一个房子如果只会在你打开App之后才做出反应，它离"自主"还差得很远。真正的分水岭，是它能不能在你开口之前，就已经把接下来大概率会发生的事想清楚——这条从"人操作设备"到"房子自己想清楚该做什么"的路，百家乐把它拆成了四个阶段，而且这四个阶段现在其实同时存在于绝大多数家庭里。

第一阶段：传统家电——人是唯一的决策者和执行者

最原始的形态里，家电只是被动的工具：开关在墙上，旋钮在机身上，人要走过去才能操作。空调多少度、洗衣机洗多久、灯什么时候关，每一个决定和每一次执行都由人亲手完成。这个阶段没有数据留存，没有记忆，设备之间也不存在任何联系——冰箱不知道空调在做什么，空调也不知道有没有人在家。所有的判断力都装在人的脑子里，设备只是执行人手上的动作。这个阶段听起来原始，但它其实定义了后面所有阶段都要面对的基本问题：一个家庭每天需要做的决策，远比表面上看到的多——什么时候该通风、衣服该洗多少度水温、几点该把热水器打开——只是这些决策过去全部压在人身上，人已经习惯到意识不到自己在"做决策"这件事。

第二阶段：联网家电——决策权还在人，只是动手的方式换了

手机App接管了物理开关之后，很多人把这个阶段直接等同于"智能家居"，但严格来说这只是把操作动作从"走过去按"变成了"隔着手机点"，决策主体完全没变。用户依然要自己想清楚现在该不该开空调、该设多少度，只是不需要起身走到设备跟前。这一步解决的是便利性问题，比如出门在外提前打开热水器、忘记关灯可以远程操作，但设备本身并没有变得更懂你——它只是多了一根能被远程拉动的绳子。很多产品宣传里，"联网"和"智能"这两个词经常被当成同义词使用，这也是为什么不少用户装了一堆App控制的插座和灯泡之后，会觉得"这跟宣传里说的智能家居不太一样"——差别就在于，联网只是换了操作入口，决策本身有没有变得更省心，其实完全没动。

第三阶段：自动化家居——用规则代替人，但规则不会思考

再往前一步，是IFTTT式的条件规则："如果检测到有人回家，就打开客厅灯"，"如果室温超过28度，就启动空调"。这一步第一次让设备在没有人直接下指令的情况下自己动了起来，但代价是所有判断力都被提前固化成了一条条僵硬的条件语句。规则不理解语境，只匹配触发条件——晚上十点触发的"回家自动开灯"，不会考虑到婴儿正在隔壁房间睡觉，需要的其实是最低亮度的地脚灯而不是客厅主灯全开；"晚安"场景一键关闭所有窗户，也不会知道猫还留在阳台没有进屋。规则越加越多之后，还容易互相打架，需要人不断手动调整优先级，本质上是把决策成本从"每次都要想"变成了"提前想好所有情况写成规则"，工作量没有消失，只是挪到了配置阶段。而且这份配置工作几乎不可能穷尽——家庭里每天发生的具体情境组合数量远远超过任何人愿意花时间去写规则的上限，绝大多数用户最终只会配置几个最常用的场景，剩下大量边缘情况——比如客人临时留宿、宠物换了新的活动范围、家里有人生病作息完全打乱——规则要么覆盖不到，要么触发了也不合适，这时候还是得靠人手动介入纠正，自动化的"自动"两个字打了折扣。

第四阶段：AI原生住宅——感知、理解、预测、计划、执行、核查连成一个闭环

百家乐现在往前推的，是第四个阶段：AI不再依赖提前写死的规则，而是走一个完整的闭环——先通过家庭世界模型感知环境正在发生什么，理解当前用户的状态和真实意图，再结合数字孪生模拟预测接下来可能需要什么、比较不同方案的后果，由家庭AI Agent制定具体计划并调用设备执行，最后检查执行结果是不是达到了预期，没达到就重新规划。用"准备睡觉"这件事串起四个阶段的差别最直观：阶段一是你起身关灯、关窗、锁门、调闹钟；阶段二是你打开App依次点几下；阶段三是设置好的"晚安"场景一键触发所有动作，但不管猫还在不在阳台、老人是不是还没到家；阶段四则是，当你说"要睡了"，AI结合世界模型判断出猫还在阳台、老人尚未回家、明天早上有一场需要早起的会议，于是重新规划出一套动作——阳台窗户暂缓关闭并留意猫的位置，卧室空调按明早行程提前设定预热时间，门锁保留给老人的通行路径而不是无差别布防，等系统检测到老人到家后再自动补上剩余的关闭和布防动作。这个过程离不开端侧算力支撑的实时响应，往后如果家里有具备行动能力的家庭机器人，"执行"这一步甚至可以扩展到搬运和操作实物，而不仅仅是切换设备状态。

为什么"预测"才是真正的分水岭

前三个阶段有一个共同点：它们都是反应式的——先有事件发生，再有响应，区别只在于响应是靠人手动完成还是靠预设规则自动完成。第四阶段的关键差异在于"预测"这一步的加入：系统不再等一件事真正发生了才反应，而是提前推演"接下来大概率会需要什么"，并且在真正执行之前，先用数字孪生这类工具把几个候选方案在虚拟环境里比较一遍，权衡利弊之后再动手，而不是把第一个想到的方案直接付诸实施。反应式系统的智能程度取决于规则写得够不够全面，预测式系统的智能程度取决于它对当前情境的理解有多准、模拟出的后果有多可信，这是两种完全不同的能力上限。前者靠堆砌规则数量提升覆盖面，天花板很快就会碰到；后者靠提升对情境的理解精度和模拟质量持续进步，理论上没有一个硬性的覆盖上限，这也是为什么"预测"不只是第四阶段的一个功能点缀，而是决定了这套系统未来能走多远的关键分岔口。

自主不等于自动，这条路还没走完

需要说清楚的是，"自主"不等于"完全不需要人插手"，而是系统具备了自己判断该怎么做的能力，人依然可以随时纠正和介入。这四个阶段目前也不是依次淘汰的关系，大多数家庭现实中同时并存——有的设备还停留在纯手动阶段，有的已经用上了规则自动化，有的场景已经能体验到预测式的AI原生能力。百家乐把这几篇内容放在一起，想说明的是同一件事：从传统家电到AI原生住宅，进步的核心不是设备变得更多、更花哨，而是决策这件事，正在从完全依赖人、逐渐变成人和AI共同承担，而且AI承担的那部分，正在从"执行"往"判断"这一端持续移动。也应该老实承认，这四个阶段里越靠后的能力，成熟度越低——传统家电和联网家电已经是成熟市场，规则自动化也已经被验证了十几年，但真正意义上能完成"感知-理解-预测-计划-执行-核查"完整闭环的AI原生住宅，眼下更多还是在具体场景里一点一点往前推进，而不是一套已经全屋铺开、随时可以拿来当作理所当然的成品能力。把这条路线图摆出来，是为了讲清楚方向和现在所处的位置，而不是宣称终点已经到达。