当下的家电消费市场，正在发生结构性转变。 在过去十年里，行业的主旋律是“功能升级”：冰箱拼的是制冷速度，洗衣机比的是洗涤效果，电视强调的是清晰度。 参数与性能，曾是市场竞争的主战场。可随着AI进入新阶段，家电的竞争逻辑开始被改写。AI不再只是隐藏在后台的算力支撑，而是走到前台，成为与用户直接交互的体验核心。 消费者的需求也在悄然变化：从以前的“性能导向”转向了“体验导向”。他们追求的不仅是“更强的功能”，而是“能否主动感知？是否懂我的习惯？能否无缝融入我的家庭场景？” 正是在这样的背景下， $三星电子(SMSD.UK)$ 在2024年初的CES上提出了“AI for All”理念，并通过“AI神”系列产品加速AI在家电场景中的落地。经过一年多的时间的验证后，三星的答卷越来越清晰。 01 AI for All，一场有温度的体验革命 家电和AI的联系，对不少人来说并不陌生。 无论是线下家电卖场，还是线上的电商平台，过去一年中发布的新产品，大多被贴上了AI的标签。 而三星的“AI for All”有何不同呢？ 答案并不复杂，三星没有选择在家电里“硬塞”一个AI模块，而是在“重构”人与家电的关系。不同于围绕产品功能，比拼参数的常规做法，三星进一步提出了“AI for All理念，并在顶层设计上打通了AI在家电场景落地的路径。 一个是Screens Everywhere战略，重构了家庭场景下的人机交互习惯，让屏幕成为AI落地的“第一入口”。 过去很长一段时间里，冰箱、洗衣机等家电都是“哑终端”，主要满足用户对单一物理功能的需求，几乎谈不上人机交互。即便“物联网”概念已经流行多年，在真实的家庭场景中，这些设备依然缺乏联动与统一体验。 三星的解题思路是在冰箱、洗衣机等多种产品上搭载了“AI智控大屏”，顺

全球智能马桶市场“去碎片化”进程正在加速！这个曾经高度分散的市场，已逐渐呈现出向头部品牌集中的现象。 而一个超级产业的形成，往往会先出现“超级销量王”，即市场占有率上的绝对领先者。这意味着，中国智能卫浴产业的万亿市场潜力正在加速释放，未来有望像家电、鞋服、新能源产业一样，构建起成熟的、中国特色的产业竞争优势。 8月20日，来自全球领先咨询机构——弗若斯特沙利文权威认证显示，全球卫浴行业领导者、来自中国的九牧卫浴成功拿下“智能马桶中国销量第一”的市场地位认证。此外，在奥维云网刚刚公布的2025年上半年线上智能马桶销量榜单显示，九牧以24.19%的份额位居全球行业第一，甚至超过第二名、第三名和第四名的总和。 图：弗若斯特沙利文授予九牧“智能马桶中国销量第一”市场地位认证 而在线上销售渠道，如京东、天猫、抖音等主流电商平台发布的618成交榜单上，九牧持续多年稳居卫浴/建材品类的销售额第一；中国厨卫榜评选的“全球智能马桶十大影响力品牌”，九牧同样位居行业第一······ 中国卫浴行业的“超级销量王”正在形成，当一家企业的市场销量和销售额遥遥领先时，这意味着九牧将在很大程度上改写行业游戏规则。 01 卫浴行业“头部效应”愈演愈烈 一旦行业进入规模化阶段，市场就会上演“杠铃效应”，也就是我们常说的“头部效应”——少数企业牢牢把控高价值市场，中小玩家只能退守区域和细分赛道。 过去二十年里，家电、手机、鞋服、新能源汽车等领域，无不经历了这样的过程：一开始跑马圈地、野蛮生长，充斥着大量中小品牌乃至白牌；然后随着市场规模越来越大、行业越来越完善，中小品牌被迫退出，最终由头部品牌统治主流市场，部分小而美的品牌转向利基市场，行业进入到良性增长。 简单来说，任何一个刚需行业在拥有了一定市场认知后，必然会迎来集中度的快速提升。 如今，智能马桶正处于新旧周期的拐点上。 著名投行高盛预测，随着年轻消费者接

