您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。发现报告 - 专业研报平台|收录海量行业报告、券商研报|免费分享行业研报
发现报告
已收录
0
,
0
0
0
,
0
0
0
篇行业/公司/宏观研究报告,昨日新增 1,651 篇

热点洞察

查看更多

热门文章

封面

“画地为牢”引爆全网,芒果超媒拿到“大芒果”了吗?

2026年秋天,一档没有顶流坐镇、不预设剧本的友情纪实综艺,把芒果TV的服务器挤崩了。 云合数据显示,该节目新综赛道正片有效播放市占率最高冲到92.5%,豆瓣开分8.7,抖音主话题播放量突破57亿,前四期正片播放量合计超过6亿次,成为2024年以来唯一单周正片有效播放破亿的综艺。资本市场同步给出反馈,芒果超媒一周内市值增长约200亿元。 但这档现象级综艺,撞上的却是一份不太好看的财报。2026年前三季度,芒果超媒营收93.51亿元,同比仅增3.18%;归母净利润2.13亿元,同比下降79.01%。 今天我们就来聊聊芒果超媒。看看它是怎么起家的,最新的三季报说明什么问题以及爆款内容能否拯救业绩?

芒果超媒
“画地为牢”引爆全网,芒果超媒拿到“大芒果”了吗?2026-11-12
封面

Anthropic如何跑通盈利闭环?

10月26日,Anthropic向美国证券交易委员会(SEC)提交首次公开募股(IPO)招股说明书,计划以“ANT”为股票代码在纳斯达克上市。11月2日,Anthropic递交修订版S-1招股文件,在首版材料基础上补入三季度完整经营数据。 Anthropic是家什么样的公司?这家AI巨头是如何跑通盈利闭环的?我们一起来了解下~

Anthropic
Anthropic如何跑通盈利闭环?2026-11-05
封面

iPhone Duo开卖,折叠屏行业拐点到了吗?

10月23日,苹果公司的首款折叠屏手机iPhone Duo全球开售,国行版起售价为15999元。在10月16日开启预订后,苹果公司官网显示的送达时间很快排到了2027年1月。 2019年,三星推出了首款折叠产品,而苹果的折叠屏晚了七年。苹果为什么选择此时入场?折叠屏行业现状如何?产业链上哪个环节真正受益?今天我们就一起来了解下~

折叠屏
iPhone Duo开卖,折叠屏行业拐点到了吗?2026-10-29
hot

2025的军工,算法即战力

军工飞机AI智能军工
2025-05-15
hot

10篇报告全面了解2025年中策略展望

经济宏观行业趋势展望
2025-06-12
hot

为 “情绪”买单的市场有多大?

情绪消费新消费消费洞察
2025-08-28

官方媒体

商务合作 --> 添加微信:hufangde04

研选报告

查看更多

行业分类

查看更多
hot

2026经销商AI进化白皮书

AI智能总结
阅读原文

中国商贸流通业规模庞大,但行业进入存量竞争时代,经销商面临效率提升压力。当前,经销商经营行为主要分为日常事务、业务运营和经营决策三个层面,但大部分经销商仍采用纯手动方式运作,导致组织精力被大量消耗。本白皮书借鉴智能驾驶分级思想,提出“经销商驾控”演进框架,将经销商经营行为分为驾控L0(手工操控)、驾控L1(日常事务流程化)、驾控L2(业务运营实时化)和驾控L3(经营决策智能化)四个阶段。白皮书梳理了覆盖九大业务域的六十余个落地项目,将其归纳为内置算法、办公智能体、问数智能体、决策智能体、AI分身、智能软硬件、上下游协同七种产品形态,并提出以三层结构规划项目、四步顺序推进建设、五项原则保障治理的落地方法论,旨在帮助经销商把组织精力从事务中解放出来,构建属于自己的“第二套经营神经系统”。根据国家统计局数据,2025年我国社会消费品零售总额达50.12万亿元,首次突破50万亿元;第五次全国经济普查显示,2023年末全国批发和零售业企业法人单位达1019.7万个、从业人员5325.7万人。AI进化总论中提到,经销商已普遍实现业务信息化,AI给出的结果都能直接进入系统、用到日常经营里;经销商业务发生频次高、结构相对稳定,过程和结果都能被采集记录,持续沉淀出丰富的学习数据;经销商群体的经营路数大同小异,一家跑通的AI方案,同行很容易照着用;经销商的仓库作业环境相对封闭、可控,恰恰是智能硬件部署和智能化运行的理想场景。白皮书详细阐述了L1到L3阶段的具体落地项目,包括目标管理、采购管理、入库及库存、市场营销、销售、出库、配送及售后、业财管理、数据分析等九大业务域的六十余个项目。白皮书最后强调,经销商的第一套经营神经系统是人,而AI要构建的是第二套神经系统,它不长在人的身上,而是长在系统里。经销商不必追求一步到位,而应从占据精力最多的日常事务入手,让每一阶段的落地都为下一阶段积累数据、流程和信任。AI负责让车更好开,而往哪里开,永远是经营者自己的判断。

