煤炭行业，几乎被煤质快检技术“刷屏”。这壶好酒，的确值得从深巷里走出来，走向全产业。

突破性实力用几组数据说话：

整列车煤样的检测时间上，传统检测周期是8到24小时，该技术只需要2分钟，即可获取涵盖发热量、全硫、灰分、全水等指标的检测结果；

整列车检测煤量上，传统化学检测煤样量仅1克，煤质快检技术检测煤量可达1吨以上，是前者的百万倍。

不谦虚地说，这个技术实现了煤检行业的重大突破，能源领域正开启一场前所未有的技术创新。这项自煤炭大规模工业化应用以来的重大技术飞跃，也将引领煤炭数质量管控开启全新的人工智能时代。

2024年，该技术在国家能源集团四大产煤区、港口、销售、电厂、化工产业共9家单位示范应用，检测煤量超4亿吨，且历经高低温、粉尘、震动以及高湿度、电磁干扰等各种严苛环境条件，均稳定运行。

这一次，海康威视如此自信地向全行业展现煤质快检技术的突破和成绩，背后是其在场景数字化业务上的稳步推进和持续成果。从安防到场景数字化，海康威视又取得了关键进展。

海康，已经拿到了场景数字化的入场券。

1、从安防到场景数字化 技术市场双轮驱动

从做安防到检测煤炭，这两个看似不太相关的事，为什么会同时发生在海康身上？

回看海康20多年走过的路，这还得从技术创新与市场需求的双轮驱动说起。

一方面，数字化转型是未来经济发展趋势，十四五规划中曾提出了以数字化转型来驱动生产方式、生活方式、治理方式变革。信息化时代，许多企业已完成大量IT信息化工作，但具体生产场景的数字化升级，仍然缺少关键基础数据及合适的数字化工具。对千行百业来说，场景数字化是当前及未来的必须。

另一方面，从压缩板卡厂商、视频监控厂商、安防厂商、基于视频能力的物联网解决方案提供商，到智能物联AIoT战略下的场景数字化，这个过程，海康走过20余年，业务范围历经数次拓展。

过去安防关注人、车、行为，如今场景数字化更关注物，如设备运行状态、物质成分等等，这是海康在深厚技术积累下水到渠成的转型。

海康为什么能够一次次转型成功？

最关键的，还是持续积淀的深厚技术底座。经过20余年的不断创新与积累，海康已构建了物联感知、人工智能、大数据三大技术体系。

感知是实现数字化的一个至关重要的入口。没有感知能力，到业务层级的智能化应用将无从谈起。从感知层面看，海康无疑是在这个入口布局最广最深的厂家之一。

在做安防业务时，为了满足更多场景的客户需求，海康的感知技术能力就不只局限在可见光视频上，在红外、毫米波、X光、声波等不同感知手段上已经有相当的积累。这为场景数字化业务的开展，打下了结实的技术基础。

比如，基于热辐射技术原理的热成像相机，在安防市场用于周界防范或森林防火。当海康做场景数字化业务时，这项技术能力又能被应用在工业领域，在钢铁、工业材料生产企业进行工业测温，帮助提升生产效率、保障产品质量。

雷达技术也同样，在安防行业主要做周界防范中移动目标的检测，也做车辆测速。当延伸至工业领域时，发展出工业雷达这条产品线，就可以测量物位和液位。

再看声波，在安防行业的某些细分市场，有特定声音感知技术的应用。在工业领域有声音听诊的需求，海康就拓展了声音听诊多条产品线。

从安防摄像机到煤炭检测技术，再到产线上的质量检测技术，看起来隔行如隔山，实际底层都是电磁波、机械波等感知能力。

现在，海康的感知技术已经覆盖从可见光到近红外、中红外、远红外和毫米波等长波方向，以及紫外光、X光等短波方向的电磁波；覆盖从声波到超声波的机械波；并进一步拓展温度、湿度、压力、磁力等物理传感技术，海康构建了一个多维感知体系，实现对物的全面捕捉和解析。

大多数企业可能只用其中一些维度的感知技术，但海康，是极其少有的拥有如此全面的感知技术的企业。

在多维感知基础上，海康还拥有AI能力。物联感知的灵魂是人工智能，海康威视2006年就开始投入AI研究，是行业第一批将AI能力产品化的企业。

进入大模型时代，海康创新推出观澜大模型，还根据不同的行业需求，分别形成了行业大模型。例如，音频大模型，已经成功在音频信号的检测、工业设备的质检等场景中投入使用。光纤大模型在钢铁、煤炭、电力等行业的诸如皮带托辊故障检测等场景中得到应用；X光大模型在工业的缺陷检测、安防违禁品的识别、液体成分的分析等方面进行应用。

海康高管层曾表示，海康在10年前就开始琢磨安防以外还哪些行业空间，从市场需求和自身能力两个方向去寻求改变。对于已构建的多维感知技术储备，如果只供给安防方面的需求，难以体现海康在研发投入和技术能力上的规模效应，海康需要往更有空间的产业上去做探索和铺垫。

因此，海康的物联感知、AI、大数据技术逐步走进千行百业，帮助解决产业上的具体问题。

2、面向碎片化市场  锤炼综合能力

来自IDC的数据显示，2022年，全球数字化转型投资规模超过1.5万亿美元，预计2026年将超过3万亿美元，2021年——2026年五年复合增长率约为16.7%。——这是一个巨大的、持续快速增长的、诱人的“池子”，但也是一个极度复杂、分散、多样化、碎片化的市场。

其实，对海康来说，不论是安防，还是场景数字化业务，面对的都是碎片化市场。其鲜明的表现是，用户不集中，应用很分散，产品也很分散，客户的定制化很多，从满足客户碎片化需求的开发响应、到快速交付能力的建设，是一个非常复杂的体系。

作为全球安防的龙头，海康在安防领域积累的应对碎片化市场的能力，正迁移到场景数字化业务中。

现在的海康拥有30000多种型号的硬件产品，除了视频设备以外，非视频的感知设备正在不断扩充产品线，产生了越来越多的AIoT新物种。


如果从生产端来看，这对产品的生产制造是极大的挑战。

大多数企业擅长单一大品类产品的生产，自动化、高效率、高品质的生产制造，但千行万业的数字化转型下，场景碎片化，因此场景数字化需要的是小批量、多批次的柔性制造。

海康具备柔性生产产线，每天全球超10000个订单，平均下来每个订单的产品也就40个左右，某些产线的每天切换次数可能超过10次。这种高频率的产线切换极其影响效率和质量稳定，反之，也意味着极高的生产能力。

这些年，海康持续打造柔性、高效的制造体系，并使用自研的物联感知、AI、大数据技术，提升制造能力，不断提高精益生产和自动化水平，支持全球产品持续供应。

而在技术和产品之外，还有一层能力非常重要：对市场的洞察，对需求的理解。从技术到产品工程化，是AIoT厂商们要跨越的第一道鸿沟，从产品到市场是要跨越的又一道鸿沟。

更好地为碎片化的数字化转型需求服务，同样离不开研发、制造、市场的紧密协同。海康的场景数字化，正是在技术、产品、营销、供应链等方面全面匹配市场的碎片化需求。

在全球的营销网络方面，为了不断贴近客户，快速响应需求，在国内形成了以城市为单位，分层分级的营销体系，如今业务范围覆盖150多个国家及地区；在供应链管理方面，通过柔性生产满足弹性的需求；在产品方面，面对大量的、特定的场景产生的小规模需求，摸索出模式管理那么多型号的SKU；在技术方面，持续拓展积累物联感知、AI、大数据等技术能力，技术平台的建设走到今天已成体系。

“海康是一家综合型的公司，不是靠其中一个点来支撑的，这种模式比较适合碎片化的市场。”海康威视董事长胡扬忠说。

一路走来，海康威视依托技术创新，在产品设计和生产中形成独特优势，抓住市场机遇。而后又将优势反哺生产和研发，推动技术不断创新，优化产品。同时，在基线产品和定制产品上双管齐下，兼顾规模化需求和个性化需求，形成良性循环。

3、耕耘场景数字化，海康渐入佳境

由于场景数字化需求碎片化程度高、个性化要求多，如何能在解决用户痛点、提质降本增效的同时，又兼顾规模化效应？

海康的思考和实践是，一方面在从个性化产品中发现更多跨行业的应用空间，一方面联合行业头部企业研发，摸索出技术路线后将产品进行标准化，解决特定场景的问题，并积累更多技术，应用于相对共性的场景。

海康在场景数字化领域的能力与实践正在被越来越多的用户所认知认可，除了联合行业龙头国家能源集团开发煤质快检技术，粮仓虫情检测也是一个典型案例。

在粮仓领域，传统的粮仓虫情日常检查依赖巡检，逐仓筛虫和肉眼观察的方法，耗时耗力且检测范围小、巡检效率低，往往无法及时发现虫害，导致粮食损失。

海康基于物联感知和视觉AI能力，结合中储粮成都储藏院储粮害虫视觉AI识别算法，共同开发出“AI虫情监测分析终端”。

该终端基于400万像素白光补光球机，监测范围覆盖球机周围半径6米的区域，能够同时监测多路视频并实时反馈害虫发生数量，及时推送给平台生成告警事件，展示虫害发生发展趋势曲线，实现粮面害虫信息远程采集、识别与预警一体化，有效降低巡检成本和压力，助力更多粮仓体系化的智能管理。


海康和华新水泥的合作也让华新的智能化水平显著提升。华新水泥一直在进行工业智能、商业智能、管理智能转型，在这个过程中间，需要提升底层的物联感知能力。

在华新水泥看来，海康有全面的技术和产品“菜单”，华新可以根据自己的需要在“菜单里点菜”。

在华新水泥的建材生产过程中，为让输送到下一环节的骨料（混凝土主要材料）粗细配比均匀，需要根据料堆形状，让各个下料口适时打开或关闭。这个环节的检测，过去主要依靠摄像机或人工现场目测维持，准确度低，并且存在一定滞后性。

采用海康的毫米波体积雷达后，2分钟内即完成百余米高，万吨级别仓库的扫描，通过料堆形状数据，同时联动下料口自动开闭，确保骨料粗细均匀。不仅降低了工作人员盘库的劳动强度，还将质量稳定性提升了60%。

而在湛江的宝武环科，他们将海康威视的三维扫描成像雷达装入筒仓，三维扫描成像雷达利用毫米波信号进行非接触测量，有很强的抗干扰性，能够穿透粉尘、水雾，具有强环境适应性。通过24小时360°连续高精度扫描，每5分钟就能更新一次数据，还能实时展示筒仓内矿粉3D形貌，让湛江宝武环科对矿粉的高度、体积，终于实现了精确呈现和高效监测，帮助解决测不准、数据不及时的难题。

近年来，海康威视正是通过类似上述的一个个具体而微的案例，一步步深入千行百业的场景数字化过程中，从辅助管理走向用户核心业务。在AIoT战略下，场景数字化正承担起海康威视第二增长曲线的重任。

场景数字化，是一个充满机遇与挑战的大市场。

做场景数字化的集大成者，是海康威视的目标。海康一直在“田间地头”精耕细作，也正在把握着时代赋予的产业机遇。雷峰网雷峰网雷峰网

以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

Q：您刚才提到许多政策在陆续出台，预期是向好的，但政策的传导需要时间，需求端可能远期向好，短期内依然还会有压力，这样的情况下，PBG的业务和人员投入如何来规划呢？

A：我们在三季度观察到专项债的发行是在加速的，这里有一些数字与大家分享。2023年上半年，专项债发行额度是2.3万亿，三季度1.1万亿；2024年上半年，专项债发行1.49万亿，我们在半年报电话会时也和大家分享过，当时看专项债发行进度跟去年同期相比是有所放缓的。到了第三季度，刚刚结束的三个月发行的专项债是2.1万亿，比去年同期多了1万亿，所以从这个数据上说，资金面在逐步好转，传导效应会在产业中逐步显现出来，这可能需要几个月的时间。

从PBG的业务规划上来讲，传统业务比如公安、交警，过去大家的关注比较多，这些行业受地方财政资金的压力影响确实会更大一些；像政府治理、交通管理业务，目前看增长都是不错的，尤其是因为有万亿国债的支撑，今年水利水务、防灾应急部分是有明显增长的，这给PBG带来不错的支撑。往未来看，我们还会很坚定的去夯实PBG的业务。

从人员、费用投入的方面来说，总体还是比较平稳的，我们之前在软件、硬件、方案上的积累都比较多，现在不需要再做特别大的前期投入了，所以后续政府资金如果可以加强，整个业务的稳定性还是会得到保障的。

Q：关于海外市场，之前有个认识是海外发展的路径会类似国内的业务，从目前看，海外业务的发展大概走到了什么阶段？

A：海外视频产品在很多国家和地区进入到相对成熟的阶段，我们在渠道体系里补充了大量的非视频产品，现在能看到非视频产品的收入增速比视频产品是明显要快的。

另外一点，是我们正在从比较简单的产品型销售，走到项目式销售的一个过程中，现在看东南亚、中东等地的项目需求是比较明显的。当然，我们在拓展海外项目的时候，需要有我们自己的团队投入，也需要本地合作伙伴的帮助和配合，这些资源投入在逐渐积累之中。观察海外项目收入与纯产品收入的增速，能看到项目收入占比不断提升，我们对未来的项目类销售增长有信心，谢谢。

Q：请教一下，现在看到政府有地产托底的政策，地方政府化债也在进行，我们公司对于资金层面的感受如何，也有些已经中标还没推进的项目比如郑州，现在是否有进展，或者应收账款的回款是否加速？另外，关于这一揽子政策的落地对于我们国内需求的带动，公司有什么样的估计和判断？

A：目前大家都关注到了中央财政化债的政策，也在等待这一政策进一步明朗化，我认为方向是比较清晰、比较确定的。从存量项目角度说，我们从公司成立开始就一直在做政府类的业务，坏账的管理情况还不错。之前我们曾经分享过一个小案例，2018/2019年曾经做过的项目计提了坏账，从财务规则角度说已经全部计提了，但后来债务重组，是按照7折给我们兑现的，化债政策对我们来说是有益的。郑州项目的前期审批已经基本上都走完了，现在等待当地政府债务发行的进展。

关于政策落地对需求增量的拉动，我认为这些政策会比较直接的带动政府需求。从目前PBG各条线的业务进展来说，上半年特别国债落到了水利水务、防灾救灾、应急管理这些领域，订单就出现了明显的增长，所以不是政府没有建设需求，而是地方的资金确实比较紧张，所以如果资金面未来有所缓解，整个业务的情况的改善还是会比较明显的。

Q：海康最近在软件开发人员方面在优化，公司也有官方回应。不知道后面对于某一些人效相对偏低的环节，人员的降本增效是不是会持续？另外，能看到二三季度的经营环境比较差，我们的费用也有刚性，对利润有一定压力，那么结合最近的情况看，今年我们的指引要不要做一些修正和调整?

A：在几年前，我们政府端出现了一批以大型平台软件为核心的业务，当时不少客户提出比较多的软件需求，软件定制开发的投入相应的加大。为了更好的响应用户的需求，我们就把一些软件的研发资源配置到了各个省业务中心。现在回头来看，政府接连遭遇财政冲击，一些平台类、集成类的项目有比较大收缩，所以我们的资源投入也做相应的收缩，把资源收编在总部和国内一些重要区域来做共享，一些不愿意做属地调整的同事就选择了离开，我们也做了比较妥善的安置。

未来看，提质增效的工作是要继续做的，在经济周期的上行期，市场各方面的需求比较旺盛，我们就把更多注意力放在满足客户、用户的需求上，投入资源获取更多交易订单。但现在需求不足，我们就有精力聚焦内部队伍的建设，做好内部资源的夯实。内部管理工作一直都是有空间的，优化的工作未来也会持续去做。

关于利润指引方面，主要还是在于两个维度，一是收入增长，一是费用控制。收入上，如果增速能上去一些，我们目前这些费用的消化是没有问题的。但限于各方面的条件，我们收入增长还是承压的。费用上，我们一直以来对于费用的调整是比较保守的，我们也确实相信，前期的资源投入，在未来一定会得到相应的产出。目前我们还是认为，我们的内部优化要做，但还是偏向于稳妥的方案，不会特别激进。

所以当下的任务就在于两方面，一个开源，一个节流。现在能看到专项债的趋势在向好，后续中央化债政策落地的话，政府就有资金方面的支撑，对企业来说是信心方面的加强，是积极影响。在我们内部的管理方面，该做的资源调配、员工能力的提升，都要持续去做，谢谢。

Q：三季度公司经营管理层完成了换届，公司大方向的经营思路和策略有没有变化，数字化转型及与AI结合落地的节奏大概是怎么样呢？

A：我们的转型思路是比较坚决的。如果海康到今天仍然是一个纯安防企业，我们将承受更大的经营压力，正是因为海康的业务布局和调整比较提前，大概10年前我们就开始琢磨安防以外还哪些行业空间，从市场需求和自身能力两个方向去寻求改变。

过去10年来，我们不断夯实底层技术平台的投入，丰富多维感知能力，电磁波方面从可见光往两端的短波和长波方向延伸，同时开始布局音频等机械波及压力、流量等物理传感方面的能力，从全球视角来看，我们已构建较为丰富的多维感知技术储备。

在此背景下，如果我们只供给安防方面的需求，会很难体现我们在研发投入和技术能力上规模效应，我们需要往更有空间的产业上去做探索和铺垫。

我们认为，海康核心的战略定位是智能物联，场景数字化是智能物联落地的主要抓手，其核心逻辑是帮助企业、政府提质、增效、降本，依托海康在多维感知、人工智能、大数据方面的能力，我们为企业、政府选配合适的技术和产品组成性价比高的解决方案。

目前，场景数字化方面的落地进度是还可以的，如刚才我们提到国能案例，如果我们想在特定领域去投入技术探索和创新，前期的确需要承受较大的费用和成本，这种投入得到了客户的支持，最终形成整个产业上非常领先和创新的技术，也意味着我们过去三年的研发投入将会得到补偿和回报，类似的逻辑在海康内部形成循环。但是，近几年来，受到宏观经济的影响，我们的投入到变现的过程不得已被拉长了。

此外，从研发周期来看，国能的项目我们投入了两三年，有些更复杂的技术研发甚至需要更长时间，海康一直在积累和沉淀新的技术，当经济出现好转或者我们的模式被推广的时候，回报效应就会被放大，我们还需要中长期的耐心和定力，也会坚持这样去做。

Q：刚才提到SMBG三季度是采取了去库存的动作，我们记得海康18年的时候也做过类似的事情，对当年收入带来负面影响，但随后19年SMBG增速又回到了比较好的水平。所以想请教下，这一轮的去库存大概会持续多久，预估带来多少金额影响？是否可以预期SMBG到25年也有类似19年那样的修复？

A：大趋势上我认同您的判断，本次去库存并不是说因为业务本身的问题，而是为了轻装上阵、走得更远。目前，政府业务资金面紧张，社会消费降维，导致我们经销商库存去化周期变慢，资金被占用，影响周转效率。而这些经销商就像海康的左膀右臂，只有经销商做的好，海康业务的生态才会更健康，所以从短期和中长期利益平衡方面考虑，为了中长期业务健康发展，我们做了去库存的决定，会对当期报表带来一定的影响，所以第三季度大家看到SMBG收入增长不如想象中那么好。这个动作四季度是否会持续主要取决于市场的变化，市场信心和消费是否随着政府发债、化债等节奏修复，当市场出现库存去化变快的信号时，我们也会及时做补库存的调整。

Q：黄总，我们关注到您、毕总的职务调整及聘任奉总的公告，请问公司如何解读？

A：毕总因为个人原因辞去高管职务，也意味着公司PBG业务缺少一个负责人，公司综合考虑，准备让我去接管这块业务，与毕总搭档打配合。我原来负责的很多工作将由奉总来接管，因为奉总的职业经历、专业能力都非常出色，我们认为这个承接将会比较平滑。

Q：三季报的非经有一项债务重组损益，虽然金额不大，但之前没看到过，这笔金额是否与化债有一定的相关度，政府化债是否已经开始出现影响？

A：这笔款项与应收账款处理是有关系的。我们对应收账款的计提和处理是比较谨慎的，有些长账龄的应收账款，财务上已经提过减值了，但是当用户最后支付款项时，会将减值收回来，在财务上形成一笔投资收益。其实，政府及一些企业的项目回款我们会陆续收到一些，我们也会通过合理合法手段进行催债和干预。

Q：我们对区域的研发做了一些调整，一方面可能是为了适应业务的体量以及公司内部的一些优化；另外一方面来看，这些区域研发本来是为了应对碎片化的需求布置在边缘的，是不是意味着我们已经有更高效的手段来满足这些客户的定制化需求，所以才相应的减少一部分的人员？

A：区域研发的收缩有软件业务的需求背景，我们当时把人前置放到业务中心确实是一个挺奢侈的动作，因为没有一定的业务规模做支撑，这些人的效率会是受限的。往未来去看，您讲的更高效的手段，其实不是同等需求下更高效的手段，而是我们的研发资源有没有更好的使用领域或者业务范畴。过去做安防，我们从卖产品到卖方案，最后不断的往更高层级的业务上推进，如做系统平台以及一些服务型的业务支撑，这在安防产业是有一定合理性的。

但是在另外一个维度来讲，我们现在很多资源其实是往场景数字化的维度倾斜的，我们看需求做产品，看需求做技术再做产品，最后产品投放到市场得到回报后继续做研发，这个循环链条实际上是海康比较擅长的一种生意模式。而我刚才讲的从卖产品到卖系统，到最后还要帮用户去做比较深的定制化的软件应用，实际上并不完全是海康过去20多年来最核心的业务类型。硬件转软件也好，或是系统软件到应用软件也好，软件的规模效应比较难做出来。所以综合经济背景的影响，我们核心考虑将软件研发稍微收缩一些，把资源投放聚焦到10多个的业务中心去共享使用就够了，腾挪更多精力去研发比较有针对性的产品。最近应该也有一些投资人到我们数字化产品临展来看过，我们确实有非常多的跟安防截然不同的产品，这些产品重心在工业应用、各个行业生产制造的领域，这些领域的投入产出，及跟需求方的沟通，总体来说还是比较简单高效的，我们的产品用来解决什么问题，其实是看得很明白的。

所以区域研发软件部分的调整，我们实际上是节约资源，希望发挥更大的规模效应，公司可以把一些精力和资源聚焦在场景数字化这块业务进行培育和发展。

Q：关于产品数字化业务，它的人效同做安防业务比起来是更高了，还是差不多？从时间维度来讲，这一块的人效有没有一个明显提升的过程，还是相对比较平稳？

A：从财务或者数据的角度，其实把产出和人数除一除就等于人效，但实际上经营过程中很难直接用这个数字来看企业经营的质量。我们刚才讲到国能的融合光谱煤质快速检测技术，我们过去投入了三年，期间的研发成本全是费用化的，但我们过去没有拿出来说，类似这样的研发投入成果在未来还有很多，会不断的呈现出来，这是海康研发的一个逻辑。这个逻辑就是不断的将资源投入变成了能力、技术储备，变成新产品。这些新产品逐渐释放到市场当中带来收入，这个回报的周期可能不是当年投入当年产出的逻辑，可能是三年，甚至会在一个更长的时间里面来变现，所以就会导致大家看到我们前期的投入大，但是产出小的问题。

对于公司经营层来说，要面临一个比较痛苦的决策。如果我们追求当下的人效就比较简单，可以去砍掉未来的一块投入，当下的人效就会立即变化，但是这样做就会限制未来的发展空间，只有不断的投入创新和研发，才能够看到未来更好的空间，才能够有更大的能力做更多的业务，这个循环才是可持续发展的，所以我想用国能的例子把这个逻辑说清楚。再比如说我们展厅里面有一个上色率分析仪的设备，其实上色率分析仪的研发可能需要三四年的投入，最后大家才能看到这样一个产品，每个产品的研发变现都需要这样一个过程。

当然短期的报表也是非常重要的，整个2024年，海康威视主业的人员控制还是比较严的，现在有一些资源投给了创新业务，比如投给了微影、机器人，他们的增长还是很不错的。往未来去说，我们还是会优化海康威视主业的资源配置，看看如何把投入产出的平衡构建得更好，谢谢。

Q：关于全年业绩预期，可能有很多不确定的因素，包括收入端、费用端优化的节奏，目前来看是否能给出一个比较量化的数字目标？如果现在看不清的话，是否能够稍微定性的理解一下，比如Q3是否已经是压力最大的一个季，往后看整体的压力或者需求的变化是否在往好的方向转？

A：其实回答这个问题的时候，更多的要看周边的环境条件是什么样子的。现在来看中央的化债政策应该逐渐明朗，专项债的整个发债节奏是在加速的，这些条件是回答这个问题比较重要的输入。一方面，因为海康本身的业务能力、竞争格局在整个大环境中并没有受到伤害，甚至可以说在现在这样的环境下大企业的竞争力似乎更强了；另一方面，我们的业务面铺得很宽，必然跟宏观分不开。如果说刚才讲的这些化债条件能够比之前的预测更好更乐观一些，我们认为四季度或者明年一季度，会形成偏乐观一点的预期，希望我去PBG履职能够实现一个探底反弹的过程，谢谢。

Q：请问对PBG未来的业务规模和商业模式怎么看？PBG的细分行业哪些会收缩、哪些会增长？

A：在外部来看，PBG都是政府业务，但PBG有各个细分行业，内部还是会有很多的变化。过去几年公安交警的业务是在下行的，但下行的原因不是业务端没有需求，而是整体社会治安环境比较好，在技术设备方面不再需要进行大规模的建设投入。但从存量建设和电子产品寿命角度来说，比如雪亮工程大规模建设也已经有好几年的时间了，未来还是会有更新换代的需求，这些细水长流式的需求会长期继续存在，也是常规业务了。所以未来需求端不用太过于担心，预期会进入平稳阶段。

另外，政府业务也是一个大杂烩，内容非常多，细分行业也很多，未来还是会有比较多的工作可以做，但这些工作不是说能够一股脑地在很短的时间内完成，而是会分散在比较长的周期内去做。相关的建设也需要有资金支撑，有些地方政府财力相对充裕，可能会先行建设，有些地方政府财力相对紧张，相关建设可能就稍微延后，这也是符合常规的逻辑。

举例来说：在水利水务领域，各个城市都有水务运营公司，其中相当多数还在用比较传统的方式运营，未来将会往数字化运营方式转型，其提质增效的需求一直都存在。像河道、水库的治理、管理未来也都有比较大的需求。在防灾减灾、抵御自然灾害方面，也有相当多的工作可以做。

在桥梁领域，中国现在大概有60万座不同大小的桥梁，很多桥梁已经使用20多年了，桥梁的使用寿命一般来说大概是40年左右，这就意味着未来有大量的维护治理，需要了解桥梁的健康状态，用什么方式来了解，实际上也比较棘手，未来一定是要借助技术的方式去了解的。我们在这个领域也有很多的研发投入，等到技术产品方案成熟的时候，也会跟大家说明。

在大交通领域，有那么多里程的高速公路、普通公路也都进入到维护周期，有大量的维护需求，这些运维工作一定不是完全靠人工，而是靠技术和人一起去完成的，所以整个大交通领域未来的空间还是很大。以信号灯为例，现在大量的信号灯还是传统型的，不能联网来进行自动化或智能化的控制；包括过去可能产品来自非常多的厂家，功能也各有不一，想象一下有多少道路上的信号灯等着更新，所以国家推出设备以旧换新的政策，还是很有道理的。当然这些也需要政策和资金的支撑。

举以上例子也是让大家进一步了解未来PBG业务实际上是有巨大的、可以作为的空间，所以我对PBG业务还是比较乐观的。中国政府和全球其他的国家政府相比，也被寄予了更大的期望，掌握的资源相对来说也是比较多的，所以未来高效的治理一定是政府优先追求的一个目标，谢谢。

Q：请问公司未来的技术投入方向？

A：过去几年公司完成了大的软件资源方面的转型，从短平快的、定制化的软件开发，到可以集团军作战的、以组件功能为基础的、系统的软件平台，在大规模的平台软件或者说统一软件架构方面的投入已经差不多了，不需要再进行大规模的投入。

对用户而言，随着前端设备越来越多，在后端也需要相应的软件去做管理和支撑，包括沉淀下来的数据，也需要有更好的软件去做分析应用，而不是像过去，装一个设备能够看到图像，用户的需求就得到满足了。未来，这块业务的需求将长期存在，但短期可能比较难受的一个点是，在经济下行的时候，软件需求还在，但用户最容易砍掉的就是这方面的预算开支，就是硬件的投入他会更倾向于去买单，但是总有一个观念是软件能不能再便宜一点、软件能不能送，这也是社会对软件消费的大氛围。从公司的角度来说，我们还是会把软件产品线继续做宽，谢谢。

Q：在国家推进车路协同发展战略，推进车路云一体化应用的背景下，公司是否感受到相关需求及落地情况的变化？

A：车路协同这个概念早些年也有，主要看具体的应用场景。对于现在普通公路、普通车辆及驾驶模式下的应用场景，车路协同的发展空间还是比较局限的；但对于未来新能源车及无人驾驶模式下的应用场景，车路协同的发展空间还是比较大的。我们目前仍在观察车路协同未来是否会有一个更清晰的发展变化，谢谢。

Q：今年我们看到一些大模型在技术方面的变化，特别是AI编程能力这个方向有进一步的提高，这是否对公司内部管理及项目落地效益带来直观的改善与提升？

A：这个领域我们也在探索，因为公司内部研发体系中存在着大量的编程工作，是否能用工具化的措施来实现底层重复性的工作也是我们提质增效的其中一个思考方向。目前公司很多的AI工具都先应用在了自己内部，如果有很好的进展，我们会及时与市场进行交流。

Q：毛利率方面，今年二季度开始公司的毛利率有些向下，第三季度整体的综合毛利率与二季度相差不大。如果从内部各项业务的角度来看，是否存在一些方向上的变化？

A：公司毛利率在当前的环境下，总体稳定但略有下行是相对合理的，主要有两方面的影响，一是市场需求下行导致获取订单的压力上升，供应商在报价方面会有更激进的表现，二是用户为了减少开支，会更偏向于选择高性价比的方案，在产品功能升级上会考虑的更为谨慎。

公司对于毛利率的管理是有一定能力和弹性的，个别项目上，我们会随着外部竞争的激烈程度灵活调整毛利率，以表明公司在具体项目中的积极态度，我们也有信心凭借自身的竞争优势和产品的创新能力，将毛利率稳定在较好的水平。从公司创新业务的角度来看，上半年毛利率的改善主要归因于海康存储的产品在第一季度经历了一波大涨价的行情，目前毛利率也逐渐回归到了比较正常的水平，谢谢。

Q：公司第三季度销售费用同比有所增长，想请教下在整体降本增效的背景下，公司对销售费用这方面投入的态度以及未来的规划如何？

A：总体来说我们还是比较稳健的，虽然受到外部环境下行及需求疲软的影响，公司的经营还是健康的。在销售方面，我们会考虑对特别低效的开支做些调整，但不会有特别过激的行为。在市场营销方面，基于公司品牌的多年沉淀以及与客用户之间的日常交流，总体投入还是比较稳健也比较有效的。目前，我们会将部分资源投放到新产品的推广上，这也符合公司整体业务的发展方向，谢谢。雷峰网雷峰网雷峰网

孙丹在其朋友圈中如此解释辞职原因：“究其根源是中美对立的大环境，即使是十多年的“爱情”在国家利益面前也脆弱如纸。”

截止2024年，孙丹在希捷一共工作了十一年，是带领希捷中国区从寂寂无名走向辉煌的核心人物。

孙丹与希捷的故事，始于2012年希捷重仓中国市场的决定，当时希捷向已在IBM工作18年的孙丹抛出了橄榄枝。

孙丹在IBM的过往功绩包括，升任IBM系统与科技事业部大中华区System x总经理短短两年后，就带领System x产品坐上行业第一的位置；以及参与策划了代号为“中关村战役”的宣传策略，一下子打开了IBM PC机的知名度。

在希捷向孙丹抛出橄榄枝的2012年，如果不出意外，孙丹将被官宣为集团VP，然而在这个外人看来“最好的时候”，孙丹却选择了离开，理由是“IBM没有让人浑身兴奋的挑战了。”

而当时的全球硬盘市场，西部数据收购了日立硬盘业务，希捷科技收购了三星硬盘业务，这两大赢家在拼产品、拼销量、拼利润、拼布局中，正展开持续肉搏。

两相对比，后者具有十足的诱惑力。

2013年，孙丹正式加入希捷，担任希捷科技全球副总裁暨中国区总裁。

在希捷，孙丹保持了一贯独立、干劲十足、力求最好的做事风格，是带领希捷中国区从0到100的“英雄式”人物。

作为一名空降的女高管，在“撑不过一年”的流言下，孙丹带领团队在三条路上奔跑：云计算、渠道下沉和主攻垂直行业。

第一，押宝云计算，在中国成立云系统与解决方案部门，重新搭建云团队，尝试定制服务。

第二，瞄准智慧城市、平安城市的时代机遇，将AI安防变成希捷新的业务增长点。

第三，加大渠道下沉力度，与代理商合作，从二三线城市持续往下扩展，五六线城市甚至农村。

三轮驱动下，企业级、云计算、监控和消费类市场三面开花，2017年希捷中国市场实现两位数的增长，中国在希捷全球业务中的份量更加举足轻重。

孙丹曾表示，希捷走过风雨四十余年，得以成功的“秘诀”在于早期部署。其中就包括在云计算领域、智慧安防行业的早期部署等等。

2021年5月14日，孙丹被任命为全球高级副总裁暨中国区总裁，向希捷科技全球销售与销售运营执行副总裁郑万成汇报。

2022年孙丹接受雷峰网采访时，面对有关危机感的提问，孙丹回答道“我们一天到晚都有危机感。”

当时这种危机更多来自在“硬盘已死”论调下，技术的冲击。

但那时的孙丹，是一位科技乐观主义者，她认为科技发展会带来一定问题，但更认为事物的发展遵循螺旋上升，人类足够有智慧迎接所有科技带来的挑战。

时至今日，希捷中国区面对的主要挑战，已从技术转移到了变幻莫测的国际形势，这已经超出了孙丹的追求和能力之外。

回首过去十一年，希捷赢了，孙丹赢了。如今孙丹转身离开，于希捷是一个阶段性的告别，于孙丹自己“也值得为往事干杯！”

大模型，带来了AI 2.0，也带来了无限可能。

但无论其未来有多“无限可能”，还是会面临同一个核心问题：如何落地。

这么多年来，要选一个AI落地过程中的最大挑战，AI产品恐怕是其中之一。技术浪潮迭代，场景纷繁复杂，而产品作为连接两者之间的桥梁，一直没有被很好地定义。

海量应用场景之下，AI产品将如何定义？

去年，旷视提出了“算法定义硬件”的概念。近日，旷视推出了魔方B4T系列产品。如果说“算法定义硬件”是旷视的解题思路，那么“魔方B4T系列”就是旷视阶段性的答案。

作为一个拥有十多年积累的AI玩家，“算法定义硬件”到底能不能行得通？面对即将到来的大模型时代，旷视对于AI产品的理解又将发生哪些变化？

1、算法定义硬件，正在进行时

识别率提升、精度突破、榜单排行，是早期AI界的主旋律。

那时候的AI企业，也处于看到算法领域的难题就解决目标的状态，因此他们将注意力放在研发出标准化的模块和SaaS服务类产品。

尝试落地的他们很快发现，每个场景没有通用解决方案，客户需要的不是单个模块或开发包，也不具备集成SDK的能力，标准的SDK可以落地，但未必能解决客户的问题。

比如，即使同一品牌，几百款不同产品，具备不同的芯片、传感器性能、解析度大小、焦距远近等，规格、要求各不相同，每个应用场景，都对应一套硬件和一套算法，是一个巨大的工作量。

归根结底，AI本身并不是一个产品。

旷视意识到，他们必须改变路径。于是，他们决定围绕自己核心的AI能力做产品化方案。

将人工智能技术产品化，并落地到诸多行业场景中，这并不是一件容易的事。

在人工智能产业化过程中，技术到产品之间存在一个巨大的鸿沟。

企业不仅需要从技术角度考虑可实现性，更从工程角度考虑落地方案，注重工程现场与算法性能结合。比如视频应用环境各式各样，有白天、晚上、下雨等等，不同条件下的成像都不太相同，就会要求算法必须要满足复杂的开放环境。

旷视因此走上了五六年的产品化探索之路，从重技术，转变为除了重技术，也重产品、重客户、重生态。

与此同时，市场也在发生巨大变化：AI需求大量爆发。AI等技术日趋成熟，与碎片化行业场景不断深度融合，越来越多的细分领域的长尾需求被激发，一个海量AIoT市场慢慢浮出。

明厨亮灶、火焰识别、电动车识别、吸烟识别、反光衣识别、快递爆仓识别、疲劳驾驶检测......

