一个家里的设备越来越聪明，人却越来越像系统管理员。
有时，回到家想在沙发上安静坐一会儿，却还得先打开手机，把这一屋子的设备逐个安排妥当。
灯光、空调、新风、窗帘都有自己的控制逻辑。设备越多，功能越丰富，家庭空间里的协调成本也越高。很多所谓的 " 智能家庭 "，最后仍然需要人决定什么时候开、什么时候关，再在不同入口之间完成控制。
行业曾用 " 场景 " 缓解这一问题。回家、离家、观影，把一组固定动作提前组合起来，确实减少了一部分操作。但生活并不按照几个预设模式运行。
大模型带来了新的变化。人与设备的交流开始变得自然，用户可以少记一些指令，设备也能被更灵活地调用。但大模型并不会自动把一屋子的设备变成一个家。设备、数据与控制能力依然分散在不同系统里，AI 可以理解一句话，却未必理解整个空间此刻正在发生什么。
当 AI 开始进入物理世界，住宅也开始成为决定 AI 能力能否落地的一部分。AI 要理解一个家、管理一个家，空间本身就需要能够被统一感知、计算和调用。过去长期存在的智能家居碎片化，到这里已经不只是操作麻烦，它开始限制 AI 能够在家庭里做什么。
9 月 7 日，在摩登上海设计周 H3 设计高地馆举行的秋季技术发布会上，栖息地给出的答案是一套新的住宅底层架构—— AI 原生智能住宅底层架构 " 盖亚 "，以及与之配套的软件中枢、硬件底座、环境系统与设计工具。
栖息地创始人沈亚楠把智能住宅的演进划分为 L1 到 L4。
L1 解决的是住宅产品化：把过去分散采购、组合交付的装修模式，重构为一套软硬件一体的完整产品。上一代栖息地产品完成了这一步，并在其上接入家庭智能体。
到了 L2，住宅的设计起点进一步改变。AI 从一项附加能力，进入住宅的底层设计。研发者需要先回答一个家怎样才能更舒适、更健康、更节能，再据此重新组织感知、算力、通信、控制、能源和设备。
这也构成了此次发布的 AI 原生智能住宅与传统智能家居更本质的分水岭：接入大模型已经越来越容易，真正困难的是让整个住宅围绕 AI 重新组织。
从这一刻开始，栖息地试图改变的已经不再是某一件设备有多智能，而是住宅本身能否成为一个统一运行的智能系统。
智能的基本单位，由设备转向整个家
智能的基本单位从设备转向整个家之后，问题也随之改变：一个真正作为整体运行的家，究竟应该具备什么能力？
栖息地把 AI 原生智能住宅底层架构命名为 " 盖亚 "。名字来自詹姆斯 · 洛夫洛克提出的盖亚假说：地球并非由彼此孤立的部分组成，而是一套能够持续调节、维持动态平衡的整体。
栖息地借用了这个隐喻。在盖亚架构里，开关、灯光、空气、能源、传感器与智能体被纳入同一个空间系统中，分别承担不同 " 器官 " 的功能，协同完成感知、决策与执行。
一个这样的家，需要回答三道问题：眼前的环境变化，它能不能主动应对？住上五年、十年之后，它还能不能继续升级？能力越来越复杂，用户能不能反而少操心？
栖息地分别把它们概括为：自适应、可成长和无感化。
家里来客人，围坐吃一顿火锅，房间里的环境就变了。锅里热气升腾，温度、颗粒物和二氧化碳浓度随之变化。对正在吃饭聊天的人来说，这些参数通常不会进入视线，直到有人觉得热、有人觉得闷。
传统住宅里，这时往往还需要有人腾出手来，调空调、开新风。设备各自能做什么并不难回答，难的是谁来把它们组织起来。
栖息地此次发布的 AI 超恒气候系统，试图接过这份协调工作。它持续感知空间状态，结合人的位置、活动与环境变化，联动新风、排风和温控。恒温、恒湿、恒氧、恒洁、恒静，是这套系统关注的五个维度；落到一顿饭里，则是让环境跟上人的活动，尽量少打断餐桌上的谈兴。
聚餐结束，家人陆续休息，环境管理也没有随之结束。系统会继续调整运行策略，在舒适与能耗之间寻找平衡。而当人离家，调节仍在后台进行。
沈亚楠将这种持续跟随人的环境体验称为 " 舒适气泡 "。AI 原生住宅的自适应，就在于让家跟上这些日常变化：复杂的参数和调节过程留在后台，用户感受到的只是空气质量更稳定、温湿度更适宜、环境更安静。
一顿饭考验的是住宅能否应对眼前的变化，把时间拉长到入住后的第五年、第十年，考验又不同了。家里添了新成员，房间用途改变，市面上的设备也已更新了几代。人的需求一直在变，房子却常常停留在装修完成的那一天。
住宅的生命周期长达数十年，面板、线路和设备却通常在装修完成时就基本固定。盖亚试图给房子留下继续生长的余地：家庭算力中枢负责本地计算、存储和系统运行，空间控制器把多种供电方式和通信协议纳入统一架构。面板可以重新定义，设备可以继续扩展，软硬件之间的固定绑定被逐步打破。未来增加新的传感器、环境设备或具身智能产品时，也就有机会沿用这套底座，无需对整套住宅重新改造。
