出“推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用”，“加快工业软件创新突破，大力发展智能制造装备”，“深化人工智能与工业互联网融合应用，增强工业系统的智能感知与决策执行能力”。这些重资产、重运营、重“铁与血”的产品，被官方明确定义为智能原生的核心载体。这与舆论场上豆包、Kimi们的“轻盈”叙事形成了鲜明对比。

为什么会有这种“政策共识”与“舆论认知”的割裂？其中值得关注的有三个反直觉的观察。

第一，付费意愿悖论。软件领域正在陷入“高预期 vs 低ROI”的困境，企业对于省几个人力的AI工具付费意愿有限，这反映出纯软件AI应用的商业化困境。但工业物联网场景恰恰相反，客户对能解决实际生产问题（减少停机、提升良率、降低能耗）的方案付费意愿较强，且客单价更高。

第二，进化原生的天然土壤。智能原生系统的核心在于“数据-模型-行动-反馈”的自动化闭环，系统能够像生物体一样自我进化。试问：什么场景最具备这种进化条件？不是一天打开三次的办公软件，而是7×24小时运转的工业设备。在国内，已有多家科技巨头和企业发布了自己的工业大模型产品，让端侧或边缘AI与具体应用或业务紧密结合，大幅提升工业流程决策效率。

第三，“具身”才是终局。从数字原生到智能原生，体现了“互联网+”到“人工智能+”的时代跃迁。智能原生并非简单地“AI+”或“+AI”，而是从设计之初就将AI考虑进来，实现产品、服务甚至整个业务模式围绕AI的核心能力，进行根本性创新。但对于产业而言，没有“手和脚”的大模型只是一个博学的纸上谈兵者。

真正的智能原生企业，必须跨越数字世界与物理世界的鸿沟。只有当AI模型能直接调用IoT设备的API，指挥机器臂、AGV、智能电网进行操作时，才算完成了智能原生的闭环。物联网设备不是产业闭环的终点，而是智能体感知世界、践行指令的起点。

用一个更形象的说法：真正的智能原生企业不是“一人公司”，而是“一人工厂”，这才是制造业的终极想象。

生态主导与进化壁垒

当前我们可能过于乐观地描绘了“多模型接入策略”的灵活性，但这种灵活性建立在一个脆弱的假设之上：这些模型永远可以被平替。问题是：如果它们同时断供呢？如果替代品在关键能力上差距过大呢？如果切换成本高到足以杀死一家创业公司呢？

好消息是，中国并非没有反制的底牌，只是这张底牌不在软件层，而在硬件层。据国家统计局最新数据，2025年我国制造业增加值达34.7万亿元，同比增长6.1%，规模连续16年保持全球第一，占GDP比重稳定在25%左右，门类体系完整的优势更加明显。这意味着，当智能原生从“软”走向“硬”，从屏幕走向车间，中国握有全球最完整的产业承接能力。

但我们不能止步于此。

中国智能原生企业的真正挑战不是选择哪个生态，而是能否建设自己的生态。而在回答这个问题之前，我们需要先理解一个更根本的命题：智能原生企业的核心壁垒到底是什么？

也许有人认为是“功能”，谁能做到别人做不到的事。但我认为是“进化率”，谁能比别人更快地变得更强。

让我通过比喻来解释这个区别。传统企业像是建筑师模式：设计蓝图、编写代码、交付功能，系统上线即固化。竞争的壁垒是系统此刻拥有的功能集。智能原生企业则像是园丁模式：系统上线只是开始，核心在于构建了一个“数据-模型-行动-反馈”的自动化闭环。竞争壁垒不是此刻拥有的功能，而是系统每天进化的速度。这种“进化率”优势，是传统公司难以复制的。

智能体的持续进化特性使应用具备自我迭代能力，不仅重构了人机协作模式，更在能源、金融、制造等领域培育出“智能体经济”的新生态。

与之相符，我们可以建立一套智能原生企业的判断标准：衡量一家企业是否是“智能原生”，不看它用了哪个大模型，而是看它的“边际进化成本”是否趋近于零。如果系统升级还需要堆人力，那它就不是真正的智能原生。

写在最后

回到开头的问题：当我们谈论智能原生企业时，脑海中应该浮现什么？答案应该是：一个能够感知物理世界、在物理世界中行动、并从物理世界的反馈中持续进化的智能系统。

这个定义中的每一个要素，都指向物联网：感知物理世界，需要传感器网络；在物理世界中行动，需要执行器和控制系统；从反馈中持续进化，需要实时数据流和边缘计算。

中国信息通信研究院院长余晓晖认为，“人工智能+”行动将加快通过人工智能的变革性赋能作用，驱动物理世界、数字空间和知识体系的优化创新，大幅提升资源利用和经济社会运行效率，塑造全新智能发展范式。如果说“互联网+”的本质是连接，带来的是量变；那么“人工智能+”的本质是进化，带来的是质变。

这场质变不会发生在一个人对着屏幕和AI助手聊天的场景里。它将发生在工厂车间、矿山深处、电网调度室、自动驾驶的道路上，所有这些，都是物联网的主战场。智能原生的大门正在开启。物联网人不应在门外观望，而应走进去，参与定义这个新世界的规则。