走出聊天框，Agent 开始进入现实世界

Agent 需要一具身体。

作者｜cola

编辑｜郑玄

Agent 正在寻找自己的「身体」。

过去一年，智能体的主要工作对象是文件、网页和软件。它们可以搜索资料、分析数据、制作 PPT，也可以打开浏览器、调用工具，把一句需求推进成一份可供交付的结果。衡量一个 Agent 能力的方式，也集中在任务能不能做完、执行路径是否稳定、生成结果是否可用。

但屏幕里的 Agent 仍然与现实世界隔着一层。

它可以替人整理一周的工作记录，却不知道会议室里刚刚讨论了什么；能够生成一套家庭计划，却看不到孩子有没有开始写作业；可以给出老人用药的注意事项，却无法确认提醒是否被听见。文件、网页和软件提供的是结构化信息，现实世界则充满持续变化的人、物品、声音和空间。Agent 想从数字工具变成更普遍的行动者，首先要获得感知和触达这些信息的入口。

硬件由此进入 AI 公司的视野。

9 月 2 日，腾讯在 WorkBuddy 生态发布会上展示了九款联名智能硬件，覆盖智能眼镜、录音卡、麦克风、耳机和桌面陪伴设备。它们承担声音、图像等现实信息的采集，WorkBuddy 负责后续的理解、规划和执行。海外市场也在发生相似变化：Google 将 Gemini for Home 带入音箱、摄像机、门铃和家庭应用，Amazon 则借助 Alexa+连接智能家居、外部服务与多种终端。

Agent 的竞争开始越过聊天框，进入设备与现实场景。

9 月 8 日，在 2026 小度新品发布会上，小度也给出了自己的方案。百度搭子全面落地小度添添闺蜜机 Ultra、小度智能屏 X9 Ultra、小度智能摄像机 C1500 和小度智能音箱 Pro Max。百度搭子提供需求理解、任务规划、工具调用和执行反馈等能力，超能小度则依托小度的硬件体系，对这些能力进行家庭化适配。

家庭只是这次被摆到台前的场景。更值得关注的问题是，当 Agent 获得摄像头、麦克风、屏幕、传感器以及设备控制能力之后，它会怎样改变人与硬件之间的关系？

01

Agent为什么需要一个硬件载体

软件世界为 Agent 提供了一套相对清晰的操作规则。

网页有链接和按钮，文件有明确格式，应用提供接口，任务结果也容易检查。用户让 Agent 搜集资料、整理表格或者制作演示文稿，它可以把目标拆成多个步骤，再借助浏览器、代码环境和各类工具逐项完成。即便执行中途出错，也能够撤回、修改或重新生成。

现实世界的任务往往更加模糊。

一个人说「帮我看着孩子写作业」，其中可能同时包含坐姿、专注度、休息时间和作业进度；一句「照看一下老人」，背后涉及活动情况、用药提醒和突发风险。人类能够结合环境和常识理解这些要求，传统智能设备却只能等待一句准确的指令，或者按照提前设定的规则运行。

过去的智能音箱和智能家居已经解决了部分连接问题。用户可以开灯、播放音乐、查看摄像头，但交互通常围绕单次命令展开。设备听见「打开空调」，完成动作后任务便告结束。Agent 带来的变化，是把一次设备控制放入更长的任务过程中：先理解用户想解决什么问题，再结合环境信息规划步骤，调用合适的设备，并根据执行结果调整后续动作。

于是，硬件对于 Agent 的意义也发生了变化。摄像头提供视觉，麦克风提供声音，屏幕负责呈现信息，传感器描述环境，家电和服务构成可被调用的行动端。硬件让 Agent 接触到软件之外的信息，也让它拥有影响现实环境的可能。

这正是百度搭子需要硬件载体的原因。

百度搭子此前强调「交付即惊艳」，希望把办公任务从回答问题推进到生成可直接使用的成果。但无论报告、网页还是应用，其交付终点依然位于软件内部。小度拥有智能屏、摄像机、闺蜜机和智能音箱等多种设备，可以为同一套 Agent 能力提供视觉、语音、内容和控制入口。