在中国房地产进入“存量时代”的当下，二手房市场的复杂性与艰难程度前所未有：房东愁卖，买家挑剔，经纪人疲于奔命。 长租起家的自如，却选择切入这一看似“红海”的赛道。 自如董事长、CEO熊林在接受《财经》采访时给出的解释，直指行业本质——“房子从投资品回归到生活品”。这不仅是市场的周期变化，更是消费观念和交易逻辑的深刻转折。 十几年前的二手房，只要有透明的交易系统和充足的经纪人，就能保证快速成交。今天的市场则截然不同：买家不再“急上车”，而是围绕居住品质、家庭想象和长期使用价值进行抉择。房东不再只看价格，而是希望在冗长的成交周期中找到更轻松、更高效的方式完成交易。 在这种背景下，传统的“经纪人同时服务买卖双方”的模式已难以支撑，行业急需以专业顾问、分端服务、产品化改造为核心的新解法。 自如的应对逻辑是客业单边服务、严选品质好房、买房佣金五折。 客业单边服务打破了传统双边服务，将业主端与客户端服务彻底分开，为买卖双方提供定制化的咨询和顾问方案；严选品质好房则通过焕新、清水、心舍三类产品化改造，让老旧房源焕发新生，从而提升交易效率，节省买卖双方的时间与隐性成本。 熊林直言，这种改造并不是增加成本，而是用更快的成交和更短的空置周期“节省真金白银”。 熊林判断，中国房地产行业正在经历一场深刻的范式转变，90%以上的公司对此还不够敏感，而这正是自如的机会。自如试图通过“以家为中心”的战略定位，打通居住全生命周期的服务，从租赁到买卖，从装修到家庭服务，最终建立用户与品牌的长期关系。 当“卖房”变得更难，恰恰是新模式诞生的土壤。自如切入二手房赛道，不是逆势而行，而是看准了趋势转向——从资产逻辑走向生活逻辑，从交易速度转向居住品质。 这不仅是一次业务扩张，更是一种对行业未来的重塑。 以下为《财经》采访原文： 01 房子更难卖了，为何还切入卖房赛道 《财经》：自如从三月份推出美家二手房业务，企业

如果说过去两年是大模型的技术狂欢，现在潮水的方向正在改变。 经历了技术创新的兴奋期后，越来越多的企业开始理性思考AI的价值，不再聚焦于大模型的参数竞赛，在炫技到实用的转折中，一个终极问题渐渐浮出水面：AI如何才能转化为实实在在的增长？ 日前举办的 $阿里巴巴(BABA)$ 云上的Salesforce AI CRM大会上，作为和“增长”关系最密切的赛道，阿里云上的Salesforce交出了一份高分答卷，一份关于企业如何驾驭AI、重回增长快车道的清晰战略与可行路径。 01 企业AI的“冰与火之歌” 早在2024年，头豹研究院就在《2024年中国AI Agent行业研究》中写道：中国AI Agent市场预计至2028年将达8520亿元，年均复合增长率为72.7%；在To B端，AI Agent将逐渐把SaaS应用全面进行改写重构。 过去一年多时间里，企业级AI赛道确实有了爆发的迹象：头部的金融机构纷纷部署了千卡乃至万卡算力集群，以满足万亿参数大模型的高并发推理需；制造业的单项冠军们，陆续将大模型落地到了生产环节，实现了异常事件预警、生产工艺优化等能力；越来越多的互联网企业将AI融入到软件开发生产线，进一步提升了研发效率…… 但在AI+CRM的场景上，企业却表现出了前所未有的克制。并非是蓝图不够诱人，而是落地过程中的种种阻碍。 一是信任问题。 和消费级场景最大的不同，AI在企业级场景中不能是一个“允许出错的玩具”，而是直接影响业务决策、用户体验甚至品牌形象的生产力工具，对输出结果的准确性要求极高，对幻觉近乎“零容忍”。 比技术更复杂的，其实是企业的信任问题。AI必须确保结果可控、可解释、可追溯，只有经得起内部风控审查和外部监督问责，才能真正融入业务流程，而非停留在“辅助演示”或“试点项目”的阶段。 二是