hot

2026大模型和智能体网络测试白皮书

AI智能总结
阅读原文

前言

本白皮书针对AIaaS时代网络承载大模型与智能体业务的测试需求,定义了测试体系,包括场景、方法和指标,重点描述了网络对模型、智能体、业务调度、可靠性保障、安全等全生命周期支持能力测试,为承载大模型和智能体业务的网络提供技术验证、部署建议。

业务发展与现实挑战

随着AIaaS时代的到来,大模型推理、智能体协同与分布式智算正加速向千行百业渗透。用户对算力底座的诉求已从“能用”转向“好用”,对计算体验的确定性、低时延与高可靠性提出了更为严苛的要求。传统网络测试体系无法适配大模型与智能体的流量特征、传输要求与体验标准,行业面临测试环境与真实业务场景脱节的痛点,亟需构建一套能够精准评估网络对AI业务支撑能力的体系。

测试组网说明

测试业务范畴依托于基于AI业务的部署需求,对承载AI业务的网络展开标准化验证和评估,测试场景包括真实业务场景和模拟业务场景。测试组网主要分为用户域、网络承载域、算力业务域和测试观测域四部分。测试手段主要分为软件终端模拟与硬件测试仪表两类。

基础测试指标

建议大模型和智能体网络测试在现有网络测试评估指标基础上做维度扩充,形成基础网络性能、算网协同专属、安全可靠性、业务体验四类基础的测试指标集合。

3.1 基础网络性能指标

重新定义了涵盖时延、丢包、带宽、抖动四大维度的网络性能评估模型,侧重验证网络“能否稳定支撑计算”。

3.2 安全与可靠性指标

重点评估网络承载AI业务流量时的机密性、完整性和可靠性能力,包括加密传输、完整性测试和可靠性测试。

3.3 算网协同指标

聚焦网络对AI业务的深度感知与资源匹配能力,主要包括计算流量感知能力、RDMA确定性传输能力以及AI体验能力。

3.4 行业通测试场景

基于行业的需求,按照行业使用模型和智能体所需的具体业务指标实施测试,全面评估网络对行业特色应用的支持效果。

大模型和智能体专项测试指标

衡量网络承载大模型与智能体业务时的特色支撑能力,包括模型感知与支持能力、智能体感知与支持能力、模型+智能体协同联动支持能力。

4.1 模型感知与支持能力专项测试

采用真实环境业务流量与测试仪表模拟流量相结合的方式,分别构建训练与推理场景,全面评估网络对大模型应用的支持能力,包括模型流量识别能力、模型传输策略适配能力、模型跨域迁移与连续性、模型计算资源协同能力。

4.2 智能体感知与支持能力专项测试

聚焦对智能体通信的南北向和东西向的能力进行测试,测试网络对智能体通信的保障能力,包括智能体身份与会话感知、智能体东西向互联保障能力、智能体并发与扩容能力、智能体安全隔离与权限控制。