图片来源：小度

双方的分工也相对清晰。百度搭子负责理解目标、拆解任务、调用工具和处理反馈；超能小度负责识别家庭成员、连接设备，并将通用能力转化为家庭可以理解和使用的产品功能。用户不必研究每台设备能做什么，只需要表达自己希望完成的事情。

这也延续了小度近两年的产品变化。2025 年，小度发布超能小度，将原有语音助手升级为具备多模态能力的 AI 助手；2026 年，小度进一步提出「家庭智能体中枢」，强调从感知、思考到行动的任务闭环。百度搭子的加入，相当于为这套硬件体系补上一层更完整的任务规划和执行能力。

对于百度搭子而言，硬件也提供了一个不同于桌面入口的竞争坐标。它不再只处理文件、网页和应用，也可以借助小度探索 Agent 如何感知环境、调用设备并参与现实任务。

02

四款硬件，成为家庭 Agent的触角

一个演示是，家长通过手机微信发送一张作业图片和一项家庭日程，相关内容随后出现在智能屏上。孩子可以查看各科作业进度，进入作业模式，完成古诗背诵并上传录音；家长则在手机端收到结果。原本分散在聊天消息、口头提醒和纸质作业里的信息，被组织成分配、执行、提交和反馈的过程。

图片来源：小度

这条演示的重点并不复杂，却恰好说明了 Agent 与传统智能硬件的区别。过去的智能屏可以显示课程、设置闹钟，也可以播放教学内容，但这些功能彼此独立。家庭成员仍然需要自行记住任务、寻找入口并检查结果。接入百度搭子之后，超能小度试图围绕一个目标调用不同能力，让硬件从功能集合变成任务过程的一部分。

四款新品承担了不同角色。

小度智能屏 X9 Ultra 是家庭任务的集中呈现界面，日程、作业进度和成长记录可以在大屏上被家庭成员共同查看。它还加入视觉定位和红外控制能力，可以识别家电所在位置，并对没有智能联网能力的传统家电进行控制；温度、湿度和光照等环境信息，也可以用于联动其他设备。

小度添添闺蜜机 Ultra 和小度智能音箱 Pro Max 提供更自然的交互入口。闺蜜机可以通过语音在应用内搜索和播放内容，也承载口语练习、学习与影音场景；智能音箱则适合在用户不方便操作屏幕时接受需求、反馈结果。对于家庭 Agent 来说，交互入口越接近日常习惯，用户越不需要专门「打开 AI」。

小度智能摄像机承担的任务则是让 Agent 看见家庭环境。过去的家用摄像机主要依赖预设算法识别人形、移动、哭声或宠物，触发条件来自厂商提前定义的事件库。视觉大模型出现后，用户可以用自然语言提出「孩子晚上有没有玩手机」「宠物有没有翻垃圾桶」等自定义需求。据小度披露，用户已经创建了超过 3000 种看护事件，这也从侧面说明，真实家庭的需求很难被几个固定选项覆盖。

此次发布的 AI 看护智能体 2.0，又向前推进了一步。用户提出「帮我看孩子写作业」，系统会尝试将其拆解为坐姿、分神、拖延和注意休息等具体任务，并持续观察，而非等待某个单一动作出现。针对长期习惯，它还会生成阶段性记录，例如孩子近期是否按时起床、入睡时间有没有改善。

硬件配置为这些能力提供了基础。C1500 采用三摄双画面，可以同时观察空间全景和目标特写，并通过移动跟踪持续关注孩子、老人或宠物；本地算力则用于提高识别的响应速度。对家庭 Agent 来说，获取稳定、连续的环境信息，比单次拍得更清楚更重要。

识别之后如何行动，是看护功能更敏感的一环。按照小度公布的设计，普通问题会先通过设备对被看护者轻提醒，持续未改善后再通知看护人；高风险情况可以直接发起微信通话。系统还可以把一天的看护内容整理为摘要，减少用户翻看大量录像的成本。

在电脑上，Agent 通常追求尽快执行；进入家庭后，最直接的动作未必是最合适的动作。系统还要考虑提醒对象、发生频率、紧急程度，以及一次行动对家庭成员的影响。

从作业管理到 AI 看护，超能小度此次展示的核心能力可以归纳为一条任务路径：理解需求、拆解步骤、调用设备、持续观察，再把结果反馈给合适的人。四款硬件提供的屏幕、语音、视觉和控制能力，让这条路径可以覆盖更多家庭空间。