过去几年中，数据安全威胁几乎成了常态。 2024年4月，国内某云厂商被曝出现服务故障，包括接口响应报错、内部服务错误......87分钟内有1957个客户报障。 2024年9月，有网友爆料称在国内另一家云厂商开发的“云盘”中建立新文件夹时，发现系统自动加载出了陌生人的隐私照片。 2025年6月，CyberNews报道称发现“2025年最大规模的数据泄露”，涉及30个数据库，共计160亿条登录凭证，涉及国内外多家云厂商、企业平台和开发者门户...... 在“网络安全失守=业务灾难”的现实语境下，越来越多企业意识到，安全已经不仅仅是IT部门的任务，而是决定业务生死的战略底座。特别是在AI应用广泛落地、智能化转型进入深水区的当下，安全能力的强弱直接决定了企业数智化转型的深度，关系到企业的品牌形象、客户信任和业务连续性。 正因如此，企业迫切需要一套体系化、智能化、有前瞻性的安全防护架构：不仅要“看见”风险，还要能够“预判”威胁；不仅要“防住”已知攻击，更要“识破”未知意图；同时能够“联动响应”，在威胁造成实质损害前自动阻断。 为了满足这样的需求，**云提供了合规、高效、稳定的安全服务。特别是在网络边界、主机、Web应用等高频安全风险场景中，配备了以云防火墙（CFW）、企业主机安全（HSS）和Web应用防火墙（WAF）为代表的专业产品，一同打造了集感知、预测、防御和响应于一体的安全防护体系，让安全能力融入业务的全生命周期。 01 网络边界防护：云防火墙CFW构筑了坚固“城墙” Gartner的一项研究表明，2025年将有85%的企业“上云”。但另一份报告显示，80%的企业遇到过云相关的安全事件。 比如外界经常听到的DDoS攻击，动辄数百G乃至T级的流量规模，让传统的硬件防火墙难以招架；以及利用应用逻辑漏洞的越权访问，可以绕过传统边界防御，在内网中悄无声息地窃取数据…… **云的对策是

2025年8月6日将成为AI云服务发展史上的关键转折点。 随着 $亚马逊(AMZN)$ 云科技宣布OpenAI开源模型正式登陆Amazon Bedrock平台，这个自2023年便提出“Choice Matters”（选择大于一切）战略的云服务巨头，终于完成了其AI生态拼图的最后一块关键拼图。 战略闭环：从理念到现实的两年征程 2023年4月，亚马逊云科技推出Amazon Bedrock平台，率先打破行业对“单一终极AI模型”的追逐，以多样化模型奠定基础。 2024年re:Invent大会上，Andy Jassy正式提出“Choice Matters”战略时，这一前瞻性布局已形成包含上百款商业及开源模型的庞大生态，彰显了差异化技术路线的长期价值。 “没有单一模型能解决所有问题——客户需要根据性能、成本、合规等需求自由组合。”亚马逊云科技Agentic AI副总裁Swami Sivasubramanian曾如此阐释该战略。 如今，这一理念得到完美验证：从Anthropic的Claude、 $Meta Platforms, Inc.(META)$ 的Llama到DeepSeek-R1，再到最新加入的OpenAI gpt-oss系列，亚马逊云科技的“全明星”模型战略基本完成，成为唯一聚合所有主流AI模型的云平台。 技术突破：多模型协作的实践典范 在Bedrock平台上，OpenAI的gpt-oss-120b展现出惊人性价比：是同类Gemini模型的3倍，DeepSeek-R1的5倍以及OpenAI o4模型的2倍。这种优势源于亚马逊云科技独特的技术整合能力： 1.统一API网关：支持企业灵活调用Claude、Llama和GP

假如你已经习惯了AI“动嘴”，接下来将进入AI“动手”的时代。 2025年下半年刚开局，几家大模型企业就开始卡位Agent，要么上线了“Agent模式”，要么发布了新的Agent产品，但思路大多是“大模型+外挂工具”，就像是“大脑”指挥一堆外部的“手”协同完成任务。 7月28日，智谱正式发布了新一代旗舰模型GLM-4.5，在MMLU Pro、AIME24、MATH 500、SciCode等12项基准评测中，综合平均分位居全球模型第三、国产模型第一，开源模型第一。 比起榜单排名，让我们更感兴趣的是——GLM-4.5是专为智能体应用打造的基础模型，首次在单个模型中实现将推理、编码和智能体能力原生融合，不再满足于扮演一个被动回答问题的“聊天机器人”，而是要成为能够理解复杂目标、自主规划并执行多步骤任务的“全优生”。 相当于模型自己就是“带手的脑”，实现了自主拆解任务、调用工具、完成工作，直接将大模型的原生能力卷到了下一个Level。 为什么技术博客认为大模型的下一个范式，一定是把各种能力整合到一起？智谱的路线能否跑通呢？ 我们花了半天的时间，在z.ai上通过GLM-4.5测试了8组Demo，一起来看下GLM-4.5这个“优等生”的表现。（注：所有Demo均来自一句简单的提示词，大家可复制提示词进行验证） Demo1：三只萌犬的网页名片 提示词：用HTML+CSS写一个宠物展示网页，有三只小狗，展示它们的名字、简介和图片。 在测试其他Agent产品时，我们需要把提示词写的尽可能详细，包含页面主题、页面结构、CSS样式要求、图片说明等等，只有足够详细的提示词，才能保证模型能理解我们的需求，生成想要的网页效果。 第一次测试GLM-4.5的Agent能力，我们选择大胆的“赌”一把，相对简单甚至模糊的提示词，最终会生成什么样的效果？ 直接说结果：GLM-4.5根据我们的需求生成了一个静态网