4.3 模型+智能体协同联动支持能力专项测试

验证终端经智能体调用模型、执行任务并返回结果的整体体验,包括端→智能体→模型全链路保障、多智能体调度多模型冲突处理、故障自愈与业务韧性。

测试实施与评估判定

模拟测试环境仅用于预测试与功能验证,而针对网络支撑AI能力的正式测试与综合评估,必须在真实环境中开展。测试实施主要采用仿真测试、现网测试、对比测试、长期稳定性测试四类手段。标准化执行按照完整流程依次推进。对网络的评估从五个维度开展:功能合规性、性能达标率、场景适配性、兼容演进性、算网原生性。结果划分为三个等级:优秀、合格、待优化。

产业价值

建立一套完整的测试体系,能够弥合实验室理想环境和真实公网业务环境的差距,填补算网协同领域测试标准空白,为设备研发迭代、运营商算网服务验收、企业智算网络部署提供统一标尺,有效校验跨公网传输过程的数据安全防护能力,支撑计算定义网络相关标准工作推进,加速AIaaS走向规模化商用。

总结与展望

本白皮书构建了面向AIaaS时代大模型与智能体完整测试体系,明确组网建设要求,扩充多维度测试指标集合,规范测试实施手段、执行流程与评估规则,厘清整套测试体系对于产业落地的关键作用。其发布不仅可为计算定义网络技术解决方案的设计研发、算网服务交付验收、企业智算网络规划部署以及产业标准制定提供权威参考,更致力于携手产业界同仁,凝聚行业共识,共同完善计算定义网络技术的测试评估标准体系,推动大模型、智能体等前沿业务在算网融合体系下实现高质量、规模化的商业落地。

hot

2026SD-WAN增强计算定义广域网技术白皮书

AI智能总结
阅读原文

一、背景

随着人工智能大模型和智能体技术的快速发展,千行百业正从“应用上云”向“泛在智能”加速演进。AIaaS(人工智能即服务)成为SaaS向智能时代的演进新阶段,广域网在网络架构、功能与服务能力方面正面临变革。

二、技术演进趋势:AI爆发驱动广域网重构

AI大模型和智能体技术的快速发展,对广域网提出了新的需求,主要体现在以下四个维度:

2.1 大模型在行业的垂直渗透:从“应用上云”到“能力入算”

  • 业务重心转型:SaaS加速向MaaS/AaaS/TaaS迁移,AI大模型采用“按量计费、按需取用”的模式。
  • 流量特征剧变:确定性需求的凸显,AI训练与推理流量呈现出高带宽、长周期、强并发的特征。

2.2 端侧智能体发展迅速:计算模型与交互模式的双重革命

  • 计算模型的扩展:从“云计算”到“粒计算”,智能体之间的横向通信(A2A,Agent-to-Agent)正成为新的流量增长极。
  • 交互模式升级:智能体自动化交互对确定性存在更高要求,多Agent协作是未来主流路径。

2.3 分布式计算架构普及:算网一体的必然逻辑

  • 企业IT架构面临重构:通算与智算混合部署成为主流模式。
  • 分布式计算成为AI业务部署的必选项,调度逻辑升级:算网一体与6G泛在接入。

三、广域网的需求演进

人工智能时代的全面业务变革对广域网提出了系统性、多维度的新需求,“以服务计算为核心”正逐步替代“以服务联接为核心”的传统网络建设理念。

3.1 城市、企业、家庭、个人的需求和网络重构

  • 城市:城市计算总线,海量城市智能体的接入对传统的城域网可靠性、确定性提出了更高的要求。
  • 企业:企业计算专线,企业网络必须同时承载和识别企业通算与智算两种截然不同的流量模型。
  • 家庭和个人:新宽带,家庭智能业务面临前所未有的改变,推动家庭宽带面向计算转型。

3.2 传统软件定义广域网技术的不足

  • 忽略原生承载智能体间的东西向流量。
  • 无法对计算业务所需的RDMA协议、Token流、智能体会话做业务级识别与确定性保障。
  • 难以将算力资源类型和负载、模型匹配度、算力资源状态纳入选路决策。

