社区

文章配图-1 过去几十年，金融IT架构形成了一套成熟的“双轨制”。 服务器负责运行核心业务、处理海量数据，外部挂载的密码机负责加解密、签名验签等安全工作。“业务跑业务、安全管安全”，两套体系各司其职，支撑了银行、证券、保险等金融业务的稳定运行。 当大模型、智能体加速深入千行百业，释放金融业务新生产力的同时，旧的分工体系遭遇了新的“摩擦”。 在需求侧，大模型正在重塑黑客的攻击方式，拟真钓鱼、勒索病毒变种、智能体工作流“投毒”等新威胁不断涌现，安全防线必须从系统入口和网络边界，进一步深入到核心数据的每一个环节。 在供给侧，云化和分布式让金融业务走向更高并发、更低时延，但外挂密码机仍需通过网络调用，网络和数据传输开销不断累积，原本独立的安全节点，逐渐成了业务链路上的“交通拥堵点”。 特别是在密评不断加码的背景下，金融机构面对的已经不只是“数据有没有加密”，而是密码能力怎么部署、密钥怎么管理、整个密码的应用过程能不能经得起持续检查。 一边是越来越深入的安全合规要求，一边是越来越苛刻的业务性能要求，一个棘手问题摆在了金融机构的决策者面前：安全合规每向前一步，性能都必须跟着付出代价吗？ 合规与效率“夹击”，商用密码迎来新拐点 政策层面已然给出了明确答案。 2026年3月31日，中国密码学会商用密码应用安全性评估联合委员会正式发布施行《商用密码应用安全性评估FAQ（第四版）》。 针对云原生、分布式、密码服务平台以及密码功能边界判定等特殊场景，进行了更广的覆盖和更细颗粒度的规范，要求密码保障系统做到同步规划、同步建设、同步运行。 按照新的细则对号入座，传统“外挂密码机”暴露出了三个核心痛点。 文章配图-1 首先是合规。 密评不是“买没买密码机”的一次性检查，而是密码技术、产品和服务的合规性、正确性、有效性，规定每年至少进行一次密评，并且算法是否合规是一回事，密钥能不能被管住是另一回事。 按

文章配图-1 过去两年里，AI行业最不缺的就是“好消息”。 模型参数越做越大、GPU集群从千卡走向万卡、Token消耗量不断增长……几乎每个月都在刷新行业想象力。 到了2026年下半年，模型的迭代节奏并未减速，Agent的热度还在升温，企业讨论AI时的话题却越来越务实。 刚刚结束的超聚变2026国际探索者大会上，聚集了来自全球的企业客户和合作伙伴，比起模型又提升了多少、算力又增长了多少，“经济账”和“工程账”开始成为新的焦点。 IDC全球研究高级副总裁Thomas Meyer表示：企业AI的难点正在从“是否投入”转向“能否执行”：数据准备、系统集成、治理能力与可衡量的回报，决定着试点能否走向规模应用。 微软（中国）首席技术官韦青提出：以AI原生流程重构岗位、知识与决策链，让智能体进入核心业务前先完成数据、权限、评估与责任机制设计，实现从试点到生产的稳健扩围。 图：超聚变CEO刘宏云 面对新一轮的范式转移，超聚变CEO刘宏云在以《AI时代的企业进化——智企》为题的演讲中给出了方向：AI正在重构产品研发、创作协作、生产经营与分析决策，也开始进入物理世界。对企业而言，问题已经不只是要不要使用AI，而是如何跟上变化、控制成本，并让投入产生可以衡量的价值。 可怎么进化成智企呢？ 答案离不开一条新的价值链：WATT→FLOPS→TOKENS→AGENTS→VALUES。 从FLOPS到TOKENS，企业要建立自己的“智能生产线” 很长一段时间里，算力基础设施的评价指标相对单一：拥有多少机柜、部署了多少张GPU、理论峰值达到了多少FLOPS。 到了智能体时代，理论FLOPS已经无法代表实际的AI生产力。 同样的芯片规格、同样的理论浮点性能，在不同的模型架构、量化算法、推理引擎和集群调度策略下，最终产出的有效Token吞吐可能相差两个数量级。企业的核心诉求，渐渐从“拥有多少理论算力”，转向