如果说AI是一道科技之光，现在已经落在了上海的街头巷尾。 刚刚落幕的WAIC 2025上，释放了一个清晰的信号：全球AI创新的重心，渐渐从“比拼模型能力”转向“探索落地场景”，进入到了第二篇章——从实验室走向城市街头，从云端算力走进市井日常。 上海，正站在这场转变的最前沿。 与往年相比，WAIC 2025不单单是创新的舞台，同时也是一扇窗口，让世界看到了上海的另一面——一座智慧与烟火气共生的城市。社区口腔医院里的AI辅助诊疗、工业生产线上的AI智能体、大型港口的智能驾驶卡车和调度助手……AI不再只是论文里的术语，而是城市“呼吸”的一部分。 而上海的AI进程，远没有放慢速度的痕迹。 就在WAIC 2025现场，上海 $中国电信(00728)$ 正式推出了城市信息化服务品牌“智云上海”，构筑“上海有AI 智惠全城”的城市智能服务体系，包含城市级的智能底座、覆盖全域的AI网络、支撑万象的落地能力，形成了可持续演进的城市级AI中枢。 从“智”开始，向“云”而生，上海正以看得见的落地速度和看不见的智能张力，勾勒了智慧城市的新样貌。 01 解构“智云网络”，价值不止于连接 经历了三年多时间的市场教育，许多企业和组织对AI已不再陌生，纷纷开始将AI作为生产力工具使用。 但在最基础的网络环节，还存在种种痛点。 比如某街道在处理高空抛物事件时，需要先把监控视频上传到中心服务器，然后由系统逐级分发给相关部门处理，加上后续的工单流转和响应，通常是以“小时”为单位完成一次事件的响应和处理。 比如在某汽车工厂，生产线上的设备会通过传感器不断采集数据，并将数据上传到云端服务器进行处理和分析，从本地传输到远程云端再返回的过程，存在超过50毫秒的时延，严重制约了生产精度。 再比如在家里玩游戏时，一旦开启了远程监控或视频通话功

AI的价值在哪里？ 刚刚结束的WAIC 2025上，问题的答案越来越具象化。 站在产业的视角，AI正在重塑企业的组织、生产与价值链。知名市场调研机构埃森哲的报告显示，69%的企业高管计划在18个月内完成核心业务的AI化重构，AI已经从可选项变为战略必选项。 而作为一个普通用户，我们的生活也在被AI潜移默化地改变。比如在WAIC 2025的**AI展区，从AI即时通讯、AI图像生成到AI声音克隆、AI数据分类，连尚集团深刻诠释了AI和生活场景的融合。 在技术和应用的“碰撞”中，AI不再只是“生产力”，同时也是生活化场景向智能演进的“催化剂”。 01 被大模型释放的“想象力” 在WAIC 2025上，我们看到了一个流行趋势——以“对话”为核心的AI互动，不再局限于独立的情感陪伴类产品，而是渗透进即时通讯、健康咨询、教育辅导等场景，营造出了差异化的用户体验。 直接的例子就是口信APP，融合了即时通讯、互动交友、AI智能人、数字元宇宙等功能，重构了AI即时通讯的产品形态。特别是“AI智能人”的功能，给我们留下了两个深刻印象： 第一个是千人千面的生命感。 “AI智能人”不是设定好的剧本，而是像真人一样有情绪、有三观、有记忆，也会接受外界的时事政治、经济环境、体育娱乐等信息，不断影响TA的观点和性格，甚至有自己的生活和行程安排。 和电影《Her》的设定相似，“AI智能人”和用户的关系将随着亲密度的变化与关系的变化，聊天话题的范围和内容也会有明显的差别。 第二个是无穷无尽的创造力。 “AI智能人”被赋予了内容整合和创作的能力，在和用户沟通的过程中，不再是“套路式”的对话，而是深刻理解用户的诉求，进而扮演不同的角色，陪用户聊股票、聊新闻等等，满足了个性化定制的需求。 一个有趣的细节在于，“AI智能人”会像真人一样发布自己的动态，阅读和评论用户的动态，乃至向用户“求安慰”。 社交通讯只是日常