无数散落在全国各地区、各行业的AI需求，像潺潺流水的小溪，正流淌、贯穿出一副山河巨制。

但市场太大，供应太少。而且，扎根长尾市场的企业少，也没有一家公司能涵盖所有算法。

这些场景里，基数更多的中小企业，于他们而言，算法生产门槛高、周期长、成本高、效果差。

说白了，AI依然是贵族技术，长尾场景难拥有。

AI产业界的共同富裕，就是让各行各业真正从智能化、数字化变革中获益，其中非常核心的要点，是算法类别的丰富性和算法的高性价比。

针对AIoT的场景化需求与当下的困境，旷视提出了自己的解法：算法定义硬件。

AI技术要能形成一个真正的商业闭环，需要在与场景深度结合基础上，找到合适的载体，即算法+硬件+应用，针对场景匹配最优，才能规模落地。

旷视通过“标准化硬件+开放算法平台”的产品组合来解决落地问题。

简单来说就是通过海量算法+一定数量的通用型/标准硬件，满足AIoT领域海量的碎片化场景需求，为万千场景提供普惠的人工智能算法。

旷视联合创始人、企业业务产研负责人杨沐告诉雷峰网，虽然整个B端市场的场景多样、需求碎片，但这些年，企业客户市场已经发生几大趋势：基础设施的云化、核心技术的互联网化、应用的数据化和智能化。

旷视也开发了几个大品类的通用硬件，比如模组、边缘计算盒子、面板机、AI IPC等，在这些通用硬件载体之上，针对不同场景，开发不同算法。

旷视给予合作伙伴算法量产能力，让大家基于自己行业理解能开发出更好的产品，让更多人懂AI、用AI，并结合生态伙伴，赋能千行百业。

2、好的AI产品应该什么样？

旷视想要实现的，不只是行业“用上”AI，还有“用好”AI。

杨沐看来，真正的“好产品”，核心就两个字：简单。好产品，让用户简单用AI。

此前数十年，旷视建立了一套强大的技术体系，但仅有好的AI技术还远远不够，好技术必须变成最好的产品。旷视一直以AI技术立身，如今，旷视要以产品立命。

这是旷视“算法定义硬件”软硬一体产品设计理念的延伸，也与AI平民化一脉相承。

杨沐认为，To B的好产品，不只是用户用起来，还要用得好，用得降本增效。不同环节的好产品定义不同，而简单，是所有环节最有效、最终极的事情。

“好技术的评判标准众多，但产品，市场是唯一检验标准。”

旷视的“简单”分成三个层面：选品环节“易决策”、履约环节“轻交付”、使用环节“好口碑”。

一是高效选品，通俗讲，就是能够支持客户“闭着眼睛选”。高性能、高性价比、少而精的产品会让客户的决策更简单，因此要求产品集成度高；

二是轻交付，通过更好的产品定义、更简单的配置方法，让价值交付更简单；

三是好口碑，让伙伴省心、客户放心、用户舒心。

“当一个产品能够被简单决策、使用和认可，就能说明是好产品，自然也能获得好口碑。”杨沐称。

在推动算法在各行各业的实际场景落地的过程中，旷视一直坚持“落地实用是算法价值的最终检验标准”。

其实，好产品的背后一定是好技术，能够降低AI使用门槛的技术，而好技术是能够切实让AI更好用，两者是相辅相成，相互促进的。

“好的产品，是将‘简单’递到用户手中，将‘复杂’的技术留给自己。我们这几年一直在聚焦、聚焦再聚焦，希望能把产品做得更少，但是做得更好。”杨沐表示。

魔方B4T系列就是这样一套解决方案，它是旷视基于“算法定义硬件”理念而打造的一款简单、易用的产品方案，集旷视AIS算法生产平台、边缘计算智能分析盒、算法训练服务于一体。

首先是算法，最大程度简化算法落地。

AI算法之所以是贵族技术，原因之一在于算法从生产到落地是一个多环节、长链条、高复杂的过程。它包含需求分析，数据处理，模型训练，上线部署，到最后的应用落地。其中，算法还需要反复多轮的打磨。

AIS平台将数据生产、算法模型和推理框架这三大核心环节标准化，并预先集成了多个核心底层模型。同时，魔方B4T将AI算法的生产、部署、运行与维护整合到一个平台上，配合智能分析盒，平台、硬件、服务，用户的算法需求可以在平台上一站式解决。

算法量产问题解决了，训练步骤和训练周期太长？

魔方B4T的零代码、高精度开发方式，将算法训练过程从12步简化为仅5步，无需编写任何代码，使非技术人员也能轻松上手。目前，AIS平台已经能够支持100多种业务模型训练，最快2小时即可完成。

而在使用端，用户对这些都是无感的，用户只需知道如何使用平台，而不需要了解底层代码，简单上手就能训练出自己想要的场景算法。

千行万业数字化，需求不尽相同。合作伙伴可以基于自身行业know-how，量身定制产品方案。

而这些，不仅限于旷视的合作伙伴。这套方案提供授权服务，合作伙伴在自己项目中使用训练出的算法和模型，还可以将它们授权给自己的合作伙伴。

这让魔方B4T的辐射路径，从点到线，再到面，向更多场景延伸，加速了算法推广速度，进一步激发场景创新。

降低算法开发的门槛和成本，让算法得到量产，提升算法生产效率并加速算法落地。魔方B4T已经在促进千行万业加速奔向数字化的路上。

3、大模型+小模型，未来之声

软件开发是人类历史上最复杂的脑力协作。

这是软件工程领域的一个共识。

而大模型这个“超级队员”的到来，将创造新的模型研发范式。

首先，是开发方式的改革。

一个显著的变化是从机器语言向自然语言的改变。以代码开发为例，在大模型以前，系统无法理解自然语言，软件是由人类工程师编写，他们需要是去visual studio等软件，为计算机提供明确的、逐步的指令，用机器的语言和机器交互。

相比之下，大模型是建立在一个使用数十亿个语言词汇进行训练的神经网络之上。它创造了新的人机交互界面，可以按照开发者的自然语言指示生成机器语言。于是，现在在一个聊天窗口，用人类的语言就能和机器交互。

另一个是从程序员手写到人机协作完成的改变。比如，大模型能实现自动代码生成/补全。其中GitHub Copilot，可能已经有了10倍的效率提升。

其次，在算法训练效率上。

传统算法训练模式，每个新算法都需要重新采集大量样本数据、开发训练。

从前端数据采集到样本标注，从模型研发、训练到算法落地，战线长，人力物力成本高企。在千行万业源源不断涌现算法需求下，这种模式越来越难以为继。

通过海量数据进行预训练形成的大模型，融合了亿级图片、万级视频、十亿级图文的大模型，融合了更多模态信息，大规模自监督学习的多模态人工智能算法，具备超强的泛化能力。

“大规模预训练﹢精调”模式，使得用户不用收集大量样本数据集，基于大模型通过零样本、小样本学习就能调优，从而满足场景多元化需求。

“预训练+精调”或将成为新的研发范式，让研发过程更加标准化，显著降低了人工智能模型研发门槛。

某种角度，大模型是传统AI“作坊式”生产模式的一次救赎。

而且，AI智能体技术的快速发展，有望进一步加速AI落地应用的进程。比如，AutoGPT和AgentGPT等AI agent，可以自动化理解、拆解并执行任务，进一步解放人力，加速业务全流程推进。

今年，旷视科技升级了AIS一站式算法训练平台，可结合旷视自研行业大模型，高效地定制、开发全新的算法模型，从而解决碎片场景中的问题。这将大大加速AIoT场景应用的落地。

这些最新的大模型技术，将逐步缓解一直以来承担“最复杂的脑力”工作的AI研发人员研发压力。

在未来，大模型将进一步降低了算法生产的门槛，提升了算法从生产到落地的整体效率。

大模型“海纳百川”的魅力纵然令人着迷，但大模型就像是雷神之锤，如果没有适合它的钉子，就难以发挥被期许的价值。

短期看，大模型转化成生产力，还有一段距离。

大模型具有强大的通识能力，但是面对海量碎片化场景，仍缺少行业知识和高质量数据的积累。此外，受边缘侧设备算力限制，大模型难以部署。

通用大模型的“大”和“通用”看着诱人，但对于细分领域的B端行业客户，他们更需要的不是通用大模型的“全能”能力、综合技术上的碾压，而是模型的精度和质量，即能在具体需求上追求极致，可以实现功能最大化的产品。

换句话说，行业客户愿意为合理开发利用的功能买单，但不会为自己用不到的功能买单。

因此技术只有与具体行业结合变成产品，带来实际的使用体验和转化成效，才真正具有价值。

不同行业垂直度高，专业需求强，如何训练一个“更懂我”、“只懂我”的大模型？并在满足细分领域需求的基础上，做到成本可控？

短期内，大小模型将以“组合拳”形式存在，大小模型各司其职，云边协同发展，实现落地应用。

一方面，通用大模型可以通过预训练+微调，产生行业专用大模型。另一方面大模型通过蒸馏、量化等方式，变成边侧易部署&升级的“小模型”，满足客户追求性价比的需求。

这也意味着，那些深耕于产业，能触达更多的行业场景，更容易从生产线上获取大量行业数据，且已经积累了较多科学精准样本的企业，同时具备更快的技术迭代速度，将更好地满足碎片化领域的需求和挑战。

4、等待下一站

无论是大模型，还是AI，只要跟现实真实世界产生交互，无非只有三种模式，视觉、语音和文本。

这三种模式都是多模态覆盖的，其中，视觉是重中之重。

AIoT的实现路径，是通过收集通过物联网终端产生的海量数据，存储于云端、边缘端，再被大数据分析后，并通过人工智能，基于数据来描述物质世界，实现万物数据化、万物智联化。

在AIoT的世界，视频就是数据的一个强入口，产生的源源不断高质数据将成为数字化时代的新能源。

而视觉能力，则是旷视等AI企业在市场上已经得到“千锤百炼”的强项。

在过去的十二年里，旷视已经积累了丰富的产品矩阵，覆盖消费物联网、城市物联网、供应链物联网等AIoT各个领域。

在大模型时代，以技术为刃，切开更广阔的空间，AIoT企业正在抵达的下一站。雷峰网雷峰网雷峰网

近日海康举行了投资者问答。

以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑： 

Q：数字化业务的机会很多，也有越来越多从不同行业想要进入的竞争对手，公司的优势？

A：利用物联网技术，帮助客户做好数字化管理，始终要面临场景丰富、细碎带来的挑 战。需求来自各行各业，不同的行业有不同的痛点，不同的公司有不同的要求，同时各个行业和客户的规模又相对有限，要求公司有能力组织好技术、产品，形成综合的竞争力，又要保证一定的组织效率。海康竞争力的基础是在感知技术上，从可见光到远红外、近红外、毫米波、X 光、紫外、 声波等等，形成多维度的感知。除此之外，我们把硬件、软件、算法、数据分析等等能力拉齐，用综合型的技术方案解决问题。

可以说到了今天，海康的短板不多，比如过去几年我们在 AI 上持续投入，大模型这个热点来的时候我们很平和，因为这是海康一直以来在做的；再比如在软件上的投入，让我们在三年前已经构筑了很强的软件能力，我们的组织效率更强，有大打仗的能力。我们相信未来数字化转型的过程中，客户需要的始终是复合型的解决方案。

同时，因为海康相对规模体量更大，技术积累、供应链网络、销售网络都已经成为了优势。现在很多产品都很复杂，如果小公司想做出一个有竞争力的产品，需要到产业里组织资源把这个产品做好，这是挺难的，对海康来说就有一定的优势。做好了产品想要推广，可以利用我们销售网络体系的力量快速推广，同时还能通过客户大量的需求反馈做更快的迭代。所以我们的优势就在综合能力上，综合能力的建立不是简单的 1+1，而是不断投入、相互磨合、形成良性循环的过程。

Q：感知能力是海康的传统优势，想请问现在前端硬件的区分度是不是不高了，包括性能和成本上的差异都没有那么大的时候，我们怎么去竞争？

A：从大的背景来看，硬件产品是解决方案的一部分，解决方案围绕客户需求不断变化，其实过去的十年以来，为客户提供解决方案的复杂度是在提高，而不是降低。今天在政府相关、行业相关、企业相关的应用里，粗放的进行前端点位建设的阶段已经过去了，目前行业中有大量的产品需要在基于场景和业务理解的基础上提供。如果只是提供个普通摄像机，可能连见到客户的机会都没有。而海康不仅感知硬件设备竞争力突出，今天还有针对各类复杂场景的设备的支撑，有 AI 能力的加持，在项目上真正比拼的是对细分行业业务的理解，软硬协同的能力。

即使在简单场景，单纯看硬件产品差异度不大，比如在一些连锁门店的应用上，但我们基于对需求的理解提供了云眸平台，帮助客户做巡店、盘货等等门店管理，形成了有竞争力的解决方案，就打造了竞争的门槛。哪怕只聚焦最纯粹的硬件产品，能否保证产品的质量和生产的稳定性，能否给下游经销伙伴做好技能培训和产品宣贯，能否给安装和工程伙伴提供完善的售后服务，都是赢得业务的胜负手。

Q：在平安城市和雪亮工程逐渐进入尾声后，怎么展望 PBG 未来的长期发展和增长中枢？是否有发现新的场景和机会点？

A：PBG 目前的需求已经不局限在安防领域，很多需求出现在交通、环保、水利、自然资源、城市管理、应急管理等方面，政府有更多数字化管理的需求。公司把感知能力拓宽，结合人工智能和大数据，创新出许多新的产品和方案去满足新的场景需求。

比如交通领域，从过去的简单识别超速到现在能做智能信控，依据车流量动态调节来保证路口的畅通，还有绿波带、潮汐车道、可变车道，让道路变得更加智慧；也比如用高光谱相机做环保检测、用可见光和热成像双目摄像机做森林防火、用城管球机做市容市貌治理、用水尺球机做水文监测等等。随着行业和技术的发展，公司相信 PBG 未来还很有空间，城市管理、社会治理相关的应用在未来有机会成为主流。

Q：EBG 在去年宏观环境较弱的情况下韧性相对较强，往后看 EBG 中哪些行业的表现会更好？企业客户的需求目前来看是否强劲，怎么展望全年 EBG 的表现？

A：目前来看经济在复苏的进程中，EBG 下各个行业的表现都还可以。比如开年以来和消费相关的行业如文旅、酒店、餐饮、物流等增长都比较快，制造业中新能源、新能源车等行业依然有不错的增长，电力相关行业的投资在去年的基数上保持不错的水平。

今天海康提供的业务是智能物联相关的，行业内的大企业是愿意投资的。经济可能还没那么快起来，但是大企业本身实力比较雄厚，愿意做一些逆势的投资，拿更多份额，等到经济周期往上走的时候，进一步体现竞争优势。

长期来看，企业数字化、智能化转型是中国企业高质量发展的必经之路。在这个过程中，我们能感受到各个行业内的各家公司都在积极投入，不投入的企业经营效率可能就会跟不上，数字化转型可以帮助企业增强自身的核心竞争力，所以我们看好 EBG 未来的发展空间，将智能物联赋能到千行百业。

Q：公司对海外业务是否还是持有积极乐观的期待？面对不同国家的国情政策、隐私文化、员工管理等，公司如何在执行层面解决这些问题？

A：在海外市场，我们是一国一策的策略，几年前在部分国家及地区也大力投入了项目市场，而不是只做渠道市场。现在海外经济和政治复杂度比以前提升了，我们还是会比较务实的布局，尽力应对汇率波动、地缘冲突、经济动荡的挑战。

幸运的是过去几年我们把海外营销体系建立起来了，海康在海外有 72 个分支机构，能做到这样的国内企业是不多的。我们也相信在未来的很长时间里，中国的产品竞争力和迭代速度依然领先。相对于国内来说，海外市场环境确实挑战更大，竞争也比较激烈，但我们可以在海外导入更多产品，增加海外产品的宽度，更加放大渠道能力、运营能力、资金能力来服务市场。借助当地已经有体系，可以做人员、资源的调动,借助我们现有的渠道，产品的导入会顺畅很多。

另外，现在不像过去，过去只要产品有竞争力，营销做得好收入就能做起来，现在综合能力的要求越来越高，比如合规、财务、物流、保险、税务等等。以合规为例，各地对于合规问题的处罚越来越严厉，合规又涉及很多方面，包括数据保护、隐私、反垄断、反腐败等等，小企业因为规模有限，在合规方面的投入也是有限的。所以我们的一国一策不仅是营销端自己的事，还有后台资源层面的支持能力，都是我们拓展业务的基础。雷峰网雷峰网雷峰网

这意味着自寒武纪之后，又一家AI公司成功上市。

成立8年，苦等2年终有果

云天励飞成立于2014年8月，旨在以人工智能算法、芯片技术为核心，提供算法软件、芯片等产品。

公司创始人陈宁毕业于佐治亚理工学院，获电子工程博士学位，曾担任7个IEEE国际会议技术委员会委员，手握近30项已授权国际专利，其中13项已被苹果收购。

云天励飞另一位核心高管，首席科学家王孝宇，曾任NEC Labs首席研究员，也是前Snap资深科学家、Snap研究院创始人之一，于2017年10月正式入职。

在国际电气和电子工程师协会(IEEE)的 2023 年新晋 Fellow 名单中，王孝宇凭借对嵌入式系统视频分析技术的贡献入选，是本次全球新晋名单中最年轻的Fellow之一。

目前，云天励飞的主营业务聚焦数字城市和人居生活。

数字城市主要涵盖智慧安防、智慧交通、城市治理等；人居生活主要包括智慧社区、智慧园区、智慧泛商业等领域。

从成立之初，云天励飞就备受资本市场关注，先后获得了来自真格基金、深投控、中银国际等数十家投资机构的投资。

2020年4月，云天励飞完成近10亿元的Pre-IPO融资；同年7月，获C+轮融资；9月，又获得超10亿元的D轮融资。

在整个AI视觉融资遇冷的环境下，云天励飞逆势而上，一年三轮融资，总额超20亿元。

2020年12月8日，上交所正式受理云天励飞科创板上市申请。

截至2023年1月10日，证监会正式批复同意上市，云天励飞2年的IPO之路，圆满画上句号。

核心竞争力：算法芯片化、端云协同

云天励飞在招股书中披露，其核心竞争力是算法芯片化的底层技术能力以及基于“端云协同”技术路线所成功落地的大型解决方案经验和系统落地工程能力。

算法芯片化，是基于对人工智能算法技术特点及行业场景计算需求的理解，通过自定义指令集、处理器架构及工具链的协同设计，来提高算法实现的效率， 降低后台处理成本。

端云协同，指的是在端侧应用自研的 DeepEye1000 人工智能芯片，重新定义智能摄像机，来采集数据以及做前端处理；在云侧与以算法、大数据为核心的业务系统实现适配，来提升解决方案的部署柔性，根据不同场景需求进行调整，降低解决方案的落地成本。

在AI芯片领域，2017年，云天励飞第一代神经网络处理器采用 FPGA 实现， 依托“深目”系统，已经在云天励飞 DeepEye200 PCIe FPGA 加速卡上以及 IFBOX 边缘计算盒子上应用，主要用于目标识别特征提取。

2018年，云天励飞第二代神经网络处理器芯片采用 22nm 工艺投片，主要面向嵌入式前端和边缘计算应用，获“中国芯片最佳技术创新奖”。

该芯片于 2018 年底流片，2019 年底开始独立对外销售实现商用，与海康威视、阿里巴巴平头哥等建立了业务合作。

根据招股书，2019 年及 2020 年，芯片独立对外商用产生的收入分别为 0.29 万 元及 268.61 万元。

在沙漠里垦荒的人

在2021年12月，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会上，云天励飞首席科学家王孝宇在演讲中表示：

“不要高估AI带来的改变，也不要低估AI带来的影响，我们是在这片沙漠里垦荒的一批人。”

王孝宇认为，AI落地应用最大的瓶颈在于，人才太贵。

人工智能公司光是养一只技术团队，每年的人力成本就是一个巨额数字，但这项成本正在降低，原因是AI的研发模式发生了变化。

在王孝宇看来，AI的研发模式有两大关键点：一是用什么样的数据训练模型；二是模型如何基于数据得到更好的结果。

过去的研发模式大都以模型为中心，依赖专家，找数据、标注数据，然后让AI博士调参，如同工业化时代的“拧螺丝钉”，导致AI无法大规模产业化。同时，过去的研发范式，大都集中于用更好的技术建立更好的模型。

但几年之后，业界发现所用的技术越来越趋同，标准化的条件成熟了 。因此AI的研发也需要流程化、标准化、平台化。

AI研发流程化、平台化的意义在于，将一些技术含量不高的流程化环节的事情，比如数据标注，交给普通技术人员负责，让算法工程师做更高级别的技术，从而减少人力成本。

从寒武纪上市到商汤、格灵深瞳、云从科技，最早的一批人工智能公司，先后成功登陆资本市场，取得了里程碑式的胜利。但随之而来的，是市场对于商业化模式、商业变现、产品落地的质疑与讨论。

这些市场疑问，也是云天励飞所要面对的。

但正如王孝宇所说，AI现阶段就是在沙漠里垦荒，从垦荒到种植、再到收获，需要时间和耐心。雷峰网雷峰网

作者：李溪

编辑：余快

在2022年的尾声，大华出现重大人事调整。

12月20日，根据大华的发布公告，张兴明辞去执行总裁等职务、江小来辞去高级副总裁，他们不再担任大华任何职务，并将分别担任大华旗下子公司华睿科技董事长及总裁、华感科技执行董事。

与此同时，原大华高级副总裁及海外营销中心总裁赵宇宁将接替张兴明，担任公司执行总裁。

这一决定，经由公司总裁傅利泉提名。

关于赵宇宁

根据历年财报数据，在海外市场，大华与海康虽一直存在差距，但大华一直努力追赶，并且差距逐渐缩小。

尤其是2020年，大华海外市场毛利率几乎与海康持平。这意味着，大华在海外的品牌力在逐步上涨。

其中2018年是转折之年，这一年，大华的海外收入和毛利率都有较大幅度提升，而正是这一年，出身华为海外营销副总裁的赵宇宁进入大华，代替大华海外负责人陈雨庆。

赵宇宁，1977年出生，硕士毕业于新加坡国立大学。

赵宇宁曾在华为工作17年，2000年7月至2017年6月，赵宇宁历任华为技术工程师、区域销售经理、国家总经理、地区部销售副总裁、地区部总裁。

在华为17年间，赵宇宁一直负责海外市场，有相当丰富的海外市场拓展的经验。

在前华为高管李柯加入大华后的一年，2018年，赵宇宁也加入了大华，加入大华至今，赵宇宁历任公司副总裁、海外营销中心总裁、公司高级副总裁，以及现今的公司执行总裁。

有传言称大华花了大价钱从华为挖来赵宇宁和李智杰，这一说法虽未被证实，但目前看，双方当初都做出了对的选择。

张兴明退场，专注创新业务

2年前，大华经历了一场史无前例的高管离职潮：两个月内，四名高管相继离职。彼时大华副总裁兼研发中心总经理张兴明接棒李柯，成为公司执行总裁，保证了大华平稳续航。

张兴明出生于1977年，在大华期间担任过华图微芯、华睿科技、华创视讯等子公司的总经理。据悉，其曾主持或参与600余项专利，已获授权发明专利117项。

如今与张兴明一同辞职的江小来，也是2年前与其一起晋升的高管之一。

2020年2月，大华股份宣布张兴明从副总裁升任执行总裁时，江小来也被宣布兼任公司副总裁，同年10月，大华股份再次发布公告，江小来和李智杰、徐巧芬等人升任高级副总裁。

在此之前，2015年年初，江小来任大华国内营销中心区域总经理，2019年升任国内营销中心总经理。

大华股份发布了2021年年度报告，公司实现营业收入328.35亿元，比上年同期增长24.07%；归属于上市公司股东的净利润31.03亿元，比上年同期增13.47%。

按照大华公告，张兴明将专注于大华旗下创新业务华睿科技。

作为机器视觉和机器人猛虎，以华睿科技为代表的创新业务，的确逐渐成长为大华的又一增长曲线。

2016年诞生的华睿科技，正式进军机器视觉，搅起了工业智能制造的水花。2020年，整合大华机器人业务。

2020年大华股份创新业务营收增长迅猛，增长达四成。强劲的势头让华睿扛起大华创新业务分拆上市的大旗。

人口老龄化将在2050年达到顶峰，无人化、智能化是没有悬念的未来；降本增效，企业对提效提质的追求是无止境的。

大华二十一年的打磨与沉炼，为进攻机器视觉和机器人积累了充足的智能视觉技术与人才。

华睿超过20%的研发投入占比、60%以上的研发人员占比、近300件的专利申请，让其成为一匹黑马。

华睿目前已有潜伏、移载、叉取和巡检等各类型的移动机器人，同时在工业相机领域，其小面阵系列、大面阵系列都拥有充足的型号可供选择。

移动机器人聚焦室内物流，仓储物流机器人已经遍布大江南北；工业视觉聚焦工业传感，在3C、电子半导体、物流等工业自动化各领域落地开花；在工业之脑（软件平台）上厉兵秣马。雷峰网雷峰网雷峰网

前三季度，大华累计实现营收211.72亿元，同比下降1.46%，实现扣非归母净利润15.84亿元，同比下降25.91%，若剔除零跑投资损益影响，利润下降幅度收窄。

单三季度，利润基数较小，同时，本报告期内股 权激励费用及公允价值变动损失同比高增，拖累利润表现。毛利率方面，前三季度毛利率37.53%，同比下降3.04%，包括运费调整至成本项影响1.76%，毛利率水平保持相对平稳，其中三季度毛利率表现环比略增。

以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

1、近期，国内宏观经济压力较大，请问公司如何看待和展望几大业务板块的发展？

今年公司的经营受大环境影响比较大，在三季度，公司B端业务实现了将近 10%的增长， 目前主要问题还是在G端及分销业务。

政府端，一些集成类项目的坏账风险比较大。因此，公司去年起坚持高质量发展理念，今年以来没有做太多集成类项目，同时在目前宏观大背景下大项目数量减少，导致政府业务经历阵痛期。我们认为，接下来政府预计会有新的政策、举措，随着相关政策的不断出台，政府端业务需求能够逐渐释放。

中小企业方面，三季度负增长比较多，是我们需要不断反思的部分。一方面确实有需求下降的影响，但坦率的讲，公司的客户覆盖程度和覆盖质量，与友商比确实有一定差距。 所以我们也在总结经验、做出改变，将继续加大对重点的定向投入，联合合作伙伴，希望明年有较好的转变。

企业业务稍好一点，同样能够受到投资拉动，包括近期出台的对医院、学校领域的贴息贷款等政策，希望企业端明年有更好的发展。

目前来看，预期四季度国内业务表现略微好于三季度，比如部分在国内市场延迟的需求，到了年底可能会有一些释放。展望明年，整体谨慎乐观。

2、海外板块，包括欧美俄地区，近期受到包括战争、通胀在内的多方面影响，公司如何展望明年的发展情况？

俄乌地区的业绩缺口，给海外市场营收带来一定的压力。欧美方面，通胀较高，需求相对疲软，我们将会持续观察新的机会点。其他国家，比如巴西、印度、东南亚，需求相对比较活跃。目前看四季度预计会比三季度好一些，展望明年，海外将出现结构性分化， 我们保持谨慎乐观。

3、过去两年，公司处于人员投放期，面对当下的大环境，公司如何预期未来的人员和费用投入节奏？

截止目前，员工人数大约是24000多人。近两年公司在人力资源上投入较多，去年招聘2000名应届生，相应费用在今年第三季度全部得到体现。但在资源大幅投入的同时，因疫情、宏观等大环境影响，收入表现一般，导致人均收入、人均利润等数据下滑。尤其是国内差距较大，以上海为例，公司19年、20年在上海的销售高峰情况可以达到13个亿，但今年由于受疫情影响，上海这样一个优质市场大概只有四五个亿，下降很多。 在开源相对困难的情况下，公司通过节流、调整结构，来实现费用的有效管控。未来， 或者至少在明年，公司在人员方面将保持总体稳定，维持常规的末位淘汰外，也欢迎优秀人才补充进来。同时，内部也会根据业务及时、动态地调整结构，例如向主产粮部门进行 调整，加大内部的流动。另外，在公司特别强调高质量发展的背景下，下一步将重点关注人均效益的提升。

4、公司重视软件业务的发展，能简单介绍一下软件业务的进展吗？

软件是公司从产品到解决方案的转型过程中，很重要的指标，也是公司的核心能力。 三季度来说，软件规模还是比较小，增长了18%，累计前三季度增长了12%。公司现在持续加大在软件业务上的资源投放，加强基础软件、技术软件的能力以及上层定制，并寻找更多的生态合作伙伴一起来推动。让我们的软件适配系统要求可以更低、开放性与生态环境更好，软件作为公司的战略业务，帮助公司实现从完全硬件到软硬结合的重要转型，相关软件收入目标虽然在目前的大环境下实现比较困难，但我们仍然希望通过不懈的努力去达成。

5、如何看待目前的行业竞争形势？及未来公司的产品定价策略？

这两年各行各业的竞争都比以往更为激烈，但对于我们的行业来说，目前还是以两家巨头为主，且都需要保持一定的利润，所以整体不太会恶性竞争。当然，合理的正面竞争也可以促进行业健康发展，大家会更重视和提升服务等各方面。在这个过程中，公司这两年更加重视应收款的管控，重视经营发展质量。

产品和解决方案中既有同质化也有差异化的地方，这是公司提升价格和毛利率中最重要的点。在 G 端业务，公司有 200 个解决方案，5000 个小场景，在 B 端公司有 300 个解决 方案，3000 个小场景，通过这种细分场景的变化来做一些差异化竞争点，实现各自的价格策略，总体还是一个相对平稳的状态。

6、能否介绍目前创新业务的整体情况？

创新业整体基数还不高，但增速较快，目前还都在培育期阶段，基本是从0开始培育起来，华橙、华睿、华锐捷规模相对较大。

7、公司的汽车电子业务这边主要有哪些客户，零跑在其中扮演什么角色？

公司汽车电子业务因为有零跑这个客户，初始阶段会有一定的优势，但整体也是在公平竞争的前提下开展的。除了零跑以外，华锐捷也在积极的开拓非零跑的客户。视觉在汽车上的应用越来越多，未来的辅助驾驶和自动驾驶需要依靠传感器、摄像系统等视觉的感知，希望不断积累感知端上的产品，加强现有技术优势，然后不断拓展有实力的客户。

8、介绍华创视讯终止分拆上市及出售股权的相关背景，及未来的操作思路上是否也会有些转变？

这是公司充分考量内外环境后，保持一贯的经营灵活度，整合资源，优化结构，而做出的决策。本次出售的华创视讯是以音视频为核心的会议视讯系统、设备等相关资产，这部分21年的营业收入为两个多亿，利润1000多万，整体体量不大。考虑到公司希望优化整体的业务结构，集中优势资源在主业经营上，因此决定出售部分股权，促使其实现独立运作。

9、零跑已经顺利上市了，对公司财务上的影响有何变化?