文章配图-1 能跑多大的模型，曾经是企业选购AI一体机时最直观的标准。 到了Agentic AI时代，问题变得越来越复杂。 不同于用户提出问题、模型返回结果的“一问一答”，Agent在执行任务的过程中需要频繁进行模型推理、持续调用工具、访问企业数据、连接业务系统，甚至是多个Agent协同完成任务。 模型已经完成了推理，工具调用还在排队；计算资源没拖后腿，数据访问可能跟不上；演示环境里顺利完成的任务，进入到真实的业务流程，还要应对权限、安全和运维要求。 表面上买的是AI一体机，实际需要的却是一套能让Agent高效、安全执行任务的基础设施。 就在**全联接大会2026上，**常务董事、ICT BG CEO杨超斌正式发布了基于灵衢打造的系列化一体机产品，并同步开源了Agent加速平台，通过灵衢互联、分级适配、软硬协同的一体化方案，为企业的Agent落地提供按需部署、开箱即用的新选择。 需求变了，算力供给告别“一刀切” Agent给基础设施带来的第一个变化，是算力需求的进一步分化。 在问答为主的对话式AI时代，资源负载相对明确：用户发起请求，模型完成推理，再返回结果。 当Agent进入不同规模、不同类型的业务场景，“一刀切”式的算力供给已经不再适用。 有的Agent进入企业核心生产系统，需要承载万亿级模型和大规模并发；有的只是业务部门内部使用，更关注成本和灵活性；有的直接部署在办公室，还有的需要深入工厂、门店等边缘现场。 不再是简单追求“算力越大越好”，模型规模、用户并发、时延要求、数据安全、部署环境、功耗与成本、运维能力门槛等约束，共同决定了一套Agent基础设施的能力要求。 怎么才能实现按业务分级适配呢？ 杨超斌在演讲中提到：**以灵衢互联为核心，将CPU、NPU、DPU、DDR、SSD等多种计算与存储单元统一互联、分级池化，实现多样性算力高效协同，灵衢互联不仅用于超节点，也适

文章配图-1 9月22日的2026云栖大会上，阿里平头哥发布了新一代训推一体AI芯片——真武V900，搭载216GB大容量显存，片间互联带宽达1200GB/s，单芯片性能是真武M890的3倍。 单就参数来看，真武V900可以说是目前算力性能最强的中国自研AI芯片。可如果只盯着AI芯片，可能会低估平头哥的算力野心。 和真武V900一同发布的，还有基于真武V900和自研ICN Switch互联芯片的超节点，具备原生内存语义和内存统一编址能力，可实现千卡全带宽高速互联，让上千颗真武V900能像一颗“超级芯片"一样协同工作，为超大参数模型的训练和推理提供高吞吐、低延迟、高并发的算力。 以及阿里全新升级的超节点服务器，将真武V900、ICN Switch、磐脉智能网卡及镇岳SSD主控芯片进行了算、存、网全栈系统级协同，通过阿里云的智算中心网络架构，可稳定支撑50万卡规模单一AI集群。 在成立的第八个年头，一直保持高强度、高频率迭代节奏的平头哥，终于亮出了全栈布局的底牌。 一颗“中国最强AI芯片” 真武V900的发布在预料之中，也在预期之外。 2024年，平头哥推出了首颗训推一体AI芯片真武810E，采用自研的并行计算架构和片间互联技术，配合T-Head SAIL软件栈，有效支撑了千问系列大模型的训练和推理。 2026年5月的阿里云峰会上，真武M890芯片首次亮相，显存容量达到144GB，片间互联带宽提升至800GB/s，性能是真武810E的3倍，并支持FP32到FP4多种数据精度。 仅仅四个月后，真武V900再次把性能推高到M890的3倍，显存从144GB增加到216GB，片间互联带宽则800GB/s提升到1200GB/s，时间比外界预期大幅提前。 文章配图-1 不惜打破常规的研发节奏，和AI产业的演变趋势不无关系。 时间来到2026年9月末，万亿参数大模型已经是一种常态，有望在极短

