人工智能时代爆炸式的数据增长，对于攀爬Scaling law的中国AI产业来说，传统网络已经捉襟见肘，必须全面升级和重塑，更有效地支持大模型时代的联接需求。而AI计算集群规模越大，通信量和复杂度越大，网络设备的规模、端口数、光模块的数量指数上升，传统网络面临越来越明显的传输效率瓶颈，一次通信延误，会拖慢整个训练过程，导致整体计算集群效能低下、成本高昂。总而言之，在AI大模型场景和应用中，让模型供应

人工智能时代爆炸式的数据增长，对于攀爬Scaling law的中国AI产业来说，传统网络已经捉襟见肘，必须全面升级和重塑，更有效地支持大模型时代的联接需求。而AI计算集群规模越大，通信量和复杂度越大，网络设备的规模、端口数、光模块的数量指数上升，传统网络面临越来越明显的传输效率瓶颈，一次通信延误，会拖慢整个训练过程，导致整体计算集群效能低下、成本高昂。总而言之，在AI大模型场景和应用中，让模型供应

人工智能时代爆炸式的数据增长，对于攀爬Scaling law的中国AI产业来说，传统网络已经捉襟见肘，必须全面升级和重塑，更有效地支持大模型时代的联接需求。而AI计算集群规模越大，通信量和复杂度越大，网络设备的规模、端口数、光模块的数量指数上升，传统网络面临越来越明显的传输效率瓶颈，一次通信延误，会拖慢整个训练过程，导致整体计算集群效能低下、成本高昂。总而言之，在AI大模型场景和应用中，让模型供应

国际数据公司（IDC）最新发布的《中国智能家居设备市场季度跟踪报告》显示，2021年上半年中国智能家居设备市场出货量约1亿台，同比增长13.7%；2021全年出货量预计2.3亿台，同比增长14.6%。预计未来五年中国智能家居设备市场出货量将以21.4%的复合增长率持续增长，2025年市场出货量将接近5.4亿台，全屋智能解决方案在消费市场的推广将成为市场增长的重要动力之一。华为深刻洞见行业发展趋势，