AI智能

车家互联进入 2.0：端到端 AI 助理打通出行预测、车位充电与入户舒适度

从简单的手机远程开车库门，到行程感知、热泵阶梯预冷、光储充微电网协同与无感入户迎宾。解析车居融合 2.0 的工程交付全景。

AI智能

边缘端 AI 视觉与安防联动：高端大宅如何做到零误报与零隐私外泄

高端私宅周界安防的核心痛点在于海量误报与公有云泄密隐患。基于本地 NPU 的边缘视觉模型，结合毫米波雷达与 KNX 声光联动，构建全离线防御体系。

AI智能

从命令执行到意图理解：大模型 Agent 如何重构智能家居的空间交互

当大语言模型与多模态空间感知融合，智能家居从机械关键词唤醒进化为连续意图理解。解析 Agent 本地编排与 KNX 物理执行的分工体系。

KNX

KNX 与本地 AI 调度：高端住宅能源系统如何实现真正无感协同

从光储直柔、微气象预测、地暖/热泵变频协同到 KNX 物理总线毫秒级闭环，解析高端住宅与商业空间如何让 AI 能源策略在局域网内自治落地。

AI智能

AI 原生工作流落地建筑项目：先把经验写成可复用流程，再谈全自动

OpenAI 9 月发布的企业案例给出一个很实用的共同模式：先把稳定流程教给代理，持续提供经过授权的上下文，再让代理把机会推进到经过测试和人工审查的结果。对于智能建筑行业，这比部署一个“什么都能聊”的助手更有价值，因为项目真正的成本往往藏在交接、查资料、重复核对和跨系统协作中。可复用流程从明确的完成标准开始以项目交付为例，代理可以核对设备清单、点位表、图纸版本、测试记录和遗留问题，生成缺项清单并附上证据位置。但必须先定义什么叫完成：哪些文件必需、哪些测试必须通过、哪些异常必须由项目经理确认。上下文需要持续更新，而不是一次性上传项目资料会不断变化。代理需要明确的目录结构、版本规则和刷新频率，才能知道哪份是最新图纸、哪个工单已关闭。没有数据治理的 AI 很容易根据过期文件给出看似合理的答案，因此证据引用和版本标记必须成为输出的一部分。从信号推进到可测试成果代理可以监测重复告警，汇总现场记录，提出自动化优化建议，甚至准备配置变更和测试方案。但真正写入控制器、调整温度设定或改变门禁权限之前，应通过仿真、规则校验和人工批准。越接近真实设备，权限就应越细。建筑团

Google

Gemini 开始主动“挑片段看”：代理式视频理解如何改变楼宇巡检

Google 9 月 1 日发布 Gemini 代理式视频理解。与按固定帧率把整段视频均匀送入模型不同，新方法会根据问题主动搜索、加速扫描并重新检查关键片段，同时结合画面、音频和字幕。Google 官方测试显示，在部分基准中最多减少 88% token、降低 66% 成本，并把准确率提高最多 7%。关键变化是模型决定“哪里值得细看” 建筑视频通常很长，但真正相关的事件可能只有几秒：设备冒出短暂火花、人员在限制区停留、消防通道被物品遮挡，或电梯门出现一次异常抖动。固定采样可能错过瞬间，高帧率全量分析又会产生巨量成本。代理式分析会先粗查，再对可疑时间窗提高检查密度。最适合的不是实时替代，而是长视频复核现阶段它更适合事故回溯、施工记录检索、巡检视频摘要和异常片段定位，而不是替代消防联动、门禁联锁或实时安全系统。安全控制仍应由确定性规则和经过认证的设备完成，AI 用于缩小检索范围、准备证据和辅助人工判断。落地时必须控制隐私和误报 * 限定摄像头范围与分析目的，不把生活区域视频无限期保存。 * 优先在本地完成脱敏、事件切片和人员身份遮蔽。

Apple

Apple 第三代端侧模型释放了什么信号：隐私型智能家居会更自然

Apple 公布的第三代 Foundation Models 包含两款端侧模型，其中更高能力版本原生支持多模态，并继续配合 Private Cloud Compute 的服务器模型。这个架构给智能家居带来的最大信号，不是某个单一功能，而是“能在设备上完成的理解”正在明显增加。端侧多模态让交互更自然语音、屏幕内容、摄像头画面和当前设备状态可以在同一上下文中被理解。用户不必说出完整设备名称，只需指向房间、描述异常声音或说“把这里调得适合阅读”。对于老人和行动不便者，自然交互比层层菜单更有价值。本地处理不等于完全离线端侧模型适合处理高频、个人化且隐私敏感的任务，复杂推理仍可能交给受保护的云端。好的系统应清楚显示任务在哪里处理、上传了哪些数据，并在网络不可用时保留核心功能。不要把“端侧”当成宣传标签，而要把数据路径写进设计文档。智能家居的隐私边界可以更细 * 房间和设备控制意图优先在本地解析。 * 原始语音与画面尽量不离开家庭网络。 * 只把完成复杂任务所需的最小上下文发送到云端。 * 家庭成员拥有独立身份、偏好和可撤销授权。无障碍体验是端侧 AI 的