文章配图-1 对于跨境商家来说，最大的噩梦不是商品卖不出去，而是因一张图片被迫陷入到漫长的跨国诉讼。 昨天还在正常出单的爆款，可能突然被下架；刚为旺季备好库存，店铺的经营节奏却被打乱。一旦进入司法程序，摆在商家面前的，还有动辄数月甚至数年的诉讼周期，以及高昂的律师成本。 以上并非危言耸听，而是中国商家走向全球市场必须面对的现实。 比如在2023年，SHEIN在英国对Temu发起版权诉讼，指控Temu英国站上的大量商品图片侵权。按照英国高等法院披露的信息，相关诉讼涉及2559个商品链接，一度导致Temu平台上的数千个商品被移除。 这场官司一打就是三年。 直到2026年8月，英国高等法院作出判决：SHEIN针对Temu提出的版权侵权主张未获支持；而Temu针对部分商品错误下架提出的索赔，则得到了法院支持，具体赔偿金额将在后续审理中确定。 相较于这场官司的谁输谁赢，更应该讨论的一个话题是——中国商家出海的游戏规则已经变了。 过去十几年里，中国商家出海最擅长解决的是效率问题。 别人一个月做出来的产品，中国供应链两周就能完成；别人需要十万件起订，中国工厂可以把订单拆得更小、更快；叠加物流、电商平台和数字营销，让中国商品以前所未有的速度走向全球。 现在必须去补一门不熟悉的课：当所谓的“维权主张”与“商家正常经营权”发生碰撞，规则的边界究竟在哪里？ “版权大战”落幕，Temu赢下关键一局 故事要从2559个商品链接说起。 SHEIN认为，Temu英国站上的部分商品使用了其拥有版权的图片，据此向Temu提出侵权指控并要求下架。 先来看一道简单的判断题：照片先出现在A平台，又出现在B平台的链接里，是不是就代表B平台侵权了？ 进入严格的司法程序后，这种粗线条的逻辑被一层层抽丝剥茧。 为了让案件能够审理，法院最初从相关图片中选取了20个商品链接作为代表性样本。但随着诉讼推进，SHEIN陆续不再追

文章配图-1 过去一个月，人形机器人再次迎来高光时刻。 在2026世界机器人大会现场，双足行走的机械躯体翻腾、跳跃、疾跑，不断挑战人类运动极限。 在巴西独立日阅兵式上，中国人形机器人身穿迷彩亮相，作为“工兵”对爆炸物进行识别和处理。 在资本市场上，宇树科技代表的机器人企业纷纷奔赴IPO，彻底将“人形机器人狂潮”推向了沸点。 赛博朋克电影里的场景，正在以一种前所未有的速度闯进现实。 就在人形机器人声浪最盛的时刻，英国《金融时报》的分析师却在近期的一篇深度报道中，给出了一个有些“反常识”的判断：中国真正的机器人革命，并不在人形机器人。 会跑、会跳、会格斗的人形机器人，在舞台上是奇观，在赛场上是图腾。可把视线拉回普通人的日常，却是另一番景象： 在喧嚣的厂房车间、吊臂林立的智慧港口、穿梭着无菌配送箱的医院走廊、分拣如飞的智慧仓库里，成千上万正重塑生产力的机器人，既没有“两条腿”，也没有“一张脸”，只负责把一件事干好。 在每天高频使用的卫浴空间里，九牧推出的X80 AI机器手智能马桶，没有给卫生间塞一个笨重的双足管家，把焦点对准了最让人头疼的痛点——让智能马桶长出“机器手”，学会了自己刷马桶。 中国的机器人产业呈现出了和而不同的景象：一边在讨论怎么让机器人更像人，另一边已经开始让机器人替人干活了。 机器人产业的路径分野：人形化与场景化 透过繁复的表象，机器人产业分化出了两条不同的进化路线。 第一条路线是“人形化”，核心价值在于“通用”二字。 在人类建造的现实世界里，楼梯的台阶高度、门把手的旋转角度、维修工具的握柄、货架的进深以及工业流水线的作业工位、机床设备的操作台高度，无不是围绕人体的高度与关节结构设计的。 随着具身大模型、多模态世界模型以及运控算法的日臻成熟，宇树、智元、优必选为代表的机器人企业，坚定地选择了一条充满理想主义的道路：试图通过“一副通用身体+一个通用大脑”，去兼容人

