小米开源下一代智能家居技术MiLoCo,我们自己的贾维斯要来了吗？

这两天仔细看了下小米刚开源的 MiLoCo 项目代码，顺便把那个 Mimo-7B 的模型权重拉下来跑了跑。我的评价是这次小米确实有点东西。

我自己其实早就用 Home Assistant 配合国产大模型搞了一套类似的系统。我的方案是把家里的设备全部接入 Home Assistant，然后通过 API 对接外部的大模型服务。这套系统确实能跑通，体验也完爆那些传统的基于规则的傻瓜式自动化。我可以随便说一句话，后台大模型就能解析出我的意图，转换成 JSON 格式的服务调用代码，然后驱动 Home Assistant 去执行。

既然我自己都能做，为什么我还觉得 MiLoCo 重要

因为门槛。

只有自己动手折腾过的人才知道这中间有多少坑。首先你得懂 Linux，得会玩 Docker，得自己写 Python 脚本去处理 STT 语音转文字和 TTS 文字转语音的接口。光是配置网络环境和解决 API 调用就足够劝退绝大多数人。更别提由于设备实体命名不规范，导致大模型经常产生幻觉，把客厅的灯当成卧室的灯关掉。为了解决这些 bad case，我写了大量的配置和 Prompt 来做纠正。这根本不是普通用户能用的东西。

小米这次做的事情，就是把我上面说的这些只属于极客的、需要花大价钱定制的复杂链路，封装成了一个标准化的产品。MiLoCo 直接在系统层面解决了设备映射和指令分发的问题。它把大模型变成了一个系统级的中间件，而不是像我们 DIY 那样只能外挂。

更关键的是本地化

我虽然用 Home Assistant 实现了功能，但如果我想用稍微强一点的模型，还是得调云端 API。这就意味着我说的每一句话、家里的每一个传感器状态，理论上都要上传到云端。作为一个对数据敏感的程序员，我对此其实是很膈应的。特别是摄像头画面，我是绝对不敢接入任何云端大模型的。

MiLoCo 的架构明确了是在端侧运行。Mimo-7B 在 FP16 精度下大概占 14GB 显存，如果做一下 4bit 量化，显存占用能压到更低。这就意味着我们完全可以用一块高性能的开发板，或者家里闲置的一张 3060 显卡，把所有数据处理都锁在局域网里。

在代码里我也看到了，MiLoCo 对摄像头的调用权限非常高。它不是简单地抓拍一张图上传，而是能实时分析视频流。这是 DIY 方案很难做到的，因为第三方的 Home Assistant 很难拿到米家摄像头的实时解密流。现在有了官方支持，本地算力可以直接分析画面。比如模型看到门口有快递员，直接触发通知；看到老人摔倒，直接报警。这些数据全部在本地跑完，不出家门，这才是真正的隐私安全。

硬件落地

目前 7B 模型跑在手机上还是吃力，会发热降频。但在家庭场景下这根本不是问题。因为家庭里是有长供电设备的。无论是做进 NAS 里，还是搞一个类似 Mac Mini 的高性能网关，甚至就用家里的 PC 当服务器，供电和散热都不是瓶颈。RK3588 这种 ARM 芯片配合 NPU 也勉强能跑。

下一步肯定是 VLA 视觉语言动作模型

现在的智能家居只是开关设备，未来的智能家居是有手有脚的。我看好 MiLoCo 这个架构后续接入机器人控制。现在扫地机器人还需要预先建图、划禁区。以后上了 VLA 模型，扫地机就是个执行终端，大脑在我们的本地服务器上。我直接告诉它去厨房把地上的酱油擦了，服务器的大模型通过摄像头看到酱油的位置，规划好路径，直接发运动指令给扫地机。

对于我们这种技术人员来说，MiLoCo 省去了造轮子的时间，我们可以专注于写更有意思的自动化脚本。对于普通用户来说，这是他们第一次有机会在不泄露隐私的前提下，体验到真正的 AI 智能家居。

这就对了。技术本来就该这么用。