本月行业协会发布新研究报告,黄页广告：传统与现代的完美融合

本周监管部门发布重要政策,边缘AI，何以成为大厂角逐的新沃土？,很高兴为您解答这个问题，让我来帮您详细说明一下。全国联网维保服务，统一护理标准

普洱市景谷傣族彝族自治县、凉山冕宁县 ，中山市神湾镇、广西桂林市龙胜各族自治县、乐东黎族自治县黄流镇、绍兴市柯桥区、湛江市吴川市、内蒙古乌兰察布市丰镇市、永州市道县、漳州市长泰区、铜川市印台区、东莞市石排镇、济源市市辖区、邵阳市绥宁县、镇江市京口区、绥化市青冈县、河源市连平县 、东莞市樟木头镇、日照市岚山区、甘孜雅江县、内蒙古通辽市科尔沁左翼后旗、中山市大涌镇、日照市五莲县、延安市子长市、上海市长宁区、济宁市任城区、龙岩市武平县、吕梁市中阳县、乐东黎族自治县大安镇

刚刚决策部门公开重大调整,本月行业报告披露新变化,黄页广告：传统与现代的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：家电配件订购专线，原厂正品保障

嘉兴市南湖区、东莞市中堂镇 ，惠州市惠东县、内蒙古锡林郭勒盟锡林浩特市、宜昌市猇亭区、儋州市木棠镇、驻马店市平舆县、新乡市红旗区、东莞市横沥镇、渭南市富平县、内蒙古巴彦淖尔市乌拉特后旗、黔东南雷山县、鹤岗市兴山区、上海市黄浦区、东方市江边乡、上海市黄浦区、松原市扶余市 、中山市三乡镇、安庆市桐城市、大理巍山彝族回族自治县、哈尔滨市木兰县、万宁市山根镇、周口市沈丘县、西宁市大通回族土族自治县、本溪市溪湖区、朝阳市北票市、昆明市安宁市、儋州市雅星镇、黔南惠水县、佳木斯市富锦市、广西南宁市横州市

全球服务区域: 安庆市宿松县、益阳市资阳区 、杭州市拱墅区、宝鸡市陈仓区、济宁市微山县、庆阳市宁县、金华市婺城区、平凉市崆峒区、韶关市新丰县、丹东市宽甸满族自治县、六安市霍山县、长治市潞城区、焦作市博爱县、佳木斯市前进区、五指山市毛阳、汉中市南郑区、太原市万柏林区 、云浮市罗定市、太原市小店区、昭通市盐津县、潮州市潮安区、福州市闽侯县

本周数据平台本月官方渠道公布权威通报,今日行业报告公布最新研究成果,黄页广告：传统与现代的完美融合，很高兴为您解答这个问题，让我来帮您详细说明一下：全国标准化服务，统一技术操作规范

全国服务区域: 营口市盖州市、阜阳市阜南县 、韶关市乐昌市、临汾市侯马市、晋中市太谷区、邵阳市新邵县、淮安市洪泽区、泰安市宁阳县、铜川市宜君县、成都市简阳市、内蒙古兴安盟乌兰浩特市、扬州市广陵区、内蒙古通辽市开鲁县、陵水黎族自治县椰林镇、赣州市于都县、湖州市吴兴区、哈尔滨市尚志市 、毕节市纳雍县、十堰市竹山县、青岛市平度市、晋中市祁县、西安市鄠邑区、牡丹江市爱民区、广州市越秀区、温州市瓯海区、苏州市相城区、达州市宣汉县、临汾市襄汾县、广西来宾市兴宾区、吉林市龙潭区、乐东黎族自治县利国镇、郑州市中牟县、玉溪市红塔区、绥化市肇东市、芜湖市弋江区、蚌埠市五河县、荆州市公安县、内蒙古包头市九原区、潍坊市寒亭区、滨州市惠民县、哈尔滨市木兰县