文章配图-1 9月12日的2026中国算力大会上，**中国政企业务副总裁郭振兴在演讲中提到了两组数据。 一组关于当下：国家数据局的数据显示，国内日均Token调用量已经超过百万亿次，Token已经成为驱动智能经济运转的现实生产力； 一组指向未来：根据智库《AI 2027》预测，2027年将跨越AI技术奇点，算力逐步替代劳动力，有望推动GDP在2028年突破10%的增速。 AI重塑千行百业已经是不可逆的趋势，可大大小小的企业想要落地AI时，普遍遭遇了“骨感”的现实。 当多智能体协同和长序列推理走向常态，单卡算力再强，也会被卡间通信时延、网络拥塞和内存墙锁死上限；开源模型的能力越来越强，企业想要落地部署时，却深陷底层框架不兼容、算子开发、长理吞吐低效等泥潭；许多企业的应用仍停留在写公文、润色文案、客服问答，很容易陷入“越投越迷茫、不投又焦虑”的尴尬...... 怎么才能跨越愿景与现实的鸿沟，避免在智能化浪潮中掉队呢？ **中国政企业务副总裁郭振兴在演讲中给出的答案是——“打造先进的产品，完整的生态，融合行业场景”，全面释放AI新质生产力，助力千行百业跃升新价值。 跳出摩尔定律，用“协同创新机制”打破算力天花板 当大模型的参数量从千亿、万亿走向十万亿，传统拼积木式的“堆卡”逻辑，已经无法满足指数级增长的算力需求。AI基础设施的竞争，早已从“单卡性能的线性比拼”，转向“集群系统的工程革命”。 当信奉制程演进的摩尔定律，越来越难以满足AI算力的指数级需求，**提出了“时间微缩”的韬定律，通过芯片架构、系统架构、集群架构的协同创新，打开了算力增长的新空间。 在芯片架构层面，按照“用面积换算力、以堆叠换能力”的工程理念，通过3D芯片堆叠与SoC系统级重组，实现性能全面跃升； 在系统架构层面，打破以CPU为中心的控制模型，改变传统主从计算架构，采用全对等架构，避免算力在等待和调度中被消耗。

文章配图-1 过去几年，AI办公一直在做一道“加法题”。 从写文案、做PPT，到查资料、分析数据，大模型能够完成的任务越来越多；进入Agent时代后，AI又长出了“手和脚”，开始自己调用工具、操作网页、处理文件。 可一个有意思的现象是：AI会干的活越来越多，为什么人还是这么忙？ 原因并不复杂。 现实中的工作，从来不是一道道彼此独立的题目。 以一场科技发布会选题为例，需要先追踪官方信息，再整理新品和参数；接着翻出上一代产品做对比，从数据变化里寻找异常；发现值得关注的地方，还要继续研究行业背景和竞争格局；最后才是找选题、搭框架、写稿、做PPT。 几乎每一步都可以找到AI帮忙，但问题在于：负责拆任务、传资料、催进度、做判断，再把所有结果拼起来的，依然是人。 到了Agent时代，AI办公真正需要跨越的门槛，已经不是“还能多做一件什么事”，而是：能不能从完成一个个零散任务，走向接手一整段完整工作？ 最近更新的商汤小浣熊桌面端和移动端，跨过了这道坎。 本地Agent开始进入电脑里的真实工作环境，能够直接处理本地文件、操作网页；不同专业能力可以组成专家团协同执行；当人离开电脑，手机端还能继续查看进度、追加指令，让任务接着往前跑。 功能听起来不少，但我们更关心一个最实际的问题：它真的能接住一份工作吗？ 9月10日凌晨的2026 年苹果秋季新品发布会，刚好为我们提供了检验商汤小浣熊办公能力的“试金石”。 我给自己招了7个AI同事 每年的苹果秋季发布会，对创作者来说从来不是一场轻松的科技春晚，而是长达数小时的高强度体能与认知战。 不仅要熬夜盯直播，散场后还要核验密密麻麻的规格表、做代际比对、翻看供应链研报、在海量同质化“噪音”里死磕深度选题，还得在天亮前做出早会汇报的PPT。 过去应付这一切，需要浓缩咖啡、多块屏幕和整夜的肉身硬扛。但在今年，我把工作丢给了商汤小浣熊。 发布会结束后，我先在商汤