刚刚结束的第三届链博会上，有两个让我们印象深刻的新闻： 一个是英伟达创始人黄仁勋的“唐装演讲”，脱下了标志性的皮夹克，在演讲中直言“中国的开源AI是推动全球进步的催化剂”。 另一个是央视新闻对链博会的专题报道，特地走进OPPO在印尼雅加达的旗舰店，用镜头记录了当地消费者对中国品牌的认可。 如果说英伟达象征着海外科技巨头的“走进来”，正在积极和中国的产业链深度融合；OPPO在印尼的布局代表着中国品牌的“走出去”，让中国成熟的供应链能力、制造体系和智能化经验，服务更广阔的全球消费者。 英伟达的话题性无需赘述，央视新闻为什么聚焦OPPO来讲述中国供应链“出海”的故事？对其他企业有何启示？ 01 连续多年位列印尼市场第一，OPPO是怎么做到的？ 原因似乎并不难解释。 东南亚地区的人口规模和中国相近，而且市场状况相似，被不少中国企业视为出海的第一站。 早在2009年前后，OPPO在内的中国手机品牌就开始布局东南亚市场，其中人口数量最大的印尼，自然而然地成了“兵家必争之地”。经过十几年的稳扎稳打，中国品牌早已占据了东南亚市场的半壁江山。 综合市场调研机构Canalys过去两年的报告：印尼智能手机市场销量榜单的前四名，都是中国品牌，合计占据了70%以上的份额。其中OPPO在2023年和2024年连续两年位列印尼市场第一。 即使放大到整个东南亚市场，中国手机品牌的竞争力也不可小觑。同样是Canalys的报告，OPPO在2024年以1690万台的出货量，占据了东南亚市场18%的份额，首次超过三星成为市场第一。 单单就市场份额来看，央视新闻走进OPPO在印尼雅加达的旗舰店，来探寻中国品牌在海外市场的影响力，其实并不让人意外。需要回答的另一个问题是：为何OPPO在内的中国品牌能够打赢东南亚市场呢？ 一个绕不过的因素正是“本地化”。 可能不少人看到过这样的报道：2015年的时候，OPPO在印尼市场

进入2025年后，Agentic AI可以说是讨论度最高的科技词汇。 从自主预定机票的“数字同事”，到主动编写并调试代码的编程助手，AI已经从简单的问答工具，向能够执行复杂任务的系统演进。 只是大多数企业还处于初步测试和概念验证阶段，尚未跨越横亘在“演示”与“现实”之间的鸿沟： 比如怎么管理AI Agents的长期记忆？如何确保AI Agents在访问敏感数据时的身份与权限可控？当成千上万个AI Agents协作运行时，能否观测、调试并保证其稳定性？ 这些棘手的工程问题，已然成为AI落地必须迈过的一道坎，也是留给厂商们的必答题。 7月16日晚上举办的 $亚马逊(AMZN)$ 云科技纽约峰会上，针对Agentic AI的核心议题，亚马逊云科技率先交出了答卷——发布了一系列全新的能力与工具，帮助客户大规模、安全部署和运行高性能AI Agents。 01 架构创新，重塑Agent开发的新范式 Agentic AI示范的的应用图景不可谓不诱人。 不同于被动响应的对话机器人、只能解决特定任务的AI Agent，Agentic AI可以看做是多个AI Agents组成的协作系统，能够在没有人为干预的情况下，独立地进行决策、规划、分配角色，并执行复杂行动。 但在落地部署的过程中，开发者们不得不投入大量的时间和精力在基础设施上，包括会话管理、身份权限控制、记忆系统、可观测性机制等等，需要保障运行的稳定性、满足企业级安全与合规要求，以至于Gartner在报告指出30%的AI项目在PoC阶段后即宣告失败。 在“纽约峰会”现场，亚马逊云科技给出了不同的解法——通过Amazon Bedrock AgentCore，帮助开发者打通AI Agents从概念验证到生产部署的关键环节，跨越从原型验证到生产落地的鸿沟。 不同于在