公司仅投资零跑9000万，目前占零跑 7%左右的股权，投资回报还是较为可观的。财务角度来说，零跑业绩的亏损是按照权益法计算后列入到公司的利润里，截止目前已经计提10亿多，今年前三季度累计计提 3.32 亿，未来零跑亏损减少，或者出售股权，则会减少对公司财务报表上的表观压力。

10、公司如何看待上游供应商存货情况对公司备货的影响？

去年供应链全线紧张，但在今年当前时点，大量的供应商有相对高的存货，为此次的备货创造了有利条件。

11、中移定增事项有哪些新的进展？公司有没有考虑提振股价的举措？

目前股价倒挂，一方面受大环境影响，公司自身业绩不是十分理想，同时资本市场大环境也不太好。对此，将会继续积极探讨、寻求有效的解决方案。提振股价的核心还是需要业绩的改善，除了大环境较弱以外，公司还处于向高质量发展的战略调整所带来的阵痛 期中，公司还是会在坚持高质量发展的同时，努力保持稳健经营。由于公司正处于非公开发行期间，根据证监会的相关法律法规，无法实施回购。雷峰网雷峰网雷峰网

前三季度，海康实现营业总收入597.22亿元，比上年同期增长7.36%；实现归属于上市公司股东的净利润88.40亿元，比上年同期下降19.38%，三季度实现营业收入224.64亿元，同比增长3.39%，实现归属于上市公司股东的净利润30.81亿元，同比负增长31.29%。

从国内外两方面看海康经营情况：

国内主业，三季度受疫情防控影响较大，部分项目落地延迟，三季度整体情况未有明显好转，相比于二季度基本维持。其中PBG与去年同期基本持平，各细分业务基本均衡，略微有一点负增长，其中民生服务与街道、乡村等基层治理业务需求向好，交通管理业务稳健增长；

EBG个位数负增长，其中受住宅地产、商业地产整体下行影响，智慧建筑继续负增长，能源冶金行业增长较好。SMBG 7-8月份销售情况不佳，出现较大的收入缺口，9月恢复正增长，SMBG三季度同比负增长21%。10月份市场活跃度略有向好，是否构成趋势性好转还需观察。

海外业务，三季度同比增长13%，其中欧洲、北美受通胀影响较大，出现地区性的负增长，对海外整体业务影响较大。拉美、亚洲等地区继续保持较快增长。预计未来海外业务两级分化的状态将会持续，海外收入的区域分布格局将会有所改变。

创新业务方面，三季度同比增长18%，整体增长良好。其中萤石智能家居业务受消费需求疲软的影响较为直接，其他创新业务均保持增长。

毛利率方面，前三季度毛利率为42.35%，比上年同期下降3.98个百分点。其中三季度毛利率为41.04%，环比二季度下降1.64个百分点。毛利率数据，一方面受2021年毛利率高基数影响，另一方面，当前环境需求疲软，公司尽力争取所有可为业务；同时，客户当下也倾向于保守开支，低端产品占比有所增长。第三，从2021年年底开始，运费由销售费用调整为成本项，毛利率与往期存在0.73个百分点左右的财务统计差异。

近日海康举行了投资者问答。

以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：  

Q：海康表示10月份以来国内有初步回暖的迹象，同时因国庆人口流动，局部疫情下地区的管制政策较紧，贴息贷款政策的支持下，有些行业产品落地速度比较快。四季度未来两个月，公司的经营策略是怎么样的？明年的判断是怎样的？

A：从疫情的大环境来说，各个地方政府都有各自的管控政策，我们的业务开展要在这个背景之下推进。每年到了四季度，都是海康各个业务线冲刺的时间，目前公司还是全方位保持冲刺的状态。

从项目端来讲，疫情还是在继续带来一些不确定性，我们原本预期三季度应该有一些项目要落地的，但现在存在推迟的情况。四季度我们还是抓紧时间做工作，尽可能的推动落地。

往明年上半年来看，项目落地多也会对业务有帮助。现在我们自己要做的还是尽自己所能，把该做的能做的工作尽快做下去。

Q：对于PBG，海康公众号上面不断有各地政府、各条线部门的业务合作信息，对于明年业务端的回暖有什么样的期望？

A：我们半年的时候做过一些预判，经济形势的好转应该还是率先体现在政府端，因为政府端受政策的影响会更直接，各类专项债的发行，一定程度上在助推政府业务向好。

目前不少区域也在受疫情管控的影响，导致项目落地迟延。不过从PBG三季度增速来看，已经基本稳住，我们对PBG寄予厚望。我们期待随着工作一点点推进，发生一些好的变化。

Q：国庆之后美国对先进技术做了更多的出口管制，从供应链安全的角度，应该怎么看这种极端情况？

A：10月7号美国商务部的新规出来，我们和大家一样很关心，也看到大量专家学者的分析意见。

从半导体产业和半导体产业从业者的角度，影响是比较直接的。出口管制对于高性能芯片有许多限制，相信大家都有解读。半导体从业者一方面得了解规则的限制，另一方面得考虑怎么调整自己的业务。对于我们智能物联产业而言，我们是芯片的使用方，高性能的芯片对我们来说是物料之一，我们要关注的是后续应用的问题。

总体来说，我们行业应用的高性能芯片是比较少的，因为产业落地讲求实效，讲求方案的性价比，成熟制程是产业的主要选择。往中长期来说，美国对高性能芯片的管控，对整个中国高科技产业的发展来说，是比较大的限制，需要时间来消化；一些技术关键点，以及产业整体的配套和升级，需要技术突破，需要时间。高性能芯片是科技发展的重要支持，相信产业界会一起努力的。

除了高性能芯片限制之外，还有针对28家企业的直接产品规则，我们也比较关注。我们合规的同事在和相关客户保持沟通，给他们提供一些解读方面的支持。对于被制裁的公司和上下游来说，应该还需要时间去琢磨分析规则，在业务上去做相应的调整，对此我们也保持观察。

对于海康，从2018年到现在，经历了许多次挑战，我们也在高科技公司阵营的风口浪尖上，几年的时间下来，我们越来越熟悉跨国企业在国际市场上应当遵循的游戏规则。第一，尽可能的按照各个业务所在国的合规要求，守好底线，做到合规；第二，我们相信良好的沟通有助于很多工作的推进，所以要跟各方保持沟通；第三，对于高科技产业的发展来讲，终归还是要根据环境的各种约束条件，不断及时做调整应对。海康这几年的调整应对还是比较及时的，调整应对的一个侧面也是研发费用因此增长的比较快，但这是我们未来发展必要的投入。

Q：今年毛利端出现下滑，历史上也发生过，15年下半年到16年上半年行业价格战，我们的毛利率也偏低。当然今天在行业数字化、智能化转型的过程中，业务属性越来越和软件相关，不至于重新回到硬件为主、毛利竞争严重的时代。未来毛利率变化的趋势如何，包括定价策略，以及对需求的判断？

A：公司毛利率是各种业务收入组合的结果，因为外部需求疲软，项目出现许多推迟的现象，尤其是毛利质量高的优质项目，因为客户的资金紧张，落地也更犹豫。因为项目落地慢，从业务选择上我们需要更多地往下看，也做一些毛利相对低的业务。此外客户也会在当下更多选择低端产品来购买，这都会影响收入结构。

毛利的低迷是经济环境在这个阶段的集中体现，不会是长期性的。后续经济向好一些，业务会再进入到相对正常的状态，收入的结构就会向好。公司的竞争力在加强，我们对未来毛利有信心。

Q：海康现在对政府端的恢复是更有信心的，但是现在二级市场普遍担心政府的财政支付能力受限，所以可能存在比较大的预期差。政府业务中还有哪些因素能够带来更多的信心？

A：大家的顾虑都很对，我们确实也有比较直接的感受。现在政府开支还是很大的，从政府财政列支的这些项目上感受得到财政资金层面的压力，所以今年前三季度专项债的发行整体还是比较快的，专项债发行也会推动一些项目往前走，我们要适应这种变化和节奏，去顺应政策的导向往前走。

对于当下来说，目前可以分享的主要是一些比较细碎的信息。比如我们刚才有讲到车辆驾驶管理、交通管理，其实今年整体表现还可以，三季度是正增长的，这块业务在慢慢成长起来。PBG其他一些业务目前在三季度的体现也是比较平稳的，公安业务大家会比较担心，因为它的体量相对较大，目前来看也还比较平稳。我们也在看哪些因素能够促进业务发展，也在观察一些好的项目和机会是否能够露出。现在距离年末还有两个多月，目前一些在手的项目，也保持正常推动的节奏，我们预计还是会有一些项目能够落地的。

整体上主要是两个趋势，一是向上的、项目颗粒大的业务，现在主要追随政策的导向、发债的节奏、资金的趋势来调整；二是向下的、碎片化的需求，例如我们刚才讲到的偏民生服务类的、街道乡村基层治理类、城管业务类等，需求在向好，这部分的需求还是可以落地的。

Q：“二十大”上安全、自主可控被提到了很高的位置，海康的公共安全业务非常贴合政策。根据“二十大”指引，海康业务有没有新的机会点、新的增量市场？

A：“二十大”刚刚结束，这块内容还没有那么快有信息拿来分享。海康整体业务布局、业务开展的方向跟国家战略非常的吻合。过去说的数字化转型，不仅是企业的数字化转型，也包含政府管理等各方面业务的数字化转型，效率的提升、满意度的提升都离不开数字化的管理工具。在这些领域，我们从卖一些监控产品，已经逐渐到软硬件组合的整体解决方案，不断深入到各个公共服务领域的细分小领域，我们的基础打的非常好。所以往未来去看，这块业务肯定有不错的发展。

等到国家政策特别明朗的时候再来布局业务可能是来不及的，更多的还是对整个行业方向的预判。从过去几年来看，海康的预判还是匹配当下这些政策的走向。

Q：三季度SMBG下降较多，在过去一个季度，公司价格策略有怎样的调整？随着近期项目的延迟，同时公司增加低端产品的销售，总体应该还是会对四季度的毛利率有所影响，未来毛利率将会受到价格策略哪些影响，以及在库存控制会有什么样的策略？

A：关于SMBG库存的情况，现在状态应该是不错的。因为7、8月份销售情况不佳，一方面跟整个市场需求疲软有关系，另外一方面因为渠道本身有库存储备，经销商不向海康进货，意味着在消化库存。在7、8月份消化之后，9月份已经进入到销售回正的状态，尽管三季度整体有比较大的负增长，但是对于这个行业的发展来说不一定是坏事。目前看国家政策以及产业各方面的信号也都比较明朗，市场的信心也慢慢恢复了，我们渠道库存的情况，不需要特别去担忧，没有特别大的压力。

价格的管控策略受需求的影响，我们也采取了一些促销、加大返点等策略进行推动。这些都是根据商务需要在推动，结合市场各方面的情况做正常的调整。

Q：美国对国内的半导体的制裁政策有所调整，主要是针对AI算力的新制裁，请问对于公司未来AI算力方面有什么影响？

A：关于美国制裁的间接影响，尤其是高性能芯片，在10月7日新规出来之前半个月左右我们了解到相关消息，当时说英伟达GPU芯片会受到一些限制。我们就过去这些年海康的产品形态解释一下，海康并不重点推广算力为主的产品，我们通过提升产品的性能和匹配一定的处理能力来增强产品竞争力。我们含GPU芯片的产品非常少，主要将这些芯片运用在算法训练上，我们的用量并不是长期持续、源源不断的需求。因此，有一些存量能维持一些算法训练的需要就够用了，总体来说影响不大。

对于中长期的发展，美国10月7日发布的管控新规，会从算力的角度限制中国人工智能产业的持续发展，这是对整个高科技产业的限制，中国企业都不能幸免。因此这个问题需要中长期能够突破限制，需要产业参与方做更多的努力。

Q：现在的竞争格局是怎么样？海康三季度利润下降30%，有些友商下降更多，竞争格局是否有变化，怎么看未来几个季度的毛利率的趋势？

A：净利润的负增长主要归因于：一个是经济下行带来的需求疲软，一个是疫情封控带来的区域流动性的限制，从而导致业务开展受限，对于竞争格局并没有带来大的变化。追溯更长的时间来说，从安防产业到现在智能物联的定位，过去大概五六年的时间，整个产业是非常热闹的，既有大的IT企业或者互联网企业加入，也有在算法技术层面比较领先的创业企业进入。这个阶段大概经历了5年的时间，现在这个产业格局应该说可以看的比较清楚了。

对于IT企业、互联网企业，可能安防业务太过碎片化，比较难有好的抓手，也难以在短时间内有好的产出，所以这块业务被边缘化、被淡出。以单个技术领先的创业公司，从产业的价值链来说，单一某项技术可能太过单薄，不足以支撑价值变现，因为变现就是需要用户买单，对于用户来说不是在为技术买单，而是在为解决的问题买单，所以从价值链的角度来说，需要一个比较厚的业务作为基础。

目前看到的产业竞争格局是在改善的，当下遇到的困难和挑战主要是来自于宏观环境，所以我相信随着未来宏观环境变好一些，我们和友商都会有改善。

Q：市场比较担心明年全球宏观经济放缓，大家对人员的增长都会控制得比较严，请问公司在人员增长和费用方面的规划？

A：在制定人员编制和费用方面的规划时，我们会考虑到宏观经济放缓的情况，在宏观经济没有出现明显好转之前，我们现阶段的策略是不扩张。

从费用开支的角度看，今年在人员上的投入包括新员工招聘、员工薪酬调整，基本上在3-4月份就完成了，所以不扩张的策略对当前的报表可能没有很直观的改善。具体到人员数量，按 42000人计算和控制，策略持续到明年，明年人员增长的费用压力会小很多。

从人才竞争的角度看，过去几年一直持续到今年初，整体人才竞争处于比较激烈的状态，今年上半年开始，各行各业都感受到压力，校招、社招的竞争情况都在趋缓，人才获取的节奏、招聘的成本都有所缓和。往明后年看，我们在人员开支方面的压力不会继续被迫增加，公司主动性会大大增强。

Q：现在市场上信创板块非常热，包括国产PC、服务器、打印机等，请问这些产品是否已经是公司PBG的主要业务？如果公司已经有相应产品的话，在这些产品上公司现在的竞争力是怎么样？

A：这不是公司的重点核心业务，公司还是立足于去做全球化的、通用型的业务。信创业务比较有特点，可能少量涉及，但不会作为重点核心业务。

Q：公司存货的金额三季度环比二季度出现了下滑，整体趋势出现了较见的逆转，请问公司在库存方面有那些考虑？考虑的核心指标是哪些，是库存的周转天数、还是说只要能买到的就先去采购？

A：三季度末较半年度末，公司存货有些下降也正常，存货除了原材料，还有半成品、产成品，会随着销售卖出而减少。

中长期来看，原材料库存的策略和大方向，短期不会改变，因为外部的压力没有改变，包括10月7日美国的贸易新规。大部分高科技公司对于芯片可能都会有担忧，都要去应对外部的的不确定性。没有库存缓冲就少，缓冲少对企业经营来说压力就会特别大，这是当下外部环境的不确定性增强导致企业为了适应这种变化而不得不做的策略。

对海康来讲，我们的现金比较充足，即使备货，也不至于对整体经营有大的现金层面的压力。关于原材料库存，我们不是只考虑哪个单一的维度，库存总量我们会看，细分的、具体的某个物料库存的数量也会看，还有不同物料库龄，也会根据市场供给的变化去做调整，所以库存一直是动态管理的。我们有一个专业的团队，有一位非常资深的高级副总裁专门在负责，动态地综合地来做库存的管控和调整。

Q：关于下游需求，感觉热点细分领域还是有一些政策和资金的支撑，除了比较明确的、表现比较好的交通管理、车辆管理、教育信息化等领域，请问公司有没有看到其他比较热的、需求比较确定的领域？

A：这个问题比较难回答，我们布局的业务，从业务战略来讲，都是我们认为具备比较好的发展空间和前景的。

海康布局的细分行业特别多，面上是分成PBG、EBG两个事业群，具体差不多有70多个细分行业，每一个细分行业规模虽然说不一定大，但都有自己的需求和特点，我们过去确实是通过每个行业捡芝麻的方式，不断地把行业做大。现在要去抓细分行业的热点，去抓哪个行业需求更确定、更景气，其实是比较难在非常短的时间里面押中的，更多的还是中长期的布局。

海康的业务基础非常扎实，底层感知技术比较全面、有3万多种型号的硬件产品、有200多款软件，在这个组合的基础上，不论某个行业的需求如何变化，都可以通过产品和软件的组合来提供满足这个行业需求的定制化解决方案，这是海康的竞争力。

以不变应万变，我们的确定性是比较大的。因为我们的业务分布比较散、基数也慢慢做大了，现在因为宏观环境、疫情等因素的影响，导致很大一部分的业务预期没有办法如期兑现，这是导致我们的收入增长不足的原因，而不是因为我们在需求对标上出现重大的偏差。

Q：能否介绍一下汇率波动对公司有什么样的影响？

A：三季度美元汇率波动对公司汇兑损益的影响不那么显著，一方面是因为我们现在美元资产相对以前要少一些，我们在控制美元资产的数量；另外一方面，其它的外币资产，包括欧元、英镑等，同比美元都贬值比较厉害，人民币也在贬值，所以汇兑损益就不明显了。

汇率波动大对海外业务影响是比较大的，比如欧元贬值导致购买力相对美元降得比较厉害，在一定程度上对我们在欧元区开展业务会有一些不利的影响。

Q：前两年公司对于业务的定义是各个省、各个市、各个区和县都有属地化、定制化的特点，这里我主要指的是PBG和大型EBG项目，那么这样的情况下海康可以发挥比较好的渠道优势，包括精耕细作捡芝麻的竞争优势。关于这个问题想请教一下黄总，往未来两三年或者更长的时间里，从项目角度上来看，客户端是否有更大联合体出现的趋势，比如说整个省的统筹力度加大，或者几个相邻的区县一起做项目？

A：理论上这种可能性也许有，但是概率小。因为地方政府的治理头绪是很多的，每一个治理维度需要解决的问题不太一样。您刚才问的这个问题也是过去有一些大公司所说的，所有数据往上统、所有业务一把抓的假设。为什么中国的行政区是分为省、市、区、县，再到下面的街道或乡村，因为大量的基层治理是在街道、区县、乡村这个层面就解决掉了，往上的行政机构要落实很多国家政策导向的事情，一些更大的事情，像筛子一样，颗粒越筛越大。小事情到上层去解决，效率是低的，听得到炮声的地方不能呼唤炮火，那么这仗就没法打了。基层治理要解决颗粒度比较小但是发生频率很高的事情，这些事情到更上层的管理部门的话，意义不大。在这个基础上面，我们来讨论联合体是否会出现，就要判断是哪一方面的联合体，如果说是针对某些特殊属性的业务，也许有可能，但是如果是针对常规的业务，那么可能性不大。

对于海康威视来讲，我们构建组织的时候，面向的是比较常规的或者是大概率会发生的事情，而不是专门针对偶然的或者是有一定概率才会发生的事件。这些年来看，海康不断的做区域的下沉，这个下沉让海康有了坚实的业务基础。海康大概一天有1万个左右的订单，每个订单可能有40多种产品，一天就有4000-5000个批次，从生产的角度来说是非常碎片化的，也意味着我们的业务需求非常分散。这样的业务形态可能会比较异类，因为大家通常觉得公司的规模化效应要强，肯定还是要做那些通用性很强、标准化高、规模很大的业务，那类业务我们把它叫做大品类业务，现在全球做得好的大企业，绝大部分都是这种大品类业务，但是海康没有这个能力竞争这种大品类业务，这类业务需要丰厚的资本和丰富的人才。

海康从成立开始，我们走的路线就是小品类、碎片化市场，在这样市场当中，我们不断的去摸索，让自己的组织跟这样的业务去匹配，碎片化也是好业务，只是干起来比较辛苦。

Q：海康提到在开展业务时会分层分区，但是从技术标准或者说产品的联通性上是可以打通的吗？比如说不同的区域可能用不同的品牌或者不同的产品，技术上是可以打通的，还是说它的接口标准等各个方面都不一样？

A：其实最近这些年被大家提到说产品打不通的情况已经越来越少了。像海康的产品，我们一直都是兼容别人的产品的，因为从竞争或者从商业的角度来看，没有任何一家企业可以通过自己做标准或者通过自己的接口把别人卡在外面这种方式去竞争的，不太符合市场利益和用户利益。您担心的这个问题应该说目前是不存在的，更多的还是要回到产品的性价比，性能、质量、稳定性、还有服务支持等等这些方面，通过产品的竞争优势。

Q：如果说浙江省某个县里发生了一个比较重要的事件，省里关注到了，那么基于当前的技术布局和产品的架构特点，省直接就可以把县里的数据调到省里去分析一下，不存在接口技术标准的差异问题，当前已经解决了这个问题是吗？

A：您讲的其实还不是硬件的问题，其实是某个前端设备产生的一些数据，到更高一层管理部门，他们想要看到这些数据的时候，能不能获取和打开、加工处理。您担心的问题很少存在，因为在底层技术标准上几乎都是共通的。再加上这几年国内的数字化建设，很大方面已经打通从基层到比较高层级的管理部门之间的信息传递、数据传递的路径，所以这些问题不是主要矛盾。

Q：海康提到在海外的两极策略可能会更加明显，公司是如何根据发展中国家的现状来判断策略的？未来2-3年内的具体规划是怎么样的？

A：这个两极的现象并不是因为海康的策略导致它成为两极，更多的还是各个国家不同的文化、不同的取舍导致走向两极，我们接受这样结果。对于海康来说，我们过去一直在推行“一国一策”的海外营销策略，“一国一策”的原因是每个国家的经济、文化，或者说对产品的接受度，以及对不同管理方式的接受度都会呈现差异。

监控类的产品是从西方发达国家发展起来的，现在中国的模式，其他发展中国家的模式，都是在学习借鉴西方走过的路。到目前为止，应用模式跟过去没有发生本质的变化，逆全球化趋势起来之后，国家之间没有在全球化的状态下那么和谐了，有些业务的开展不完全依靠商业逻辑和商业竞争，而是有更多的政治层面、舆论层面的取舍，或是一些贸易限制，导致呈现两极的状态。

对于发展中国家来说，起步晚一些，国内的治安防控、经济建设都要晚一些，因而存在比较大的可为空间。到目前为止，我们是顺着趋势在往前走，“一国一策”的策略让我们具备更多的灵活性和定制性，能够适应各个国家的需求和变化。

Q：发展中国家的很多需求会比国内来的晚一点，过去可能还是以硬件的设备销售为主，近些年在打包项目这一块的渗透率上是否有提升？未来怎么样去判断硬件设备销售和打包项目这两块业务的发展节奏？

A：海外总体来说还是以卖产品、卖硬件为主，发展中国家会有一些项目型的需求，总体硬件还是占大头。项目的收入有所增长，但项目也还是以产品为核心的。

Q：今年净利润的预期是跟2020年持平。公司是基于什么去判断的？包括对于明年的利润展望，您方便跟大家讲讲吗？

A：从半年度到三季度，公司的净利润一直都呈现负增长的局面。净利润负增长主要是因为收入增长不够，费用开支又比较刚性所导致的。过去我们跟投资者交流的时候，主要是讲收入的增长预期，不太讲净利润的增长预期，在现在这样的特殊背景下，不仅是收入指标重要，费用开支也需要管控，确保收入、费用及各方面成本增长能够相对比较匹配，所以这次给的是净利润的预期和考虑。就2020年和2021年的经济大环境来说，我们觉得可比的还是2020年，也比较简单，没有其他特别深的寓意。

展望明年，现在这个时点我们比较难给预期，我认为明年的情况会好转的，一旦好转无非就是好转的速度快慢的区别，快一点可能是一个局面，慢一点可能又是一个局面。但是只要它好转了，对于海康这样的公司来说，我相信我们的优势就会比较明显的发挥出来。“二十大”的整体策略都明朗了，大家就会比较安心去投入、去做发展、做建设，所以对明年我还是偏乐观。

Q：从最近披露的财报能看出企业面临的经济压力都非常大，在这样的外部经济压力下，二级市场也有波动，不知道公司就创新业务的上市节奏上会不会慢慢放缓？

A：目前我们还是在按原计划在推动，有句话叫人算不如天算，要把握好这种节奏是比较难的。对于海康来讲，目标导向，就这么往前走，好点差点都正常。

Q：海外业务出现了两极，从前几年来看，海外业务带动的增长还是比较强劲的，明年包括今年年底海外的增长趋势大概是怎么样的？

A：今年还剩下两个月了，整体是增长的，但是可能会出现前高后低的情况。往明年去看，有很多的不确定性因素，其中最大的不确定性因素就是欧元区和北美的一些政治或者是一些国家关系上的变化，还有通胀压力，这些都属于比较大的宏观环境的话题。对于海康自身的规划来讲，我们能够影响的余地很小，现在比较乐观的还是刚才讲的，发展中国家现在的增长还是比较不错，如果发达国家的市场能够稳一稳，海外应该说还是有比较大的作为空间。

Q：AI转型未来是海康的第二成长曲线，BIS现在对高性能芯片有一些限制，现在每年的高性能芯片大致的采购额度有多少？未来怎么样去应对？

A：我们过去进口的高性能芯片主要用于算法训练，训练的需求是比较有限的。对于公司业务的发展来说，我们实现的智能化需求，不是基于巨大算力的基础上的，不是像超算中心或者数据中心这样的需求；我们要解决的，举个非常简单的例子，是门禁卡口、车牌识别，只需要有一点智能，让算法能够识别出车牌号的能力，不需要算力非常大的高性能芯片支撑，目前国内很多的芯片对我们来说是可以满足需求的，我们的压力没有那么大，跟公司的业务定位有关系。

Q：创新业务都在独立上市，这个过程中会对母公司产生什么样的影响？是不是随着新业务独立上市，母公司会被削弱，甚至空壳化？

A：海康是国有控股企业，2010年上市之后，团队越来越大，但缺乏激励的资源。从股权激励的角度，要留住一个好员工，让员工能够在体系内进行创业，需要一整套机制来支撑，越大的公司越没法随意，尤其是国有企业。

我们想做这样的激励机制，审批起来特别的复杂，整个过程沟通了很多年。大概到2015年，国务院国资委和中国电科允许海康去做试点尝试：如果能从0到1做起一块新业务，能不能给予员工更多的股权分享。这不仅是海康的想法，那些发展的好的企业，互联网企业、高科技企业、美国企业、西方企业，都是用激励机制来支撑的。让员工和企业能够在同一个利益目标的驱动，实现利出一孔和力出一孔，意思是利益出自一个地方，力气也是使到一块去，来达到效果。

所以我们构建员工跟投机制，对员工实施的不是激励，而是投资，从2016年开始组建创新业务子公司开始，是同股同权的投资方案。走到现在，这些创业公司逐渐做大了。我们不能只是事后倒看，还是要回到本源上去看机制的合理性。创新业务继续并表，不仅激发了员工的拼搏奋斗，海康作为母公司得到的也更多，这是第一点。

第二点，我们新业务独立上市最初是解决员工股权的变现问题，随着中美科技竞争的压力变大，尤其针对海康的制裁一定程度上也对子公司产生负面影响，所以独立上市有助于这些新的业务独立发展，独立去面对自己的客户和市场，减少母公司的直接和间接影响，这也是第二个目的。所以对于单独上市，我们还是从比较积极的意义角度去看的。

刚才您讲到空壳化，可能更多的还是担忧海康威视母体未来的发展的动力和空间。海康走到现在，我们知道自己要到哪里去，智能物联是我们的业务定位，从基础的底层技术的储备、产品线的安排、产品业务的分布角度来讲，创新业务只是智能物联的一部分特殊的业务场景，绝大部分的业务场景都在主业这里，我们认为未来海康威视仍然有很好的发展空间。

另外，创新业务因为它的业务维度相对比较单一，在风口上的时候，大家看到的都是他成长的比较快的那一面，但是大家也要想到它也会有发展瓶颈，创新业务也不是只有单发展好的影响，也会遇到挑战的。

综合来看，关键还是在智能物联的主业方面，我们认为未来有非常大的发展空间，我们还是非常有信心的。

Q：EBG方面，公司有没有跟大企业客户签订一些长期发展的战略协议？

A：我们一直在跟许多行业的头部企业合作，公众号上不断能看到徐总或者行业线的总经理与其他公司签战略合作协议，都是正常的商业合作，未来这种模式会持续走下去。

Q：三季度销售费用率也是有较高的增长，是否因为在面对SMBG碎片化的市场的时候，公司在销售有更多的布局？

A：销售费用率的问题，主要是因为收入规模的增长不够带来的销售费用的被动提升，如果销售规模能够增长的如我们的预期，费用看起来会比较正常、平稳。雷峰网雷峰网雷峰网

2022年上半年，实现总营收140.87亿元，同比增长4.31%。实现归母净利润15.20亿，同比下降7.51%，若扣除 零跑投资损失2.09亿元的影响，归母净利润同比下降4.36%。

国内业务，实现营收72.96亿，同比下降6.19%，其中，ToG业务收入20.30亿元，同比下降6.92%；ToB业务收入35.39亿元，同比下降1.59%；其他业务收入17.26亿元，同比下降13.66%。

具体来看，3-5月上海等多地疫情态势严峻，导致各地防控力度加大，商务活动受限，部分项目延期。进入6月，疫情整体形势有所好转，人员流动和商务活动逐渐 恢复正常。To G业务中，随着国家加快推进重大工程项目建设，稳经济各项政策进一步落 地，下半年经济有望继续保持回升势头。ToB业务中，结构化特点显著，其中能源行业对数字化需求表现刚性，医疗卫生行业的增长也相对稳健，但传统建筑、金融、工商企业等行业承压。

海外业务，上半年实现营收67.91亿元，同比增长18.56%，依然保持较快增长，得益于公司深耕海外多年，不断推进业务本地化策略，完善全球供应链和各项配套体系。

创新业务报告期内，实现收入16.86亿，同比增长40.84%，占总营收比重达11.97%，占比逐年提升。上半年，民用市场、汽车电子均实现了快速增长， 机器视觉与机器人虽然受到疫情影响，但相较主业也有稳健的增长，创新业务已是公司重要的新动能。

其他财务指标方面，上半年公司毛利率37.51%，较去年同期下降3.91%。其中运费变更至成本项，影响毛利率1.61%。信用减值损失2.27亿元，同比去年有所下降。现金流方面同比较弱，更多是因疫情带来的冲击。

报告期内， 公司继续保持高强度的研发投入，研发费用达到15.63亿元，营收占比11.10%。同时，公司不断优化研发资源的布局，8月启用的西安研发中心产业园，承接了公司部分平台软件、行业应用软件、硬件产品、大数据开发业务，利用中部的区位和人才优势，未来将逐步发展成可支撑万人规模的技术研发、营销与服务中心，为中西部客户提供全方位、便捷高效的服务。

软件业务方面，公司上半年实现收入6.02亿，同比增长9.25%。公司成立了软件经营委员会，通过制定软件业务经营策略，促进中后台和一线高效协作，提升软件项目端到端的运作能力。同时，上半年公司对业务端到端流程中的各环节进行重新审视和调优，优化流程运作机制，提升业务效率和项目履约风险控制能力。此外，公司的新总部园区、西安研发中心、长沙智慧物联终端制造基地也于近期投入使用。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

1、上半年G端下滑比较大，三季度以来恢复情况如何，如何展望下半年，能不能实现B端和G端业务增长？

上半年国内板块表现受疫情、宏观经济等因素影响，很多行业发展承压。政府财政收支减少，部分项目延期（包括政府评审周期拉长）。相应的企业端的客户也会受到影响，投资信心减弱。比如公司的智慧建筑板块就受到房地产市场下滑，表现相对较弱。

另外， 公司十分重视高质量发展，集成项目明显下降。除了成都和西安落地的投资带动项目以外，已不做非战略性的主动集成业务，希望和合作伙伴共同成长。

但公司也看到，围绕十四五规划的数字政府、智能制造，绿色低碳等方面，仍有商机呈现，公司努力优化资源投入产出比。同时，公司也在不断拓展以视觉为核心的智慧物联行业方向的新产品和新解决方案，包括全感知的延伸，智慧用电的解决方案，新能源行业解决方案等。另一方面，公司持续深化生态合作，拓展行业销售边界，和多家细分领域的头部公司达成战略合作，形成技术能力互补、销售管道互通，携手在更多细分行业渠道加载产品与方案，增加销售产出。三季度以来，国内需求还不是特别旺盛，逐步恢复、改善中。期待下半年国内业绩可以逐季企稳、回升。

2、上半年创新业务增速非常亮眼，能不能详细谈谈各个细分创新业务的情况？

公司非常重视创新业务的发展。创新业务的成立，是为了更好的实现公司体系下的专业化分工。我们希望从零到开始，未来做大做强。通过股权设计，激励员工，共享成长果实。上半年公司实现创新业务收入 16.86 亿，同比增速 40.84%。

细分来看，除乐橙、华睿、 华锐捷稍具规模，其他创新业务规模较小，比如智慧消防、智慧安检等还在孵化阶段。

乐橙方面，上半年实现了 50%以上的增速，未来可期。报告期内升级发布了带屏幕的视频锁、第二代扫拖一体机器人、Wi-Fi6 路由器、智能照明等智慧终端新品。就扫地机器人来说，第一代扫地机器人已在海外销售，第二代产品也具有独特优势，运用了最新的技术，通过视觉自动识别物体。公司全面布局乐橙安防、乐橙机器人、乐橙照明以及乐橙互联四大产品体系，围绕 N 种使用场景提供多元化解决方案，让用户在家庭场景和小微商业场景中都能够获得更加便捷、高效的智能化体验。

华睿方面，今年在汽车、屏显、锂电行业有较大突破，但上半年仍受到宏观经济、疫情、企业客户投资能力下降等因素影响，增速总体稳健。数智化是大势所趋，下游客户可以实现缺陷检测、高速扫描等功能。通过智能化手段，提高降本增效。

公司还加大了物流机器人的推广，以项目制的形式推广给有需要的企业。在公司的富阳生产基地，从进料、半成品运输到最后的智能配送，物流已实现了全面无人化，未来在 3C、屏显等行业前景较大。

同时，在机器臂类的产品中，视觉作为强大生产力，可以在智能制造里发挥更大的作用。华睿还将持续拓展海外分销渠道和集成商体系，聚焦锂电、光伏、汽车等行业，深耕行业场景的典型应用，解决行业客户需求和痛点。随着品牌成功入围行业头部企业，头部企业效应也越来越来大，未来将和设备商、集成商等合作伙伴一起，为行业客户提质增效。 下半年期待华睿可以实现更好的增长。

华锐捷方面，上半年实现了快速增长。未来会把传感作为一个主攻方向，我们可以看到，目前零跑 C11 上有很多的传感器，特斯拉也主要靠视觉来完成自动驾驶方案。华锐捷的传感器和辅助驾驶系统等均会往前装方向去走，在乘用车领域，重点攻关 L2.5+智能驾驶系统技术与产品，已具备导航辅助驾驶与远程泊车等特征功能，并量产运用；在商用车领域，根据行驶记录仪以及全景环视系统新国标发布节点，形成商用车辅助驾驶解决方案并得以应用；在消费类领域，上半年连续发布两款 To C 行车记录仪。前期通过和零跑的合作和打磨，让产品更适应市场需求。目前，公司已获得多家乘用车和商用车主机厂供应商准入，同多家主机厂展开了项目合作，下半年陆续有项目量产交付。

3、软件业务快于主业增长，后续的规划如何，下半年如何开展？

上半年，公司软件业务收入实现 9.25%的增长。但规模仍然较小，仍未达到公司预期。有较多客观原因，比如 ToG、ToB 业务上半年承压等。目前，软件是公司非常重视的业务。在解决方案里面，软件价值已经越来越大，发挥的成效也越来越明显，可以带动硬件的销售。后续，海外业务从分销拓展到集成商业务也需要软件提供强有力的支撑，所以当前重视软件与过去重视人工智能一样重要，后续仍需要加大在软件方面的投入。公司对产品研发和一线服务的组织不断升级，前置软件研发人员，提高销售端对软件的重视，强化一线软件服务收费意识。同时，努力开拓软件生态客户，一方面打造数智物联开放生态体系，推进建立软件生态合作管道，基于物联数智平台底座，面向软件生态合作伙伴开放标准接口。另一方面，构建软件生态培训认证体系，建立培训赋能机制，通过具体项目建立长期合作方式，形成联合方案快速切入细分领域市场，进一步提升客户粘性。最终希望通过软件来提升产品和解决方案价值，带动整体销售。

4、公司上半年海外业务发展还是不错的，具体有哪些经营举措？如何展望下半年的情况？

公司在海外的本地化战略非常明确，逐渐在向本地化员工转型。海外的业务很复杂，涉及到的每个国家文化、法律等情况各不相同，所以公司现在五十多家海外子公司 80%以上的员工是本地员工，基本完成了本地化员工的转型。可以看到在我国改革开放初期，外资企业雇员和管理层大多数都还是外国人，但现在中国市场上的外企，无论是中国区业务总经理还是销售、技术支持，大多都是中国人，本地化是一个非常重要的趋势。尤其在销售、技术支持方面的业务开拓，本地化员工会更加适应。

其次，在渠道管理方面已经发展到 3.0 阶段，从一级代理的覆盖和管理，到二级、三级管道的流向、流量、流速，主要关注 sale-out 问题，真正要求把产品用出去，而不能在流通环节大量消耗。同时，地区也在持续下沉，以片区制延伸到其他地区，海外分销不断深化升级。

同时，公司非常重视海外新产品的加载，目前视觉产品占比还是比较高，未来要加载更多诸如会议白板、显控、楼宇方面的智慧物联类产品。目前在国内成熟的新产品，都要在海外进行推广复制，同时挖掘、加载新的管道。公司今年加载了新产品的考核，期待新产品业务在海外的快速发展。海外集成商管理是重中之重，公司的集成商客户占比也在不断上升，今年也将作为公司的重要考核点。公司在海外直接去做大项目的可能性相对较小，主要还是要与大量集成商进行合作，公司以前的分销模式主要是小项目，通过集成商项目颗粒会更大一些。集成商业务合作模式对公司也是一个挑战，不再是单一售卖产品，需要一个综合的支撑体系，需要考虑公司的产品和方案如何有益于项目的整体实施，以及软件交付、集成交付的配合，这涉及综合能力的持续升级。

公司上半年海外业务同比增长 18.56%，业务占比有所提高。做的好的区域比较多，比如亚太、非洲、拉美、中东区域的业务机会点较为明确，但也有增长相对薄弱的，比如俄乌战争黑天鹅事件发生后，相关地区的影响比较大，另外在北美方面也受到一些负面影响。