03

进入家庭之后，真正的门槛才刚刚出现

硬件让 Agent 获得更多信息，也带来了软件世界中较少遇到的风险。

一份报告生成错误，用户可以修改或重新运行；一次看护误报，可能让家长产生不必要的焦虑；一次漏报，则可能使用户失去对产品的信任。Agent 调用网页和调用现实设备也有显著差别。前者的错误通常停留在屏幕里，后者可能改变家中的温度、发送通知，甚至联系其他家庭成员。

因此，家庭 Agent 的能力不能只用任务完成率衡量。它还要准确理解用户意图，判断什么时候需要询问确认，针对不同紧急程度选择行动，并允许用户随时停止或修改任务。

多设备协同同样存在矛盾。为了让任务连续进行，智能屏、摄像机、闺蜜机和智能音箱需要共享必要的身份、日程和任务状态；但摄像头画面、儿童信息、健康记录又属于高度敏感的数据。共享太少，设备无法协作；共享过度，则会侵入家庭最私密的空间。

小度需要让用户看清这些连接如何发生：哪些数据留在本地，哪些信息需要上传，不同家庭成员拥有怎样的权限，一项看护任务由谁创建、谁可以查看。技术上的连接只是起点，可理解、可控制的机制才可能形成长期信任。

另一个待验证的问题是，硬件究竟成为了 Agent 的「身体」，还是只做了一层数据入口。

如果摄像机只负责上传画面，音箱只是转发指令，智能屏只显示云端结果，不同设备仍然缺乏有效分工。更成熟的方式，是让设备根据位置、感知能力和使用对象参与任务：客厅摄像机发现风险，附近音箱先提醒，智能屏展示具体信息，手机只在必要时通知不在家的看护人。

这对端侧能力提出了更高要求。部分感知和判断如果完全依赖云端，延迟、成本、网络稳定性和隐私都会成为问题；将更多能力放到本地，又会受到算力、功耗和硬件价格限制。软硬件融合听起来是一条自然的产品方向，真正落地时考验的是模型、芯片、设备连接和交互设计的共同成熟。

健康和儿童场景还要求产品保持明确边界。AI 可以整理信息、提供基础科普、记录长期变化，也可以提醒用户寻求专业帮助，但它无法自动获得医生、教师或家长的责任。面对高风险任务，可靠的 Agent 往往需要更谨慎，而非表现得无所不能。

图片来源：小度

从这个角度看，百度搭子全面落地小度产品矩阵，更像一次软硬件协同的集中验证：当通用 Agent 接入多种硬件，能否获得新的感知、交互和执行入口；同时，也是百度 9 月 1 日完成双重主要上市，9 月 7 日入港股通之后，业务落地最新动作。

作为港股主要上市科技企业中具备全栈 AI 能力的公司，百度已形成「芯-云-模-体」完整布局，底层有昆仑芯片，中间层的智能云负责分发算力，文心大模型则是云与 MaaS 服务之间的桥梁，最上层是应用，包括百度搭子这样的通用智能体，也包括萝卜快跑为代表的物理 AI 应用。

对百度搭子而言，小度提供了持续存在于家庭空间的硬件载体；对小度而言，百度搭子补充了理解复杂需求、规划任务和调用能力的 Agent 底座。双方的结合不是简单增加功能，而是围绕家庭任务重新组织软件与硬件。

家庭是一个合适的起点。这里有大量尚未被软件完整组织的任务，也有摄像机、屏幕、音箱和家电构成的设备基础。同时，家庭对隐私、可靠性和交互分寸的要求，也会最早暴露 Agent 进入现实世界后的问题。

如果这套逻辑得到验证，它的边界不会停留在客厅。办公室、汽车、门店、养老机构和更多公共空间，都存在相似的机会：硬件提供持续感知和行动能力，Agent 负责理解目标并组织设备协作。

Agent 正在接触一个更复杂的世界。百度搭子与超能小度这次带来的真正看点，也正在这里——AI 开始尝试参与现实事务，家庭只是一个开始。

*头图来源：小度

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

当 Agent 拥有硬件「身体」之后，

现实世界会成为它的新赛场吗？