这套底座也承担着更日常的工作。关键设备的用电数据被统一采集后，" 小七 " 可以生成能耗分析，进一步优化全屋能源使用。房子交付后，功能仍可继续扩展。栖息地所说的 " 可成长 "，要回答的是几年后生活变了，这个家还能不能跟得上。
不过，一个家会做的事越多，并不意味着住在里面的人就该懂得越多。坐在沙发上的人，可能只是随口说一句：" 有些闷。"
HClaw 家庭智能体 " 小七 " 会理解你的需要。它承担空间决策中枢的角色，结合声源定位、人体传感、声纹识别和空间状态，判断是谁、在哪里，再调节相应设备。同样一句 " 房间有点暗 "，也可以成为调节灯光、窗帘的起点。
用户表达的是感受，住宅负责把它转化成动作。原先那个在不同入口之间来回切换的 " 系统管理员 "，终于有机会把注意力放回生活。
这种 " 无感化 "，也延伸到了眼前的空间。栖息地把空间控制终端与墙面设计结合，减少复杂面板；风、水系统尽量隐藏在地面和空间结构中；环境设备与收纳结合。机器的存在感逐渐减弱，住宅的智能则在这些看不见的地方，继续感知、调节和进化。
从设计到交付，AI 开始重写家的诞生方式
住宅底层被重新定义之后，另一个更现实的问题随之出现：这样的住宅，还能用传统方式设计和交付吗？
大家居行业长期高度依赖人的经验。一套住宅从需求到落地，需要设计、产品、供应链和施工等多个环节在户型、功能、审美、材料、成本与现场条件之间反复协调。环节越多，信息越容易损耗；需求越复杂，对个人经验的依赖也越强。
相比已经形成成熟工业化体系的消费电子和汽车，住宅供给侧仍明显依赖人工经验，AI 还需要进入设计、数据与交付流程，推动 " 造家 " 生产方式的变化。
这也是住宅产品化真正难的地方——产品定义可以统一，但如果设计、产品配置和施工仍然各自运行，规模扩大之后，复杂度也会随之放大。
栖息地希望用 AI 继续改造这条链路。此次发布的 ANDI，是一套端到端 AI 交互式住宅设计 Agent。它建立在栖息地已有的户型、产品与交付数据之上，试图把过去分散的户型理解、空间设计、效果呈现、产品配置和交付信息放进同一套数据体系。
用户导入户型后，ANDI 可以识别原始结构并生成平面方案，再根据自然语言调整房间功能、空间布局和产品选择，同时生成可浏览的 VR 实景，让用户在设计阶段就看到未来的家。
更重要的变化发生在效果图之后。ANDI 会同步形成覆盖空间、产品和材料关系的全量信息模型，并生成对应的产品配置清单。设计数据因此可以继续进入供应链和交付环节，不再需要在不同团队之间反复拆解、转译和重新录入。
统一的数据底座减少了团队之间的重复整理和信息损耗，也让设计师把更多时间投入需要专业判断的环节。按照栖息地的构想，设计响应可以从天级缩短至分钟级，对单个设计师经验的依赖也会降低；未来面向消费者开放后，用户甚至可以直接参与自家空间的设计与调整。
当需求、设计方案、产品配置和交付数据被真正贯通，住宅设计也开始从一次性的专业服务，转向一个可迭代、可直接进入交付的生产过程。
住宅产品化必须跨过的一步，就是把过去依赖个人经验完成的判断和流程，逐渐转化为系统可以识别、计算和执行的能力。
技术退到幕后，生活回到中央
AI 原生住宅最终不应该是一间技术展厅。
无论底层架构多复杂，用户真正感受到的，仍然是空气是否清新、光线是否舒服、温度是否适宜、夜晚是否安静。技术只有转化成这些日常体验，才真正进入生活。
发布会现场，由卢志荣设计的 " 逸舍 " 沉浸式美学空间，给出了一个更直观的答案。空间以春夏秋冬为线索，将木作、空气、光与水融入同一套体验。栖息地此次发布的大量技术能力都藏在其中，却很少以设备的方式占据视线——因为人的感受，才是这片空间的中心。
这也与整场发布会呈现出的逻辑一致：系统越复杂，用户需要理解的东西反而应该越少。
正如 " 小七 " 能够处理更复杂的意图，用户只需要说出感受；空间控制器承担更多设备关系，墙上的开关反而可以更简单；AI 超恒在后台持续感知和判断，用户最后感受到的只是温湿度更舒适、夜晚更安静。
但对于住宅而言，真正重要的还不只是某一个时刻更舒服。
AI 原生住宅试图让家也拥有这种变化的能力：持续感知、持续学习、持续升级，并随着家庭一起调整。这恰好呼应了 " 盖亚 " 这个名字背后的含义——一个系统之所以能够长期维持平衡，依靠的是持续不断的反馈与调节。
未来的家或许也会如此。智能无需被看见，也无需被反复操作，它把感知、判断和调节留在后台，把舒适、自由与从容留给生活。