往后看，海外业务需要继续面对区域因素、通货膨胀等客观情况，但全球市场广阔，机会和挑战并存，长期看依然具备增长潜力。

5、三季度以来，中移合作进展如何，以及对中移定增落地的展望。

与中国移动的战略合作，公司更看重在业务上的合作共赢，将资本作为纽带，更好的助推业务方面的合作。中国移动上半年业绩表现强劲，企业业务、云业务、家庭业务均实现了较好的增长。上半年公司与其合作订单、商机金额的增速都达 40%左右。特别在集成业务方面，通过渠道互通，实现了较快增长；在家庭市场上，结合智慧家庭场景，公司的摄像头/路由器/智能锁等产品持续出货；在研发上，双方联合成立了创新实验室，构建智慧安防 OS 能力，并与移动政企、中移物联联合打造中小企业 AEC 全连接方案。通过各环节的打通，实现互利共赢。目前，双方合作还在不断深化过程中，还未从量变到质变的阶段， 合作规模还有待更大体现，公司下一步将继续加强双方多领域合作落地。相关定增事项已获证监会批文，未来将择机推动发行。

6、公司上半年在内部高质量发展和经营效益的提升方面，有无新的管理举措？

公司非常重视高质量发展。过去大项目的回款能力整体较差，现在的坏账计提更多是历史遗留问题。业务转型到智慧物联后，坏账的问题已明显改善，业务更加良性。另外， 公司也希望人均效益可以不断提升，受到客观因素影响，加上去年公司增加了较多人员， 导致上半年人均效益指标是不理想的，这也是后面要努力去提高的。公司在研发、销售等方面都是以高绩效为导向的，目前经过三年的财经投入，可以实时看清楚每条产线、每个省区、每个人的业绩状况，量化管理，优势地区可以加大投入，强化产出。

7、公司中报提到“持续优化营销网络建设”，公司目前在业务下沉策略的执行上有哪些进展？

国内业务也在不断下沉，发达的地区可能会覆盖到区县一级，但乡村这一级的覆盖主要还是依靠合作伙伴，所以和移动的合作是一个理想的选择。移动有几十万的网格员，销售网络可以覆盖到乡村一级。另一方面，公司今年也在调整结构，以效益为导向进行覆盖，下沉动作在各地区会有区别，根据各地区的业务情况而定，所以下沉并不是全局性的，而是结构性的，在发达地区可能会下沉力度大一些。

8、公司去年人员持续增长，但今年费用增速并不快，具体是什么原因？如何展望公司今年年底的人数水平？

公司去年的人员增长确实比较迅速，在去年年报已经体现，今年的情况下，公司在离职补员方面会认真考核。公司关注点在于调结构、投重点、提效率，对重要岗位、重点区域依然保持开放。另外，由于准则的变化，21 年年报起，运费由销售费用调至营业成本列示，导致今年费用增速表观看起来较低。关于全年人数水平，公司上半年人数相较去年底依然有所增长，预计年底人数同比 2021 年仍然会有增长。

9、上半年毛利率有一定压力，除了运费科目调整影响外，还会受到供应链的影响或者竞争加剧的影响吗？

毛利率中，运费计入成本端影响毛利率 1.61%，若同口径相比，整体毛利率同比下降2.3%。分业务板块来看，海外业务毛利率整体略有提升，国内业务受到宏观承压、竞争加剧、产品结构等因素影响，毛利率有所下降。下半年，公司希望通过管理与管控，使得毛利率总体保持稳中向好的趋势。

10、上半年零跑的计提损失是多少？目前零跑每月交付量增加，公司也提高了关联交易额度，如何展望下半年零跑计提情况？

公司上半年计提了零跑的投资亏损 2.09 亿元，去年同期 1.65 亿元，略有扩大。判断下半年计提亏损可能会有所下降。一方面，预判零跑的亏损额在四季度会下降；另一方面，近期证监会已经核准零跑在香港上市，随着零跑上市进程推进，大华股份占比会进一步下降。

11、公司二季度库存有明显回落，公司对库存管理有什么看法？如何展望上游供应链及下游需求？

去年供应链整体情况供不应求、发生挤兑，但从去年四季度开始，特别是今年上半年，上游元器件整体降价，公司库存也相应下降。公司上半年持续消化去年的一些库存，在保证供应链稳定，及时交付的同时，库存水位有所下降。目前，市面上元器件价格大多都在下行，有些有些降价幅度较大，上游厂商存货也比较充足，供应紧缺情况已经有了很大的缓解。同时，降低库存对公司的成本下降、未来现金流改善都有很大帮助。

12、公司公允价值变动近期保持净收益，主要是什么原因？

上半年公司公允价值变动损益有比较大的正金额，主要是公司投资了思特威，公司按照其 6 月底的股价确认了公允价值变动。雷峰网雷峰网雷峰网

这是弗吉尼亚理工大学的机器人专家专门为美国海军研制的船载自动消防机器人，也是机器人首次被用于救火。

SAFFiR具备几项关键能力，它可以借助双摄像头看路及四处行走，通过激光传感器测量物体间的精确距离，以及用热成像照相机寻找火源。

SAFFiR的实战演练，让世界第一次直观感受到消防机器人在火灾救援中的价值。

消防员的「金刚替身」

消防员，是和平时代最高危的职业之一。

仅过去四年，就有111名消防救援人员因公牺牲，而他们的平均年龄只有28岁。

烈火、爆炸、高温、浓烟、毒气、缺氧等普通人一生中都难以遇到一次的极端环境，却是消防救援人员工作中面临的常态。

根据应急管理部消防救援局最新发布的数据，仅今年上半年，全国就接到96.2万起火灾报警事件。

频繁发生的火灾事故，瞬息万变的火灾现场，即便消防员们身经百战，也难保万无一失。

我国对消防机器人的重视，开始于上世纪九十年代的863研究项目，2002年该项目下的“履带式、轮式消防灭火机器人”正式通过国家验收，填补了我国在消防机器人领域的空白。

随着经济的发展，各种油品燃气、毒气泄漏爆炸、隧道、地铁坍塌等隐患丛生，急、难、险、重的恶性火灾现场越来越多，全国要求配备消防机器人的呼声高涨，各地出台的消防事业十三五规划中，相继将消防机器人列入采购清单。

消防机器人的出现，能够真正代替消防救援人员进入“人不能及，人不能进，人不能为”等极度危险的区域，保障消防员安全的同时，也极大提升消防救援的效率。

浓烟与高温，是消防机器人面对的两大挑战。

在浓烟滚滚的火场中，看得清、看得准，是消防救援成功的关键。

消防机器人由于搭载了红外摄像头及热成像系统，可以精准分辨火场环境，探测周围的有机生命，并在第一时间将“看到”的信息传递给指挥中心，辅助指挥中心制定下一步应对策略。

深入核心高温火场，对起火点精准灭火，是高效完成消防救援的另一大关键。

传统消防机器人，由于不具备耐高温能力，只能在火场外围辅助消防员执行任务。针对这一痛点，国内的力升高科研发出一款能够深入火场高温危险区域的“耐高温消防机器人”，这款机器人可在一千摄氏度的大火中，持续工作三十分钟以上，消防员只需在远离危险的区域，下达操作指令即可。

从火场外围，到进入火场中心零距离灭火，得益于整套耐高温系统性技术，包括耐高温防护技术，耐高温视觉监测技术，高温通信技术等。

随着研发进程的加快，消防机器人越来越智能化，并且从轮式、履带式消防机器人，扩展到了足式机器人。

传统的履带式机器人，上可爬坡，下可涉水，牵引力大，且不易打滑，是石油化工、特高压变电站、大跨度空间厂房、隧道管廊、港口码头等大型受灾现场的救火英雄。

但当面对易塌建筑、废墟、石碓等障碍物，以及楼梯、室内等狭窄空间时，体型庞大的履带式机器人只能束手无策。

前段时间，云深处发布了一款“绝影 X20-消防侦察机器狗”，从名字就可以看出，这款消防机器人没有沿用履带式的传统设计，而是采用四足设计，具有在狭窄复杂地形内自如行走的能力。

在智能探测上，云深处的四足机器狗被赋予了更强大的视力。

借助搭载的全景相机和双光谱云台，它既能从多个角度完整呈现现场全景，也能进行30倍变焦侦察远处微小的目标，还能穿透迷雾追踪热源。也就是说无论全景、远景还是被遮挡的场景，都逃不过机器狗的眼睛。

不仅如此，机器狗还可以通过搭载的旋转激光扫描仪，获取灾害与事故现场的高精度点云数据；通过搭载的深度相机与多线激光雷达，结合AI智能算法，实现动态避障，智能跟随，地形识别。

这些数据的收集，一方面为救援人员提供了宝贵的可视化信息，面对瞬息万变的火灾现场进行灵活部署；另一方面，也为灾后数据分析提供有力资料，具有灾前预防的教育意义。

让生命不再冒险，消防机器人落地刻不容缓

近年来，随着科学技术的持续发展，消防产业也开始朝着智能化、自动化方向发展。

2017年，国家公安部消防局发布《关于全面推进“智慧消防”建设的指导意见》，提出要从“传统消防”向“现代消防”转变。

2020年，消防改革后形成的应急管理部，进一步提出提升全国消防救援队伍应急救援和作战指挥的信息化、智能化、专业化，以适应“全灾种、大应急”实战需要。

国家号召下，众多企业躬身入局，消防机器人的市场随之扩大，从2017年的5.2亿元跳升到2020年的32.4亿元，年均复合增长率达到84%。

消防机器人的阵营也愈渐丰富，并呈现出集群化的特征，形成了防爆消防灭火侦察机器人、高倍数泡沫机器人、高倍数侦察机器人、消防排烟机器人、消防巡检机器人、消防破拆机器人等几大主要类型。

设备即是战力，性能决定成败，无情的消防战场，消防机器人战队能让生命不再冒险吗？

从理论上来说，这是肯定的，但从实际使用情况来看，未必。

雷峰网认为，一个事实是，我国消防部队配备的消防机器人，不仅数量十分有限，各地区还存在分布不均的问题。

当前，只有经济较为发达城市的消防支队，少量配备了消防机器人。至于专业性更强、造价更贵的高倍数侦察机器人、消防破拆机器人等，更是只会出现在少数消防总队的稀罕物。

另一个事实是，尽管消防机器人具备种种优势，但当前的消防机器人更多被进行预防演习和宣传活动，很少参与现实灾情，发挥实践价值。

配备数量严重不足，实践能力不尽人意，暴露出消防机器人产业存在的几个问题。

首先，技术成熟度不够。当前国内的消防机器人，大部分以进口为主，国产消防机器人的研发及应用，依然落后于欧美发达国，在灵活移动、自主探测、透视技术、人机交互上，还需奋起直追。

其次，造价高昂。消防机器人属于高科技产品，面对的是火灾这样有极大不确定性和巨大破坏力的场景。成本不菲，再加上损毁带来的高昂维修保养费用，让消防机器人的普遍应用成为难题。

比如日本第一支消防机器人部队“Scrum Force”，仅由4个消防机器人组成，花费却高达14亿日元。如此看来，消防机器人被拉上“演习”的舞台，而非“实战”的战场，看似荒唐，却也无需大惊小怪了。

再者，缺乏健全的管理机制。正是由于消防机器人的实际救援案例较少，发挥的价值有限，所以难以在实际应用中得到重视，从而进入一种怪圈。

效率与准确，意味着最大程度减少可能的牺牲与死亡。机器人的应用与推广，无疑将颠覆现有消防作战体系，可以带来战术战法的革新，丰富救援手段，提升救援能力。

“机器换人”已经刻不容缓，期待随着技术成熟、成本降低，消防机器人大批走进真实战场的一天。

视频中，一幕是插满国旗千帆竞发的渔船，一幕是实时海上渔船地图，标有“浙岱渔”编号的船只密密麻麻地出现在台湾岛附近，甚至有几个船只显示已登录台湾岛。

官方最新消息称涉事船名号和MMSI码非岱山籍渔船使用。

虽然并非真正登录，但看着视频中实时显示画面，雷峰网猛然意识到，印象中装潢简陋、设备老化，与“数字化”相去甚远的渔船，什么时候如此先进了？

雷峰网不禁好奇了下浙江出海渔民相关技术——“浙渔安”系统。

“浙渔安”系统是一套智慧化、数字化的系统，依托卫星宽带通信网、智慧渔港网和安全生产预警网，可以集成并升级多项渔业安全生产管理功能。

在今年伏季休渔期结束前，浙江舟山渔业部门为2400多艘渔船安装上了浙江省渔船安全精密智控系统。

出海渔民最需要什么设备？

细数历史上的海难事件，会发现大多数的不幸都源于深藏在大海中的未知，以及被大海切断的通信。

看不见、看不清、看不准，常常陷渔民于险境，与外界断绝的通信，则无情吞噬他们斗争的勇气，等待命运的最终裁决。

因此可以说，智能的监控摄像头、智慧的显示屏、良好畅通的通信，是承载渔民的生命之舟的重要部分。

从2022年起，浙江将在农村建设了十九年的“千万工程”项目，全面带向大海，意在架起一张无形的数字网络，改造出一批智慧化渔船，帮助渔船实现作业区域的自主防碰撞，以及将救助信号接收范围扩大到整个东海。

浙江是全国唯一渔船渔港精密智控建设试点省份，在海上“千万项目”背景下诞生的“浙渔安”系统，正是为解决这些痛点而来。

事实上，今年因政治及军事因素而备受关注的东海渔船，并非第一批下海的智慧化渔船。

去年9月16日，第二十四届中国（象山）开渔节上，浙江发布并上线了全国第一个将系统性重塑渔船安全监管机制的数字化平台——“浙渔安”系统1.0测试版。

当时，象山石浦港内近2000艘整装待发的大马力渔船中，有200艘已经接入“浙渔安”系统，并且按照海上“千万工程”项目的最新标准改造一新。

“浙渔安”系统的核心离不开“三张网”：卫星宽带通信网、智慧渔港网和安全生产预警网，能在港口对不符合进出港条件的船舶、船员即时告警、快速处置，还能在海上智能识别渔船危险状态和船员危险行为，及时进行预警。

具体到渔业场景，分为渔船（船员）码、船上AI巡检、海上“斑马线”等13个子系统应用，以实现渔船安全生产的“全覆盖、全实时、全闭环、全协同”治理。

搭载了“浙渔安”系统的渔船，船身遍布预警摄像头，随处可见智慧显示屏，还能和外界保持良好的实时通讯。

安装在渔船各个关键位置的摄像头，会对渔船全程行为数据进行跟踪、分析和预警，以及实时上传云端后台。

在捕捉到船员未穿救生衣、驾驶舱无人值守等情况时，会自动触发警报功能。在渔船遇到险情如台风时，执法和监管部门可以根据后台信息，第一时间做出人工干预，指导渔船脱离险情。

安装在船头驾驶舱、卧室休息区的可触控操作屏，则可以帮助渔民掌握整艘船的运行情况，实时显示渔船具体位置，及当下海底障碍物等。

海上作业，保持通讯设备24小时开机至关重要。

以往渔船通讯主要通过单边带（短波通讯）、渔用对讲机（超短波通讯）、电话或短信（高频卫星通讯）三种方式，通话质量相对较差。搭载了“浙渔安”系统的渔船，通过卫星宽带通信网，可直接通过触控操作屏或者微信与外界直接通话，根本性解决了海陆互联互通难的难题。

如果说去年9月推出的“浙渔安”系统1.0，将海上渔船安全生产工作，推入了智治时代。

那么今年4月推出的“浙渔安”系统2.0，则在实用性、实战性、实效性上更进了一步。

升级迭代后“浙渔安”系统，呈现为“1+3+1+N”架构体系。

其核心架构体系是一仓三网：在三张基础网的基础上，设计构建1个渔业综合数据仓。

此外，还将原本的渔船（船员）码进行分别区分为渔船码、船员码，升级为1套“浙农码”；针对商渔船碰撞、自然灾害沉船两个最突出的问题上，开发了5个场景及与之对应的6个监管模块，形成“5+6”多跨应用场景。

上个月，为了确保此次渔民高效出海，安全回家，浙江省农业农村厅办公室又印发《关于做好“浙渔安”系统贯通应用工作的通知》，监督“浙渔安”系统的安装工作。

不可否认，面对不确定性极大的海上作业，渔民的个人经验至关重要，但这份经验常常需以生命为筹码进行等价交换。

“浙渔安”渔船安全精密智控平台，是用数字化对渔船进行重新武装，帮助渔民成为更加优秀的海洋捕手，也让他们更加安全、舒适地满载而归。

数字上渔船，一个重要但不能着急的问题

浙江位于我国东南沿海，拥有6486.24公里的漫长海岸线，为全国之最。

广阔的海域意味着丰富的海洋资源，天然的地理优势催生出大批以海为生的渔民，坐拥全国三分之一的渔船数量，让浙江成为当之无愧的“渔业大省”。

然而，浙江又是中国岛屿最多的省份，大小岛屿总计3000有余。

站在渔业角度，广阔的作业面积，复杂的通航环境，意味着海上渔船事故易发频发，同时安全监管压力十分大。

“浙渔安”系统的落地以及升级迭代，在渔船风险防控和应急救援保障上，为渔民上了一重安全锁。

“浙渔安”系统是海上的数字灯塔，同时也是浙江省数字政府“浙里安全”建设过程中的重要组成部分。

“浙里安全”是浙江省全省数字化改革中的一个环节，包括农业安全、网络安全、社保基金安全、住房安全等众多场景，涵盖了生产生活的方方面面。

根据观研报告网数据，2022年全国数字政府建设指数平均值为51.7，浙江省以73.4的建设指数，仅次于广东省，走在全国前列。

以海上数字化为例，我国共有9个沿海省份，但浙江至今依然是全国唯一渔船渔港精密智控建设试点省份，而其代表项目“浙渔安”的落地也才不过一年。

自古以来，渔业在我国经济生活中占有着重要地位，海上渔船事故多发，更是一个共性问题。

那么，为什么在产业数字化热度节节攀升的当下，渔业数字化进程又为何进展的这样缓慢？众多沿海政府却表现的“无动于衷”呢？

其一，海洋渔业信息化还处于萌芽时期，短板太多，难以一时补齐。

海洋环境相对于陆域环境，更加复杂、特殊，现有的人工智能技术、大数据技术等难以直接照搬到渔业，物联网感知设备问题、海洋通信问题、智慧渔业所需的跨学科人才等的建设与培育，均需一段时间。

其二，渔业资源分布不均，政府的财政分配侧重，影响了渔业数字化进程。

2021年全国GDP排名前四的省份都是沿海省份，浙江省排名第四位，然而排在前面的广东省、江苏省、山东省，其第一产业中的渔业资源都远不如浙江省。

其三，渔业从业者的困境，数字化设备需求不足，难以带动产业研发。

我国渔业从业者文化程度普遍较低，数字化意识不足，且多为小规模经营，经济实力薄弱，再加之老龄化严重等问题，使得诸如智慧视频等高端配套设备难以普及。

因此不难得出结论，我国海洋渔业的信息化，具有众多独特的难点与挑战，无法与陆域环境下的产业数字化转型等量齐观。

浙江省“浙渔安”系统的率先落地，尽管在信息系统互通、数据开放共享、数据资源利用率等方面还有待完善，但已经为全国的渔业数字化做出了积极示范。

而我们知道，当一个行业的领头羊出现的时候，后面必然会有一群羊紧跟而来。

投入与产出不成正比，是过去几年政府数字化转型的真实写照。

许多地方政府热衷于搞大项目，智慧城市、一网统管、城市大脑等此起彼伏，大平台、大数据成了标配。与之对应的是，动辄成百上千万甚至过亿的项目总额，以及至少半年到数年不等的建设周期。

客观来说，这些项目确实起到了一些成效，比如一网通办，将很多原来各部门独立的业务整合到一张网上，民众可以在APP或者办事大厅一次性解决问题，无需像此前东奔西跑，办事效率得到提高。

但从整体效能看，这些数字化、信息化建设，许多都只起着锦上添花的效果，而没有转化成政府的核心能力，仅仅是作为一种可选择的工具，对政府综合业务能力的提升效果并不显著。

一个典型的例子是，今年以来，疫情和自然灾害的反复，政府可采取的数字化手段很少，此前建立的系统要么不实用要么很难用，到头来还是靠人海战术、手工作业。

换句话说，花钱上的大项目，关键时刻掉链子，成了绣花枕头，好看但不实用，除了对外宣传比较亮眼之外，更多的是信息化能力不足以及形成的资源冗余。

这种费财（力）不讨好的数字化，正在从政府的需求清单中剔除，取而代之的，是针对某项业务难点而必须做并且能够带来显著实效的项目。

1、数字化是工具，重点在转型

过去一段时间，不少人对政府数字化转型存在一定误解，认为数字化转型就是利用各种新技术（大数据、互联网、人工智能）等来赋能业务，解决以往人工很难解决的问题，提高工作效率。

这种认知较为局限，仅看到了数字化的一个方面：利用工具解决问题固然重要，但如何在利用好工具的同时形成全新的思维模式，以实现对业务问题的解耦，才是关键。

好比一道几何题，需要用到尺子，能力一般的同学，用尺子能量长短、画直线以及各种图形，尺子扮演的是辅助性工具；但成绩好的学生，不单能用尺子作图，而且可以通过数形结合的方式来作答，这时尺子就变成了生产力工具，可以用来解决更多的题目。

在政府数字化转型过程中，如果将重点放在数字化上，那么政府数字化转型就会进入误区，即上各种大项目，用到许多新技术、新工具，就能解决问题，这种思维逻辑很容易造成跟风现象。

从前几年的互联网+、大数据，到这两年的人工智能、云计算，不少地方政府跟风追新概念，甚至连区块链、元宇宙等现阶段与自身业务八杆子打不着的新事物，也受到追捧，并为此投入不菲的资金，各种智慧城市、城市治理项目应运而生，还诞生了诸如旅游元宇宙这类奇奇怪怪的项目。

这些项目本身建设周期较长、金额大，并且需要极强的可持续性。而在一些地方城市，上一届政府领导在任时追热点投的项目，到了下一届政府，直接被叫停，然后追另一个热点，可持续性很差。

类似走马观花的项目并不少见，不但造成资源浪费，而且对业务能力的提升作用有限。

实际上，政府数字化转型，数字化仅是工具，重点在转型。

浪潮软件科技总经理张峰认为，所谓转型，不是单纯地建设几个信息化系统，而是以新技术为手段，在解决业务痛点的同时，对传统的思维模式进行革新，产生新的业务价值点，实现更高的管理、运营服务。

譬如电子驾照，除了本身是一项惠民利民工程外，更重要的是产生了新的价值点：类似电子凭证可推行到其他场景，提高办事效率，解决更多的民生问题。

一言以蔽之，政府数字化转型，技术并不占主导，关键是利用技术工具来提升综合管理能力。不少地方，热忱于追逐新技术、新概念，为此投入大量的人财物力，做各种大项目，实际上是本末倒置，到头来成效寥寥。

2、政府数字化转型新特点：更务实、更落地

前几年，由于理解不够深刻，一些地方政府对数字化转型缺乏全面认知，往往在信息化厂商提出新概念之后，政府便愿意买单，搭框架上平台，缺少对自身需求的梳理和技术的认知。

而今却有不同，从项目立项、招标，到验收，政府会做充分的前期调研，并对厂商的解决方案进行实际验证。只有能够解决实际业务问题，并且对整个业务能力有提升的方案，才能得到政府青睐。

“与之前相比，政府数字化转型的显著特点是更务实。”

张峰认为，在炒了各种概念之后，政府发现这些项目本身效果并不显著，并没有厂商宣传的那么华丽，因此在进行新的项目时，更为审慎、实际，不会如以前一样冒进，在已有前车之鉴的背景下，同样的亏不能吃第二次。

并且，疫情、自然灾害等突发事件的冲击，倒逼政府反思过去的信息化建设能起什么作用，出了哪些问题，也推动着政府更加理智地看待新技术、新项目。

除此之外，疫情期间，经济受到影响，政府财政预算缩紧，必须将资金投入到更多与民生切实相关的项目中，除非是刚需，否则很少有政府会花上千万甚至过亿的钱投锦上添花的项目。

因而，在内外因的综合作用下，政府数字化转型正「脱虚向实」，更注重实际效益。

政府数字化转型的另一个特点是，不再盲目崇拜平台。

“经过十几年的信息化建设，客户逐渐认识到，许多数字化转型工作并非靠技术就能解决。”张峰表示，政府数字化转型是多要素融合，技术只是其中一个方面，业务、数据、参与者、运营等都要考虑进去。

部分地方政府比较崇拜平台，认为上了大平台就能毕其功于一役，实现弯道超车，这其实表明政府对技术本身不够理解，很容易受到忽悠，兴致勃勃地上了平台，结果发现没啥用处，落得一地鸡毛。

随着技术的普及，政府对技术的能力边界也更清晰，平台并非万能，技术也解决不了转型中的管理问题、部门壁垒，需要把多个要素综合起来，才能发挥技术价值。

3、转型需要硬科技，也要软实力

TO G项目订单大，市场上除了传统科技公司，不少互联网企业凭借着技术实力，也参与其中，并且拿到智慧城市、城市大脑、智慧交通等超级订单。

这种「跨界行为」存在一个致命的弱点：对政府业务缺乏深刻认知。

尽管互联网企业本身强调要从业务本身出发，但政府并非开放系统，有其内在的逻辑，互联网企业以技术解耦政府业务的方法只能解决一部分问题。

举个例子，城市大脑、智慧交通等大项目，面临的一个问题是数据孤岛。互联网企业的解法，是利用各种技术（云计算、AI等），基于业务搭建技术架构、平台等，来解决不同部门之间的数据流通问题。

但实际上，所谓数据孤岛，本质上是部门之间的责任划分问题。部门数据共享的前提是责任、义务对等。换句话说，数据使用出现问题，到底该如何定责？这个问题搞不清楚，部门之间就不存在合作基础，而这本身依赖于政府体制机制的改革。

很多互联网企业做的智慧城市大项目，不论技术多么先进，但实际效果非常一般，归根到底，是没有理解政府本身的运作规律及业务逻辑，更多是注重技术本身、平台工具的智能化，但这并非差异化优势。

这也是一些互联网企业，在中标大额订单之后，只保留需要自身核心技术的业务，而把其他方面承包给传统厂商的原因。

在张峰看来，如果缺乏对业务、场景的深刻理解，再好的技术也很难对政府的业务能力带来足够的提升，这并不意味着对技术的蔑视，而是强调技术要基于业务，业务处于第一位。

互联网厂商的新技术确实带来了很多新变化，但由于企业基因限制，很难深入到政府数字化转型的具体业务之中。尤其是当城市治理变成一个系统性、全局性工程时，各部门之间、条政府与块政府之间的融合发展，仅仅依靠技术是完全不够的，在硬科技之外，还应该有「软实力」。

所谓「软实力」，是基于对政府业务的理解和梳理，形成一套可行的方法论，通过经验积淀，建立起业务方法模型，以将部门之间的业务内容进行固化，实现可复制。

也就是说，授人以鱼不如授人以渔，企业应该提供“菜谱”，而非某道具体的菜。基于菜谱，各部门可基于业务需求，做出适合自身口味的菜。

为此，浪潮提出了政府数字化转型“能力方程式 ”：

该方程式包含政府数字化转型的多重要素，并梳理了这些要素的关系以及对整体能力的影响权重。其中业务和数据是客观的，政府业务以及产生的数据不会因供应商变化而变化，但方法、技术和运营，则因不同的解决方案会有迥异的结果。

张峰解释道，数据和业务类似于生产资料，而技术、方法就相当于生产工具，政府和企业就是生产者和参与者，三大部分相结合就能输出完整的产品、服务，而类似服务需要长期生产者和参与者的长期运营。

而围绕着该能力方程式，浪潮还提供更具体的能力组件，包括GBK方法、数字体征工具能力、数字化平台等等。

以数字体征为例，即参考医学体征概念，通过对管理对象的体征进行定义、分析，及时体现政府整体或局部运行状况，从而对症下药，为政府社会治理提供决策参考。

“政府数字化转型没有标准答案，但有具体的方法和路径可循，只有对业务形成深刻的理解，才能更好地打磨出贴近需求的解决方案。”张峰表示。

总结

政府数字化转型是一个宏观命题、复杂工程，需要政府和企业共同推动。

其中，政府作为甲方，必须意识到数字化转型是长久的攻坚战，不可能弯道超车，要瞄准转型重点，切忌盲目跟风追热点、炒概念，做更多切实而非锦上添花的工程，把好钢用在刀刃上。

企业作为乙方，在提供解决方案时，不能只关注技术本身，而要着眼于数字化转型整个环节，有全局观，才能深入理解政府业务，若只窥局部，必然导致盲人摸象。雷峰网雷峰网

出场太晚的“年轻后生”宇视，在同城两强的夹击中，从籍籍无名冲到全球第四中国第三，生生给这个行业造了个新词“海大宇”。

故事本身也够波折：脱离母体独立运营、英特尔-宇视商标案、手握香港上市门票时放弃、并入A股上市公司、果断进入新赛道。

2017年，当AI企业姿态高贵地在安防行业招兵买马，媒体渲染下的海大宇危机重重。张鹏国高声提醒大家：我们安防行业很土（潜台词是我们很接地气），AI要注意工程化（潜台词是做产品很难），可惜少有新贵们听进去。

五年后，Al泡沫彻底破灭，但元宇宙、数字孪生等概念又在发酵。张鹏国再度点出：众多行业最大弊端就是概念太多、落地太少，任何不能降本或增效的概念和理念创新都是伪创新。中国的高铁、特高压、太阳能光伏，都是极务实、极有高度的国家战略，令人敬佩。

宇视对大热概念始终保持克制，张鹏国坦然表示：没有人能看清未来，最重要的是选定不悔，不要害怕试错，不收获成功，就收获成长。

即使已成长为行业翘楚，你问他宇视最大的任务，他依然回答：活着，努力活下去，永远是企业的第一要务。

经历过孤身奋战、背负过国际巨压、品尝过千钧一发、遭受过外界质疑。一次次艰难选择，需要勇气、魄力与判断力。

走过十年艰难岁月，如今阔步奔向AloT万亿市场，宇视该如何前行？张鹏国的回答非常简洁：务实创新。

所谓务实创新，是要探索出从概念到科学到技术，再到工程到产品的规律，是以数字为核心的“任何时候，数字说话”，是目睹浮华企业跌跟头后，作为深度旁观者的自省，是对所历磨难的平视与坦然——“跟很多企业的经历相比，宇视真的不算什么”。

以下是对话内容，雷峰网AI掘金志作了不改变原意的整理与编辑：

专注做好一件事，是很浅显的道理

AI掘金志：11年前，宇视从0到1，您觉得做CEO最重要的三件事是什么？

张鹏国：第一，方向。去哪个赛道，做什么，选择什么样的营销模式；

第二，节奏。是快节奏还是慢节奏，是加速跑、中速跑还是匀速跑；

第三，人均效率。不断提升人均效率，运营质量很重要。

AI掘金志：您一直强调宇视“永不进入工程与集成领域”，其实企业在发展过程中面临业务、战略调整无可厚非，为什么宇视一开始就能坚定且坚持至今？

张鹏国：专注的做好一件事，是很浅显的道理。一个人能做的事、擅长做的事情其实很少，把自己擅长做的事情做好。中国的工程商和集成商那么多，不缺宇视这一家，不要总羡慕别人，其实大家活的都不容易。

AI掘金志：宇视入场太晚，但一路狂跑，如今坐上了中国安防探花的位置，是哪些因素成就的？

张鹏国：宇视10年20倍营收的增长，是个体奋斗和历史进程的双重结果，但是历史的进程可能占主要要素，整个行业处在高速增长的赛道上，在一个多要素叠加且快速助推的时候，宇视刚好在赛道上，就跟着飞速发展了。

AI掘金志：虽说有大势加持，但好像不是人人都能抓住，需要哪些要素，或者宇视怎么就抓住了？

张鹏国：宇视自身而言，首要的还是专注，如果宇视之前去做了集成，做了工程，那可能就会失去这个机会。专注都做不好，不专注会做得更不好。

第二是足够内省，虚心的向优秀厂商学习，时刻保持内省。

第三是持续改进，人是很容易自满的，所以我们反复倡导组织要持续改进。

会做加法的人很多，能把减法做好更难

AI掘金志：2017年安博会的百万级爆款热文，您提到“会弃子的公司才能争先”，宇视有过弃子行为吗？是什么时候？抉择最难的点在哪里？

张鹏国：最早时我们弃了VOIP，后面又弃了视频会议，公司刚成立时讨论过做模拟，最后决定聚焦IP，资源有限的情况下，先确保在一个点上的饱和攻击和资源配置，同时做模拟和 IP就不聚焦。

其实“弃子”的选择每天都会有。很多人都喜欢做加法，我整天告诉公司组织要做减法，会做加法的人很多，但能把减法做好更不容易。我的工作是告诉大家放掉一些不适合的加法。

AI掘金志：什么情况下，这个加法可以做？

张鹏国：有几个原则，第一，研发在这个领域是否有技术积累或公司原有的技术积累是不是可以被部分借鉴、复用？第二，市场端销售资源是不是可以被部分借鉴、复用。

这两个要素中满足一个就可以跨步走，如果两个都不具备，就相当于重新成立一个组织，我们就会非常慎重。

会仔细评估竞争力、核心技术、商业模式，是否匹配整个组织？一般能有一个逻辑成立，决策相对来说会容易做一些。

AI掘金志：宇视近期有做过哪些加法？可以举一个例子吗？

张鹏国：近几年我们一直在寻找新的赛道和增长曲线，有一些还在保密阶段，但是8月份我们会推出一款产品 “便携式户外电源”。可以简单理解为是充电宝的超级升级版，匹配了户外活动的需求。它可以给手机、电脑、无人机、小家电、户外工具等设备供电，充电也支持太阳能充电，既便携又环保。

AI掘金志：便携式储能确实是个很有前景的领域，但这似乎和宇视传统的产品跨越较大，而且是一款面向C端消费者的产品，能分享下您做这个“加法”的具体考量吗？

张鹏国：就如我刚才所言，宇视做“加法“主要有两个原则，核心思想就是目前公司在技术端或者销售端的资源是否可以被借鉴或复用。

储能电源涉及的电子电气技术其实我们早有积累，宇视现有的AIoT产品序列都和其密不可分，我们也推出了智能监控箱、太阳能供电系统等产品。所以储能电源对我们而言是站在过往技术经验的“肩膀上”，有较好复用性的一款产品。

这款产品在散热设计、电池保护、电芯选取以及质检把关上我们都做足了功夫，大家也可以期待下。

疫情之下，户外出行已经成为一种新风尚，宇视也希望通过创新技术来改善人们的户外旅行体验，让户外爱好者真正体验说走就走的旅行。毕竟能提升人们生活幸福感的科技创新才是好的创新，这也是宇视一直以来“守护安全美好生活”愿景的落地体现。

AI掘金志：一般新业务探索在大公司里是很难的，宇视有什么创新的机制？

张鹏国：大平台做新业务是不易的，因为所有的路径、流程、制度、规范都是为老业务制定的。

有成长性的新业务，需具备五大特点，缺一不可：可量化（要能量化考核）、可积累（核心竞争力的沉淀）、可迭代（有后来居上的可能性）、空间足够大（有犯错及改正的空间）、符合社会及组织进化的方向（有未来）。

