
如果说鸿蒙4重新定义了操作系统,那么华为全屋智能4.0则重新定义了空间交互。
80毫秒、100毫秒、200毫秒、300毫秒、1秒、2秒、10秒,是人耳对于不同声音能感知到的时延,通常我们认为,时延越低、体验越好,但华为却打破了这一认知。
在华为开发者大会2023(HDC 2023)全屋智能技术论坛上,华为最新发布《全屋智能交互体验人因白皮书》,白皮书中提到,如果人处于智能家居的环境下,时延越低、语音交互的体验不一定越流畅。
这是因为,语音交互与其他交互形式不同,它还存在社交反馈的过程,这就好比,A在说话的过程中,B是不会贸然打断的。同理,语音交互的过程中,机器过快的反馈,反而是对人的一种打断,而华为发现,语音交互的最优时延其实是「650毫秒」。
这个小小的发现,却关乎整个全屋智能场景know-how的人因工程,华为把其全部浓缩在它的全屋智能4.0版本里。
全屋智能4.0有哪些革新?
相比上一代全屋智能解决方案,华为全屋智能4.0聚焦核心交互和子系统升级,并推出业界首款空间穿越屏智能中控屏S2和“空间快捷键”智能MINI。智能中控屏S2和智能MINI的组合,可实现任意地点、任意空间随处可控的意图转化。
更直白而言,华为全屋智能4.0分别从用户、合作伙伴(设备商/集成商等)、开发者三个角度,做到了“以人为本”。
从用户的角度,如果要搭建一个全屋智能场景,可能需要考虑三个问题:
1、场景怎么建?在这部分,华为希望给用户带来所见即所得的体验。
2、对于已经建好的场景,不可能推倒重来,那怎么做调整?华为全屋智能4.0可以针对预制场景,做一些参数调整。
3、用户如何触发这些场景?华为的答案是:一键直达、自动服务。
何为一键直达、自动服务?在此次HDC 2023的全屋智能展台中,华为搭建了一个全屋智能的样板间,通过一个PLC主机,控制整个房间的智能家居,能做到人来灯亮、人走灯灭,比如当用户起夜时,并不需要做出任何指令,智能灯会自动感应到并亮起夜灯,非常贴心。现场工作人员介绍,该场景是通过毫米波技术实现连接,PLC电力线载波技术实现了“有电就有网”的超稳定连接,连接稳定性高达99.99%,实现了高可靠性。
总结而言,对用户,华为全屋智能提供自动捕捉场景、场景AB切换、多设备自动批控、异常体验保障等功能,使用更简单;
对集成商,提供远程场景服务、场景批量导入和自动实例化等能力使装维更容易;对设备商,提供ECA能力(事件Event、条件Condition、动作Action),自动上架,使接入更快捷。针对不同品牌系统不兼容的难题,华为进行了基础能力与AI能力分层开放,通过云云对接、边缘/私有云对接,实现了跨品牌、跨品类产品间的互联互通;
对开发者,华为全屋智能发布了北向服务卡片设计规范及南向设备Profile设计标准,帮助开发者更高效地解决系统开发的难题。
这背后,源自于鸿蒙操作系统的可拓展性和兼容性,将空间场景中的各类终端进行能力整合,形成一个“超级虚拟终端”,实现不同的终端设备之间的快速连接、能力互助、资源共享,匹配合适的设备、提供流畅的全场景体验。
“以人为本”激活创新
任何一个好的产品,创新的源动力是来自为用户体验,而任何交互体验的改进,核心都是“以人为本”。
经过长期研究,华为发现,目前用户全屋智能体验主要存在两大痛点:一是在交互层面,空间设备布局不合理、操作不够便捷,空间交互相关人因规则有待健全;二是在产品层面,面板功能排布、交互参数设计等一系列产品设计问题有待解决。
这也是此次华为推出《全屋智能交互体验人因白皮书》和《空间智慧语音交互体验研究》的原因。
其中,《全屋智能交互体验人因白皮书》深入分析用户交互体验的痛点,推导出合适的主控设备全屋布局规则,提出多项全屋交互人因设计规范,以提升用户空间交互体验为目标,帮助生态伙伴设计更好的全屋方案与产品。
而《空间智慧语音交互体验研究》,则主要围绕提升用户与全屋系统的语音交互效率和智慧体验展开,采用PACT设计框架分析方法——PACT指基于人(Person)、行动(Action)、情境(Context)、技术(Technology)的分析框架,为行业提升空间语音交互效果及效率带来新思路。
目前,华为全屋智能已先后与深圳市龙岗区、成都市新津区、青岛市市北区等签订战略合作协议,并与世贸、绿地、金茂、远洋、越秀等主流地产品牌达成战略性合作,覆盖并牵动了包括房产、建设、酒店、空间设计等多个相关行业的头部资源。华为希望,将空间智能市场开拓为万亿级赛道,邀请商业伙伴分享先进的空间开发开放能力。
政策面上,也在利好空间智能化发展。
7月18日,商务部、住房城乡建设部等13部门联合印发了关于促进家居消费若干措施的通知,明确提出要促进智能家居设备互联互通,推动单品智能向全屋智能发展;2022年,深圳市政府也公布了《深圳市加快推进现代建筑业高质量发展的若干措施》,重点关注如何通过新发展理念引领建筑业转型升级。
一系列利好全屋智能产业发展的政策落地,空间智能化变革的进程陡然加速。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。