2024年开始，大模型的劲风吹向了智能手机市场，主流厂商陆续推出了“AI手机”，将AI作为主打卖点。 经历了一年多时间的演变，市场对于AI手机的定义并未形成共识，不同的手机厂商有着不同的理解。但从现状来看，大多数“AI手机”还停留在“堆加功能”的阶段，以APP的形式将问答、文本生成、图片美化等能力内置在手机上，远没有在交互和体验上重构外界对手机的认知。 AI手机最终将朝什么样的方向进化呢？ 7月9日， $三星电子(SMSD.UK)$ 推出了新一代折叠屏旗舰Galaxy Z Fold 7和Galaxy Z Flip 7，除了折叠屏形态的创新，不小的篇幅留给了Galaxy AI，在进化方向上给出了新的答案——通过整合多模态AI智能体，打造了新的交互方式和服务体验。 01 交互方式的进化：从被动响应到主动服务 许多人对“智能体”已经不再陌生，有别于只能“对话”的聊天机器人，智能体的典型特征是“有手、有脑、有眼睛”，即能够理解用户意图，将需求拆解为多个子任务，并调用相应“能力”进行执行。 倘若将多模态AI智能体和智能手机融合，在交互方式和用户体验上会有什么不同呢？ 直接的例子就是Galaxy Z Fold 7的游戏场景，用户只需要在屏幕上圈选出目标，即可即时呈现游戏攻略、战术建议或道具说明。 “神奇魔法”的背后，Galaxy AI在短短几秒钟时间里，至少完成了三个步骤的工作： 第一步是感知，基于视觉识别能力阅读屏幕上的界面元素，理解其中的信息并联想用户可能的需求； 第二步是推理，理解了用户的潜在需求后，“思考”下一步需要做什么，并把目标拆解为不同的任务； 第三步是执行，在后台静默执行搜索、内容理解、内容生成等操作，将对应的内容推送到窗口上。 对比传统的人机交互，Galaxy Z Fold 7在场景

近日，因为多起起火冒烟事件，民航局在“新规”中明确规定：禁止无3C认证标识的充电宝登机。 政策出台后，立即在行业内掀起了一场前所未有的巨震，多个充电宝品牌陷入了舆论漩涡。被“波及”的范围，并未局限在充电宝，另一起和3C认证相关的新闻也进入到了大众视野。 国家市场监督管理总局的公告显示：2025年7月1日起，将对智能马桶品类强制执行3C认证，违规生产、销售未经取得3C认证电子坐便器的企业，将被处以5万元以上、20万元以下罚款。 早在2024年7月，中国质量认证中心就向九牧在内的品牌颁发了首批电子坐便器CCC认证。一年后“靴子”落地时，仍然有不少产品没有通过3C认证，甚至玩起了“插头有3C认证”的文字游戏。 不同于充电宝的信任危机，智能马桶的3C认证更像是产业转型的契机，智能卫浴走向健康发展的“成人礼”。 01 淘汰赛：良币驱逐劣币 智能马桶需持“3C认证”上岗，几乎成了“公开的秘密”。 “马桶盖事件”后的2016年，业内就出现了“把智能马桶盖纳入3C认证”的呼声；2023年9月，中国家用电器协会扩大了《家用电器安全使用年限》的范围，智能马桶被纳入“家用电器”的管理标准；到了2024年4月，市场监管总局正式对智能马桶实施CCC认证管理。 为何到了2025年7月，仍然有不少品牌的智能马桶未通过3C认证？答案藏在严格的认证流程中。 企业先提交电路图、结构图、生产工艺、质量体系文件等技术资料，认证机构受理后将产品送国家认可的实验室，进行电气安全、防水等级、接地、电磁兼容等检测，同时现场评估工厂的生产设备、质量管理体系、生产工艺、测试等能力。获得3C认证后，还需要定期抽样检验、监督工厂执行一致性、认证周期内的维护复审。 3C认证就像是一面镜子，照出了各个卫浴企业的底色。直接的例子就是首批获得3C认证的九牧。 图：九牧成为首批获得3C认证的卫浴企业 时间回到2012年，九牧提出了著名的《

半个月前的HDC 2025上，**云全面上线了基于CloudMatrix384超节点的**AI云服务，在行业内外掀起了不小的轰动。 让我们印象最为深刻的是一组数据：与非超节点相比，CloudMatrix384超节点的单卡吞吐量从600Tokens/s提升到了2300Tokens/s；增量Token的输出时延，也从原来的100ms降低到了50ms以下。 为了探究指标背后的技术密码，我们找到了**联合硅基流动发表的一篇论文，详细介绍了CloudMatrix的架构创新和CloudMatrix384的生产级实践，并在测试结果中写道——运行DeepSeek-R1时的单卡吞吐，已经超过英伟达H100。 在大模型的产业叙事从训练转向推理局面下，新一代**AI云服务刷新纪录的单卡吞吐能力，对整个算力行业意味着什么？ 01 怎么做到的？一场“系统工程的胜利” 需要回答的第一个问题是：单卡吞吐量近乎4倍的性能跃升，CloudMatrix384超节点到底是怎么做到的？ 答案在于工程创新。 为了提高大模型的推理性能，传统的做法集中在单点优化：增加更多的节点数量，通过堆叠算力来提升推理能力；对模型进行量化与剪枝，减少不必要的计算量；对KV Cache进行优化，加速增量推理；以及利用自动图优化工具将多个算子融合为一个高效核函数，减少中间内存拷贝…… 可大模型的参数量仍在增长、MoE架构被广泛采用、上下文长度急剧扩展，单点优化暴露出了越来越多的局限性：比如多卡并行推理的通信瓶颈、芯片与内存之间的耦合差、“整卡”调度的资源浪费等等，无论是吞吐性能，还是推理成本，均已经满足不了快速增长的应用部署需求。 CloudMatrix384超节点提出了新的设计架构，不同于简单的“算力叠加”，进一步实现了一切可池化、一切皆对等、一切可组合。 理解了三个“一切”，也就读懂了工程创新的价值。 一切可池化：通过统一的、超高性