我对新业务设置有三个原则：

第一、是用人原则，负责新业务首选年轻人，有锐气，敢于突破、敢打敢拼。

第二、要尽可能保持新业务的独立性，独立去做判断，选择与决策。

第三、最好的模式是新业务独立成一个子公司，给其更大的权限。

现在我们很多是以事业部/产品线在运营，是否独立子公司取决于未来对路径的判断。

AI掘金志：宇视的企业文化是什么？您认为宇视在产品和发展上是克制的吗？

张鹏国：公司最新16字核心价值观：务实创新，合作共赢，简单公正，持续改进。

宇视将“务实创新”放在最前面，宇视的文化还是很克制的，不会太追求炒概念。

务实的核心逻辑就是一定要探索出从概念到科学到技术，到工程到产品的规律。任何需求我们希望把它产品化，之后形成商业闭环，再将其产业化，这是我对务实第一个层面的解读。

第二点，公司内部有数字考核，口号喊的山响，数字不好是没用的。研发和产品中心追了很多新方向，最后还得看数字，还是以数字为考核逻辑。

第三点，务实可以幸免公司作风奢华化和奢靡化。什么叫奢靡化呢？就是舆论喜欢什么，大家围绕舆论的喜好做工作。

AI掘金志：为什么“务实创新”会放在宇视价值观的最前面？

张鹏国：我们目睹到过去这些年，尤其最近五年，很多大热赛道上的浮华和喧嚣，让很多公司掉进坑里面，在坑里挣扎。我特别担心宇视也会去追逐浮华的东西，所以我们把务实创新放在最前面。人是环境的动物，很容易被浮夸的东西吸引，时刻保持初心很重要。

AI掘金志：“创新型CEO、领袖型CEO、骆驼型CEO、PR型CEO、唐僧型CEO”，您更喜欢成为哪个类型？为什么？

张鹏国：做CEO，心力比能力更重要，你的内心要非常强大，我喜欢成为骆驼型的CEO，能走很远的路，能背负很多很重的东西，不在意外部环境，所以行稳致远。我在10年里写了107篇文章，来统一组织思想、推进各种组织变革和创新，几乎平均一个月写一篇，好像应该也属于唐僧型CEO。

至于创新型、领袖型的领袖，一般是极少极少有很高天分的人才可以担负。

现在是AI的太平天国时代

AI掘金志：怎么看现在概念横行？

张鹏国：不要被复杂的概念所迷惑，任何的理念和概念，在企业管理层面必须要服务于经营，服务于降本增效，不能降本增效的创新都是伪创新。

AI掘金志：为何大家现在对Al感到失望？

张鹏国：AI比人们想象的难的多，尤其是以统计学为基础的，本来能做的事情就非常有限。全世界将AI想得过于容易或过于全能。换言之：不是孩子不够优秀，是大人们期望值过高了。

AI掘金志：目前业内很多AI公司都在裁员或者降薪？您怎么看？

张鹏国：AI只是技术，最多算一锄头，好不好使，得大地说了算，炫耀锄头是没有意义的，得锄地才有粮食，任何不能落地的技术很难迭代下去。技术能否落地有俩硬指标：要么降低成本，要么提升效率，至少得有一个，能兼备最好。

AI掘金志：那您认为AI未来会怎么发展？

张鹏国：AI未来是有的，但谈大发展为时尚早。2016年兴起了许多AI公司，营业收入加起来百亿出头，烧钱烧了大几百亿。说明什么呢？两个字：还早。

原因有三：第一个就是科学到工程的鸿沟是很大的，技术还不够成熟。第二点，产品到商品的鸿沟也很大，因为一个产品成为一个合格的商品，它必须解决两个问题，要么提高效率，要么降低成本，否则就只是个产品，不是个商品，商品它有商业逻辑考虑。第三个就是规模化的拐点还远远没有到来。

AI肯定会凉一段时间，其实任何概念都会经历这个阶段。

AI掘金志：AI算法公司做芯片是一个出路吗？

张鹏国：从商业逻辑上讲，芯片公司是独立公司为最佳。如果某算法公司去做芯片，自身角色感就会有问题。最好的状态是某个硬件公司是海量产品的第一名，自己做芯片，这样他自我迭代的量足够，就不会跑输，其他路径就不太靠谱。如果算法公司做芯片，其他算法公司肯定不会用，一定会在量价关系上跑输，然后越跑越输，这叫角色感。角色感不对，事情就挺难做好。

AI掘金志：哪些需求是真？哪些是伪？

张鹏国：举个例子，前两天我去餐馆吃饭，包间冲进来一个大型机器人，声音还挺大，背上驮了一盘菜，服务员跑过去把菜端到桌子上，然后筷子上还有机械臂+图像识别+AI算法.....用来帮人夹菜。好好的平地，先挖一条河再修一座桥，没有困难，创造困难也要上，没有需求创造需求，这就叫伪需求。

这种需求应该被制止，不是良性发展。

AI掘金志：听说您喜欢历史，如果可以类比，Al和哪个朝代最像？

张鹏国：AI特别像太平天国，充满了帝王将相，满地大小王，短暂又辉煌。

最后的赢家是谁？谁越像曾国藩的气质，“吃得苦、霸得蛮、不怕死、耐得烦”，谁就会赢。

九死一生地活着，反而收获更大

AI掘金志：回看自己的创业历程，有没有特别的感触？

张鹏国：人是无法准确认知世界的，最佳办法就是：一边实践一边总结，然后再实践，再总结。

第一，方向大致正确就可以上路，不用想那么多。不能指望一次PPT，或者几次PPT就能看清这个世界，看清这个产业或赛道。认知世界的过程是一个螺旋式递进的过程，过程中教学相长、相互促进。

第二，不能只做观众，要想认知这个事情就要下场去试试，得撸起袖子去做这件事，实践才能出真知。

AI掘金志：会害怕试错吗？

张鹏国：不要害怕试错，不收获成功，就会收获成长，总会得到一样。

无论个人还是团队，有时候轻易获得的成功会埋葬他们，九死一生地活着，反而团队成长更快，收获更大。中国的工程师那么多，每个赛道都超级拥挤，如果你特别轻松把这事做成，只能证明你运气好，并不能说明你能力强。

个人其实很渺小，需要依靠组织。现在这个世界一个人是成不了什么事的，必须要团结好几千人几万人向着一个方向前进才可能成就事业，所以说构建组织能力、管理组织能力、培训组织能力和激励组织能力都是非常重要的，没有这些能力，创业很难成功。

AI掘金志：工作中有没有哪个时刻感觉特别有价值感？

张鹏国：比方说找回走失老人和被拐卖的妇女儿童，社会治安变得非常好，比如跟朋友深夜撸串会觉得很安全，去任何陌生城市，晚上跑步都不会担心，这是我们这些公司给社会带来的贡献。或者在国外旅行，抬头看见宇视的摄像头，我们团队做出的产品，在这一陌生的国家里使用，那一刻还觉得挺有价值感。

「普通人」张鹏国

AI掘金志：有没有想要达到但目前还未实现的目标？无论个人也好，还是企业也好。

张鹏国：做企业没有尽头，几十亿时想100亿，100亿了会想200亿，然后想500亿，到500亿会想1000亿。一代代年轻人会接棒完成这些里程碑，企业最后就会变成一个生命体，年轻人去成就它。

AI掘金志：您一直给人一种乐观淡定的印象，有没有什么事情会让您焦虑或者急躁？

张鹏国：人乐观的时候创造力和才华都是最好的状态，决策也会相对比较理性。悲观或者是急躁的时候各方面决策和潜力会被压制，所以我会一直让自己保持在一个乐观的状态。

十几年下来回头看，会觉得过去很多时候，感觉天都快要塌的事情都不值一提。世界那么大，我们那么小，别想太多，都是芝麻绿豆般的小事。

AI掘金志：您觉得您跟普通人有什么不同吗？

张鹏国：我就是普通人。

AI掘金志：您觉得您的性格或者价值观有影响到这个企业吗？

张鹏国：我觉得没有什么影响，个体那么小，很难影响到企业。宇视其实已经形成了自己的性格。刚开始是每个人在塑造这个组织，后来组织就反过来塑造每一个人。宇视已经形成自己的性格，有自己的调性和价值观。

AI掘金志：工作之余，您有什么爱好？

张鹏国：爱读书属于知识饥渴，小时候家里没什么书，就毛选和毛主席诗词选，我犯了错或者调皮过头，父亲从不体罚，就罚我靠墙背毛主席诗词，从六七岁就开始，属于肌肉记忆，那种影响是很深刻的。后来长大了又精读毛选，日后的职业历练中，无数次被《矛盾论》和《实践论》的高屋建瓴所折服。

AI掘金志：理想中的世界是什么样的？

张鹏国：孔子也问过他的弟子，曾点回答：“暮春者，春服既成，冠者五六人，童子六七人，浴乎沂，风乎舞雩，咏而归”，那应该就是理想世界，每个人都那么平和，每个人都那么自在，都那么开心，都那么和谐。

AI掘金志：如果重新活一次，希望拥有什么技能？

张鹏国：做音乐人，不需建太大的组织，自己作词作曲，一个人打全场。而且音乐跨越种族，跨越语言，跨越国界，快速全球化。

做ICT产品，要全球化多不容易。但是音乐不是，它可以无边界扩张。有的人靠一首歌可以活一辈子，公司几千人，做了几千款产品，还是艰难求生状态，完全没得比。

AI掘金志：最近在看什么书？有可推荐的吗？

张鹏国：推荐布热津斯基的《大棋局》、米尔斯海默的《大国政治的悲剧》，费孝通的《乡土中国》、傅高义的《邓小平时代》，值得读多遍。 

AI掘金志：如何评价自己？

张鹏国：现实主义者，一个乐观的现实主义者，一个非常乐观的现实主义者。

一些人看见一些不合理的现象，会对中国很悲观，觉得中国没前途。我一点都不悲观。我会永远相信中国，因为儒家文化对中国人教化很深：绝大多数中国人很务实，相信自己、相信奋斗，所以战斗力一直非常在线。

AI掘金志：所以您绝对坚定地相信中国。

张鹏国：对，坚定地相信中国，永远。雷峰网雷峰网雷峰网

中国人工智能落地路径经历了几年的曲折探索。

2015年，人工智能萌芽初醒，AI企业大多走拿锤子找钉子的路线。

他们最初设想的商业模式，是通过一套标准SDK扫天下，算法的精度成为最显性的标准。 

于是早期AI界陷入刷榜竞赛的怪圈，但刷屏2年后落地才发现，在赛事中频频拔得头筹的算法，一旦走出实验室或特定的场景进入实战，根本玩不转。

归根结底，是商业路线出了问题。

下半场， 不再是技术、学术单维的比拼，而是综合能力的较量。

1、AI下半场见真功夫

综合能力具体有哪些维度？

商业模式认知

2019年，人工智能下半场初启，AI企业们逐渐锤钉转换，开始寻求差异化场景战略。

行业选择

AI的前半场由技术驱动，后半场则是场景驱动。未来AI不是主角，场景才是。

当规模化落地的AI给百业换装之时，AI创企得保证不被场景百花丛迷了眼，分辨清哪些是仅能淹没马蹄的浅草，哪些是大有可为的森林。

行业积累

算力、算法、数据之外，场景和行业知识成了未来决战的关键点。

产业AI化的前提，在对传统业务流程非常熟悉的情况下，完成信息化的改造，实现信息流通，随后把业务流程中各个环节的数据，予以沉淀和清洗，才能通过数据分析，实现智能化。

而这，就是场景积累、行业知识积累的过程。

工程化能力

技术领先并不意味着AI商业化成功，但如果能商业化，则能证明技术已经领先了。

商业化落地，产品+服务才是核心。而这背后考验的是工程化落地能力。工程化能力意味着快速复制的能力和服务的质量。

AI产业化，不仅在于技术的可实现性，更在于工程落地方案，注重工程现场与算法性能结合。

在AI大军中，有一家企业在每一个岔路口，都选择了适合自己，也被论证是正确的一条路径。

他叫以萨。

当大多数企业醉心于技术的先进性，他们却着眼于市场需求和技术落地的局限性。

以萨成立之初就确立了在场景需求里打磨技术的路线。

在以萨看来，技术、产品谁先谁后，是一个极为关键的问题。

他们一直秉持的理念是：业务是重心，技术是辅助，先找钉子，再制造合适的锤子。

“AI只是一个工具，企业做的是「产品」和「商品」，不解决问题的技术没有价值。”以萨副总裁、PBG事业群总经理王堃表示。

现在看来，单创业理念这一点，他们就超前了不少AI企业数年。

当大多数企业从实验室走向市场，“不走寻常道”的以萨从一开始，就扎根市场和客户需求，也比技术导向的企业更理解技术价值的本质。

以萨开发第一版车辆大数据系统时就发现单有人工智能远远不够，结合大数据，从海量数据中挖掘价值，深度结合业务，才能解决客户问题。

由于基于办案民警的实际使用痛点，并在速度、性能上有大幅提升，神眼车辆大数据系统一经推出，便在业内一炮走红。

虽然以客户需求为导向，但以萨并非毫无原则。

以萨会要求工程师、产品经理们成为业务专家，深入一线中，他们对客户业务的理解甚至超过不少客户本身。因此客户的要求并非全满足，他们会通过多维度视角对反馈进行评估。

行业选择上，以萨创立后不久就确定了方向：安防和交通。

几年前，AI从实验室出走，寻找优质落地的场景，在万千产业大地上空来回盘旋，似命中注定般最终大都落在了安防和交通，而以萨没有走过弯路。

今天，AI技术与场景的融合日渐娴熟，AI应用悄无声息地渗透至城市生活的细枝末叶。

当一个舞台的大幕落下，新的舞台也在同时诞生。

在十四五规划里，在近几年的各地一号文件里，数字城市都赫然在列。

过去的AI更多基于平安城市龙争虎斗，未来的AI将更多根植于数字城市对弈过招。

以萨此前选对了安防与交通，也顺着轨道自然而然来到浩瀚的数字城市。 

以视频为代表的感知设备源源不断产生的高质数据将成为数字化时代的新能源。这些多维数据时刻都在积累，但相应价值还远未被充分挖掘。 如何从中寻找关系和规律，最终形成决策，为城市治理的实际业务提供帮助，这仅靠AI还不够，还需要大数据。

换句话说， AI+大数据，未来会是整个数字城市的连接器，也是整个城市数据得以健康循环的基础。

在数字城市，以萨又早早独辟蹊径定位「AI+大数据」，赛道和技术都无形中与历史脉络相合。这是以萨之幸，也是以萨之能。

2、算法、大数据、商业化落地三杀

AI市场经过多年乱斗回归理性，过去几年被高高拉起的弓，被与会者放下，脚踏实地的企业逐渐走到舞台中央。

深耕AI算法的企业比比皆是，大数据公司也不少，但早早在「AI+大数据」双赛道占位，且后劲愈发强劲的企业并不多。

以萨逐渐成为业内少数持AI视觉和大数据技术双刀的企业，7年里以萨从一线业务的磨砺中，打造出后来者难以弯道超车的三大武器。

数字城市，乱搭乱建乱放，占道经营，井盖位移，老人跌倒，整个社会治理层面需求全面爆发，催生了多维算法的应用。AI规模化应用下，一个城市一天新增的视图数据可多达十几亿。

以前即使是上亿的识别，也只是单一人像维度的检索和验证，现在做聚类，多维数据的碰撞，量级高达几百亿，不仅归档率、分类度要求很高，而且数据质量参差不齐。

“其计算和以前单一点状计算完全不是一个维度，目前真正达到可用程度的技术提供商少之又少。”某业内人士表示。

这也是AI行业的下一个珠穆朗玛峰。

多年之前，以萨意识到了这峰之高，也不畏艰难决定攀一攀。

成立之初，以萨就着手建立算法开发体系。在聚类海量以人、车、事件为核心的数据时，以萨在一次次挑战中，建立起多维人工智能算法高墙。

以萨的算法覆盖车辆、人体、人脸，涉及交通、生产安全、船舶、公共场所等各个场景。所以当数字城市时代来临，以萨的多维算法已经构建起了完整的人工智能视觉技术体系。

大数据分析技术上，以萨的多维数据关联分析算法、雷霆高速分析数据库、实时数据仓库系统等10余种技术，为海量数据传输、存储和实时分析提供强大的底层支持。

其中，雷霆数据库为数字城市领域数据量庞大、实时性高、分析复杂的特点打造，已经成为以萨实时在线分析业务的支撑工具。

当然，以萨的武器不仅是算法、大数据，更在于对场景的理解，以及三者结合带来的商业化能力。

2016年，以萨落地青岛某区三千路视频联网时，就显现了其不俗的落地能力。

首先，从技术落地维度，这对以萨和行业，都是一项极具挑战性的落地考验。

与图片相比，视频的联网不仅仅是硬件的堆叠，算法的组合，后者数据量、网络传输量更大、视频解码更复杂，处理的难度等级呈梯度递增。

其次，从时间维度，更能直观感受以萨的商业化能力。

2017年，“百路适用和建设”是主体；2018年，千路建设初现规模；2019年，万路建设成为主要城市的常态。

2016年，大多数视频分析系统处于单机时代，仅能处理十几路视频，且无法多机系统。在此背景下，以萨的千路视频联网实时分析算得上当时业内首创。

以萨的这份能力经过7年的日夜打磨，日益精进，更为炉火纯青。

如今数字城市号角吹响，城市的核心目标升级为十万亿规模，不少企业还在规模化落地实践里磕磕绊绊时，以萨已经准备好引擎，全力向数字城市进发了。

3、一鸣惊人的背面

简单看一看以萨的成绩一角。

以萨曾参与制定多项国家标准及公安部行业标准，如国家视频图像结构化标准、全国车辆结构化信息标准。

近3年里，相继荣获“全球独角兽企业500强”、“山东省公安科技进步一等奖”、“山东省瞪羚企业”、“山东省重点大数据企业”、“山东省独角兽企业”及“山东省人工智能行业优秀企业”。

2022年，获评为“国家重点软件企业”。这个入选门槛不低，其由国家发展和改革委员会组织发起，工业和信息化部、财政部、海关总署、税务总局进行联审确认，旨在寻找挖掘信息技术和软件领域一批优秀的重点领军企业，要求申报企业必须拥有核心技术。

如今，在平安城市，以萨的解决方案覆盖公安部、20余个省级公安机关及200余个市级和县区级公安机关、20余个市级和县区级公安交管部门、10余个市级和县区级政法委员会；在数字城市，以萨的数字政府解决方案覆盖北京、天津等地的政府单位及企事业单位。

回过头看，以萨为什么能一鸣惊人？

或许，是以萨对行业的认知高度使然。

他们一开始就知道，AI落地仅有算法远远不够，而技术和产品只是工具，通过产品发挥价值，而产品只有解决了客户的需求，才能实现技术变现。

“只有发动机（算法），没有零部件（全栈技术）的车是跑不起来的。”以萨中央研究院院长 石柱国表示，“并行处理技术、分布式集群技术、图像处理技术、视频编解码技术、数据存储与检索技术等每个环节缺一不可。”

或许是对落地每个环节的超高把控，时刻秉持“只有每个环节都做到最优，整个系统才能做到极致”理念，才能在技术与落地之间打磨出独特的商业化能力。

或许，是以萨的踏实、低调本性使然。

在他们的表述里，他们没有就以萨如何改变世界侃侃而谈，更多的是技术路线的思考，落地的琐碎与得到正面反馈的欣喜。

与他们的交谈近2个小时里，AI技术褪去高高在上的外衣，取而代之的是实践中的朴实和真诚。

他们眼里，好像看不见彼时的资本圈有多狂热，AI初创圈有多浮躁，他们所思所想，都是客户、落地。

初期的以萨，居于喧嚣的市场的罅隙里，不够光芒万丈，不讲夺目的概念噱头，低调到连多次融资消息都无意喧哗。

这个前期平平无奇的企业，也在后半场靠实力吸引了市场的聚光灯，成为一方独角兽。

4、行于数字城市的未来之路

以“人工智能+大数据”开局，以萨横跨两大数字经济支柱产业，逐渐成为平安城市、数字城市顶层设计和落地实施骨干力量。

未来城市架构智能化改造，统一建设、统一规划、统一运营或成趋势；避免重复基础性建设，做到多维感知、数据资源、计算资源最大化利用将成定局。

人工智能+数据智能，一能实时处理人所不能理解的超大规模全量多源数据；二能发现超大规模全量多源数据中人所不能发现的隐藏规律；三能通过这些隐藏规律去为人类制定最优决策。  

今天的数字城市，时刻保持危机感的以萨，也会准备好行囊，义无反顾地参与数字城市之战。雷峰网雷峰网雷峰网

2020年11月29日，中共中央在《关于第十四个五年规划和二〇三五年远景目标的建议》中明确提出实施城市更新行动，将建设智慧城市作为总体目标之一。

2021年8月30日，江苏省政府发布《“十四五”新型基础设施建设规划》，提出建设社会综合治理平台、网格化综合管理、社会治理智能化应用平台和社会治理大数据应用中心。

2022年6月23日，国务院印发《关于加强数字政府建设的指导意见》，要求积极推动数字化治理模式创新，推进社会治安防控体系智能化与智慧应急建设。

从“看得见”到“看得懂”  城市“慧眼”如何开启？

城市治理体系与治理能力现代化进程不断推进，雪亮工程建设已结束，智慧城市建设进入2.0阶段，AI及大数据使能将成为加快数字城市及数字政府建设的重要技术。随着城市、县城、乡村的监控规模不断扩大，城市治理痛点逐渐凸显。

看不懂：城市级大路数摄像头的视频监看工作量极大，人力无法“主动发现“安全事件，只能事后追溯, 城市精细化治理水平提升难。

利旧难：大面积替换普通监控设备成本极高，城市的智能化场景改造难以落实。

管不严：传统监控不具备AI能力，与城市应急管理缺乏联动机制，难以形成从预警到决策的城市管理全闭环。

占资源：城市监控数据量巨大，无用数据较多，资源浪费严重，拉低城市治理效率。

构建城市智能视觉中枢，已成为推进城市精细化治理、助力城市治理现代化的迫切需求。

MG800“照亮”城市  支持城市级大路数视频接入

小视MG800 AI 综合能力组件，集视频结构化分析、数据存储、数据应用于一体，能够接入城市级大路数视频监控设备，适用于智慧城市、智慧交通、智慧城管、明厨亮灶、智慧社区、智慧工地等场景，实现全域覆盖、全设备接入、全时监控，构建“视频监控-视频分析-现场处置”的城市管理闭环。

小视MG800 AI综合能力组件

算法多样，安全事件主动发现。

基于视频智能分析算法，MG800 可提取视频中人员、物品、行为、事件等要素，对视频流进行智能化、标签化分析，告警异常事件，预防潜在风险。

算法涵盖智慧城市、智慧社区、智慧学校、明厨亮灶、智慧防疫、智慧工地等，可对城市运行、基层治理、城市管理、行政执法中的多种场景进行智能识别。

 MG800内含丰富自研算法，可按需配置

同时，MG800支持对算法包的升级、授权，也可按需对算力资源进行动态调度，实现算力资源的最大化利用。

大规模并发能力，方便快速集成。

MG800充分利用GPU计算能力，解决数据密集计算问题，提升视频分析并发性能。目前，可支持5000路摄像头接入，并可持续扩充。

平台支持RTSP协议或GB28181协议等多种标准协议接入，支持多种编码格式的视频流分析，提供丰富边界的标准接口服务。

小视MG800平台登陆首页

一网管控，城市管理全闭环。

MG800可记录告警事件，支持查看视频回放，以便管理者进行事件定位、追踪溯源。

在市政管理、社区、园区、工地等场景下，安全防控由被动监控转为主动发现，形成“预警、调度、处置、决策”的城市管理全闭环。

 MG800可实现即时告警，追踪溯源

MG800可对接视频监控平台和上层业务平台，打通视频数据的关联性，实现多级管理、一网管控，全面提升视频数据价值，为城市管理者提供数字化、智能化的科技手段。

部署简便，一键接入，降本增效。

MG800平台兼容多种品牌的国产服务器，适配性强。同时，平台可以实现一键部署，支持一键升级。如此一来，便可充分提高新旧设备的利用率，大幅降低硬件设备部署成本，最大程度上降本增效。

MG800应用案例：大规模场景方案落地

小视科技在东北某市某区县开展市政智能分析项目，对全区3000路摄像头进行AI赋能，涵盖垃圾识别、经营占道、绿化倒伏、共享单车违停、机动车违停等算法，全方面实现城市智慧管理。

智慧城市 · 某市某区县市政智能分析项目

在江苏南京，小视科技为某区县建设全国标杆性大规模智慧社区项目，对全区合计超1000个小区进行智慧升级，覆盖超500W居民，集成超10W台前端设备。

江苏省某区县智慧社区项目

某平台算法仓，运营全省近9W路视频监控终端，行业覆盖城市治理、环保、明厨亮灶、校园、工地、社区等各种场景，提供厨师服/厨师帽检测、戴口罩检测、老鼠检测、安全帽检测、反光衣检测、渣土车清洗检测、工程车检测（包括渣土车、挖掘机、水泥车）、经营占道检测、水面漂浮物检测、电瓶车进电梯检测、火焰烟雾检测、人员聚集检测等算法。通过小视MG800赋能，有效提高视频监控平台利用率和有效性，提升各行业管理效能。

小视科技 · 某平台算法仓项目

在江苏某市明厨亮灶项目中，小视科技提供MG800 AI算法服务组件，为500路视频监控提供未戴口罩检测、厨师服/厨师帽检测、老鼠检测、电动车进电梯检测等算法，对透明厨房食品安全管理全面升级赋能。

江苏省某市明厨亮灶项目

雷峰网

 小视科技Mini Track追踪方案多项指标位列第一

（加粗文字表示当前榜单最佳指标）

MOT Challenge由阿德莱德大学、苏黎世联邦理工学院以及达姆施塔特工业大学联合创办，是国际多目标跟踪领域最权威的测评平台，可谓是CV界的“兵家必争之地”。近年来，全球各大AI研究机构与企业在此展开技术角逐，比拼算法硬实力。迄今为止，已有100多家机构参与测评。

能够在群雄逐鹿的MOT国际赛场上脱颖而出，并非易事。

一方面，参评团队技术实力均处于世界领先水平，竞争十分激烈；另一方面，多目标追踪需要处理复杂光线、视线遮挡、模糊等棘手情况。由于技术尚未成熟，准确率低、速度慢、运动模糊、ID跳变等问题普遍存在，挑战极高。

小视科技沿用Tracking-by-detection追踪框架，针对目标检测、数据关联、时域关联进行改进，提出一种smooth-association方法，追踪方法在MOT2017比赛中取得排名第一的优秀结果。

Tracking-by-detection pipeline

在多目标跟踪中，一般情况下，目标遮挡、小目标、模糊等外在因素均会造成检测器性能下降。smooth-association通过综合考量跟踪目标变化情况以及目标检测器输出的变化情况，可有效应对此类问题，提升多目标跟踪的稳定性。

smooth-association对跟踪目标进行了序列化的分析，根据检测器输出的稳定性，在进行相似度匹配以及数据关联时采用多级动态匹配的方式，更加有效地降低检测器的不稳定因素对追踪器的影响。

 Single threshold match & dynamic threshold match in tracking procedure

在计算机视觉技术的大规模生产应用过程中，尤其在细粒度视频结构化领域，多目标追踪是技术要求极高的基础性分析任务，该技术作为必备环节，贯穿于各种视频分析任务。一方面，追踪技术能够在序列分析中提高目标召回率、补偿检测精度；另一方面，追踪算法提供了场景目标在时间序列上的一致性标签，使得算法方案在时域空域维度上能对目标进行立体分析。此外，作为一项实时分析的算法单元，多目标追踪对性能也提出极致要求。

十八大以来，国家高度重视关键核心技术创新攻关。《十四五规划纲要》提到：“展望2035年，我国将在关键核心技术上实现重大突破，进入创新型国家前列。”2022年3月，李克强在全国人大作《政府工作报告》时指出，要深入实施创新驱动发展战略，持续推进关键核心技术攻关。

小视科技专注技术创新，近年来已累计自研视觉算法200余种，获得视觉相关算法专利近90篇。小视自研算法覆盖智能视频监控下的流量统计、异常行为识别等众多任务，为业务后续的事件预警、智能决策提供基础数据。相关技术已落地于智慧社区、智慧校园、智慧园区等诸多场景中，广泛覆盖全国主要省市。

在江苏、重庆、辽宁等地的智慧社区中，小视以追踪算法赋能智能感知硬件，实现高空抛物识别、人员聚集识别、车辆检测、消防占道、遛狗未牵绳识别等功能，协助社区从人防走向智慧技防。

小视科技在重庆建设智慧社区

小视科技在江苏省建设智慧技防小区

小视科技协助江苏、浙江、河南、广东、山西、辽宁等省市的300余所学校实现智慧升级，系统具备学生奔跑与打架行为识别、人群聚集识别、闯入危险区告警等多种功能，助力校园安防。

小视科技为杭州一小学建设智慧校园

沈阳浑南区政府的智慧园区项目中，小视科技实现智能考勤、智能防疫、智能安防、智能就餐、智能会议签到六大功能。此外，通过AI赋能全区数千摄像头，浑南区内的视频监控能够对经营占道、共享单车违规停放、机动车违停等现象进行实时抓拍识别、数据采集与智能分析，实现城市智慧治理。

小视科技在沈阳建设智慧园区

作为江苏省人工智能代表性企业之一，小视科技定位“智慧视觉全场景生态服务商”，致力于为数字生活、数字城市、数字产业等场景提供数字服务。自2015年成立以来，小视科技先后获得江苏省计算机视觉工程研究中心、江苏省科技进步一等奖、江苏省专精特新小巨人等荣誉，获得NIST国际人脸识别竞赛FRVT，全球综合排名第七，开放场景全球第二。

此次在MOT Challenge中登顶榜首，是对小视科技多目标追踪技术的充分肯定，也印证了小视在计算机视觉领域中强劲的算法实力。未来，小视科技也将深入推进多目标追踪技术的场景应用，助力各行各业智能化升级。

雷峰网

面对海量的小场景应用需求，云从作为一家AI平台型企业，基于人机协同操作系统，通过规模高效的AI流水生产线，能高效产出海量算法、降低算法生产门槛，以AI定义设备，让小场景轻松拥抱智能春天。因此，云从科技推出“谛格AI定义小站”边缘智能盒，通过搭载人、车、物体、行为等多种标准算法模块，快速对现有传统硬件进行智能化升级改造，以AI模型、引擎及应用有机组合，综合性能、功耗、成本、算力，标准、高效、低门槛的赋能千行百业。

一盒多“强”—标准化

云从“谛格AI定义小站”搭载标准化输出方式，可针对不同应用场景自由构建、定义出具备不同能力及用途，推动在小场景下的AI规模化应用。

1.标准协议，兼容利旧；

谛格AI定义小站采用标准协议，兼容多种前端音视图硬件感知设备，可利旧原有监控设施、无需额外加装传感装置和放置与业务无关的辅助标识前提下进行应用，大幅降低智能化改造成本。

2.算法模块标准化；

通过云从自主可控的全链AI技术，谛格可搭载标准算法模块以适应不同一场景下的不同需求，如通用安全、环保监督、加油安全等，可提供丰富AI边缘算法仓库，匹配更多应用需求。如，在加油站场景下，“谛格AI定义小站”搭配标准的人、车、物及行为的检测报警算法模块，不仅可进行进行“抽烟、电话、冒烟起火”等多项安全识别，更可核心作业流程进行全程溯源追踪，实现对加油站生产流程的高质量管理。

一盒多“强”—高效化

作为一款兼具“平台+产品”属性的边缘智能盒子，云从“谛格AI定义小站”链接前端设备与云端业务系统，以云边端一体化，闭环式高效处理业务。

1.高效云边端一体化

谛格AI定义小站将原始的数据进行提取、以结构化的方式传送到云端，在云端进行业务的处理，实现前端设备与云端业务系统整体联动，以云边端一体化、闭环式高效处理业务。从架构上，作为闭环式设备，谛格能够承上启下，靠近数据源、就近解析、实时响应。

2.高效应用多场景；

谛格AI定义小站算法模块可替换、可扩展，目前已汇聚数十种优势算法。不仅针对危化园区、加油站以及施工作业等安全生产场景中的作业规范、场景安全、周界安全等推出标准算法组合，使之成为行业中少有完全符合行业规范的边缘智能计算设备。更可按需灵活加载组合各类通用算法，使之服务于诸如：校园、社区、商超、医疗、出行、旅游等场景。

一盒多“强”—低门槛

对于小场景来说，一台算力、算法前置的“谛格AI定义小站”，有接口、有后台、可本地管理，轻松cover小场景管理。

1.小体积，高性价比

不占空间、任何地方皆可部署，无需专门的机房、机柜，同时无需升级改动现有网络架构，支持普通家带宽，使用复杂组网拓扑，服务器无需部署算力引擎，支持本地轻量业务闭环，谛格AI定义小站低门槛轻松cover小场景需求。

2.软硬一体，灵活部署；

谛格AI定义小站可搭配云从或其他合作方平台，通过人机协同操作系统同步安全规范，实现一键部署、一键规范。

云从科技“谛格AI定义小站”边缘智能盒是专为小场景智能化升级需求打造的的标准、高效、低门槛的边缘AI赋能利器，通过全面的数字化改造为客户提供更加高效、便捷、安全的消费体验。

近年来，国家高度重视安全生产工作，强调安全生产信息化、智能化建设与应用工作。此前，云从科技基于人机协同操作系统正式推出的谛格边缘智能盒（加油站版），针对生产生活关系密切的加油站进行智慧化升级改造，规范加油站安全管理工作，营造良好的安全生产环境。

面对千行百业的智能化改造，未来在人工智能的“二浪”下，云从将面向更多具体行业、场景的现实需求，基于人机协同操作系统持续推出标准化的产品，提升AI生产效率，降低边际成本，让AI更好地作为数字经济发展的新驱动力，广泛满足金融、安防、商业、社区、园区、工业等多样场景的AI智能升级改造需求。

雷峰网

第三批五个军团/系统部分别是：数字金融军团、站点能源军团、机器视觉军团、制造行业数字化系统部和公共事业系统部。

是的，原机器视觉产品线变为机器视觉军团。

掘金志从多方信息得知，机器视觉军团团长可能将由华为云中国区总裁洪方明担任，尚不知晓原机器视觉产品线总裁段爱国的任命情况。

一、5年3次换帅，安防产品线多次调整

2018年，是公认华为大举进军安防的元年。

当年，华为在安平系统部之外，成立了智能安防产品线，由石冀琳负责，后者现任华为云副总裁、华为云全球Marketing与销售服务总裁。

同年6月，华为智能安防产品线在德国推出了五款星系列摄像机，并且喊出了“软件定义摄像机”的口号，在行业里掀起软件定义的新浪潮。

石冀琳之后，华为安防迎来“段爱国时代”。

2019年，段爱国出任智能安防产品线负责人，并于当年9月在华为全联接大会喊出了那句令行业惊颤的口号：“ 听友商说华为要退出安防？我在这里强调一下，华为不做到第一不会退出！”

2020年初，华为智能安防产品线更名为“华为机器视觉”，由段爱国担任总裁。

至今，华为机器视觉变为机器视觉军团，由洪方明担任团长。

伴随着一把手的变化，华为安防产品线也经历了多次部门调整。

2020年之前，华为机器视觉一直归属于企业BG，后来调整到了云与计算BG，但在2021年4月，华为裁撤云与计算BG之后，机器视觉产品线又回到了ICT产品与解决方案BG。

此次成立的机器视觉军团，按照华为此前军团的定位，与华为企业BG等属于同一级别，意味着华为安防的又一次深刻变化。

二、华为安防里的云基因

公开资料显示，洪方明1998年加入华为，历任中国网通系统部副部长、罗马尼亚代表处副代表、中国地区部陕西代表处代表等职务，并于2018年10月担任华为云中国区总裁。