可视化故障排除专线:本月官方发布行业研究成果,黄页广告：传统与现代的完美融合

在信息爆炸的时代，广告已经成为企业宣传和推广的重要手段。其中，黄页广告作为一种传统的广告形式，以其独特的优势在众多广告形式中独树一帜。随着互联网的普及，黄页广告也在不断地进行创新和变革，实现了传统与现代的完美融合。 黄页广告，顾名思义，是指将企业的名称、地址、电话、经营范围等信息，按照一定的分类和顺序，印刷在黄页簿上的一种广告形式。在我国，黄页广告有着悠久的历史，早在20世纪80年代，我国就开始发行黄页，为广大企业和消费者提供了便捷的服务。 黄页广告的优势在于其精准的定位和广泛的覆盖。首先，黄页广告的分类明确，消费者可以根据自己的需求快速找到所需的服务或产品。其次，黄页广告的覆盖范围广泛，无论是城市还是乡村，都能找到黄页广告的身影。此外，黄页广告具有较高的信任度，因为它是经过官方认证的，消费者对其信息的真实性有较高的认可。 然而，随着互联网的快速发展，黄页广告也面临着巨大的挑战。一方面，互联网的普及使得信息传播速度更快，消费者获取信息的渠道更加多元化；另一方面，互联网广告的兴起，使得黄页广告的市场份额逐渐被蚕食。为了应对这些挑战，黄页广告开始进行创新和变革。 首先，黄页广告在内容上进行了创新。传统的黄页广告以文字为主，信息量有限。而现代黄页广告则结合了图片、视频等多种形式，使得广告内容更加丰富、生动。此外，黄页广告还增加了在线预订、在线咨询等功能，提高了用户体验。 其次，黄页广告在渠道上进行了拓展。除了传统的纸质黄页，现代黄页广告还涵盖了网站、手机APP、社交媒体等多种渠道。这样，消费者可以随时随地获取所需信息，大大提高了黄页广告的传播效果。 此外，黄页广告在服务上也进行了升级。为了满足消费者多样化的需求，黄页广告推出了个性化定制服务，帮助企业精准定位目标客户。同时，黄页广告还提供了一站式服务，包括企业信息发布、广告设计、推广策划等，为企业节省了时间和成本。 尽管黄页广告面临着互联网的冲击，但它在传统广告领域仍具有不可替代的地位。以下是黄页广告在现代广告市场中的几个亮点： 1. 精准定位：黄页广告可以根据行业、地域、消费群体等进行精准定位，帮助企业找到目标客户。 2. 广泛覆盖：黄页广告覆盖范围广泛，无论是城市还是乡村，都能找到黄页广告的身影。 3. 高信任度：黄页广告经过官方认证，消费者对其信息的真实性有较高的认可。 4. 个性化服务：黄页广告提供个性化定制服务，帮助企业精准定位目标客户。 总之，黄页广告在传统与现代的融合中，不断创新发展，为企业和消费者提供了更加优质的服务。在未来的发展中，黄页广告将继续发挥其优势，为我国广告市场注入新的活力。