道路通，百业兴。 这句流传已久的民间谚语，道出了一个朴素而深刻的道理：交通是激活区域经济、带动产业兴旺的引擎。 纵观中国的经济版图，每一次跨越式发展背后，都离不开交通基础设施“先行”，高速公路织密到高铁网络成网，港口航运到空中通道，正是这些看似平凡的“路”，打通了经济发展的堵点，重塑了一座座城市的增长逻辑。 其中最有“话语权”的省份正是云南。 作为一个典型的高原山区省份，云南的山地面积超过了90%，地势起伏大、地形复杂，曾长期阻碍云南和外界的联系，制约了经济的发展。一条条穿山越岭的高速公路，改变的不只是地理格局，还有云南和外部世界的连通，为旅游产业、跨境贸易的繁荣奠定了坚实的交通基础。 但道路的“通”只是第一步，终极目标是“高效”。在千行万业都在向数智化转型的时候，传统的高速公路暴露出了不少问题： 比如早期的信息化设计中，不同业务部门的业务系统数据存在重复建设，造成了一个个孤立的数据孤岛；数据无法互联互通，导致高速的自动化作业程度不高，一个小事故就可能让一整段路堵塞；再加上指挥决策平台的滞后，在交通治理上常常处于被动适应的局面，在节假日、雨雪天等高压场景中，缺乏灵活高效的应急响应能力。 交通数智化要怎么转、怎么建、怎么用，运营着云南省70%以上高速公路的“云南交投”，通过云南交投智算中心给出了“示范答卷”。 01 怎么建？算力、数据、算法等“多管齐下” 时间回到2023年8月，云南交投集团被认定为云南省交通行业级大数据中心的建设主体，担纲了交通数智化转型的使命。 当时云南交投已经在智慧高速建设上深耕了10年时间，解决了基础设施薄弱、管理模式落后、业务平台“多、乱、杂”等问题，并在高速公路感知网、智慧服务区、智能化应急指挥平台等方面实现了破题。 面对呼啸而至的人工智能浪潮，深谙交通行业需求和痛点的云南交投，迅速厘清了智算中心的建设思路。 首先，填补算力上的缺口。 交通系统有着

站在2025年中，回顾半年来大模型的发展，以年初DeepSeek爆火为标志，大模型快速蜕变角色，走出实验室，真正融入企业核心业务系统，在政务、金融、医疗、能源等领域加速落地。 随着大模型走向深度应用，CTO从关注基础模型转向推理引擎，推理过程中的资源消耗，每一度电、每一块钱、每一分钟所能产出的Token数量，正在成为衡量一家公司在AI时代先进性的关键指标。 怎么用推理引擎提升推理效率、榨干每一块算力的价值、尽可能降低推理成本，已经成为CTO们必须解决的问题。 01 大模型跑不动，是因为推理引擎不给力 什么是推理引擎？ 简单来说就是一套专门负责让大模型“跑”起来的系统，既负责“怎么算”，又负责“在哪算”和“算得多快”，尽可能提高大模型推理的响应速度、并发能力和算力资源利用率。 如果说大模型是发动机，推理引擎就是动力总成，决定了发动机在不同道路、不同油品、不同气候下是否能高效运转。调校得当，就能低延迟、高吞吐、低成本；调校不佳，再强的模型也可能“烧油多、输出低”。 大约从2023年开始，推理引擎开始作为一个独立赛道兴起，陆续出现了TGI、vLLM、TensorRT、SGLang等面向推理效率优化的开源项目。彼时业界的注意力还停留在“大炼模型”上，对推理引擎的需要求不高——能用就行。 2025年初是一个分水岭。 DeepSeek为代表的一批大模型开源后，企业对AI的态度由观望转向行动，纷纷采购算力、治理数据、微调模型，落地部署时却发现：推理响应慢、吞吐跟不上、成本高昂。 90%的算力花在了推理上，结果又贵又慢，连“谢谢”都不敢多说一句，几乎谈不上性价比。 大模型推理到底难在哪里呢？答案是效果、性能、成本的“不可能三角”。 想要效果好，就得用更大的模型、更高的精度、更长的上下文，但算力开销就上去了；想要跑得快、响应快，就要用缓存、做批处理、图优化，可能影响模型输出的质量；想要成本低