前面已经提到，在段爱国接受智能安防产品线之后，原负责人石冀琳出任华为云副总裁、华为云全球Marketing与销售服务总裁。

2020年，在改名机器视觉之后，整个业务线被调整到了云与计算BG，这与华为安防的云化策略息息相关，其提出的“一云一湖一平台”战略，也正是通过云与数据湖来构建平台，解决碎片化场景问题。

正如段爱国在接受采访时所说的：“碎片化意味着多系统，这些系统像一个个烟囱，全是数据孤岛，而进入新时代，数据成为生产资料，算力成为生产力，需要联通、共享、汇聚，才能产生更多价值。”

其言外之意，便是通过云来打通这些“烟囱系统”，碎片化难题也在云和数据的化学作用下消解掉了。

一位安防行业人士表示，原来华为机器视觉从企业BG划到云与计算BG，是想“相互借势”，机器视觉产品线获得云的支持，而云则通过这条线来拓展营收。

可以说，华为安防里面，刻着云的基因，同时承载着云的理想。

如今，若消息属实，在段爱国执掌安防产品线3年之后，该业务最终又将回到了具有丰富云经验的洪方明手中，是回到原点，还是新的起点，仍未为可知。

三、成立军团，华为安防要背水一战？

在华为有一条不成文的约定，对各部门的领导考核以三年为期，如果业务没达标， 那么原部门领导将被调离，或换帅，或改编整个部门。

从华为安防这三年来的业务来看，成绩并不理想，此前喊出的“行业第一”的口号，现在看来已不可能实现。因此新的军团由洪方明掌舵，或许正在情理之中。

华为素有军团传统，用任正非的说法，军团作战的作用是打破现有组织边界，快速集结资源，穿插作战，提升效率，做深做透一个领域，对商业成功负责。

对商业成功负责，意思是军团要以销售收入为中心，一切为了“多打粮食”。但一位长期关注华为安防业务的业内人士表示，负责的另外一层意思：军团打法如果失效，业务仍然没能做起来，那么这条业务线可能会被裁掉，也可能被打散至其它部门。

因此从某种角度讲，成立机器视觉军团，是华为安防“最后的倔强”。

其结果，等待时间验证。雷峰网雷峰网

雷峰网雷网

深入推进智慧社区建设 

2019年7月，江苏在《全省“智慧技防小区”和“智慧技防校园”建设规范》（330文件）中，将安全防范全覆盖、风险隐患全感知、社会治理全对接、社会服务全提升作为建设目标。

2021年3月，中央在“十四五”规划纲要中明确提出，要推进智慧社区建设，提供线上线下融合的社区生活服务、社区治理及公共服务、智能小区等服务。

2022年5月，民政部、政法委等九部门在《关于深入推进智慧社区建设的意见》中提出：

● 要拓展智慧社区治理场景，发展实时监测、智能预警、应急管理和疫情防控智能应用；

● 要推进大数据在社区应用，完善社区重点场所、常住居民、流动人口、失能老年人、未成年人和精神障碍患者等重点人群基础数据；

● 要加强智慧社区基础设施建设改造，合理布建社区公共安全视频监控点位，推进“雪亮+”智能化应用，推进小区智能感知设施建设，扩大智能感知设施和技术在安全管理、群防群治、机动车（自行车）管理、生活垃圾处理等领域应用。

加强基层治理体系和治理能力现代化建设，是国家做出的一项重大决策。

小视科技瞄准政法、街道与公安的社区治理痛点，推出“智慧技防小区建设方案”，旨在加强社区安全、提升治理水平、加强社区大数据应用及疫情防控能力，用AI增强居民获得感、幸福感、安全感。

治理困境

六大问题待解决 治理水平待提升

（社区治理问题多）

让社区更加和谐有序、让服务更有温度，是社区治理成果的重要体现。

如今，传统的社区管理方式，已经无法满足城镇居民对美好生活的期望。其中，存在以下六大治理问题：

一、 “人、车、房、物、事”等数据要素缺乏统一管理，数据割裂，多类设备涉及多个系统，运维成本高；

二、老旧社区基础设施落后，社区服务水平偏低；

三、社区治理存风险漏洞，人为事后防范为主，技术手段事前防范或及时预警不足；存在安全盲点问题，如存在监控盲区、高空抛物事件频发、电动车进电梯引发火灾等；

四、社区大数据应用不足，无法通过大数据分析实现对重点人群如流动人群、失能老人、重点危险人群等的实时分析及管控；

五、社区疫情防控依靠人工管控，导致管控效率低，存在漏报、假报等风险，同时异常数据无法及时上报及及时采取干预措施，难控疫情传播风险；

六、部门间及平台间，缺乏数据、信息、平台及事件互通，及时响应及闭环处理不足，治理效率受影响。

对症下药

AI筑牢“技防小区”  一键升级智慧治理

小视科技打造智慧技防小区解决方案，协助社区从“人治”走向“智治”，社区治理一键提效。

重构平台，智治社区。

小视AIoT数智服务管理平台为连接设备、打通系统、共享数据提供解决思路，解决数据、设备、系统间的统一管理问题，已实现小区摄像机、人行道闸、车行道闸、烟感、气感、巡更等多种设备的统一管理。

通过构建一个统一的AIoT生态，提供统一的接口和协议连接各种类型的物联感知设备，并将存储、算法、算力及数据智能等资源形成一种通用的引擎能力按需输送到应用层，打造物联、智联、数联的智能生态。

“三重防线”动态感知，安全风险提前预知预警。

(三重智慧防线，实时感知动态)

在原有防线基础上，提出“利旧设备，一键AI化”+补设监控盲区的思路，增设SDC摄像机，一键解决如高空抛物及电动车进楼道等问题，从平安小区升级到智慧技防小区。

●  基于小视自研算法，依据接入路数，通过边缘分析盒子及中心计算服务器形式，接入原有摄像机，实现一键式视频AI分析能力，可实现小、中、大场景的智慧化升级。作为社区全栈算法服务商，目前已实现28种以上社区算法，如区域入侵、老人跌倒、火焰检测、烟雾检测、垃圾遗留检测、消防占道、遛狗未牵绳等的全加载，客户可依据需求自行选择和配置。

(AI赋能，人、车、房、事、物精准监测)

●  升级安全防线范围，从“以小区出入口的外防线”升级为“外、中、内”三道安全防线，增设小区出入口、小区内部与单元楼内安置多种智能感知设备。

●  增设重大安全事件防范，近期高空抛物砸伤死人事件及电动车电梯内燃烧事件，增设高空抛物及电动车进电梯的SDC相机，若发生高空抛物、电动车进电梯等危险事件，系统可及时预警。

管理者从以往的“被动管理”转为“主动管控”，各部门均可提前预知预警安全风险，从“人防”转变为“智防”，建立起智慧化的安全控制力与威慑力。

大数据应用，居民关怀更有温度。

基于大数据分析挖掘能力，系统可对数据进行通盘分析，完成智能研判，深层次挖掘社区潜在问题。

(大数据应用，智能分析研判)

目前，系统具备多种数据分析模型。若出现独居老人、失能老人紧急求救、长期不出等情况，管理者能够及时介入、主动应对。

依托大数据技术，社区管理者能够更科学地配置社区服务资源，提供更有温度的居民关怀

“数字哨兵”守卫家门，严控疫情传播风险。

(小视“数字哨兵”——健康码测温一体机)

在社区出入口安置的小视“数字哨兵”，能够代替人工完成身份查验、健康码/行程码核验、体温检测等工作，记录防疫数据，提升防疫效率。

全社区形成数据可视化、来源可追溯的防疫闭环，有效降低疫情传播风险。

一平台统管，治理加速提效。

在小视科技构建的智能技防小区中，前端硬件实时感知域内动态，AIoT平台赋予社区“智慧大脑”，社区应用全面提升社区治理水平，提升居民幸福感。

同时，系统开放灵活，支持二次开发、组件式使用，不同部门系统可充分联动，信息充分融通。

AI赋能，让基层社区治理效率加速提升。

标杆案例

江苏各市覆盖数千个小区

江苏各市

为实现小区安全防范全覆盖，生活服务全提升，社会治理全融合，小视科技为江苏南京市合计超2000个小区进行智慧升级，覆盖超500W居民。

基层工作人员实时掌握小区内居民和车辆的进出情况，社区防疫更高效。

辽宁沈阳

辽宁沈阳市绿城全运村小区项目中，小视科技的智慧社区解决方案实现了疫情期间的实名制识别、多码合一查验、非接触式开门、红外测温，有效提升社区防疫效率。

重庆

小视科技为重庆市内数个小区进行智慧升级，实现技防小区与社会治理相融合，全面提升基层社区治理效率。

雷峰网

园区和社区为什么要走向智慧化升级？

无论是园区，还是社区，智慧化的宗旨都是提高在特定空间内的管理水平，增强服务能力，并实现对园区员工和社区居民的智慧服务。

在园区方面，传统园区的定位更像是“房东”，园区物业只提供基本的水电气、交通、建筑等基础设施建设，数字化服务通常需要入驻企业自建，规范不统一，也缺乏统一管理。导致人员管理效率低、外来人员管控难、值班室人员脱岗、车辆违停、火灾无法及时预警等隐患高、排查难度大的系列问题。

在社区方面，近年来新冠疫情反复不断，对精准防控提出了更高要求，这是社区管理无可回避的当务之急。除此之外，大部分社区设施老化，人为管控的漏洞和死角多，对高空抛物、垃圾焚烧等问题束手无策，在社区管理日趋复杂，但又要求精细化管理的背景下，智慧升级迫在眉睫。

从传统园区和社区的现状来看，安全隐患问题和管理死角问题是普遍存在的。

市场上一直缺乏专业为园区和社区提供数字化服务的公司，通常都是IT厂家为其提供技术支持。而传统IT厂家的问题在于，他们更愿意销售新的产品，倾向于对发展历程中的老旧设备替换。

同时，园区和社区的场景本身代表了一种复杂性，如果对这些场景的理解没有那么深入，也不容易对症下药，提供最贴合需求的服务。

正是基于这些痛点，园区与社区智慧化服务商瑞驰信息，正在逐渐浮出水面。

智慧的园区与社区需要什么样的服务商？

我们转入用户视角，来看看园区和社区智慧化升级，到底需要什么样的服务？

首先社区通常作为非营利性机构，IT的预算有限，它们倾向于能够在保证最高性价比的前提下，去选择可部署的方案。园区的情况可谓冰火两重天，大型示范园区从建设之初就已经按照智慧园区的架构设计的，但众多老旧园区同样存在通过较低成本，实现智慧升级的诉求。

而社区和园区的主要服务商通常都以安防厂商为主，摄像头是其主要的产品形态，通常会建议用户购买最新的摄像头，无形中拉高了成本。

而瑞驰信息的方案当中，就考虑到用户的痛点，支持摄像头利旧，按照瑞驰信息官方的数据，在过往合作过的项目中，利旧比新建摄像头最高节省38.5%的成本，这无疑会帮助用户解决最高性价比方案部署的问题。同时，瑞驰信息采用的硬件为ARM架构，具备低功耗的优势，也可以为用户节省开支，并符合国家对节能减排的政策号召。

其次，园区和社区多数没有专业的IT团队，因此更希望服务商能够提供一站式的解决方案，从硬件系统，软件适配到服务运维一应俱全。作为专业的服务商，这恰是瑞驰信息的优势。

瑞驰信息自主研发的边缘终端、边缘服务器、多维智脑、多维闪压等产品，提供20+种定制算法，可以为智慧园区和智慧社区，提供整体解决方案，可以满足很多单位对自主安全的高要求。从架构层面，支持算力、存储弹性扩容；从性能层面，对比市面同等规格GPU服务器，处理性能翻数倍、功耗节省70%、成本节省至少50%以上；从安可层面，产品采用全国产化设计，安全、自主、可控，符合国家信创的发展方针策略。

无论从可用性、性价比还是安全性，这些良好的体验，用户都可以在瑞驰信息一站式得到满足。

第三，“专业”这个词除了代表技术的专业性，还要求实践经验的丰富性。我们也看到瑞驰信息的解决方案已经在吉林省化工园区（危化品）、深圳数字技术园、北京马神庙社区、珠海青茂口岸等重要的园区和社区进行了落地部署，经过实战检验过的方案，也值得每一个用户信赖。

为整个行业带来全新的价值

从城市的角度看，园区代表了工作空间，社区代表了生活空间。赋能园区和社区，就等于让工作和生活的空间变得更智慧，让每一位居民得到了智慧的服务体验。

所以随着智慧城市建设的深入，更多场景将被打开，社区与园区的建设逐渐会提上新的高度，未来的市场空间也将会变得更大。

以瑞驰信息代表的专业服务商，正在通过自主创新的方式，站在用户的视角，提供了最符合用户需求的一站式解决方案。

总结来讲，瑞驰信息为传统园区和社区的智慧升级提供了几点新的价值：

第一，将传统人力为主的管理模式，升级为智能化的管理模式，效率大幅提升。

第二，支持普通摄像机利旧，超高性价比解决了社区和园区预算紧张的痛点。

第三，打破该领域，只能依靠IT厂家和安防厂家的旧格局，打开了智慧社区、园区专业服务商的新时代。

归根结底，智慧园区和智慧社区都是赋予空间智慧，而瑞驰信息就是这些空间里的智慧魔法师。

雷峰网

据英国金融时报报道，美国计划对海康威视实施前所未有的制裁。

报道称，拜登政府考虑以“侵犯人权”为由，对海康威视实施新的制裁，即将其列入SDN清单（特别指定国民与禁止人员名单），这可能成为美国迄今为止针对中国大公司采取的最严厉措施。

5月5日上午，海康威视股价跌停。

据最新消息，美国政府可能实施的制裁还有待核实，有不能透露姓名的美国顶尖媒体记者（非FT的记者），与美国政府内部人士核实，没有得到要把海康列入SDN的信息。

什么是SDN清单？SDN全称（Specially Designated Nationals and Blocked Persons  List，特别指定国民与禁止人员名单）。

此前，海康等中企遭受过美国多项制裁。

2019年，美国商务部将包括海康威视、大华股份在内的八家中国科技企业列入实体清单。

2020年，美国国防部决定将包括华为、海康威视在内的20家中国高科技企业列为“中国军方拥有、控制或有联系”的公司清单。

此前的实体清单的发布主体是美国商务部工业和安全局（BIS），而此次报道的SDN清单由美国财政部外国资产控制办公室（OFAC）发布。

OFAC负责与金融及资金相关的制裁清单的管理， 管辖的制裁清单众多，主要包括特别指定国民清单（SDN）、行业识别制裁名单（SSI）、中国军工复合企业名单（NS CMIC LIST）等。

其中，SDN是OFAC制裁工具箱中最为知名的且应用最为广泛的的清单，有「核弹级制裁武器」的称呼。

通俗讲，SDN清单是实体清单的制裁升级，目前只对俄罗斯使用过。

与实体清单的出口管制相比，SDN清单具有更多金融制裁属性。总的来看核心有三点：

1、冻结在美国的资产；

2、美国个人和企业禁止与SDN清单实体进行任何交易；

3、无法使用美元进行交易；

从已经被列入SDN清单的企业受到的制约来看，其他包括以下七个方面：

限制贷款；禁止外汇交易；禁止银行交易；冻结财产和财产权益；禁止投资；限制进口；对主要执行高管的制裁。

这份清单的威力在于「次级制裁」 （ secondary sanctions  penalties，也可称为“二级制裁” ）  。

即，任何机构、个人与SDN清单里的对象有资金往来，一旦被美国发现，可能遭受美国政府的制裁，甚至也被列入SDN名单。

目前看来，SDN名单中包括了一些恐怖主义分子、恐怖组织，以及俄罗斯铝业公司、Alrosa（俄罗斯钻石生产商）首席执行官谢尔盖等机构和个人。

据彭博新闻社网站报道，这将是中国技术企业首次被列入SDN清单。

不过2019年12月，路透社报道，美国政府可能将华为列入SDN名单，但这项计划最终被搁置。

5月5日晚间，海康威视副总经理、董秘黄方红在个人社交平台回应，称有关媒体报道内容并未得到美国政府确认，消息真实性有待考证。

1、2018年以来，海康威视持续在人权合规和其他全球合规方面做出努力，取得的进步是有目共睹的，公司连续4年披露ESG报告，对海康威视人权和其他合规工作做了详尽披露。相信海康威视不存在应当被惩罚的违规行为。

2、2019年10月7日，以“协助侵犯人权”为由，美国政府已经将海康威视列入实体清单。“一事不再罚”是全球通行的法律理念和基本原则，相信美国政府也会遵循这样的原则。

3、制裁不能解决问题，还会制造出更多新的问题。如果中国政府也推进类似SDN制裁，相信任何一家全球化企业都无法承受。海康威视表示，我们仍然相信全球经济一体化是人类最好的选择。雷峰网雷峰网雷峰网

2020年11月15日，东盟10国和中国、日本、韩国、澳大利亚、新西兰共15个亚太国家正式签署了《区域全面经济伙伴关系协定》（Regional Comprehensive Economic Partnership，RCEP）。

《区域全面经济伙伴关系协定》的签署，标志着当前世界上人口最多、经贸规模最大、最具发展潜力的自由贸易区正式启航。

RCEP的签订，危机并存，中国的中低端产业必须加快转型步伐，才能够占据领先优势。 

而高端产业的发展，从来都离不开顶级科学家。

只不过，顶级科学家归国，从来都不只是一张机票的事情。

1950年3月，有一个拖家带口的身影，脚步一深一浅，拎着一只沉重的皮箱，沿着罗湖桥上的铁路经行而过。

他身后的香港，越来越远，眼前低矮的茅屋与崎岖小道，越来越近。他清楚的知道，走过了这一段，前半生的功名与荣华自此永远作别。

那样一个特殊的年代，短短32米长的罗湖桥，连接起的却是完全不同的两个世界。

40年前，曾设计督造这一段铁路的詹天佑也曾站在这一方桥头驻足，对岸，是已经被英国人强占七十年之久的香港九龙；转身，是即将在辛亥革命之中垮台的风烛残年的大清王朝。

40年后，同一座桥，同样的风景。眼前满身补丁的渔民，河边晾晒的破旧渔网，千年的农耕渔猎似乎从未因历史变迁而产生任何的变化。但风中猎猎作响的五星红旗，却明明白白的昭示着，一个新的时代真的来了。

受此感召，他在登桥前留下万言告留美同胞书一封，通过新华社传遍世界各地。信中如是说：

“梁园虽好，非久居之乡。归去来兮！为了抉择真理，我们应当回去，为了国家民族，我们应当回去，为了为人民服务，我们也应当回去，就是为了个人出路，也应当早日回去。”

如果对那一段历史熟悉，不难猜到，这个人正是从海外归国的顶级数学家——华罗庚。在当时，早年生病留下的腿疾，与一身书生气的打扮，让他的辨识度格外高。

但少有人知的是，在他那口沉重的皮箱中，装满了他在美留学时对当时新兴科技事业的所见所闻。而中国的计算机事业，也正是从华罗庚归国的这一刻起，与中科院深深的绑定在一起，叩响了时代的大门。

起：只靠算盘造不了原子弹

每一代人都有他们的使命，科学家尤甚。

归国不久，华罗庚一边参与筹建中科院数学研究所，另一边，则在中科院数学所成立了计算机研究小组，成为新中国第一个专门从事计算机研究的组织。

在当时，全世界范围内，计算机还尚属尖端新兴学科。全中国，见过计算机长什么样子的，一只手也数的过来，更没人会想到，它的出现会对中国日后的科学事业发展中的举足轻重的地位。

一直到1956年，为了国家安全，核武器制造被提上日程，作为配套产业，计算机与半导体、自动化、电子学，在当年8月发布的十二年科学规划中，被列为“四项紧急措施”。

在这一背景之下，计算机小组升级成为中科院计算技术研究所。由周总理亲自下令，中科院各所、清华、北大、二机部（保密等级最高的核工业部）、解放军总参某部，全国最精锐的314人全部被聚集在中科院计算所集中培训。

有了人才，但如何培养依旧是一个问题。

资料，正装在华罗庚回国时带回的那一口皮箱之中。在普林斯顿担任研究员的期间，他曾与一同任教的世界“计算机之父”冯·诺依曼成为忘年交，也是在这里，华罗庚搜集并带回国的大量计算机资料，成为新中国计算机事业启蒙的原始启蒙。

同年，中科院又派人赴苏联，相继在莫斯科、列宁格勒两地的21个研究机构考察，并于次年带回了苏联M-3型和БЗCM-Ⅱ型电子计算机图纸。

1959年10月1日，中科院计算所与国营738厂联合研制出了我国第一台大型通用数字电子计算机104机，计算能力达到每秒一万次。

这是全国人民勒紧裤腰带才研发出来的宝贝：104机单台造价高达200万元，而那时候中国的人均GDP仅为217.34元。

也是因此，机器建成后，就连当时负责核研究的科学家，每周也仅有十多个小时的上机机会。如果时间不够，还需两单位领导亲自致函，方能得到通融。

但就是在这样艰苦的条件下，科学家们在104机上完成了原子弹的模型设计。并为后来的东风、长征系列导弹以及东方红1号卫星的轨道计算完成了重要的辅助工作。

可以说，没有当年中科院与一众科学家们研发的104机，就没有后来的两弹一星与中国科技事业。

在那样一个特殊的年代，研制计算机，不仅是科学任务，更是撑起国家脊梁的政治作业。

承：造芯补魂，为国创业

就在104机刚刚开始研制成功的1958年，IBM推出了世界上第一台晶体管计算机，并在随后孕育出了英特尔、微软等的计算机领域霸主。

而当时的中国则在十年浩劫之中，人才凋敝，科学事业陷入停滞不前。改革开放后的“市场换技术”以及“贸工技”思路更是让Wintel完全垄断了中国信息产业的两大根基。

一直到1999年3月爆发的科索沃战争，被轰炸了的中国驻南斯拉夫大使馆，以及被美国搞瘫痪的南斯拉夫通讯系统，挑起了国人最敏感的神经。

时任科技部部长徐冠华，在当年6月召开了“发展我国自主操作系统座谈会”上拍案而起，他一针见血的指出，中国信息产业缺芯少魂。其中，芯是芯片，魂则是操作系统。

也是从这一年起，在“缺芯少魂”的呼吁下，中国的自主操作系统迎来了第一次真正意义上的大爆发。

时任中科院软件所副所长孙玉芳，以及中科院计算所研究院胡伟武被推到台前。一人负责操作系统创建中科红旗，一人负责芯片扛起中科龙芯。在国家的需求之下，两个体制内出身的科学家被迫创业，承担起阻击Wintel的重任。

那是一段带有浓厚时代特色的历史。

出身体制，孙玉芳出门时，常常带着两张名片。其中一张的头衔是中科红旗董事长，另一张则印着中科院软件所首席研究员。

与中科红旗一同起步的龙芯，办公室里则随处可见红底打印出的《毛选》金句，就连会议室墙上也贴着“用毛泽东思想武装龙芯课题组”的标语。为了找到愿意配合生产的厂家，不善言辞的科学家们厚着脸皮，蹲在别人的办公室，一直磨到对方愿意配合。

只可惜，2005年年仅57岁的孙玉芳辞世，九年后，中科红旗正式破产，只留下了一个未曾实现的自主梦，和一群结局注定悲伤的奠基人。

而龙芯，二十年过去了，胡伟武还在与白发苍苍的倪光南一道，讲述着中国信息产业缺芯少魂的悲哀。

在后来，曾有人将红旗与龙芯的悲哀，总结为国有体制的悲哀。但或许，从两千年一开始，中国信息产业的芯魂商业化便注定是一个无法实现的泡沫。

毕竟，Wintel在前，造芯补魂显然不是一个划算的生意。

芯片、操作系统、软件环环相扣缺一不可的生态，做芯片需要操作系统的适配，做操作系统系统又需要软件与终端的适配。但偏偏，在桌面端，成熟的软硬件产品，都已经成为了微软生态的高薪打工仔。

与红旗、龙芯同龄的方舟科技以及蓝点科技，都曾是国产CPU与操作系统中的佼佼者。但短短几年，就“及时”认清了现实，开始了服务器或者嵌入式系统的转型之路。

但Wintel在前，造芯补魂更是一笔哪怕注定失败，遭受无尽质疑但也得不计后果做出来的生意。

孙玉芳、胡伟武们未竟的商业化，让中国后来的IT产业发展，即便遭遇最坏的情况，也依旧有芯可装有魂可用。让同在千年之后发展起的阿里、腾讯，可以毫无负担的轻装前行；也让被美国屡屡刁难制裁的华为，在断供的威胁之下，有叫板谈判的底气。

尽管商业化早已容不下迟到的红旗与龙芯，但时代需要一腔孤勇的悲情英雄来建造后人的基业。

转：柳暗花明，新时代中的芯与魂

风物长宜放眼量，一个时代的造芯补魂过去了，但另一个时代的芯与魂正在重塑。

关于龙芯与红旗，故事其实还有另一个版本的结局：

龙芯守住的国产芯片根据地，传递到胡伟武学生陈云霁创立的中科寒武纪手中，得以在AI时代开疆拓土。

成立不到四年，中科寒武纪在就已经完成了从创业公司到科创板上市企业的一跃。而在它的背后，则是中科院、科大讯飞、阿里、联想等近10家顶级机构与科技巨头的联手站台以及每年5.4亿研发支出，65项已获得专利，1,474项正在申请中的境内外专利。

红旗未竟的商业化，梦想被流转到中软、华为的员工捡起，在麒麟与鸿蒙操作系统之中闪闪发光。

红旗破产后，不少员工跳槽到了中国电子旗下的麒麟操作系统，成就了如今国内第一大国产操作系统，另一些则辗转去到了华为、阿里，成为鸿蒙、AliOS中的得力干将。

当然，不只是传统操作系统的复苏，一些更新的，立足于这个AI时代的新操作系统也正在崛起。

2020年11 月 23 日，第七届世界互联网大会在中国·乌镇拉开序幕。中国人工智能企业云从科技在会上亮相了全球首款人机协同操作系统CWOS（Cloudwalk Operating System），同时该系统入选 “世界互联网领先科技成果”。

根据官方介绍，CWOS可以运行在通用操作系统或云操作系统之上，提供人机协同相关算力、算法和数据管理能力和应用接口的底层软件系统。而围绕这一操作系统，又可以延伸出智慧金融、智慧治理、智慧出行、智慧商业四大方向的解决方案。

云从科技创始人周曦曾提出在未来三年的核心目标是围绕人机协同操作系统开拓一条产业链，从而成为AI行业的Tier1厂商，因为这将会使得云从更具有不可替代性、话语权强和利润空间高的标签，也会让云从未来实现第二曲线的高增长、高盈利、高稳定更有信心。

那么人机协同操作系统，到底解决了什么问题？

人工智能的目标如果比作要打造一个具有“大脑”、“神经”、“躯干”与“四肢”的机器人，躯干、四肢就是硬件基础，常见的有服务器、摄像头、通信网络设施；而“神经”和“大脑”是让机器人具备听说读写和思考的能力。

人工智能企业的目标就是要打造优秀的“神经”和“大脑”，让机器人具备各种能力，甚至让他有了“灵魂”，能够成为各行业的专家，全面提升工作效率和用户体验。

比如当年公安部抓捕连环杀人犯的“周克华案”，动用上千警力人肉盯着高清视频搜索嫌疑人影像资料，看到有十几个警察视网膜脱落，还是让嫌疑人从南京逃脱。

现在有了人工智能，相当于有了成千上万的AI干警24小时的快速检索，包括目标人在哪里、和谁发生过对话、在那里扔过烟头等等，形成天罗地网，很快就能抓到了嫌疑人。

过去这些年，硬件基础设施得到快速建设，比如服务器算力建设、5G网络、摄像头部署等，也催生出海康大华、华为中兴等巨头。

而现在全球范围内都更加开始重视“大脑”和“神经”的建设，核心技术、软件的重要性不断凸显。

不仅是中国明确加大人工智能投入，美国在法案中也将人工智能放在第一顺位。这也是人工智能为什么是十四五规划中关键核心技术里放在首位的最重要的核心技术的原因，人工智能是全球科技竞争的最前沿，也必然会在这个领域出现巨头。

或许，截止今天，还有很多人无法明白这一行为背后的意义所在。觉得做操作系统，是骗国家的经费，做AI，是骗投资人的钱；而AI+操作系统听起来很美好，但放眼全球，这是哪怕谷歌、微软都没有做的事情，一家成立不过几年的中国创业公司，凭什么就能成功？

2015年4月15日，云从科技在中科院重庆研究院召开新闻发布会，宣布正式成立。而这家被美国列入“实体清单”与“军工复合体”的中国人工智能企业的创始人周曦，正是一名归国的科学家。

为有牺牲多壮志，敢教日月换新天。

红旗的悲情，龙芯的坚守，AI在误解中的曲折前行，过去五十多年的沉默，或许只是在等待一个合适的时机爆发。

合：站在七十年工业体系肩膀上的创二代

冥冥中，历史在某一个时刻发生着惊人的重合。

2011年，当三次受中国科学院重庆研究院院长袁家虎之邀，辞别伊利诺伊进入中科院的周曦回国的那一刻，或许会想到61年前同样辞别了伊利诺伊，开启中科院人生下半程的“华罗庚”。

不同的是，归途中写下“梁园虽好，非久居之乡”的华罗庚面对的是一穷二白的中国，而周曦眼前的，却是富足强盛的祖国。在此之前，他已经是国际知名的AI专家：

2003年，周曦开始做声纹识别，并一举拿下美国声纹识别的冠军；

2004、2005年他转做语音识别，在微软亚洲研究院承担科研项目；

2006年，前往美国伊利诺伊大学深造，在计算机视觉之父—黄煦涛教授的实验室里工作，主攻图像和视频方向的AI研究；

2007-2011年期间，周曦带领团队在计算机视觉、音频检测等国际挑战赛中6次夺冠。

同时，周曦在国际上率先提出分层高斯化多媒体信息表达体系与动态物体实时分析框架，在国际顶级会议、期刊上发表论文60余篇，成果广泛应用于人工智能领域。

在他归国后次年的图像识别ImageNet竞赛上，深度神经网络首次被应用，并以大幅高于第二名的准确率登榜第一。

自此，国内外一场关于AI的创业浪潮被彻底点燃。中国的AI商业化“三驾马车”：旷视成立于2011年，商汤成立于2014年，云从成立于2015年。

三家公司之中，商汤融资最多，旷视成立最早，但最特殊的一家其实是云从——一个“中科院”孵化的创业公司，也是唯一一家，将操作系统写进了核心战略的玩家。而它的创始人正是2011年归国，已经成为中国科学院重庆研究院信息所副所长、博士生导师的周曦。

在外人看来，出身体制内，周曦哪怕创业多年也带着很强的科学家色彩：沉默、和蔼，不善于应对媒体，办公室里常备着加班用的床和洗漱用品。出门时，总是上身穿着西装，脚上蹬一双运动鞋就自己走没了影。但也不会有人觉得奇怪，因为这家公司每周四都会有一场技术会议，全公司所有人都管自己的老板叫做“周老师”。

短短数年，周曦就带着云从，在跨镜追踪、3D人体重建、语音声纹等人工智能技术上走到了业界领先水平，并获得吴文俊人工智能科技进步奖一等奖。

当然，在外界看来，这只会为这家公司带来了不少的困扰，只会刷榜，不懂商业化，空谈情怀……

但是在投资人眼中来，他们看到的却是周曦的B面：一位积极主动创业，思维很有深度，商业头脑发达，战略逻辑清晰，让人一见钟情的企业家。

与周曦有深厚交情的元禾原点合伙人乐金鑫回忆：“云从很接地气，周曦让我很佩服的一点，他作为科学家，思维很有深度。在很早的时候，我跟周曦就讨论过一个话题，人工智能公司到底是互联网属性还是传统公司属性，我们俩不谋而合：人工智能公司是传统公司属性。当你有了这样的解读后，你就知道云从的走向会和别人不一样。”

创始班子中，很多人都记得2015年的那一次投标失败，因为拿不出三年财报与高新资质，云从科技错失了一位唾手可得的大客户。复盘会上，办公室里激烈讨论之后，有人提出继续刷榜打比赛，有人建议多与客户交流感情，沉默了半场的周曦做了一个谁也没有想到的决定——开除事件的第一负责人，一位他费了重大心力挖来的副总裁。

那一刻起，没有人再以为这家年轻的AI公司只会打榜，也不再有人觉得体制内出身的科学家做不好一家独角兽公司的创始人：

到如今，云从创业七年，营收已经累计超过30个亿。

具体的业务中，云从在智慧金融领域已覆盖六大国有银行在内超过100家金融机构，智慧治理领域服务于全国30个省级行政区政法、学校、景区等多类型应用场景，在智慧出行领域，云从的产品和解决方案覆盖北京首都国际机场、上海浦东机场、重庆江北机场、成都双流机场、深圳宝安机场等包括中国十大机场在内的上百座民用枢纽机场。在智慧城市领域，云从在广州、四川、湖南等多地建设了“数字基座”标杆项目。

一个CWOS作为底层支持，云从让AI在千行百业开花结果。

显然，这只是个起点。近日，云从科技在上海证券交易所科创板正式注册成功，不出意外，云从科技将成为第一个登上科创板的AI平台公司，“AI四小龙”中唯一一个全内资的AI公司。

而关于未来，IDG在2019年曾经做过一个预测，2022年以前，全球认知和人工智能将以每年36%的速度飞涨，到2021年，约75%的企业应用程序会使用到人工智能，2022年，全球的人工智能系统支出将达到792亿美元。这些都是留给云从，留给中国的AI独角兽的广阔蓝海。

与之相似，中国信通院发布的“人工智能发展深度观察”报告称，2020年，全球人工智能产业规模约1565亿美元，增长12%；其中，中国人工智能产业规模大约3100亿元，同比增长15%。预计2022年国内AI核心产业规模有望达到1573亿元，复合增速58%，产业有望持续快速增长。

这一次，市场敞开了怀抱迎接那些早已准备好的创业者，而故事，也终于不再悲情。

结语：每一代人都有自己的使命

从筚路蓝缕到再到与美国站在同一起跑线，中间的跨度是70年。

70年前，全国人民勒紧裤腰带，只为回答一个问题，中国能不能有自己的两弹一星？

罗湖桥上经行而过的华罗庚、邓稼先、钱学森们，舍弃了半生的荣华，完成了时代交予中国科技发展的作业。

二十年前，当改革开放的春风呼啸着带来高速增长的GDP与Wintel时，在南斯拉夫事件的阴影下，时代的问题被换成了我们能不能拥有自己的芯，自己的魂，中国的科技产业，能不能拥有一个不被监控与植入的自主土壤？

孙玉芳、胡伟武、倪光南们创业奔走二十年，换来了一个带着悲情色彩的肯定答案，为华为在制裁之中，带来了最后的托底基业。

而站在如今，时代的问题则被换成了竞争，在中国竞争，全球化脱钩的当下，我们是否能够走到世界的前列，带领整个产业的发展？

站在四十年改革开放，七十年技术积累的肩膀上，华为、云从、寒武纪们的功业不是个例。

史书上，有人落寞，也总有人风光。但每一代人，都有自己的时代使命。雷峰网雷峰网雷峰网

近日大华举行了投资者问答。

2021年，市场环境错综复杂，许多行业都面临疫情反复、芯片等元器件缺货、原材料价格上涨等因素的影响。在如此严峻的环境下，大华营收达到328.35亿元，比上年同期增长24.07%。