文章配图-1 IFA 2026刚刚落幕，和往年最大的不同：2026年最大的看点不在展馆内，而是发生在展馆外。 人民日报《了不起的中国“质”造》对添可CEO冷泠进行了一场专访，谈及创新机制的话题时，冷泠给出的回答是：我们现在有一句表达叫“添可洗地机，定义每一代”。 要读懂这句话的底气，需要先理解洗地机市场的现状。 奥维云网的数据显示，2025年国内洗地机零售量达到821万台，同比增长24.2%。销量依旧在快速增长，但在销品牌数量已经从上一年的106家，减少到了2025年底的71家。 洗地机的品类红利正在快速消退，行业不可避免地陷入了一场技术军备竞赛。诸如防缠绕、热水洗、蒸汽洗、自清洁、烘干等创新，一旦被市场所验证，很快就会成为整个行业的“标配”功能。 创新越来越快，创新的“保鲜期”却越来越短，身处其中的添可，为什么敢喊出 “定义每一代”呢？ 01 一个终极问题：洗地机还能怎么更好？ 几乎每个快速成长的行业，都会经历相似的过程。 有人探路，有人追随；有人率先找到新的产品形态，有人沿着已经被验证的道路模仿跟进。 一次灵光乍现的功能创新并不罕见，难的是当功能被行业吸收、消化，甚至成为标配后，始终比同行们早一步看见下一个创新方向。想要“定义每一代”产品，必须有远超行业的洞见和执行力。 添可的答案很简单：每一代产品在定义时，追问的其实始终是同一个命题——“洗地机还能怎么更好？” 2020年添可问的是：用户为什么不能一步解决所有地面清洁？ 在当时的家庭清洁逻辑里，吸尘和拖地是两件事：先用吸尘器清理灰尘、毛发，再换上拖把清理污渍。添可推出的芙万1.0，将吸、拖、洗、污水回收与智能感知整合进一次操作，开创了智能洗地机品类。 当洗地机进入千家万户，添可问的是：清洁中途没水没电怎么办？ 对于大户型用户来说，如果地还没拖完，水先没了、电先耗尽，被迫停下来充电、换水，体验将大打折扣。添可在芙万2.0

想象这样一个场景： 一家餐厅不惜重金聘请了上百位米其林三星主厨，配齐了全球顶级的后厨设备。原以为能横扫餐饮界，结果开业第一天的晚高峰，就出现了大面积“停工”。不是主厨能力不行，也不是炉灶不够先进，而是一个谁都没想到的问题：连接仓库与后厨的传菜电梯太老旧，一次只能运送半颗白菜。 看似“荒诞”的一幕，却是当前AI产业的真实写照。 轰轰烈烈的大模型浪潮，让整个科技圈患上了“算力不足恐惧症”，模型不够聪明，堆算力；训练速度不够快，堆算力；推理吞吐上不去，还是堆算力。计算集群从千卡、万卡走向十万卡，却尴尬地发现： 数据传输的带宽太低、吞吐太慢，计算被迫停下来等数据；任何一个存储节点出现故障，都可能导致训练任务中断；Agent任务的海量上下文、KV Cache和中间状态，不断让存储承压…… 曾经被视为“配角”的数据存储，被推到了AI舞台中央。 国际分析师机构Gartner在2026年给出了权威判断：“存储正在告别被动的数据容器角色，成为AI时代重要的战略基础设施”，并在《2026年企业存储平台魔力象限报告》中，揭示了不同存储厂商的竞争力排序。 作为全球存储行业的“米其林指南”，Gartner魔力象限释放了一个关键信号：**在AI用例维度连续两年登顶排名第一，综合实力位列全球前三甲，全面超越NetApp、Dell EMC、IBM等欧美厂商。 当一家厂商在某个关键指标上跨周期绝对领先，往往预示着行业的底层逻辑正在代际更迭。 四重变化，AI正在重新定义数据存储 AI存储和传统存储，到底有什么不同？ 很长一段时间里，企业存储的使用场景主要围绕着ERP、数据库、OA系统以及常规的文件共享与灾备展开。数据多为结构化数据或静态文件，业务对存储的核心诉求是“安稳地存下来”与“可靠地管起来”。 存储系统扮演的是“被动数据仓库”角色，只需保证基本的容量扩张、数据不丢失、满足常规的IOPS读写频率即可。 进