文 |   半导体产业纵横，作者 | 方圆在 AI 发展的进程中，早期云端 AI 凭借强大的算力与集中式的数据处理能力，成为行业发展的主导力量。但随着应用场景不断拓展，尤其是在物联网、自动驾驶、工业控制等领域，云端 AI 的局限性逐渐显现。国际数据公司（IDC）研究显示，2025 年全球边缘计算解决方案支出将接近 2610 亿美元，预计年复合增长率（CAGR）将达到 13.8%，到 2028 年将达到 3800 亿美元，零售和服务业将占据边缘解决方案投资的最大份额，占全球总支出的近 28%。这一数据直观体现出产业重心正从云端向边缘倾斜。人们越来越担心人工智能正滑入泡沫领域。麻省理工学院 NANDA 项目发布的一份报告《GenAI 鸿沟：2025 年商业人工智能现状》发现，95% 的公司在开发生成式人工智能工具后几乎没有实现生产力提升。就连 OpenAI 首席执行官萨姆 · 奥特曼也承认，投资者可能对人工智能过度兴奋，并将当前的市场比作泡沫。然而，业内人士认为，这种批评主要针对基于云端的人工智能市场和软件算法。为什么需要边缘 AI 生成？当前市面上主流的语言大模型，从 OpenAI 的 GPT、谷歌的 Gemini、Anthropic 的 Claude，到国内热门的 DeepSeek，几乎都依赖 AI 云计算完成生成任务。这种依托远程服务器的模式，凭借强大的算力，能轻松应对大规模模型训练、高分辨率图像合成等复杂需求，而且扩展性极强 —— 小到个人用户的日常问答，大到企业级的批量部署，都能灵活适配，对普通用户来说，这样的体验已经足够满足需求。但放到企业级应用或更复杂的场景中，云端模式的短板就逐渐显现：一是延迟较高，复杂任务的响应速度容易受网络波动影响；二是对网络的依赖性极强，一旦断网便无法使用；最关键的是数据隐私风险—— 大量原始数据需要上传至云端处理，不仅会增加带宽成本，还可能因传输或存储环节的漏洞导致数据泄露，这对医疗、金融等敏感领域来说尤为棘手。也正因此，边缘生成式 AI 的优势开始凸显。它将生成能力直接部署在本地设备上 —— 可能是我们的手机、监控摄像头，也可能是自动驾驶车辆、工业机床，数据处理全程在本地完成，敏感信息无需离开设备，从源头保障了隐私安全。与此同时，边缘 AI 的低延迟特性堪称 " 实时场景救星 "：自动驾驶需要毫秒级的路况判断、工业自动化依赖即时的设备故障预警，这些对响应速度要求极高的场景，边缘 AI 都能精准适配。更重要的是，它无需频繁传输数据，大幅降低了带宽需求，即便在无网络的偏远地区或信号薄弱的工业车间，也能独立运行，稳定性和可靠性远超云端模式。边缘智能的技术雏形可追溯至 20 世纪 90 年代，当时以内容交付网络（CDN）的形态出现。其最初定位是通过分布在网络边缘的服务器，就近为用户提供网络服务与视频内容分发，核心目标在于分流中心服务器的负载压力，提升内容传输与访问效率。不过，随着物联网（IoT）设备的爆发式增长，叠加 4G、5G 移动通信技术的普及，全球数据产生量呈指数级攀升，逐步迈入泽字节（ZB）时代。传统云计算架构在此背景下逐渐显露出短板：数据需全量传输至云端处理，不仅造成高额带宽消耗，还因传输距离导致高延迟问题，同时数据跨网络流转也带来了隐私泄露的风险，已难以满足实时性、安全性要求较高的场景需求。进入 21 世纪后，为解决云计算的痛点，边缘计算概念正式提出。其核心思路是将数据处理环节从云端下沉至靠近数据源的边缘节点，通过在本地完成数据的初步筛选、处理与转发，大幅减少上传至云端的数据量，从而缓解带宽压力、降低延迟。但这一阶段的边缘计算，主要聚焦于数据处理流程的优化，尚未与人工智能（AI）技术结合，未涉及 AI 算法的部署与应用。直到 2020 年以后，随着 AI 技术（尤其是轻量化模型、低功耗计算技术）的成熟，边缘计算与 AI 开始深度融合，" 边缘智能 " 作为一门独立的融合技术正式兴起。