3.3 广域网的新需求

  • 联接模型需求:从“二元互联”向“多维泛在”演进。
  • 流量识别与转发需求:从“应用感知”向“算力原生”升级。
  • 资源调度与选路需求:从“网络单维”向“算网多维”扩展。
  • 安全与可信需求:从“边界防护”向“全流程内生安全”转变。
  • 智能管理需求:全面支持L4+网络自动驾驶技术。

四、SD-WAN增强(计算定义广域网)的理念与技术架构

4.1 概念定义

SD-WAN增强(计算定义广域网)技术是SD-WAN在智能计算时代的代际演进技术,是“数联网”在边缘接入场景的核心技术框架,以“一切资源皆计算,一切计算皆资源”为核心理念,将网络从“数据传输通道”升级为“算力调度中枢”。

4.2 代际与演进

SD-WAN增强(计算定义广域网)是广域网技术的最新代际,经历了三个代际演进:

  • Phase 1:聚焦“网络控制”,实现一跳入云。
  • Phase 2:SD-WAN+SASE(安全增强),形成“软件定义+安全控制”。
  • Phase 3:SD-WAN增强(计算定义广域网),进一步引入计算/算力与服务化能力,形成“计算定义广域网”。

4.3 理念和价值

SD-WAN增强(计算定义广域网)技术将智能体、模型、GPU、网络链路、安全等要素统一纳入计算资源框架,以计算需求而非应用需求为驱动,实现网络资源对算力业务的原生适配。

4.4 关键技术特征

  • 确定性:基于网络切片和确定性传输技术,为AI流量提供大带宽、低时延、弹性的网络通道。
  • AI原生:全面支持AI主流应用场景,支持识别和保障计算相关的流量。
  • 全联接:支持面向人工智能时代的A2A、M2M、X2X等多智能体联接和质量保障。
  • 增强安全:构建覆盖数据流转全链路的机密性与完整性保障机制,实现算、存、网、安的一体化内生安全协同。
  • 增强智能:支持高级别的网络自动驾驶技术,超越电信级的可靠性,智能识别业务流量,优先保障重点人工智能业务流量。
  • 增强AAA:显著提升用户准入的安全基线,将传统的AAA准入和区块链技术结合。

五、部署方式

SD-WAN增强(计算定义广域网)技术存在两种不同的部署方式:

5.1 硬件部署场景(Hardware-deployed)

面向企业分支互联与传统站点接入,延续并升级SD-WAN的CPE/边缘网关形态。

5.2 SaaS化部署场景(Service-based Router for AI)

面向企业、家庭、个人三类泛在用户的统一接入,AI能力以云服务形态集中供给。

六、应用场景

6.1 企业场景:分支互联与智算混合承载

硬件设备兼容传统SaaS业务与新型AI业务,实现企业分支与中心AIDC、边缘AIDC的低时延互联,支撑企业大模型训练、推理服务、智能体协同、Token订阅等智算业务与传统通算业务的混合承载。

6.2 家庭场景:私域AI服务与虚拟局域网

基于家庭宽带构建家庭私域AI服务虚拟局域网,实现家庭智能终端、端侧大模型与云端算力的低时延、高隐私协同。

6.3 个人场景:移动AI应用与按需算力接入

个人用户通过互联网或者虚拟VPN服务,按需接入云端GPU、模型、Token资源,支撑移动AI助手、端侧大模型推理等应用的弹性算力需求。

6.4 行业垂直场景

  • 城市 Token 供应:以城市为维度建设Token交换中枢,统一了城市内Token的交换与调度。
  • 高校智算服务:高校提供本校部署的AIDC与第三方的合作AIDC两种AI服务,需要满足本校的老师、学生和业务部门的泛在接入。
  • 水利物联网智能分析:在水利物联网的监测站点部署更智能物联网关,网关内置轻量级模型提供本地推理能力,同时作为智能路由器向上联AIDC中的行业大模型。
  • 普惠医疗:基层医疗机构、急救车或偏远地区患者通过医疗专网或5G网络以接入医疗智算中心,基于不同的模型、智能体和医疗科室需求进行选路。