AI智能

边缘 AI 正在走向“现场代理”：摄像头、机器人与楼宇系统如何本地协作

NVIDIA 8 月的边缘计算更新集中出现了几个共同关键词：代理式视频技能、端侧机器人控制、实时多模态工作流和本地模型优化。它们指向一个清晰趋势——边缘设备不再只是执行固定识别算法，而开始在现场理解连续事件、调用工具并完成有限任务。为什么建筑需要边缘 AI 商业空间的视频、门禁、环境传感器和设备告警具有实时性，也涉及隐私。全部上传云端会增加延迟、带宽和合规压力。本地边缘节点可以先完成过滤、事件关联和匿名化，只把必要结果发送到业务系统。从“检测物体”升级为“理解事件” 传统视频分析会报告有人、车辆或烟雾。现场代理则需要理解时间关系和空间规则：清洁车进入限制区域后是否停留，机房门打开时是否有授权工单，走廊障碍物是否持续影响通行。它还可以联动广播、工单或机器人巡检，但必须限制动作范围。机器人端侧控制强调低延迟与连续性服务机器人不能在网络抖动时失去基本导航和避障。感知、路径规划和安全停止必须本地完成，云端更适合模型更新、跨楼层调度和长期分析。边缘与云端的分工，应由安全需求而不是技术潮流决定。部署时要检查四件事 * 断网后还能安全执行哪些功能，哪些必须停止。

Google

Gemini 连接更多服务后，智能家居入口正在从“控制面板”变成任务中心

Google 在 8 月宣布 Gemini 将连接更多第三方应用和服务，覆盖效率工具、出行、本地生活、娱乐、健康与家庭服务。这个变化说明 AI 助手的竞争焦点正在从单次问答转向跨服务完成任务。对智能家居而言，未来入口不只是“打开灯”，而可能是安排一次完整的居家活动。一个自然语言任务会跨越多个系统例如“周六晚在家招待朋友”，背后可能包含日历确认、采购清单、音乐、门禁临时权限、空调预冷、灯光场景和结束后的节能恢复。单一智能家居平台只能控制设备，而连接型助手能够把生活服务和空间系统串起来。连接越多，确认越不能省服务连接必须让用户知道：AI 读取了什么、准备做什么、会产生什么费用。查询和建议可以自动完成，但预订、购买、开门、分享住址和授权第三方访问等动作应在提交前集中确认。最好的交互不是不停弹窗，而是在关键节点给出清晰的变更摘要。智能家居平台应提供“可被安全调用”的能力 * 把场景、设备和房间暴露为结构化能力，而不是依赖屏幕模拟点击。 * 为访客、

AI智能

企业 AI 正从“给答案”转向“把事情做完”，建筑运维该怎样接住

OpenAI 近期发布的企业应用研究指出，领先组织正在把 AI 从信息助手升级为可执行任务的代理：它不仅生成建议，还会连接公司资料、工具与可复用流程。对建筑运维团队，这种转变非常实际——告警分析、巡检汇总、能耗对比、备件查询和工单生成，都可以组成一条连续工作链。真正耗时的不是判断，而是上下文切换一条空调告警往往需要查看楼控趋势、设备履历、值班记录、天气与租户反馈，然后创建工单。传统系统把这些信息分散在多个页面。代理的优势是按授权收集上下文、生成可核验的判断依据，并把下一步动作准备好，让工程师专注于批准和现场处理。先选可验证流程，不要一开始追求全自动适合首批上线的流程具有三个特点：输入来源明确、结果可以复核、出错后容易撤销。例如每天生成能耗异常清单、为重复告警合并工单、核对巡检漏项。直接让 AI 修改控制参数、关闭安全告警或下达采购，则需要更严格的权限和审批。生产级代理需要五层护栏 1. 身份：每次执行都关联人员、角色和具体任务。 2. 权限：工具按最小权限开放，敏感动作单独授权。

AI智能

GPT‑5.6 让智能空间代理更可用：真正的升级不是“更会聊天”

OpenAI 在 2026 年 7 月发布 GPT‑5.6 系列，并在 8 月继续调整价格。官方把 Sol、Terra、Luna 分别定位为旗舰、日常均衡和高性价比模型，同时强调长时间代理任务、工具调用、计算机操作与设计判断能力。对智能家居和建筑自动化而言，意义不是多一个聊天窗口，而是 AI 开始能够理解项目资料、调用受控工具、检查结果并持续完成一段工作流。从回答问题到执行工作过去的语音助手擅长把一句命令转换成一个动作。新一代代理更像“受约束的协调员”：读取设备状态，结合时间、天气、能耗与用户授权，提出计划，再调用照明、遮阳、暖通和工单系统。真正有价值的场景包括异常排查、节能策略复核、设备维护提醒和跨系统交付检查。模型更强，权限边界反而更重要代理具备工具能力后，不能把所有系统都交给一个无限权限账户。安全设计应至少包含只读与写入分离、高风险动作二次确认、

智能家居

高端住宅智能化的下一步：把可维护性做成业主看得见的体验

高端住宅智能化最容易被忽略的价值，不是多一个控制入口，而是系统几年以后仍然容易理解、容易扩展、容易恢复。界面可以不断更新，设备也会逐步替换，但空间中的灯光、遮阳、暖通、安防和能源策略必须保持清晰。业主感受到的“稳定”，来自后台的秩序真正稳定的系统通常并不显眼：网络被合理分区，关键回路有本地控制，设备命名一致，异常有记录，工程文件可追溯。用户只会感觉场景每次都能执行，却不需要知道背后有多少规则在协作。可维护性应该从设计阶段开始如果项目结束时才整理文档，很多临时决定已经无法还原。设计阶段就应确定设备编号、网络结构、控制边界、备用策略和变更流程。每一次新增设备或修改场景，都要能够说明影响范围，而不是依靠某位工程师的个人记忆。把交付从演示变成可验证清单 * 断网、断电和控制器重启后，关键功能怎样恢复。 * 家庭成员权限、访客权限和远程访问怎样授权与撤销。 * 设备离线、低电量或通信异常时，谁会收到什么提示。 * 更换手机、路由器或单个设备后，系统怎样迁移。 * 工程文件、参数备份和售后联系人存放在哪里。统一界面不等于隐藏专业系统用户端可以保持简单