它的核心特征是将 AI 算法（包括推理与训练环节）部署在靠近数据生成端的边缘设备（如物联网终端、边缘服务器）上，既能实现数据的实时处理与低延迟决策，又能避免原始数据上传云端，从源头保障数据隐私安全。纵观边缘智能的发展历程，可清晰划分为三大核心阶段：第一阶段以 " 边缘推理 " 为核心，模型训练过程仍依赖云端完成，训练好的模型再被推送至边缘设备执行推理任务；第二阶段进入 " 边缘训练 " 阶段，借助自动化开发工具，实现模型训练、迭代、部署的全流程边缘化，减少对云端资源的依赖；第三阶段也是未来的发展方向，是 " 自主机器学习 "，目标是让边缘设备具备自主感知、自适应调整的学习能力，无需人工干预即可完成模型优化与能力升级。当然，这并不意味着云端 AI 会被取代。面对超大规模模型训练、跨设备协同的复杂任务，云端强大的算力依然不可替代。未来的趋势更可能是 " 云端 + 边缘 " 互补：云端负责底层模型的训练与优化，边缘负责本地场景的实时部署与数据处理，二者协同发力，既能发挥云端的算力优势，又能兼顾边缘的隐私与实时性，最终推动人工智能技术更安全、更高效地走进各行各业。数据来源：precedenceresearch 半导体产业纵横制表市场研究机构 Market 数据表明，全球边缘人工智能市场规模预计到 2032 年将超过 1400 亿美元，较 2023 年的 191 亿美元大幅增长。Precedence Research 数据显示，边缘计算市场在 2032 年可能达到 3.61 万亿美元（CAGR 30.4%）。这些数据预示着边缘 AI 广阔的发展前景，也解释了为何大厂纷纷将目光投向这片新蓝海。巨头布局，抢占先机在边缘 AI 芯片赛道，大厂竞争激烈。芯片领域作为边缘 AI 发展的核心硬件支撑，近两年呈现出算力革新与架构创新并行的趋势。苹果在 iPhone 系列中积极布局自研边缘 AI 芯片，以最新发布的 iPhone 16 系列为例，其搭载的 A18 芯片专为 AI 功能深度优化。A18 采用第二代 3 纳米工艺，集成 16 核神经网络引擎，每秒运算可达 35 万亿次 。这一强大算力使得面容 ID 识别瞬间完成，Animoji 生成也流畅无比，响应速度进入毫秒级时代。同时，得益于芯片的本地处理能力，数据无需上传至云端，从根本上规避了云端传输带来的隐私风险，为用户筑牢隐私防线。英伟达作为图形处理及 AI 计算领域的佼佼者，在边缘 AI 芯片布局上同样成果斐然。其推出的 Jetson 系列边缘 AI 芯片，专为机器人、无人机、智能摄像头等边缘设备打造。以 Jetson Xavier NX 为例，这款芯片集成了 512 个 NVIDIA CUDA 核心和 64 个 Tensor Core，具备高达 21 TOPS（每秒运算万亿次）的算力，却仅需 15W 的功耗，能够为机器人在复杂多变的环境中提供强大的视觉识别与决策执行支持。在物流仓储场景中，搭载 Jetson Xavier NX 芯片的移动机器人可快速识别货物、货架位置，规划最优路径，高效完成货物搬运任务，大幅提升物流运作效率。国内企业在边缘 AI 芯片领域也成绩亮眼。云天励飞 2022 年推出的 DeepEdge 10 系列专为边缘大模型设计；2024 年升级的 DeepEdge200 采用 D2D Chiplet 技术，搭配 IPU-X6000 加速卡，可适配云天天书、通义千问等近 10 个主流大模型，在智慧安防摄像头中实现异常行为实时识别，预警响应时间缩短至 0.5 秒内。国产 AI 算力芯片公司主要产品 来源：民生证券在 8 月 26 日晚间，云天励飞公布 2025 年半年度报告。财报显示，其 2025 年上半年实现营业收入 6.46 亿元，较上年同期增长 123.10%；归母净利润为 -2.06 亿元，同比亏损收窄 1.04 亿元；扣非净利润为 -2.35 亿元，同比亏损收窄 1.10 亿元。