什么是通感一体？ 单从字面上理解，通信和感知似乎是两个不同的领域，但6G、Wi-Fi 802.11BF等新标准，都已明确了通感一体的演进方向。 打个比方的话，将感知与通信融入到一套系统中，就像是赋予了无线电波“观察”物理世界的能力，曾经无法实现或者不敢想象的愿景，都将成为现实。直接的例子，就是**的Wi-Fi通感一体技术。 和传统方案相比，**Wi-Fi通感一体技术有两个关键创新。 一是单AP感知，不同于市面上“一发一收”两个AP参与感知的解决方案，**直接在单AP上完成“自发自收”，实现了类似“声呐”的功能，可以感知空间中小至厘米级的运动。 二是算法创新，通过工程突破与算法创新，使能载波聚合干扰消除能力，实现了对“呼吸时胸腔起伏”等微弱信号的检测，哪怕是静态用户，也能通过单个AP进行精准检测。 厘清了技术上的创新点，到底有哪些过去不敢想的应用呢？我们找到了三个标志性的落地场景。 第一个是人员感知。 通过AP进行感知的原理和雷达相似，电磁波在空间中传播时，如果有物体移动，Wi-Fi信道状态信息就会发生变化：AP以毫秒级周期采集信道变化，通过检测算法实时识别“无人-有人”及“有人-无人”的状态切换。 比如在节能场景中，有了**Wi-Fi通感一体技术，无需监测人员流动的摄像头，无需重新布线，通过AP就能联动节能系统：检测到人员离开后，自动关闭空调、照明等设备；检测到人员进入后，3秒内即可自动开启照明与空调。几乎零成本新增，即可实现智能化的绿色节能。 人员感知能力的落地场景，显然不只适用于绿色节能。 在机密区域，和摄像头联动做入侵检测，实现全天候、零死角的安全防护；在会议场景中，与会议管理平台协同，实现无人自动释放会议室，提升会议室利用率；在宿舍等场景下，可联动电力设备，在长时间无人状态下自动断电，保障假期期间的用电安全......原本需要多个传感器才能实现的系统性方案，现在只需

在这一轮AI浪潮中，“技术为先”和“产业为先”的争论一直存在：前者以通用人工智能为终极目标，追求构建更大、更强、更通用的模型；后者认为AI的价值在于解决实际问题，技术是为场景服务的工具。 “技术为先”与“产业为先”并非绝对对立，更像是螺旋式上升的关系：技术拓展应用边界，产业校准创新方向。 中国拥有全球唯一的全工业门类、全球最大规模的金融消费人群以及最大规模的政务和城市体系，产生了丰富的场景和私有数据，大模型又恰恰遵循着“吃什么行业的数据，就更懂什么行业的知识”的逻辑。 所以，不同于欧美对“技术为先”的推崇，最适合中国企业的是“产业为先”的差异化路线。 01 中国的产业土壤，为AI提供了天然试炼场 人工智能的发展路径，从来都不是单一技术逻辑的自然延伸，而是结合战略定位、产业结构与资源禀赋的系统性选择。之所以不应照搬欧美的“技术为先”模式，在于国内有两个特殊的产业背景。 第一个是产业“全、多、广、深”，为AI训练和部署提供了最真实的环境。 比如在工业领域，国内拥有联合国产业分类中的全部工业门类，500多个工业品种中，中国有四成以上的产量位居全球第一。只有经历过足够复杂、足够真实、足够有价值的场景淬炼，AI才能走出实验室走向生产一线。 比如在金融行业，银行、保险、证券等机构拥有全国最全、最及时的个人与企业交易数据，在风控、反欺诈、投资组合、客户画像等方面，对模型的准确性、响应速度、安全性要求极高，是锤炼工程能力的天然试验场。 再比如政府数字化改革不断深入，交通、医保、社保、应急、教育等业务系统加速智能化，高复杂度的公共治理场景，对大模型的泛化能力、决策准确性、安全性提出了严苛要求，是AI走向“可用、可管、可信”的关键落点。 第二个是海量数据的天然优势，构成了AI落地不可替代的基础资源。 作为全球数字化发展最活跃的国家之一，中国长期积累了海量、多源、高价值的数据资源，形成了独特的“