2021年大华全新升级并发布了Dahua Think#战略，明确了公司将坚定AloT、物联数智平台两大技术战略，聚焦城市和企业两大业务。

2021年国内业务实现营收 193.47亿元，同比增长21.72%，其中， G 端收入58.52亿元，同比增长3.17%；B 端收入86.22亿元，同比增长27.61%；他业务收入48.72亿元，同比增长37.22%，这块主要包括智能家居业务和渠道业务；海外业务实现营收134.89元，同比增长28.63%。

报告期内，实现创新业务收入28.48亿，同比增长61.70%，其中公司机器视觉、汽车电子及智慧家居等业务快速发展，为公司高质量发展提供了新动能。

报告期内，大华实现软件业务收入16.01亿，同比增长16.29%。

2021年，大华研发投入34.52亿元，占营业收入10.51%，研发人员数量增加2390人，同比增长27%。今年一季度，大华发布了上市以来激励股数最多、覆盖最广的股权激励方案，持续推进“员工发展共同体计划”，同时出台了“领星计划”、“领军计划”、“蒲公英计划”等人力专项，给予各类人才更广阔的发展平台。

此外，中国移动战略定增事项也于4月18日通过了证监会发审会的审核。业务上，2021年 4月双方合作以来，合作金额同比增长超200%，联合挖掘商机90余个，其中政企市场的订单体量、增速都是分板块内最高，另外家庭市场业务、自建自用和国际市场都有亮眼的增长。

技术维度，双方通过技术与解决方案的融合优化、联合研发，以及产品与渠道和业务平台深度绑定：2021年已完成多个全国节点和省区视频业务平台的建设，联合打造了数十个解决方案和5G示范项目、数十款新款智慧物联产品，在5G、视频领域物联网操作系统、AI等诸多前沿技术领域的基础性、前瞻性研究方面展开合作。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

1、去年存在供应链紧张情况，请问公司对今年供应链趋势如何展望？随着供应链紧张情况的好转，毛利率和现金流情况是否会好转？

2021年供应链较为紧张，特别是前三季度表现尤为明显，我们准备了多种方案应对。四季度以后，上游供应链有了一定的好转，供应链紧张情况得到了缓解。目前看来，除个别像内存外，其他大多数元器件，包括主要芯片在内的价格都呈现下降趋势。去年，公司为应对供应链不稳定，加大原材料备货，全年公司存货增加约19亿元，从年初的49.28亿元增加至年底68.1亿元，增速高于营收增长，一定程度上影响了现金流表现。预计今年供应链因素对现金流的影响将会有所缓解。

2、今年海外疫情正在逐渐消退，请问公司对海外业务看法？

公司今年对海外业务的发展还是有所期待。自去年底到今年初，海外疫情管控基本放开，逐步进入到正常状态。经过过去几年的管理和投入，海外业务基础越来越扎实，未来公司将继续深化本地化的经营策略，持续下沉销售网络，不断加载更多的非视频类新业务和产品解决方案，配置专业团队进行海外新业务拓展。海外业务仍将公司今年发展重点之一。此外，过去两年包括最近的一季度，汇兑损失对利润端都是负向影响。随着汇率的持续波动，如果今年美元出现上涨，希望能够对22年公司利润产生一定的正向贡献。

3、看到公司海外业务、To B业务增速较高，请问对To G未来的发展预期？

政府业务因为受到疫情影响，财政开支减弱，过去两年的需求和增速都受到明显压制。但是，我们也看到疫情的精准防控对城市的精细化治理要求较高，城市管理数字化升级是刚需。另外，2022年围绕十四五规划的综合交通、绿色生态、数字政府、绿色生态、水利体系、乡村振兴等重点投资领域，我们看好综合交通智慧枢纽、耕地智保、智慧国土、水利数字孪生、长江十年禁渔、林长制带动的森林防火、智慧养老、乡村振兴等领域发展带来的机会；未来，随着政府稳增长政策出台，政府端的投资力度恢复，我们将快速抓住机会，实现稳健增长。总体来看，对G端预期不会比去年更悲观。

4、零跑科技作为公司联营企业，一直采用权益法进行核算，一定程度上影响了公司表观利润水平，请问公司在什么情况下会考虑调整会计核算方法？

公司初始对零跑投资共9000万元，按照权益法已经累计计提投资亏损8.26亿元，持续影响公司的经营性利润表现。我们相信零跑对大华的负面影响已经过了最困难的时期，零跑今年预计仍将出现亏损，但计划在23年实现盈亏持平，24年取得明显盈利，展望明后年，如果仍然采用权益法核算，也将对公司利润端慢慢转变为正向影响。

目前，上市公司对零跑的持股比例已经下降至8.89%，零跑保持独立运营。未来在零跑上市后，根据一些事项的变动情况，再结合监管、会计师事务所的专业意见，共同核定上市公司本身对零跑是否具有重大影响。最终，到底使用哪种核算方式，都只是一种报表的处理方式。

公司从去年开始，就零跑对公司利润的影响，都为投资人做了清晰的书面备注和交流解释，也是希望大家更注重大华股份自身的盈利能力和可持续发展的动力。

5、2021年To B、To G业务毛利率都有所提升，可能受益于降低主动集成业务占比，公司对高质量发展还有怎样的要求？同时，也看到信用减值损失对公司影响较大，展望2022年这部分变化趋势如何？

公司从2020年下半年开始启动高质量发展战略，21年经历了完整的实施年，22年将更是一个深化年。高质量发展包括注重毛利率、打造产品和解决方案的持续竞争力、深化人才战略等等。

关于减值损失，一方面，受制于近几年部分政府项目还款能力承压，公司参与的一些集成项目一定程度影响了公司的计提金额，近两年公司信用减值损失较高。另一方面，公司采用严谨的坏账计提政策，坏账计提充分，2021年底应收账款坏账计提比例达到15.11%，高于同行业平均水平。

对于应收账款管控，公司将继续深耕精细化管理，21年应收信用管理数字化平台上线，实现应收各维度分析，授信、高风险项目线上化过程管理，实现精准过程数据展示，加强高信用等级客户合作，优化签约条件，缩短了签约账期，同时对于业务模式也进行了优化，对于复杂的长账期主动集成项目，我们和合作伙伴积极搭建生态环境，提升合同签约质量。

对于历史逾期问题，针对不同的逾期原因、场景，成立了清理专项小组，细化过程催收管理，降低逾期比例。公司20年信用减值损失5.76亿元，21年达到7.45元亿元，我们希望今年减值损失能够有所下降。另外，在毛利率方面，由于准则的变化，与销售相关的运费由销售费用调至营业成本列示，影响全年毛利率下滑1.51%。如果剔除运费及红外热成像产品影响，21年毛利率较20年略有提升，同样体现公司精细化管理取得阶段性成果。

6、未来的工程项目的收入会有逐渐增加的趋势吗？

去年开始，公司主动集成项目已有明显下降，大华的战略定位始终没有改变，坚持发展生态合作伙伴，实现生态的共建、共生、共赢合作，这一战略通过这两年的持续落地得到了合作伙伴的高度认可。

7、研发人员投入和项目部署渗透中人员快速增长，公司采取什么样的方式提高管理的有效性？在业务端，尤其是软件业务方面，如何保障收入目标的实现？

人员管理维度，目前，在项目管理、解决方案组织的管理上均以杭州总部为主，辐射全国。在成都、西安两个研发中心分部，会根据当地的人才特点和整体战略进行布局，适当调整其管理方式和产品线内容。 为提升人员投入的有效性，公司通过建立了横向构建资源平台共享，避免重复开发，从而提升各产品线的研发效率。

IT团队不断扩大，财经线体系已嵌入到营销、供应链、研发等业务发展过程中，通过数字化的手段，提高公司整体的管理效率。未来仍会保持继续投入，希望通过近几年来的投入，进入收获期。

公司为实现稳健增长的业务目标，在技术上，持续加大产品与解决方案、基础技术等方面的研发投入。从组织架构结构来看，公司最下层的五大研究院，往上支撑城市和企业两大业务平台，解决方案团队在平台能力的基础上拉通市场，加强总部和区域的腰部营销力量，重点增加地级市和重要二级办的覆盖。

此外，前置20个省区开发中心，增强销售端的技术能力。通过强有力的组织体系保障，和技术对营销和交付端的赋能，共同保障业务目标的实现。

在软件业务方面，目前公司已完成业务目标的分解与指标任务的下达，国内各省区、行业线以及海外团队都制定了完整的策略。

国内方面，为实现软件营销转型，各省区构建完成了软件营销组织，制定了考核指标，并且设置了软件营销激励，提升软件销售意愿。海外方面，公司成立了独立的海外软件团队，一方面发展标准化的通用软件，另一方面聚焦重点行业，发展例如智慧城市、交通交管、商贸连锁、地产等细分领域的专业行业软件，努力提升软件业务在海外业务中的整体占比。

8、目前云睿的业务体量、布局和发展规划如何？

云睿是面向企业未来信息化领域轻资产模式运作的一种新型解决方案。在商贸连锁、社区、教育等行业的需求尤其明显，伴随智慧物联SaaS服务模式的普及，数智化转型成本降低，下游客户接受度越来越高。2021年，在原有大华云睿基础上，独立推出云睿连锁、云睿社区、云睿教育三大产品，在功能特性和用户体验上，最大程度适应客户场景需求。

此外，我们还推出了大华云联产品，面向中小企业需求，最大限度简化使用流程和使用门槛，真正做到“下载即可用”。大华云睿在2021年共计发布了超过200项功能特性，在对应产品中推出了智能客流、智能巡店、物业服务、家校互通等一系列客户迫切需要的业务功能；

同时，巨灵AI开放平台帮助企业拓展AI应用的边界，并对SaaS业务中台进行开放，帮助开发者和企业快速构建智慧物联应用能力。2021年，云睿物联设备接入数量实现了110%的同比增长，收入同比增长253%，而在这个数据变化的背后，收入结构的变化和收入来源有了积极的变化。云睿的收入结构中，由SaaS增值服务带来的销售收入比例大幅提高；同时，云睿在线商城的客户自主购买服务已经有了稳定增长，这些让我们对云睿的未来有更大的期待。

9、请拆分创新业务里面的主要子业务，目前的发展情况及未来展望？

2021年创新业务实现61.70%的增长，未来还有待加强。目前收入规模较大的主要有华睿、华橙和华锐捷，由于起步较晚，目前超10亿的只有华橙一家，希望今年能有3家收入规模可以超10亿元。

华橙面向全球民用智慧物联网市场，构建了以“家庭安防、智慧物联、家庭服务机器人、云业务”为主的四大产品体系，硬件主要包括家用智能摄像头、智能门锁、门铃、扫地机器人、路由器、猫眼、智能照明等，另外还提供以视频为核心的IoT设备的海量接入、传输、存储、AI和大数据分析、数字化运营等服务。目前乐橙云业务生态拥有70000+第三方合作伙伴入驻。

华睿目前在分拆上市的过程中，主要围绕智能制造展开业务拓展，形成机器视觉和移动机器人两个核心业务。

机器视觉在精度检测、缺陷检测，快速读码等方面均有广泛应用，围绕工业相机，也自研了相机采集卡和控制器，不断丰富产品系列和产品品种。

移动机器人方面，主要聚焦在工厂物流搬运，通过智能化和无人操作，形成潜伏、叉取和移载等系列产品，在汽配、3C、新能源和纺织等行业头部客户项目上不断落地，形成多个超过百台不同系列车的混合调度项目。

随着产业升级和未来工厂的建设，机器视觉和移动机器人作为一个基本部件，将不断完善技术积累，做好产品，打造精品，满足行业需求。

华锐捷专注于智能车载产品和行业解决方案，充分发挥视频领域的技术优势，布局智能驾驶方向，结合雷达、AI、感知数据分析与处理等技术，全面服务国内外乘用车、商用车客户以及各级消费者用户。

10、公司目前汽车电子的业务进展，以及除了零跑外，还有哪些客户？

新能源汽车是一个超级电子产品，双方在线路板、毫米波雷达、超声波雷达、360环视等产品上有所合作。在乘用车前装市场方面，公司汽车电子公司华锐捷通过车载相机、车载雷达、域控等产品实现智能驾驶、自动泊车等技术系统，自主研发了H-Pilot 智能驾驶系统，借助视觉传感器和毫米波雷达实时感知道路环境。

目前已正式量产了基于视觉和超声波雷达融合的全自动泊车产品、辅助驾驶产品，并获得多个车厂的项目定点。面向商用车市场，华锐捷已发布了众多智能化的车载产品和辅助驾驶系统，实现了车载监控、前车碰撞预警、车道偏离预警、盲区检测、驾驶行为分析、司机考勤、客流统计等技术。

11、请展望公司各板块的2022年的增速情况？

创新业务因为规模还较小，可以维持较高增速。

海外业务也同样值得期待，虽然地缘战争影响个别地区业务开展，但公司海外业务分布180多个国家和地区，业务相对均衡，整体相对可控。

企业端，数智化转型还处于初级阶段，随着企业的数智化转型与技术的发展，预计仍会有很多新的需求，但也需要客观看待经济环境对企业整体投资力度的影响，我们保持谨慎乐观的态度。

政府端，随着政府投资力度恢复，稳增长的政策出台，同时新型的智慧城市、交通、公共民生等领域依然会有新的机会。此外，SMB和To C市场方面，虽然受疫情影响较大，但存量可提升空间较大，我们将不断扩充产品线，持续推进渠道下沉，深入挖掘、释放现有管道能效，从而实现较快增长。

12、如何展望定增正式落地后，公司与中移合作的业务推进情况？细分G端、B端有哪合作机会？

近期，证监会已经审核通过了公司本次非公开发行股票的申请，这是双方合作的里程碑事件。公司与中移战略合作具有多方面的战略意义。

双方通过技术与解决方案的融合优化、联合研发，以及产品与渠道和业务平台深度绑定：2021年已完成多个全国节点和省区视频业务平台的建设，接入行业视频近十万个。并联合打造了数十个解决方案和5G示范项目、数十款新款智慧物联产品，在5G 、视频领域物联网操作系统、AI以及云计算等诸多前沿技术领域的基础性、前瞻性研究方面展开合作。

当下我们更注重打磨产品与方案，对接各省区单元，夯实合作细节，充分激发合作潜力。未来，双方将继续深化合作，扎实推进双方战略合作的顺利推进，期待在22年年报交流中为投资者们展现更多的合作成果。

13、AI在场景落地时，碎片化程度很高，公司建立了统一技术架构，利用模块组件来提高复用率。从规模效应的角度考虑，展望未来人均产出的趋势，预计何时会出现拐点？假设在不考虑疫情影响的情况下，未来三年公司人力投放如何预期？

近几年人均效益的因素影响较多。一方面，公司增加了较多的人员， 去年员工总人数增长33%，研发人数增长27%，资源的投入到产出存在一定的滞后性，人员的成长、业务的培育需要过程；另一方面，因为场景碎片化，公司在人工智能领域的大力投入的规模效应还未很好的显现。未来，会随着AI在数智化进程中的不断落地，规模化效果会有所提升，今年下半年或是明年投入会得到更好的释放。

目前，公司仍处于重要的投入期。分板块看，海外分销进入了3.0阶段，集成商生态持续拓展；国内原先以省区为中心，现在进一步下沉，开始以城市为作战单元；

研发端，通过五大研究院的基础技术发展，夯实底层基础，以支撑产品到解决方案持续深化；

供应链端，除了富阳生产基地外，公司还在在长沙、印度、越南等地建立新的生产基地；

公共支撑端，保持在IT、财经等方面持续投入，巩固业务成果。未来公司还会继续加大人才方面的投入，特别是应届生方面，预计今年还将新增应届生2500余人，但全公司人数增幅会小于去年。基于对行业发展的长期看好，持续的投入是必要的。

公司会继续坚持高质量发展不动摇，改善现金流，提高人均效益，但是人均效益的提升需要一个较长的过程。每一个作战单元，包括公共支撑部门，都会关注其人均利润贡献指标，以及未来如何提升。通过系统性、数字化、标准化的管理，来解决人均效率提升的问题。雷峰网雷峰网雷峰网

早期的智慧物联大厂们，一路高歌猛进，恨不得做到毛细血管。如今你仔细看，似有不同：

他们在划定边界，悄悄后退。

产品层面，轻量化、平台化属性趋显。

海康的AI开放平台、智慧城市数智底座，大华的“一体系、两平台”、云睿、巨灵AI开放平台，他们卯起劲，不知不觉中建立了软件平台底座能力。

战略层面，放弃主动集成，退居幕后，培养生态。

大华曾对AI掘金志表示，大华对定制化项目非常克制，未来大华会往后退。

“主动集成我坚定不干，合作伙伴去干，把合作伙伴给培养起来。”

海康也表示，SMBG会围绕服务渠道伙伴、工程伙伴做更多的工作，连通线上线下，让生态里的从业者更专业、更规范的开展工作，也用互联网后台的建设和管理帮他们提升运转效率。

他们通过“被集成”的方式提供产品和解决方案，让利合作伙伴，后者承担总集成商或工程商的角色，以保证生态链的平衡。

表面看，他们依然无处不在，但为何不再高歌猛进？

以退为进

首先要明白一点，后退不是退步，而是智慧物联转型的必然，是更多地让利他人，以求长期的共赢。

从外部需求侧看，近年入局B端者派系各异，路径打法各有千秋，但有一点普遍共识：ToB业务庞杂繁复且极其碎片化。

智能化时代，ToB业务散碎程度更突出、差异化更强、速度更快、发散度更高。

比如交通领域，未来可能诞生上千种算法；比如井下煤矿领域，应用场景多、需求细碎、产线极多，全线铺开差异化非常大。

内部供给侧看，没有一家厂商可以大包大揽解决各个环节的问题，场景也无法由任何一个主体完全覆盖。

业内多位专家告诉AI掘金志，围绕客户需求做各类定制，包括硬件、软件、数据、算法的定制，这是行业的长期要求，甚至可能是本质特征。

这些大举进入B端的企业，无不多线覆盖，产品求全、场景求广。

要hold住差异化大、颗粒度细、定制化大的B端业务，就意味着大量人力、物力、财力投入。

他们需要回答的一个核心问题：成本的矛盾。

没有底层平台能力和规模经济，边际成本投入将面临失控。

海康曾提到，海康聚焦在感知和数据的能力上，从竞争的角度说，最后方案是不是站得住脚，还是要看有没有足够的经验积累，能不能产生规模经济。

在碎片化的市场中找相对通用的方案、相对有规模效应的需求，是行业巨头的责任，也是义务。

其实，于他们自身，作为集团级别企业，无论是员工规模、产品规模、业务规模，要与边际成本抗衡，底层平台化支撑、生态合作是必然选择。

以海康为例，员工从28个人到如今超4万人，产品线之长让人咂舌：从前端摄像机，中间传输，后端录像机，再到中心存储、服务器，从软件到硬件、从屏显到网线。

一个惊人的数字，海康在售产品SKU已近30000种产品。

近3万的SKU、细碎的场景、万千的方案，行业碎片化带来的成本，需要规模化来填补，需要标准化平台，提高模块复用率，如此才能降低边际成本。

而在业务层面，他们的“后退”，更多是针对中小企业。

行业头部企业在定制化程度、业务复杂程度等等方面都极具代表性，资金较为充足，转型更为迫切。

海康曾提到，在拓展更多客户还是头部客户深化的问题上，海康倾向于认为大部分行业的份额都会逐渐向头部企业聚集，而头部企业的信息化投入占自身营收的比例会更大，投资更集中。

“我们直接去甲方招标的项目比例真不高，我们做一些项目的目的是为了做试点，完善解决方案，更好地摸索行业细分领域。比如做ToB时，挑某个行业的Top3，选一家一起合作。”大华股份白培林（化名）告诉AI掘金志。

换句话说，行业头部的数字化转型案例集百家之所长，是海康、大华ToB业务的核心，ToSMB，则是扩大规模的基础。

大企业的经验沉淀到产业和平台，中小企业以标准化需求为主，可以导入行业头部经验和方案，他们通过生态伙伴做定制和交付，实现快速响应。

合作伙伴分为两个大的方向：第一，大的集成商，第二，中小工程方。

合作伙伴借助海康、大华的力量增强客户信服度，海康、大华借助合作伙伴力量持续拓宽覆盖范围。

通过渠道下沉，提炼出终端用户的共性需求优质的解决方案，通过合作伙伴更有效地推广解决方案。

下沉的销售人员、技术人员与合作伙伴进行捆绑，比如一起覆盖区域中的企业，在整体分工中构建共建、共赢的模式。

如此，销售从被动变为主动，销售推广更有效率和质量。

“我们自己的下沉核心绝不是和合作伙伴抢生意，而是一方面让市场更加活跃，另一方面通过下沉人员赋能合作伙伴，当合作伙伴能力更强，我们的覆盖也将更广。”大华股份先进研究院院长殷俊表示。

这一招，以退为进，变潜在敌人为合作伙伴。

被低估的SMB

为什么说SMB业务被低估？

此前，海、大一直承包大G城市级的集中型项目，转舵ToB后，聚焦各个行业龙头。

每每公开场合，当ToB业务享受着众心捧月的待遇时，SMB鲜少是重点。但，不要小看长期位居角落的SMB业务的潜力。

SMB身上具备一种时代滞后效应。

据相关数据显示，2018年，平安城市、智能交通、雪亮工程占中国安防市场的53%，一直以来，行业也大多将目光放在那耀眼的53%上，忽视了47%的巨大潜力。

而后雪亮工程步入尾声，AI等技术日趋成熟，碎片化的数字城市市场暗流涌动。

逐渐消失的安防边界，让那剩下的47%正以前所未有的速度发酵。

社区、园区、商业、工地、楼宇、商铺、工厂、景区......

无数散落在全国各地区、各行业的智能化需求，像潺潺流水的小溪，正流淌、贯穿出一副山河巨制。

它碎片化、分布零散、单个体量小、项目规模小、营收小，但数量多、范围广，如毛细血管般的市场，规模累积效应大，正成为数字城市走上台前的重要砝码。

海康、大华SMB对准的，正是雪亮、平安等背后寂寂无名的、极具代表性的“小”市场、长尾市场。

SMB身上具备一种时代普惠效应。

纵观前三次工业革命的共同特点：机器劳动取代体力劳动，社会生产力得到极大的提升。

如今第四次工业革命即将开启智能化时代，则由机器取代体力，向机器取代脑力变革。

注意一个关键词：取代。

何为取代？用某一件事物代替另一件事物。要实现这一点，离不开“广泛地、大规模地”应用。

前三次工业革命的标志分别是：

蒸汽机的广泛使用、电力和内燃机地广泛应用、信息技术的广泛应用。

因此，要实现真正的智能化，是全社会、全行业范围内的应用落地。

如果说大B是数字化、智能化的机动车部队，那么小B就是浩瀚庞大的非机动车大军，后者身段灵活，且无处不在。

SMB代表的，是国家政策之外的市场自发驱动力量。

那些碎片化市场，那些在万千被忽视的小场景，是推动智能化时代进一步的核心要素，是AI全面落地的主力军。

除了范围广、规模大，还有一个重要原因。

作为B端分支，SMB的行业特性里，具备平台经济的基因。

海康曾提到，ToB、ToG业务的市场中，厂商很难成为平台级的公司，而定位泛安防产业互联网的SMBG，是有可能衍生出小平台来发挥主导作用。

大华股份ToB业务研发中心副总裁李广义和国内营销中心副总裁史东也曾对AI掘金志表示，SMB端，不像G端大包大揽，不像B端技术壁垒高，也不像C端重个人体验，SMB端偏向于生态和业务的管理制度。

而以通用化和场景化的基础业务，让SMB的技术逻辑最简单。

一旦通用化份额占据主导，就具备规模化效应的温室，加之生态效益，就能催生平台型经济。

平台经济的魅力在于凝聚资源，将传统经济链条式的上中下游组织，重构成围绕平台的环形链条。

平台将原本冗长的产业链弯曲成了环形，B端用户通过平台直接触及C端用户，节省的各个环节步骤，提高了产业效率。

海康、大华需要这样的平台经济模式，而SMB也具备这个潜力。所以我们看到，他们的确这么做了。

海康在2019年年报中首次对SMB业务进行了详细描述，明确了SMB业务定位：产业互联网，并推出海康互联和海康云商两个主线平台。

在海康之后，2020年大华也首次明确提出SMB战略并推出云商平台。

SMB业务，背后是一条工业品产业链。

它并不是普通认知里的交易型、流通型或者社交型的互联网平台，在这条产业链上，涉及到设计、施工、验收等非标准环节。

它需要一个非强业务联系的形式，让经销商和工程商去开拓市场，三、四级代理开始下沉，形成低成本、高效率、高质量的团队，海康、大华站在他们背后提供技术、方案和营销的支持，如此，才不失为一种共赢方式。

与此同时，SMB市场中的众多主体，工程商、服务商和个体从业者虽然具有碎片化的覆盖能力，但是方案能力需要提升和更新，业务开展难以标准化，经销商面对繁杂而不断迭代的产品方案，业务学习压力大，经营管理难度高。

海康、大华的SMB平台，正是取平台经济之所长，弥补产业链之短。

海康、大华，有产品、有项目、有方案、有工具、有资金、有运维和售后需求，需要三四级经销商、安防从业者、第三方生态和中小企业用户的推广能力和本土化优势；

SMB市场主体，有覆盖能力、响应速度快、人脉资源广、有服务效率和质量，需要产品、需要方案，需要新的利润。

当供需组成了一个闭环，再整合到云端，实现互联网前后端的采、购、销，售前售后的一站式服务，就形成了我们朝思暮念的产业互联网闭环。

线下体验店为用户提供咨询、勘测、方案设计、安装、售后、评价等服务，线上提供派单、售前、培训、认证、案例、资讯等服务。线下体验，线上购买，打通线上线下，链接消费者和服务商。

既有整合产业链伙伴之功，又有盘活渠道店铺之效。

总会看见的星辰大海

这一前一后进入的中小企业业务，成绩如何？

以海康为例，2021年上半年，海康SMBG营业收入61.74亿元，可与其他两大BG相较，更因疫情后反弹，同比增速惊人，达105.80%。

海康曾提到，SMBG业务增速在三个BG之中一直是最大的，近两年复合增速超过20%。

他们这一步，应该走，也走对了。

其实海康、大华此前并无大B、小B之分。

SMB诞生于2-3年前的组织架构调整，这一步，由行业属性转变为业务属性，不仅理清了业务脉络，也扩宽了前行航道。

横向上，安防只是一个子行业，以ToG和ToB为主线，可以迈向交通、制造、园区、工厂、医疗、教育等等智慧物联领域。

纵向上，可以贯通产业链，联合产业链更多的环节，从一变二、从二变三，去寻找新的商业机会和收入来源。

SMB是他们贯通纵向产业链、扩大横向业务面的重要一城。

过去10年，是安防市场疯狂增长的10年。其中，海、大赖以生存的渠道建设已经足够强大。

但实际上，即使渠道下沉多年，双龙头也仅能覆盖到地市一级，部分区域到县一级，更别谈乡镇和村。

原因无他：SMB市场中的细分场景，极其散碎，难以直接高效覆盖，在全国各个县、乡、镇去完整部署自己的售后、运维团队，一家家地推，成本极高。

在SMB领域，与其说是后退，不如是换一种方式的前进。引用一句俗语：退一步，也许是海阔天空、星辰大海。雷峰网雷峰网雷峰网

智能物联的赛道，正迎来黄金的十年。它甜蜜的嗓音，吸引着时代中雄心勃勃的各路人马。

AI、大数据这些技术的涌现和不断成熟，让智能物联AloT在智能家居、智慧安防、工业物联这些生产生活领域掀起了席卷的技术浪潮。

4月15日，海康发布2021年年度报告，实现营业总收入814.20亿元，比上年同期增长28.21%；归属于上市公司股东的净利润168.00亿元，比上年同期增长25.51%。

除了一向稳健的增长，年报中透露的一项信息颇值得注意，海康刷新了公司业务定位，将业务领域明确定位为“智能物联AIOT”。

同时直指下一个10年：“我们相信，未来10年，伴随智能物联网的发展，公司将继续快速发展。”

深入布局智能物联赛道，熟悉海康的人并不感到新奇，海康其实一直都走在智能物联的路上，并不是骤然步入。

胡扬忠在4月16日的业绩说明电话会上表示，海康做监控起步，以视频为核心，视频技术和相关业务就是物联网的一部分。物联网这个概念有20年的时间，现在人工智能给这个产业带来了巨大的影响。

海康原来是以视频为核心的物联网，现在不再强调或者强化视频，而是强调其他的感知设备，在非视频的投入会增加来扩充海康的产品线，也会在智能技术上进一步的投入感知智能、认知智能。在大数据的治理及技术的应用上面会引入AI的技术，来更好的为客户和用户提供更有价值的产品。

以技术创新为驱动，深厚的技术构筑了海康在智能物联领域坚实的基石。

在产品层面，匠心打磨20年，海康从物联感知设备拓展到与人工智能、大数据技术充分融合的智能物联产品、IT基础产品、平台服务产品、数据服务产品和应用服务产品在内的5类软硬产品。

一个引领行业的数字是，通过多年的产品研发创新，海康目前在售硬件设备型号近3万种。

这背后是20年持续的研发投入。

2021年，海康威视研发投入82.52亿元，占营收比例提升至10.13%。研发人员超过2万人，占公司总人数近50%。近5年，海康威视的研发投入占比逐年提高，上市12年以来公司累计研发投入达到354亿元。

在营销上，长期的持续投入，海康形成了国内和海外在营销组织、本地化人才团队、合作伙伴等方面的深厚积累，能快速响应客用户的需求。

支撑技术、软硬产品、系统能力、业务组织、营销体系的深度进化，形成了布局行业层面的横宽。

这使得海康的业务领域能水到渠成地投向更宽广的海洋——智能物联。从事的领域从综合安防拓展到智能家居、数字化企业、智慧行业和智慧城市。

过去二十年，海康在智能物联的落地上，以智慧安防为主战场，见证了和参与了安防行业的发展和壮大。而今，智能物联这个万亿级的市场，有众多玩家加入，海康也已准备好扬帆破浪、坚定前行。

海康威视总裁胡扬忠出席海康最新的投资者调研，并以其一贯朴实、接地气的方式回答了与会者绝大部分提问，内容涉及海康战略、竞争对手、产业变化、行业前景等等。

从他的万字回答中，雷峰网择取了10大要点：

1、关于增加人员投入：

18年到20年这三年是海康比较困难的时期，2021年相对比较乐观，在人员编制上面力度会更大一些，投入有几个方向，一是创新业务，二是海康主营业务。

2、关于业务定位刷新为“智能物联”：

海康是做监控起步，以视频为核心，视频技术和相关业务是物联网的一部分。

海康在七八年前就开始展开做其他的感知，如远红外、毫米波、X光、声波等感知，还会做基于电磁波、机械波的感知，进一步拓展接触式的感知，这些感知设备和AI技术的结合，会有很多新的变化。

海康不再强调或强化视频，而是强调其他感知设备，在非视频的投入会增加来扩充海康的产品线，也在智能技术上进一步的投入感知智能、认知智能。在大数据的治理及技术的应用上面会引入AI的技术。

3、对各个业务走势的看法：

PBG 政府投资有弹性的，政府为了解决特定需求，今年投入可能会加大。PBG也有大年小年，比如有些大项目的出现，对业绩板块变化的影响就比较大。

EBG 是企业驱动，数字化转型需求实实在在存在。从长期上和持续性来看，依然看好EBG的发展。

SMBG今年压力相对大，但海康在丰富和扩充产品线，也在进行产业垂直互联网的整合，也不悲观。

4、关于微影和汽车电子两大新业务：

海康2016年成立海康微影，2019年受美国制裁重组，主要锁定民用市场，没有进入军用市场。目前海外民用市场扩展非常不错，过去两年业绩贡献较大的是人体测温、工业测温以及一些其他市场。

海康汽车电子主要锁定两个方面，即可见光传统摄像头和毫米波雷达，其他方面目前暂时没有进一步的拓展。过去做前装市场，导入周期长，非常辛苦，但去年成长非常不错。

5、对大型工程项目定位：

海康从某种程度而言不太愿意做大项目。以前都是靠我们的客户，我们在后面做一个支持者，但有些大型项目的用户本身提出要求海康直接做一个完整的交付，所以海康虽然不把大项目作为一个业务去发展，但是我们要具备大系统集成服务能力和整合能力。

未来几年还会有这样的项目出现，把做项目的能力培养起来。对于海康来说，对产品、软件系统的完善，对一些新产品的导入，对软件系统的运维升级都是有帮助的。所以从这些角度来看，海康未来几年还是愿意在大项目上有一些投入，以提升海康整个的竞争力，增加一些业务机会，最重要的还是满足用户需求。

6、创新业务是否并购：

海康是一个注重内生长的企业，也关注收并购的机会，过去几年我们也尝试过，也面临一些挑战。其中最大的挑战还是我们自身的整合能力、我们的运营能力，是否能消化并购的业务。

并购有风险，失败率很高。确实一个公司不可能什么东西都由自己来做，有时候可能需要整合一些外部的业务。但我们对于收并购这样的经营手段是比较谨慎对待。

7、关于跨界竞争者：

传统安防的业务实际上没有那么大，过去大家看到海康大华都做得挺不错，这可能对一些门外面的人产生了些诱惑。

这个行业有个突出特点，它的订单非常碎片化，市场极度的分散，那么如何来适应这个行业的特点，满足各种客户在各种特定环境下的需求，这是很大的挑战。

这个行业的确不像那些有大项目、大单品、大平台的行业，它有自身的特点。

海康重点关注如何更有效的满足碎片化市场需求，具体来说包括我们在技术层面、在营销方面的投入，在产品化、在快速的交付层面，我们能不能做得更加有效，这是永远要打磨迭代下去的。

8、关于产品线拓展：

海康一直以来都在分析自己，想看看从全球的维度来说，哪些行业领导者可以作为我们学习的榜样。

早期，海康把研华科技（Advanteck）作为标杆，他们聚焦小批量多批次的业务做长期发展；

后来，考虑佳能，这家公司运营非常不错，在整个IT产业里面，走靠近边缘产品路线，不在中心，不做主流的CPU，不做操作系统，不做数据库，不做整机，做和 IT相关联，但关联又不那么紧密的业务。

后来，选择3M作为标杆，3M产品丰富，技术聚焦在涂层、基底、粘合剂上，再延伸到很多的产品，是个多元化的公司。

海康不做多元化，我们做智能物联，把感知作为基础，和人工智能技术、大数据技术结合，提供更多的更丰富的感知产品和解决方案甚至系统，来满足各种不同客户、不同场景下的应用需求。也许再过10年或者20年，海康会有比3M更丰富的产品线，来满足这样一个复杂场景的应用需求。 

9、关于创新业务的渠道策略：

海康的创新业务有些渠道是复用的，当然也有很多是不可以借用原来的渠道的。我们还是根据具体的业务需要在做，也一定按照上市的相关监管要求来做。

从长期来看，创新业务会走自己独立的渠道策略去发展，但有一些跟海康关联度比较高的，可能依然会把产品卖给海康，海康再通过渠道去销售。

不用太担心海康跟创新业务的关联交易问题，海康在合规方面是非常严格的。 

10、关于研发投入：

“吃着碗里的，煮着锅里的，种着地里的”，“种着地里的”就是投入，今年的研发占比还会进一步上升。

以下是海康威视答投资机构调研问，雷峰网作了不改原意的编辑和整理：

1、如何去做好既有收入端增长，同时有能保持好的综合毛利和营业利润率？调薪、费用端、成本端等方面会有一定的影响，驾驶这么一艘大船，管理要求很高，胡总是否有定性的展望。

