凱度發佈冪境套系與AI智能體“小紫”,廚電競爭從參數轉向體驗
當前的廚電行業正在經歷一場靜默的轉折。奧維雲網數據顯示,2025年廚房大電市場規模同比下滑,傳統品類進入存量爭奪,而蒸烤箱、洗碗機、淨飲機等新興品類的滲透率仍徘徊在個位數。冰火之間,品牌面臨一個共同命題:當增量紅利消退,靠什麼驅動增長?8月22日,凱度電器在深圳舉行的2026品牌發佈會上,試圖給出自己的答案。從自研AI智能體“小紫”的實景演示,到冪境全隱嵌套系的正式亮相,這家成立十餘年的企業,正在以一套區別於參數競賽的“紫科技”體系,回應一個更根本的問題,當“堆參數”走到盡頭,廚電品牌還能為用戶創造什麼價值?
白皮書揭示轉折:從“參數定義好”到“感知定義好”發佈會現場,凱度電器聯合Kantar凱度諮詢發佈《2026中國高端新廚電白皮書》。這份報告揭示了一個結構性轉折:在蒸烤箱、洗碗機、淨飲機、咖啡機四大品類中,消費者決策時最看重的已變為感知維度,傳統功率、溫度範圍等參數指標反而退居末位。Kantar凱度諮詢高級研究總監黎志斌現場解讀時指出,行業正經歷從“參數定義好”到“感知定義好”的轉變。近九成消費者希望廚電更好地融入廚房空間,其中多數人期待廚電全部嵌入櫥櫃或用時出現、不用時隱去。消費者的需求已經清晰,他們需要的不是孤立的“好產品”,而是成套系整體方案,以及一個能主動理解需求的智能夥伴。
廚電消費正從“買功能”轉向“買情緒、買生活方式”。這一判斷,成為整場發佈會的方法論原點。“紫科技”vs“黑科技”:跳出參數物理極限面對行業內卷,凱度給出了自己的差異化答案——“紫科技”。在董事長傅平看來,過去行業熱衷的“黑科技”本質上是參數競賽,“但參數一定存在物理極限,而且參數升級不一定等於體驗升級”。凱度提出的“紫科技”是以紫色為主色的人文科技體系,與行業冰冷參數化的“黑科技”形成區隔,所有技術研發都錨定真實用戶體驗提升,而非盲目追逐參數指標。這一理念的背後是“水哲學2.0”的方法論:技術如水,柔韌包容,適配千家千面生活需求。
凱度電器CEO柯漫在《水的迴響》主旨演講中回顧了十六年發展歷程,從推出國內首臺嵌入式蒸烤箱,到如今以“水哲學”“紫科技”“漫生活”貫穿產品、技術與體驗,凱度已構建起自洽的完整體系。“冪境”套系:套系化的真正內核是功能協同發佈會上,凱度正式推出冪境全隱嵌智能廚電套系。MEE源自Masterpiece(大師傑作)、Ecology(無界生態)、Emotion(情緒智能)三大關鍵詞。套系包含微蒸烤一體機、嵌入式淨飲機、洗碗機、全隱升降煙灶套裝四大新品,搭載雙TFT交互屏,左屏專注操控,右屏承載AI交互。但真正值得關注的,是凱度對“套系化”的獨特理解。傅平在採訪中分享了自己對套系化的看法。
他表示,以前很多所謂的套系,主要還是停留在VI統一和外觀一致層面,比如統一設計語言、操作界面和交互邏輯,但這些只是套系的表面,真正的套系應該是產品之間存在內在連接,能夠實現真正的協同。比如以淨飲機和蒸烤箱聯動防垢為例,蒸烤箱長期使用容易產生水垢,如果能夠和淨飲設備打通,讓經過過濾的純淨水直接進入蒸烤箱,就能從源頭解決問題,這個功能背後不是簡單地接一根水管,而是整個控制系統的全面打通。AI智能體“小紫”:從被動指令到主動預判AI能力是本次發佈會的另一大看點。凱度自研的AI智能體“小紫”完成了能力升級,並以體驗店“AI銷售員”身份完成實景演示。
做冪境套系中,“小紫”已深度融入烹飪、飲水、清潔全場景,從菜譜推薦到操作指導,從水溫設定到洗碗輔助,覆蓋全產品鏈的語音交互與場景化服務。傅平認為,AI給廚電行業帶來的變化,不只是增加語音交互或遠程控制功能,而是推動產品從“被動執行指令”向“主動理解需求”升級。他指出,當前廚電行業AI智能化仍處於非常初級的階段,普遍存在AI與硬件“兩張皮”的問題,AI能力是外掛的,沒有真正與設備底層打通。而凱度AI模型的訓練數據來源於智能運維數據、客戶評價、入戶調研以及專業領域合作沉澱的垂類知識,這些數據構成區別於同行的差異化優勢。
“真正的AI廚電,需要建立在軟硬件一體化、垂直知識庫以及設備之間深度協同的基礎上。其難點不在於溫控等基礎參數的精度提升,而在於對用戶口味和使用習慣的精準識別,真正做到個性化適配。”他如實說。海外佈局:不急不躁,先打“前哨戰”面對未來兩三年的行業環境,傅平在採訪中坦言“整體會非常艱難”,但凱度對自身發展有信心。核心原因在於主營的蒸烤箱、洗碗機、淨飲機等品類滲透率極低,地產下行帶來的影響有限。海外佈局是凱度的另一條增長曲線。傅平明確表示“不急於為了出海而出海,會做好充足準備後穩步推進”。當前策略是以咖啡機等臺式/小型廚電品類先行出海,大型嵌入式廚電待熟悉海外市場後再逐步推進。
海外拓展的兩大核心難點在於用戶需求洞察與產品定義,以及海外安裝售後等整套服務體系搭建。因此,不同品類會匹配對應目標市場,比如咖啡機優先佈局歐美市場,蒸烤箱優先佈局東南亞、日韓等有相近飲食習慣或華人聚集的區域。結語當行業仍在效率與參數的賽道上內卷,凱度選擇了一條不同的路徑——讓科技褪去冰冷,成為服務日常、撫慰身心的溫柔力量。冪境全隱嵌智能廚電套系是“紫科技,漫生活”的具象表達,而更值得關注的是其背後的一整套邏輯:從拒絕參數內卷的“紫科技”理念,到強調功能協同的套系化定義,再到軟硬件一體化的AI路徑,這套邏輯能否在存量競爭的市場中跑通,還需要時間和用戶檢驗。
但至少,在行業陷入參數內卷的當下,凱度提供了一個差異化的參照樣本。
Related
相關文章
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.