对于业绩变化，该公司表示，报告期内，营业收入较上年同期增加，主要是消费级及企业级场景业务的销售收入增加所致。亏损收窄主要系报告期内营业收入及毛利率同步增加所致。数据来源：公司财报 半导体产业纵横制表面对边缘设备内存、算力等资源受限的现实，谷歌、微软、Meta 等国际科技巨头等纷纷聚焦于轻量化大模型的研发与优化，以实现大模型在边缘设备上的高效运行。谷歌在这一领域积极探索，通过对模型架构的精巧设计与参数的精细调整，将部分大模型进行了成功的轻量化改造。例如其推出的 Gemini Nano 模型，基于 Transformer 架构进行优化，在保持较高模型性能的同时，大幅减少了模型参数数量与计算复杂度，能够在智能安防摄像头等边缘设备上流畅运行，为实时视频图像分析提供有力支持。在城市安防监控网络中，部署了 Gemini Nano 模型的摄像头可实时识别行人、车辆，监测异常行为，及时发出警报，有效提升城市安全防控能力。微软则另辟蹊径，推出的 phi-1.5 模型虽参数规模相对较小，但在模型训练数据选择上独具匠心。该模型采用了精心筛选的 27B token " 教科书级 " 数据进行训练，在数学推理能力方面表现卓越，超越了部分参数规模庞大的千亿级模型。在教育领域的智能辅导系统中，phi-1.5 模型可快速、准确地解答学生提出的数学问题，提供详细的解题步骤与思路，辅助教师教学，提升教学质量与效率。爆发点，在哪里智能家居设备是边缘 AI 最常见的应用场景之一。它让智能家居设备告别 " 单一指令执行 "，转向 " 行为预判式服务 "。智能温控器通过学习用户作息与睡眠周期，结合室外天气动态调温，既保障舒适又降低 15%-20% 能耗，远优于传统设备。以小度音箱为代表的终端，凭借边缘 AI 实现 0.3 秒内响应高频指令，还能联动跨品牌设备形成场景服务，如 " 回家模式 " 自动触发开灯、调温、放音乐，推动中国智能家居场景联动渗透率达 38%，超全球平均水平。可穿戴设备是边缘 AI 的另一个重要领域。Meta 与雷朋合作的智能眼镜，在上海等城市实现毫秒级图像识别与本地翻译，无网状态下也能实时转换路牌文字、推荐周边店铺，累计出货量已经突破 200 万台。中国品牌更聚焦深度健康管理，华为 Watch GT 系列通过边缘 AI 融合心率、血氧、心电图等数据，筛查睡眠呼吸暂停综合征准确率达 85%，帮助超 10 万用户提前发现健康问题；OPPO 手环则依据用户运动数据实时调整强度，生成个性化计划，让健康管理形成 " 采集 - 分析 - 建议 " 闭环。在工业领域，AI 与物联网、机器人的结合，正推动工厂从 " 单一设备自动化 " 升级为 " 全流程智能协同 "，通过边缘 AI 实时处理生产数据，实现 " 故障预判、流程优化、质量追溯 " 的全链条智能化。智能工厂中的机器人，已不再是 " 重复单一动作 " 的机械臂，而是具备 " 实时决策能力 " 的 " 智能生产单元 "。Arm 的计算平台则为工业物联网提供了 " 高效数据处理底座 "。工业场景中，一台智能设备每天会产生超 10GB 的传感器数据（如温度、振动、压力），若全部上传云端处理，不仅会占用大量带宽，还会导致数据延迟（可能达数分钟），而 Arm 平台的边缘计算能力可实现 " 本地数据过滤与分析 " —— 仅将 " 异常数据 "（如振动频率超出正常范围）上传云端，同时在本地生成 " 设备健康报告 "，提醒运维人员及时检修。长远来看，边缘 AI 的深度价值，在于推动人工智能从 " 工具属性 " 向 " 场景属性 " 延伸。当智能不再依赖云端的远程支撑，而是嵌入到生活与生产的具体场景中 ——  从家庭温控器根据用户习惯动态调温，到工厂机器人自主优化作业路径，再到可穿戴设备为用户定制健康方案，人工智能才算真正融入产业肌理与生活日常。这种转变，既规避了技术泡沫化的风险，也让人工智能的价值在实际应用中落地生根。