本篇文章主要聚焦智能家居品牌：绿米Aqara、欧瑞博ORVIBO和艾拉物联AylaHome。

看看这些号称掌握核心科技的全屋智能品牌，推出的AI无主灯，究竟是真AI，还是假AI！

在正式的对比之前，我们需要请教下AI行业真正的大佬，何为真正的AI无主灯。

“AI一定是有大数据支持去做数据分析的。对于智能家居来说，如果有人去做了这个的话，一定是基于用户家里的设备，以及家里整体的环境数据，还要能够做数据的聚合分析。

另外，AI它有个特征，要能够不断学习，这个底层技术叫做机器学习，对于智能家居来说，它要不断的去学习用户的习惯，去优化规则模型或者优化主动触发的模型，如果没有学习，也不算是AI。”知名AI独角兽公司产品负责人杨工总结道。

我们可以从这段话里抓到2个关键词：“大数据+机器学习”

接下来，我们就针对三家公司，聚焦AI无主灯是什么？它所需要的大数据是哪些？实现的难度和成本如何？和规则引擎的区别在哪里？揭破这些AI无主灯究竟是玩儿真的，还是纯粹的噱头。

欧瑞博 ORVIBO：空有产品无AI算法，概念大于实质

虽然欧瑞博在智能家居品牌中，率先试水无主灯的，但其主要产品仍然是传统无主灯，即传统面板控制，无法通过语音、手机APP，传感器联动等方式控制。

去年，欧瑞博尝到了无主灯的市场甜头，开始在今年正式转向智能无主灯研发。

也就是说，欧瑞博推出智能无主灯的时间是在2022年。看清楚，这还只是智能无主灯，并非真正的AI无主灯。

虽然欧瑞博是自建私有云，但它所采用的是规则引擎，也就是通过提前在云端设置好场景和触发条件，达到千人一面的“主动式”的光源服务。

更通俗的来讲，就是无论是老人还是小孩，男人或是女人，不管是家人还是陌生人，不管是南方还是北方，进来这个场景后，触发的都是同样的服务。

比如品牌厂家提前设置好，家里的客厅在晚上7点自动打开灯光。那么无论你所在的时区是不是晚上7点天黑，无论你是不是在这个时间准时到家，它都会在晚上7点准时开灯，这就是规则引擎驱动的“主动式”服务。

最典型的案例，就是新疆地区，去过的人应该都知道，夏季的新疆是晚上11点天黑，早上5点半开始天亮，14点吃午饭，那么，如果是规则引擎驱动的无主灯会是什么样的？

云端没有AI算法和机器学习能力，可以说已经堵死了欧瑞博的AI之路，

即使现在想去做，至少也要投入近百人的AI研发团队，耗时一年才能真正实现，而这还只是获得了进入AI无主灯领域的准入证罢了，更多复杂的数据和算法模型，才是AI无主灯落地的最后一座大山，欧瑞博想要在短期内完成，几乎是不可能的。

所谓的AI无主灯，仅仅只是一个追逐概念的噱头。

绿米的情况和欧瑞博不太一样，据其前员工透露，绿米使用的是金山云。

虽然金山云的对外信息，在架构上基本是可以满足AI无主灯的实现条件的。

但前面我们讲到过，AI无主灯需要非常庞大且复杂的数据不断喂养和学习的。

这些复杂的数据，既包含环境数据，如时间、天气、光通量，光照强度等参数，

也包含所在空间数据，如房间的朝向、窗户的大小、装修表面材质、房子层高、灯具安装高度等。

还包含用户的行为数据，如行为姿态、声音分贝、心跳速度、呼吸频率等。

而绿米仅仅只从用户家庭的产品端口来收集是远远不够的。

另一方面，伴随着大数据的就是算法模型，AI无主灯究竟会用到什么样的算法，笔者不太清楚，但光照相关的、环境相关的、用户相关的、设计相关的算法应该是必不可少的。

目前，市面上几乎没有一家数据公司，可以为绿米提供这些数据，也没有任何一家AI算法领域的企业，可以帮助绿米建立这些算法模型，哪怕是字节跳动、BAT这样的AI技术领先的大厂。

可以说，普通行业的数据和模型都无法复用在AI无主灯上，即使金山云已经有非常成熟的AI机器训练架构和算法模型，也是白搭。

所以说，绿米虽然已经拿到了进入AI无主灯的入场券，但真正要实现AI无主灯，仍然是遥不可及。

艾拉物联作为PaaS云领域的老手，在2019年开始在云端做AI部分的升级。

2021年又推出了基于AI引擎的全屋智能操作系统，这个系统有三个关键点，“人、空间、环境”，正是贴合了前面讲到的AI无主灯的数据来源“用户数据、设计数据、环境数据”。

艾拉物联很早就开始思考AI无主灯的数据究竟是由什么构成的。

很多人认为，抓取用户操作灯光的历史数据，建立光源相关的数据模型就可以了。还有人认为，环境影响灯光，AI无主灯的数据来源应该是时区、气候。

但实际上，用户只是光源的使用方，而光源的设计，都是由设计师根据用户家庭空间，如所在时区的光照情况、气候情况；房间的层高、朝向、光通量；窗户的位置、大小；灯具安装的位置、角度等等一系列特殊条件，进行的特殊性设计。

很多时候，用户对灯光的使用都处于“小白”阶段，大多数人仅仅只会使用基础照明。再加上传统照明灯具操作复杂，即使知道可以调节氛围灯光，也不会有高频的使用，这就意味着，只抓取用户在家庭空间使用灯光的数据，并不足以成为AI主动推荐的参考依据。

艾拉物联建立的大数据仓，不仅仅只是抓取用户端的操作数据，所在时区的光照情况和气候，还和全国上万个灯光设计师建立了合作，不断的以暗含多样化、个性化空间参数的设计数据喂养给云端的算法。

同时，基于这些数据，建立以人、空间、环境为核心的算法模型，不断模拟不同空间，在不同环境下，自然光源的变化，以及人在不同空间和环境中的行为逻辑。这就是艾拉物联打造的基于AI的空间智能底座。

但AI无主灯的真正落地，需要长久的训练和试错，仅仅才起步的艾拉物联，光是应对云端各种各样复杂的状况，SaaS端不断增加的灯光场景，用户端对各种光场景的低使用频次，就要花费大多数心力了，想要真正把AI无主灯做成熟，还需要很长时间去验证。