七、愿景与共识

建设“以服务计算为核心”的新一代广域网基础设施,实现网络从“数据管道”向“算力调度中枢”的根本性转变,具体将围绕四个方向推进:

  • 建立统一的算网资源抽象与算力感知路由体系。
  • 将安全能力内生于网络架构。
  • 支持从企业到家庭再到个人的全场景泛在接入。
  • 以自主可控的算力路由与调度协议参与并主导国际标准的制定。
hot

Nasscom 智能体AI融合峰会 会议论文集汇编

AI智能总结
阅读原文

核心观点: 该研报汇集了印度人工智能领域的 30 项突破性研究成果,展示了印度在自主智能、生成式架构和基础模型等领域的创新实力,并强调了这些研究成果对印度人工智能生态系统发展的重要性。

关键数据: 研报中提到的 30 项研究成果涵盖了 8 个核心领域,包括企业代理治理与零信任控制平面、分布式和可扩展的人工智能基础设施、主权、文化感知人工智能与本地化智能、下一代物理人工智能与自主机器人、因果推理与视觉语言行动模型、知识图谱与本体驱动工程、隐私保护、可持续和公平的 MLOps、评估基础设施与人工智能决策鲁棒性。

研究结论:

  • 印度人工智能领域正在从探索性算法和孤立式协作助手时代,迈向现代企业、经济和社会基础设施的基础。
  • 研究成果表明,印度在自主智能、生成式架构和基础模型等领域的创新实力不断增强,并致力于构建世界一流的、可信的、负责任的人工智能。
  • 印度人工智能生态系统的发展需要学术界、初创企业、产业界和政府之间的紧密合作,并需要创建 pathways,将有潜力的想法从实验室和研究论文转化为原型、平台、产品和服务。

主要研究成果:

  • 企业代理治理与零信任控制平面: 研究人员开发了多种方法来确保企业代理的安全性,例如 EY 的自适应策略驱动框架和 Amrita Vishwa Vidyapeetham 的 AMMA(自主中介与监控架构)。
  • 分布式和可扩展的人工智能基础设施: 研究人员开发了 BHASKERA 框架,这是一个 Ray-native、YAML 驱动的框架,用于在单节点和多节点 SLURM 集群上对密集和 MoE 因果语言模型进行监督微调。
  • 主权、文化感知人工智能与本地化智能: 研究人员开发了 SANSKRITI 数据集,该数据集建立了跨 28 个州和 8 个联邦领土的文化基准,以消除 EdTech 人工智能语言模型中的文化偏见。
  • 下一代物理人工智能与自主机器人: 研究人员开发了基于主动推理的无人机飞行控制器,该控制器统一了感知、控制和故障容错,并能够在飞行过程中进行动态学习。
  • 因果推理与视觉语言行动模型: 研究人员开发了 CausalDriveBench,这是第一个评估自动驾驶视觉语言行动模型因果推理能力的基准。
  • 知识图谱与本体驱动工程: 研究人员开发了 Ontology-Driven Agentic AI 框架,该框架将企业知识转化为可操作的知识图谱。
  • 隐私保护、可持续和公平的 MLOps: 研究人员开发了 Harmonica 框架,该框架将自适应 MLOps 引入其中,以消除不必要的模型重新训练并减少碳足迹。
  • 评估基础设施与人工智能决策鲁棒性: 研究人员开发了 WAI USA Research Labs 的方法,该方法评估了大型语言模型在决策后交互中的可操纵性,并证明了即使内容保持固定,后续交互也可能翻转决策。

总体而言,该研报展示了印度人工智能领域的创新活力和巨大潜力,并为印度人工智能生态系统的未来发展指明了方向。

发现数据

查看更多

低空经济产业链

hot

中国银河证券 | 国防军工2026-03-14

这些机构都在用