目录

简介

系统架构设计：端云协同AI交互

核心交互流程与时序图

作者简介

---

简介

虽然小智AI的热点已经过去，但是影响还在扩散，越来越多的产品开始引入AI这套体系，比较成功的方式是<现有产品+AI>。

应用最多的就是一些玩具，引入了语音对话、AI智能体的概念。

虽然整体体验很难让人满意，但趋势还是很明显，至少开始脱离AI智障的魔咒，开始走向AI智能。

今天这篇内容就来谈谈，智能锁+AI的实现逻辑。

现有的智能锁多数还是轻AI的方式，比如AI指纹、AI掌纹......

本质上还是增加了AI的营销词汇，侧重宣传，并不能称之为真AI。

当然也有一些企业开始尝鲜，比如最近看到的萤石的AI智能锁，就增加了AI智能体和AI语音对话的功能。

注：来自萤石官方宣传图

算是一个不错的尝试。

那具体是怎么实现呢？

下面仅从框架层面给大家大体展示一下AI方案，仅供参考。

系统架构设计：端云协同AI交互

终端层（智能锁）

多模态传感器：

• 麦克风阵列（支持降噪与远场拾音）。

• 毫米波雷达（24GHz）检测人体靠近与逗留；

• 三摄系统（室外400万+200万像素，室内200万像素）实现全景看护；

AI芯片：搭载4 TOPS算力边缘芯片，支持本地语音唤醒、人脸检测、加密通信；

通信模块：WiFi 6 + 蓝牙5.2双模，保障低延时数据传输。

云端层

AI中台：

• AI智能体系统：支持自定义角色（萤石/萤喵喵等），提供个性化交互与事件摘要（如“妈妈拿快递回家”）

• 大模型引擎（如DeepSeek）：解析用户意图，生成控制指令或对话响应；

• 语音识别（ASR）：实时转译语音为文本；

设备管理：动态注册设备能力描述（Descriptor），映射为LLM可调用函数。

应用层（APP）

语音助手：发起对话、查看AI事件标签、录像语义搜索（如“今早谁收了快递？”）

设备联动：触发智能场景（如开门自动亮灯）。

核心交互流程与时序图

场景：用户语音指令“萤石，查看昨天的快递记录”。

语音唤醒与传输：

终端采用双唤醒词引擎（本地芯片处理“萤石”唤醒，云端处理复杂指令）。

语音流经Opus编码（20ms/帧），通过WebSocket二进制协议传输。

意图解析与函数调用：

LLM根据设备上报的Descriptor动态生成函数：

json

{

  "name": "search_video_record",

  "description": "搜索门锁录像记录",

  "parameters": {

    "date": {"type": "string", "description": "日期，例如'昨天'、'2025-08-18'"},

    "object": {"type": "string", "description": "检索对象，如'快递'、'陌生人'"}

   }

}

大模型输出结构化指令：{"function": "search_video_record", "parameters": {"date": "昨天", "object": "快递"}}。

AI智能体交互：

智能体基于事件标签生成自然语言摘要（如结合包裹检测算法+时间戳生成“顺丰快递下午送达”）。

支持多角色响应（如切换“萤喵喵”童声播报儿童出门事件）。

安全与性能优化

隐私保护：

端到端加密：语音流与视频数据使用AES-256-GCM加密。

本地脱敏：人脸特征码在终端计算，仅摘要事件上云。

低功耗设计：

分级唤醒：毫米波雷达检测人体 → 启动摄像头 → 语音唤醒AI芯片。

双供电系统：5000mAh锂电池（主） + 干电池（备），续航4-6个月。

实时性保障：

端侧预处理：语音唤醒延迟 < 300ms。

-

若本文对你有所启发，就请转发传递

作者简介

卫朋，《硬件产品经理》作者，人人都是产品经理受邀专栏作家，CSDN认证博客专家、嵌入式领域优质创作者，阿里云开发者社区专家博主