胡扬忠：当前疫情防疫政策的规定和压力，一、二季度有很多的不确定性。但对海康来说，我们整体还是会比较平稳，主要源于我们有几个特点：

第一，业务非常分散，我们有国内国外市场，市场从空间上就很分散，国家、地区、城市很多，虽然有些区域处于封城的静止状态，大部分城市还是活跃的正常化状态。

第二，我们的产品线较宽，种类较多，在新需求到来时，我们整体反应较快，包括防疫产品里居家隔离的门磁，核酸检测试剂管的读码——秒级读码，速度很快，一扫而过。

第三，行业划分较细，不同行业受疫情影响大小不同，收入端整体较平稳。

经营效率方面，现在最重要的事情就是保证在安全的情况下交付。无论在国内还是海外，过去这些年，海康在营销端的运营、交付方面有深厚积累，这些积累比较适合现在多变的环境，比如订单生产的能力，物流配送的能力，国内有丰巢，海外有自己的物流中心，在应对各种外部环境变化的时候，这些缓冲还是非常有效的。

运营效率方面，在供应链、工厂生产保障上，我们有桐庐工厂、重庆工厂，此外，过去几年受制裁影响，加上芯片荒，为保证生产稳定，我们在现金流充足情况下，备货相对充分一些。

我们的成品的调整空间也比较大。过去两个月，我们做了很多的调整和适应。当然现在最重要的是保证工厂正常的生产。

海康跟供应商有长期良好的关系，比如上海、苏州的供应商目前的生产有困难，我们采取了很多措施来解决问题，比如会开新的模具。

关于费用，过去几年人才的内卷非常严重，实体企业在互联网大厂面前显得竞争力非常弱。我们采取了一些措施包括涨薪来应对人才的竞争，今、明年还会继续保持一贯的风格，费用会有一些上升，费用率要靠公司的收入增长来解决，同时我们特别关注的毛利率问题，也会理性看待。

海康在运营方面的工作做的比较细，无论是第二季度还是全年来看，我们没有那么悲观，还是比较偏乐观一些。

2、去年整个人员投入增加了1万多人，有超过23%的人员增速，比投资者的预期会多，是否有新一轮的发展机会或者增长点。

胡扬忠：18年到20年这三年是海康比较困难的时期，美国制裁加上疫情，以及产业界的激烈竞争，让我们的投入相对比较谨慎。到了21年，我们相对比较乐观，在人员编制上面力度会更大，但增加的1万多人，其中有4000多人是产线的工人，对整个经营绩效实际上没有什么影响。

非工人的编制，我们大概增加了6000人，有几个大的方向，一个是创新业务，因为创新业务增长得很好，人员的投入肯定要超前一些，这是我们投入比较大的方向。

第二个是海康主营业务，在18年到20年我们人员方面收的比较紧。在21年我们觉得有几个大的变化，第一个变化是疫情整个情况在好转，第二个是美国的制裁，我们在慢慢适应这种变化，包括出口管制的25%微量元素，以及美国本身NDAA的相关措施对其他国家带来的影响，观察影响究竟有多大。

第三个是产业的竞争，20年还是有些大的变化，这些变化对海康来说也是机会，所以我们还是比较坚定的在增加投入。

3、原来公司定位是以视频为核心的智能物联网解决方案和大数据服务提供商，现在进一步的提升到了智能物联，我们应该如何去解读这样的一个升级变化？

胡扬忠：海康是做监控起步，以视频为核心，视频技术和相关业务就是我们在说的物联网的一部分。物联网这个概念也有20年的时间了，现在人工智能给这个产业带来了巨大的影响。

海康在七八年前就开始做其他的感知，现在热成像如远红外，毫米波、X光、声波等感知，可能还会做其他的基于电磁波、机械波的感知，也可能进一步拓展接触式的感知设备，这些感知设备和AI技术的结合，会有很多新的变化：

结构化的数据进一步治理以后形成大数据，大数据的挖掘或洞察大数据背后的规律或者现象等等。

海康原来是以视频为核心的物联网，现在不再强调或者强化视频，而是强调其他的感知设备，在非视频的投入会增加来扩充海康的产品线，也在智能技术上进一步的投入感知智能、认知智能。在大数据的治理及技术的应用上面会引入AI的技术，来更好的为客户和用户提供更有价值的产品。

4、把最近这三年致股东的信做一个对比，会发现今年特别强调了海外的布局和全球化公司的定位。请问海康是不是看到了海外市场更大的发展机遇？

胡扬忠：海康一直在做国际化，18年开始国际化带来了很多的挑战，海康也在风口浪尖上面。美国作为全球最大的、最有实力的、最强大的国家，它对全球的全球化影响是很大的。

我们在压力下观察、思考，包括国内的主循环，国内跟国际之间构成的外循环，来看对海康的定位。因为海康和其他公司不一样，在被打压的状态下，过去几年从很多的发展中国家来看，海康业务受到的影响有限，在有些国家受的影响大一些，在有些国家受的影响小一些，但总体海外的业务依然在发展。

同时我们也看到中国企业在全球化的过程中有特定的优势，比如在终端产品的设计能力、推出产品的节奏、成本的控制等方面，我们的综合竞争力在很长的时间里会有比较好的优势。

同时国内产业链，在往产业上游走，走的力度比较大，也有成果。比如过去十年，集成电路设计能力往前走了很多，在某些器件、部件上也非常有成就，比如镜头，在2010年之前非球面镜头基本上都是进口，现在基本上国产；比如监控摄像机DVR、NVR里的SOC，在2010年之前我们几乎都是进口的，现在几乎都是国内公司设计的，中国企业做终端产品的在全球来看还是有非常大的竞争力。

虽然有政治因素的影响，但我们也相信市场经济的影响，所以在致股东的信里面，也提到了全球经济一体化是人类最好的选择，所以我们还是很坚定的走，要成为一家国际化、全球化的公司。

5、海康今年PBG、EBG、SMBG主要业务的走势会如何发展？考虑到海外市场恢复得不错，而国内业务上半年仍然受到疫情管控的影响，这可能会对今年EBG、SMBG等业务的成长会有些影响。

胡扬忠：现在海康将国内业务划分为PBG、EBG、SMBG，将海康在海外的销售称为海外主业，另外还有创新业务。

从PBG、EBG、SMBG来看，大家可能会担心政府的投资是否会减少，对PBG的影响比较大。过去几年政府的投资一直偏小，但政府投资也是有弹性的，也有特定的需求，政府为了解决这些需求，今年投入可能会加大一些，这是我个人的观点。

EBG业务是企业自身在驱动，通过提高管理能力，通过在运营、生产过程中更加精细化数字化的转型来改善效益。这类需求是实实在在存在的，即使有些企业暂时受到影响，但依然有很多企业会继续在数字化转型上进行大的投入，所以对于EBG我们不悲观。

SMBG今年相对压力较大，海康这块业务份额已经较高，另外中小企业特别是小微企业今年受到影响更大。但另一方面，海康在丰富和扩充产品线，也在进行产业垂直互联网的整合，包括海康云商海康云联，这些会对SMBG的收入带来正面的贡献，所以我们没有那么悲观。

6、毛利率，一方面有去年会计准则的调整的影响，另一方面今年的国内外不同区域面临的挑战不同，虽然刚才黄总已经提到2022年公司总体的毛利率会比较稳定，但是否能分别了解下国外和国内毛利状况，今年是否有可能海外的毛利率更出色？

胡扬忠：关于毛利率，影响因素较多，主要由产业竞争决定，产业内玩家如何竞争是关键。海康的基本的策略是希望保持毛利率的稳定。

国内国外情况基本一样，当然我们会根据具体的竞争环境做适当调整。我们也相信产业界会比较的理性，不会采取太多恶意的做法。过去一些大厂进入这个行业后想改变一些东西、一些小厂商通过一些激烈的价格竞争想获取一定的份额，这些情况在过去几年一直存在，但带来影响都不大，而今年的不确定因素更多，包括供应链方面的因素，包括区域方面的因素等，我相信在不确定因素较多的情况下，市场会比较理性，在市场理性的情况下，毛利率就会比较稳定。

7、2021年公司经营非常稳健，宏观可能有一定的影响，但是回归到公司竞争力的构建方面，2021年哪些点是超预期的，哪些点是需要再提升的？

胡扬忠：宏观对企业的影响可能是非常大的，企业好或不好，很多取决于宏观、行业、产业、竞争环境等因素，越大的企业受到宏观的影响越大。但在微观上企业可以做很多事情，比如去年对我们影响最大的是缺芯，在缺芯、供应链混乱时如何快速响应？

所以去年，海康做了很重要一件事情：通过能采购到的元器件类型，来设计、制造功能达标的相应产品；而不是先做设计选定特定芯片，再制造对应的产品。这个调整是在过去20年来第一次出现的情况，我们适应这样的变化做出响应，所以海康能够在交付上面相对而言做得更好。

另外刚才提到需要提升的方面有很多，包括企业内部的运营如何更高效，各部门之间如何协同协调得更好，即如何提升运营效率。

有时候开玩笑说就像农民种田如何提高亩产量，在育种、育苗、播种、施肥、浇水、除草等各方面如何做得更好，实际上有很大的空间。

从整个公司的维度，从过去更多的机会导向即如何抓机会，到问题导向如何提高运营效率，对于海康来说运营依然有很大的提升空间。

8、去年公司在智能化项目落地、规模效应上都有长足的进步，年报中提到组件开发的数量不断上升。20年公司销管研，员工薪酬率是16.7%，21年仅上升了0.1%，至16.8%，请问公司目前的规模效应是否已经有比较明显的体现，后续员工薪酬费用占比是否会出现拐点?

胡扬忠：人员费用的投入对于海康来说相对固定。在市场竞争环境下，涨薪、增加奖金、支付股权激励费用都是必要的，且相对比较固定。而影响费用率的核心是收入，费用率的分子相对确定，分母会变化，所以收入增长好，费用率下降；若收入增长差，费用率就高。从16年到20年，公司费用率的增长均超过收入增长，但21年收入增长超过费用增长，所以对于海康，费用率情况取决于收入情况。

目前竞争环境在海康来看是偏乐观的，所以我们愿意在人员投入、费用支出方面更加积极。相对同行而言海康收入不会太差，人均产出是不错的（产线工人不计入费用，计入成本），数据会因为有波动，时高时低，总体而言海康过去几年波动不大。

海康一直希望做一些改善，但过去的七八年中太多事情发生，比如2014-2015年开始人工智能技术给产业界带来巨大的影响，竞争环境发生巨大变化，更多的进入者；2016年一些大厂再次进入这个行业，也带来一些竞争压力；

2018年受制裁影响，2020年受疫情影响等等。当有这些变化时海康的调整会有一些波动，但波动不会大，我们会在各方面做好平衡。当然无论怎么平衡，海康更关注如何在自己锁定的目标市场中提升自己的市场份额，相对来说我们对费用率关注程度要低一些。

9、过去一年一直有缺芯问题的困扰，公司通过提高库存水平很好地应对。最近一方面供应链有松动迹象，全球来看芯片价格可能下跌；另一方面国内有各类物流问题，在这样比较复杂的环境下，公司如何应对供应链问题？

胡扬忠：去年公司如何应对缺芯问题在前面的回答中已有提及。另外无论芯片涨价或跌价，对海康整体影响相对较小，因为海康主要做嵌入式设备，嵌入式设备的原料绝大部分是期货市场，不是DDR、flash、CPU、硬盘等原料那样的现货市场，价格会快速波动。期货市场的物料，每年公司会给供应商提供forecast，供应商根据公司forecast进行下单生产，这些物料可能直接锁定了一年的价格。同时，公司会想办法对相当一部分价格波动显著的现货市场原材料进行了价格锁定，所以海康原材料价格相对较稳定。

第二，缺芯情况对于竞争的环境会有影响，即是否缺货会影响到企业是否能及时交付。如能及时交付，那相应的其他成本会降低，会带来运营费用的降低，因此海康的库存压力也不大。即使芯片价格出现松动，海康的压力也不大，因为海康绝大部分物料是按期货方式购买，并且价格往后传递时，成品价格的波动会滞后于芯片价格的波动，有缓冲区，不用过多担心。

当下物流问题挑战的确较大，海康会采取很多措施，加上海康过去库存较大，原材料库存和成品库存相对更充足，所以海康遇到的问题会小一些。即使有供应暂时不顺的问题，公司也会及时调整，会寻找很多新供应商来解决问题。出口的港口问题，国内目前大部分港口都在正常运行，宁波、天津、青岛等，如有问题公司也会及时调整。

10、请问目前热成像和汽车电子业务在行业内处于什么地位，公司未来有何期许？特别是汽车电子，目前行业内整体玩家较多，未来公司对这两块业务的战略目标是什么？

胡扬忠：海康在16年成立海康微影做热成像探测器，19年受美国制裁进行重组，公司热成像业务主要锁定民用市场，没有进入军用市场。

国内市场上武汉高德（远红外业务）、烟台艾睿做的很不错。热成像业务海康有自身的优势，即对于民用市场的理解。目前海康微影在民用市场，包括海外业务的拓展方面非常不错。我们从安防切入，再拓展到其他方向，包括过去两年业绩贡献较大的人体测温、工业测温以及一些其他市场。

汽车电子目前市场热度较高，2017年左右成立，主要生产汽车配套。海康做智能感知出身，主要锁定两个方面，即可见光传统摄像头和毫米波雷达，其他方面目前暂时没有进一步的拓展。过去做前装市场，因为导入周期较长，非常辛苦。去年缺芯的情况下，对海康汽车电子是机会，去年成长非常不错，相信一两年后，我们会有更多相关信息的披露。

11、针对于国内安防业务，之前提到同比数据口径有调整，现在从表观上看，EBG的增速有些慢，之前黄总提到，如果还原调整口径计算，EBG调整后的增速在24%左右。如果单从21年下半年的维度来看，这三个BG的同比口径增速的变化，EBG的增长是不是仍有降速，这是短期的还是结构性的现象，今年全年三个BG增速的预期是否和之前的趋势相似，即EBG的增速大于PBG大于SMBG？

胡扬忠：EBG调整后的增速在24%左右。我们按PBG、EBG和SMBG划分的业务，很多业务都超出了安防的范围。

在8个创新业务里面，萤石更针对于小微企业和消费者，其他几个创新业务例如机器人、汽车电子、慧影、消防、存储、睿影，它们业务的大部分甚至可以说全部都是针对企业市场的，所以从这个角度看，EBG市场要大很多，增长也要快很多。

因为我们把创新业务都剥离出来了，缩小了EBG的范围，在当下这样的经济环境下，我们认为过去几年EBG的增长还是不错的。我们在报表上面也想再进一步说明，这个调整主要是关于热成像业务，2020年年报我们把它归口到主营业务里面，由于2021年微影有一个重组的过程，所以我们将热成像终端产品和核心部件的业务分离出来，并在年报上面也作了说明。

新的划分规则下，我们对EBG更加乐观一些。可能单从一年的数据来看会有一些起伏，但这是正常现象，比如SMBG在2020年是负增长，到21年它就出现了高速增长，同样PBG也有大年小年，比如有些大项目的出现，对业绩板块变化的影响就比较大。

从全球来看，发达国家企业市场的规模肯定是最大的。随着人工智能技术、感知技术、大数据技术的应用和发展，企业需要这些技术来改善自己运营的效率和效益。另外，去年国家政策性的变化也对一些行业带来了巨大的影响，比如教育行业、房地产行业的政策调整，对EBG来说肯定会有一些影响，但是这个影响是周期性或者阶段性的，不会是长期的。所以从长期上和持续性来看，我们依然看好EBG的发展。

12、年报中增加了对于海康承担大型复杂物联系统工程实施的业务描述，它存在低毛利率、账期较长的一些劣势，从财务数据上来看，毛利率和经营性现金流都有受到这类业务的一些负面影响，请问未来这个业务在公司业务整体的占比该如何平衡，以及公司对于这个业务的定位？

胡扬忠：这个业务对海康并不陌生，过去这些年海康的报表当中，有一些年份是有体现这类工程项目的一些收入，是因为在大型项目推进过程当中，用户明确希望海康直接承担总集成的复杂智能物联系统的建设和运营，但工程项目收入在不同的年份里面体现的数字是不稳定的，以前几年大概持续在13个亿左右，去年跟前年比，我们工程这块的收入就增加了20多个亿，是因为承接了一个比较大的项目。为什么我们愿意去承担这样的项目实施，可能还是跟海康的业务定位有比较大的关系。

在这次年报当中，我们比较综合的评价了海康在整个产业中的业务能力，我们把自己的业务技术类型概括成“35422”这样一个业务阵型，介绍海康拥有一个比较全面的系统能力，我们的产品技术能力和系统能力相辅相成、相生相长。

但做项目并不是一个理论化的能力，不是靠理论研究就能够全部完成的，最终还是要通过实战，实战能够发现公司在业务推动过程当中的不足，以便我们能够适时做出调整和变化，所以一些工程项目的实战演练，也有助于公司在产品技术的研发，平台的构建，包括后台的运维等方面，使我们各方面的能力可以齐头并进，这是我们对项目的一个定位。

大家都记得重庆项目，海康在这个项目上付出的代价很大，项目验收拖的时间很长，最终满足了用户的要求，因此海康从某种程度而言不太愿意做大项目。但在发展过程中也出现了一些变化，一是海康的产品线变得更加丰富，系统软件的能力更强了，我们需要对这些产品或系统进行更好的打磨，以前都是靠我们的客户，我们在后面做一个支持者，但现在有些大型项目的用户本身提出要求海康直接做一个完整的交付，所以海康虽然不把大项目作为一个业务去发展，但是我们要具备大系统集成服务能力和整合能力。解决用户的问题，就要从用户的角度出发，所以这也是海康走到今天还愿意做这些大项目的原因，海康也在这个过程中积累了一些经验。

未来几年还会有这样的项目出现，我们把做项目的能力培养起来，这个能力是可以持续发挥作用的。对于海康来说，对产品、软件系统的完善，对一些新产品的导入，对软件系统的运维升级都是有帮助的。所以从这些角度来看，我们未来几年还是愿意在大项目上有一些投入，以提升海康整个的竞争力，增加一些业务机会，最重要的是满足客户的需求。

这个过程当中我们确实也有一些内部控制，我们不希望系统工程的业务收入特别的放大，因为大型项目仍然还是一个非常消耗资源的业务，从毛利率、运维等各方面考虑，跟公司整个业务的匹配性来看，我们还是有节制的去投入项目市场。

现金流的情况不完全受工程项目一个维度的影响，往往收入增长比较快的年份，经营现金流要略差一些，收入增长慢的年份，现金流的情况又会好一些，所以外部环境没有那么好的时候，我们会将自身的内部运营能力夯实一些，在现金流应收上做更多基础工作，当外部的机会较好的时候，我们会把有些精力放到业务上去，让我们收入和市场推动上有一个平衡，这是我们内部一些策略的调整。

毛利率可能还受海外的汇率变化的影响，综合来看也不完全是工程项目导致的。

13、目前不管在AI还是大数据的市场环境上有很大的技术变革，在中国这样比较特殊的市场环境里存在两种路径，第一种路径是类似海康，硬件能力很强，慢慢去提升自身软件和系统能力；第二种路径是AI公司，他们想要先从软件和算法入手，再慢慢拓展到一些平台型产品上，您如何评价这两种路径，它们未来可能在中国发展的前景以及第二种路径对于我们的竞争影响？

胡扬忠：这两种技术路线是不同的，都是合理的战略选择。对海康这样做硬件出身的公司，我想澄清一下，现在的硬件它不只是硬件，也具备软件的能力，我们既有firmware也有后台服务器端和PC端的software，海康在2005年的时候就开始提供software以及PC端的中间件，2009年我们做了自己的联网软件。我们的算法可以在X86的CPU上运行，可以在GPU上运行，可以在DSP上运行，可以用FPGA来实现，也可以把它做成ASIC电路，所以算法是通过硬件的方式还是软件的方式体现，这个是产品策略的问题，与软件公司还是硬件技术公司是没有关系的。

第二，硬件能力强就是硬件公司，不是软件公司，这是一种误解。我们看到一些AI公司也在做硬件，做芯片，或者做摄像头等其他硬件产品，这是一个融合的现象，在两面竞争的过程中，没有好坏之分，主要在于谁能够更好的满足客户的需求，所以在这样的市场环境中，无论成功或失败，我认为与技术路线的关系不大，关键在于是否有能力去真正的去解决客户的问题。

如果说一个公司是为了吸引投资人，从而拿到更多的融资，来包装公司的路径，我是不看好的，这只是代表我个人观点。因为这种做法它对各方带来的伤害都很大，比如对用户来说项目可能不能够落地，人才成本被大幅拉高，这对产业界只会带来伤害。最后，这种做法也会给投资人带来伤害，我不相信一个不赚钱的公司，能长时间保持高估值，我也不相信，一些务虚的理论可以长时间的将公司稳健的经营下去。

所以呼吁产业还是要理性，要回归到真正的市场上面来，脚踏实地从客户需求角度出发，为产业做出实质贡献，而不是让产业变得混乱、内卷和撕裂。

14、年报上看到创新业务的发展非常喜人，比较好奇的是海康未来在创新业务上会不会有一些收并购的计划？

胡扬忠：海康是一个注重内生长的企业，同时我们在并购方面有很多制约因素的影响，这和我们的国企身份有一定关系，我们收并购的审核程序非常长。当然，我们也关注收并购的机会，过去几年我们也尝试过，也面临一些挑战。其中最大的挑战还是我们自身的整合能力、我们的运营能力，是否能消化并购的业务，尤其在我们的主业内生长发展不错的情况下，我们要不要去承担这么大的整合风险？

我们说并购会有风险，因为并购的失败率是很高的。海康过去做过一些小的并购尝试，并购规模都不大，基本在几千万到一两个亿人民币的范围，大概做了7起并购，有非常成功的案例，比如邦诺存储、高德威，也有完败的案例，我们没有做过太大的并购。

在未来会不会以收并购的方式对业务做一些补充？确实一个公司不可能什么东西都由自己来做，有时候可能需要整合一些外部的业务。但我们对于收并购这样的经营手段是比较谨慎对待的。

15、政府类业务，今年整个经济的形势不是特别好，如果经济形势不好，今年政府的预算会跟得上吗？ 

胡扬忠：我偏乐观一些，因为从全国来看，过去几年政府相关的投入还是偏少的，到了现在的阶段欠账要补，就要增加投入。虽然不确定性存在，从资本市场的角度看有时候可能偏悲观，有时候又可能偏乐观，但是从产业的角度看，我们可以把政府作为一个用户看待，对于能帮助用户解决很多问题的业务，相信用户会有持续的投入，来解决他们当前已经面临的一些新挑战。

预算是政府会考虑这些事情，我们跟着用户走，看得到很多机会。

16、在传统安防的领域当中，我们看到像一些企业也在推进安防业务，从未来的行业竞争格局来说，海康如何保持竞争优势？

胡扬忠：传统安防的业务实际上没有那么大，过去大家看到海康大华都做得挺不错，这可能对一些门外面的人产生了些诱惑。

这个行业有个突出特点，它的订单非常碎片化，市场极度的分散，那么如何来适应这个行业的特点，满足各种客户在各种特定环境下的需求，这是很大的挑战。

这些年我们一直在不断的打磨能力，比如在生产上，针对碎片化订单的处理。海康在2005年的时候大概一周有80个生产批次，现在我们一天大概有4000多个生产批次，我们的物料需求计划MRP一天跑两遍，这就要求采购计划和生产计划都要非常有弹性，针对这种业务，我们要考虑的是怎么样不断的打磨、改善。

作为新的行业进入者，有些公司的确很强大，也是很伟大的公司，我们曾劝说他们不要进入这个行业，但也曾经被误解。这个行业的确不像那些有大项目、大单品、大平台的行业，它有自身的特点。

对海康来说，我们关注的主要事情就是如何更有效的满足碎片化市场的需求，具体来说包括我们在技术层面、在营销方面的投入，在产品化、在快速的交付层面，我们能不能做得更加有效，这是永远要打磨迭代下去的。

另外，我们到了今天这个阶段，开始强调怎样强化公司的运营能力，由此拉动我们的开发，以我们系统性的整合能力去做竞争。所以我们会一如既往的在研发上做投入，在碎片化生产和保证交付的供应链能力上做投入，在营销服务上做投入，也包括前面提到的更强的大项目承接能力，也是提升公司竞争力的一个方面。

17、一季度收入增长非常不错，毛利率如何能够维持同比的稳定，公司是会靠单个项目的毛利率的提升，还是在收入结构上能够看到高毛利业务的贡献会更大，或是在降本措施上，接下来这三个季度会有一些比较好的计划？能不能分享一下如何实现毛利率稳定的目标。

胡扬忠：这几个手段，包括管控单个项目的毛利率，包括收入结构做一些适当的调整，包括公司的降低成本，这些措施、这些基础工作无论毛利稳定还是波动，我们都会做。

毛利率的稳定主要还是取决于行业的竞争，行业走到今天，我们认为产业开始趋向于理性化，外来的进入者会发现这个行业不是那么好做，原来的玩家也都有经营压力，相信都不希望发生过度的竞争，过去那些过度竞争的事情今天应该少发生。也包括靠融资来支撑亏损的公司，我也相信他们不会采取过于极端的经营策略，所以我们的一个基本判断就是毛利率在今年还是会比较稳定的，波动不会太大。

18、公司现在的能力是越来越强，感知方面不仅仅是光学，也拓展到其他的各种传感能力，软件能力也有了大幅的增强，所以项目的颗粒度在逐步的变大？由此一些经营指标是否会带来改善？

胡扬忠：我们现在每份订单的金额大概在1.5万元左右，颗粒度变化不大。当然在很多项目上面我们产品和技术的协同效应更强了，比如有的项目里包含了多种感知产品，或者有的感知设备里包含了多重的感知技术，这些变化确实存在，也会提升我们的竞争力。但是由于有更多的散单出现，所以整体订单的数量也在增大，导致我们每个订单的颗粒度并没有变大。

19、在年报里海康慧影披露了非常丰富的产品线，医疗行业进入壁垒很高，甚至比工控、汽车行业的壁垒都会更高，市场空间也非常大，盈利也非常丰厚。想请教公司过去几年做了什么样的布局，未来打算做什么样的投入。

胡扬忠：海康慧影业务也做了4年多了，最早是给手术室提供可见光相机，我们叫术野相机，由此进入市场。由此逐渐看到了另外的机会，就是内窥镜。找到这个机会以后，基于我们在可见光上面的长期积累，业务的节奏走的就很快。但这个行业的导入周期确实特别长，门槛也特别的高，相关的认证也很复杂。

现在海康慧影的腹腔镜，也就是硬镜，我们做4K分辨率的，把自动聚焦系统、荧光摄像系统、3D摄像系统这些产品线都拉齐了。在一次性内窥镜方面，海康慧影过去的两年也有很大投入，相关的难题基本上都解决掉了，做好了产品化，现在进入市场推广的阶段。

海康慧影会以内窥镜为基础，不断的拓展产品线，导入其他的感知技术和可见光的结合。另外在数字化的手术室方面，也向数字化病房拓展，扩充产品线。

海康慧影之前在医疗行业里面是没有积累的，过去几年总体投入也不大，在谨慎的推进，基于对行业、对产品、对技术的理解，把相关的技术整合起来。公司很多的技术积累，在这个行业里是可用的，所以长期来看这会是非常好的一块业务。

20、公司年报对产品线的介绍都非常详细，公司以前也提到，推崇3M的发展模式，不断的通过创新来发展。现在产品线很长，包括会议平板之类衍生的产品线越来越多，这些衍生产品除了收入的增长的贡献以外，对公司整体毛利率的影响趋势？

胡扬忠：关于产品线的拓展，不同的公司会找不同的定位，我们一直以来都在分析自己，想看看从全球的维度来说，哪些行业领导者可以作为我们学习的榜样。

比如说早期的时候，公司把研华科技（Advanteck）作为标杆，他们做工业电脑，聚焦小批量多批次的业务做长期发展，是非常好的一家公司，我们也跟他们做过几次的交流学习；

后来，我们考虑是不是把佳能作为我们的标杆，这家公司300多亿美元，将近90年的历史，运营也非常不错，他们在复印机、数码相机，以及一些其他的特殊IT产品里都有一些成就，它在整个IT产业里面，走的是靠近边缘产品的路线，不在中心，不做主流的CPU，不做操作系统，不做数据库，不做整机，他们做一个和 IT相关联，但关联又不那么紧密的业务，做得也非常不错；

后来，我们选择3M作为学习的标杆，3M产品非常丰富，它的技术聚焦在涂层、基底、粘合剂上，再延伸到很多的产品，是个多元化的公司。3M现在有6万个产品，非常丰富，它有独特的一套经营方式，这都是值得我们学习的。

但海康并不要做多元化，我们做智能物联，把感知作为基础，和人工智能技术、大数据技术结合，提供更多的更丰富的感知产品和解决方案甚至系统，来满足各种不同客户、不同场景下的应用需求。

也许再过10年或者20年，海康会有比3M更丰富的产品线，来满足这样一个复杂场景的应用需求。

关于扩充产品线的同时，有时候会带来毛利的变化，这是正常的，不同的产品线的竞争状况肯定是不一样的。比如说3M的毛利率基本在40%多一些，它的净利润率基本维持在15%。2000年150亿美元的收入，到2020年，收入大概在320亿美元，净利润50亿美元左右。这样的净利润和GE、Honeywell、西门子、UTC差不多，3M收入大概是他们的不到一半，那些企业收入都在750、800亿美金这一带。3M的毛利率、净利润率都是比较稳定的，所以3M确实是一家不错的公司。

海康虽然也拓展了会议平板、以及LED显示这些毛利比较低的产品，但我们也有一些毛利率非常高的业务，比如刚才说的医疗的毛利率就很高，所以我们不刻意追求毛利率，而还是回到产业竞争的层面来看待毛利率。

21、一季度收入的表现非常好，按照不同的业务板块来说，大致的成长的驱动力主要来自于哪些业务？

胡扬忠：一季度我们没有更多详细的披露，目前的增长对海康来说还是比较均衡的，可能最大的两块增长还是海外和创新业务。

22、公司的创新业务在孵化早期，基于整个海康自身的渠道，优势蛮大，基本上能够迅速的放量。独立上市后，公司在创新业务后期的渠道策略上打法。

胡扬忠：海康的创新业务有些渠道是复用的，当然也有很多是不可以借用原来的渠道的，比如说海康机器人，它就没有借用过海康的渠道，而萤石的确有一部分渠道与海康重叠。我们还是根据具体的业务需要在做，也一定按照上市的相关监管要求来做。

从长期来看，创新业务会走自己独立的渠道策略去发展，但有一些跟海康关联度比较高的，可能依然会把产品卖给海康，海康再通过渠道去销售。所

以第一，从业务角度去看怎么样对发展更有利，独立上市不是我们的目的；

第二，如果我们觉得独立上市存在一些障碍性的东西，我们就不着急推进了，等到符合相关规定之后再做，所以我们在这一块不刻意，还是从业务本身去看。海康在创新业务设计的时候会考虑关联交易的问题，如果项目关联交易大的话，它可能就不适合于创新业务。

每一块创新业务都有它独立的通道，比如萤石，网上的电商平台有很大的一块，也有自己的专卖店，萤石不会多做海康的渠道，萤石现在跟海康的关联交易已经很小了，接下来几年会进一步减小。

所以大家不用太担心海康跟创新业务的关联交易问题，我们作为国企在合规方面是非常严格的。

23、2021年研发费用比率比2020年略有上升的，往后的研发方向和过往几年有没有什么区别？过往的统一软件架构，包括一些供应链的国产化，这个阶段应该是有成果的，往后这一块可能不应该再上升了，后面研发费用比例和方向会有什么变化？

胡扬忠：研发方向上肯定有变化，企业有很多东西需要为未来的5年、8年甚至10年做铺垫，都需要投入，这些研发我们在适当的时候会披露相关的信息。如果一个企业它只是集中在原来的业务技术上投入，会面临很大的问题。我们说波士顿矩阵，既有现金流业务，也有成长业务，当然还有不确定性业务、萌芽业务，肯定要加大投入。所谓“吃着碗里的，煮着锅里的，种着地里的”，“种着地里的”就是投入，所以今年的研发占比还会进一步上升。

24、研发这一块，如果创新业务子公司完全不借助海康，子公司区分地比较清楚，可能有重复研发，但如果借助的话可能就有些关联，这个矛盾怎么处理？

胡扬忠：这个比较简单，关联交易就按关联交易的规则来做，它有费用结算的规则；也会有出现重复研发的情况，比如它认为自己会做得更好，或者不需要海康做，或者这个事情特别重要，要自己去发展。子公司有自身的独立性，我们不能把所有的事情都统一掉。子公司会严格遵守公司相关的章程、规定去做，我们作为大股东有大股东的权利和义务，也要遵守相关的规则，所以还是把它看成一个市场化的行为，不要把它看成一个非常紧密的关系。

25、2020年报致股东里提到未来三年是海康的战略机遇期，您觉得未来一两年内需的增长还能比过去2018-2020年那样带动海康进一步的提速吗？比如说国内的业务。如果未来一两年看不那么清楚，那看后面几个季度，大致可能是一个什么样的情况？能够恢复到一个相对更高或者更平稳的增速吗？

胡扬忠：我们说三年的机遇期是指21年、22年、23年，这三年的机遇期是基于各方面来看的，包括AI技术的逐步落地、产业竞争归于理性，海康的产品线更加丰富。对海康而言，我们看到这三点是机遇。中间有很多的偶然事件会带来一些波动，这也是存在的。这三年是机遇期，到现在我们依然这样认为，国内还是有一定增长的，如果国内不增长的话，那就不会有这个机遇期了。我们还是相信政府有能力来推进中国国内的经济增长，我们也相信中国在全球产业链上有竞争力。

我简单做个回顾，九十年代我们在电子产品的设计能力几乎没有，绝大部分都是仿制。从2000年到2010年，这是中国在电子产品终端设计能力快速成长的十年，包括安防产业，我们从以前的进口，到开始自主的设计，到后来设计能力的提升。从2010年到2020年，是中国电子终端产品在全球份额快速提升的十年，也是中国在半导体芯片的设计能力快速提升的十年。

所以我们现在看，中国的半导体芯片的设计能力跟2010年比是巨大的进步。我们相信在未来的10年里，半导体的产业从设计的角度会有非常快速的发展。同样我们也相信接下来这10年里，中国在半导体相关产业里制造的环节、设计的环节，从电子产品来看的话，甚至装备的产业、材料的工业以及核心部件的这些设计能力，会是快速成长的十年，也相信在十年以后会有很多的变化。

海康是众多公司中的一家，我们在目标市场里成为一个有全球竞争力的公司，这一点我们还是充满信心的。所以这三年往后看，我们还是比较乐观的。我们从什么都不会，拿着别人的产品依葫芦画瓢，到后来摆脱他们，自己按照客户的需求来设计产品，到自己设计核心部件、核心器件，到后来我们能自己制造出这些核心部件、核心器件，这是一个趋势，我觉得是非常乐观的。回到产业竞争来说，我们没有能力看那么远，但是我们对这三年至少有信心。

26、您判断了产业竞争的缓和，包括对手的理性，但是在过去两年也有一些变化，某些对手也遇到了一些困扰，看友商的话，他们原有靠互联网的业务或者一些消费类业务增长受限。您有没有观察到，比如说他们对于安防这块业务的重视程度，或者这种组织力量会有边际上的加强？对竞争格局能不能再多一些分析？

胡扬忠：过去几年大家都在做这样的尝试或者努力，下了很大的决心来进入这个市场，做的结果不是那么理想，我相信他们会变得更理性；加上经济不好，在波动以后也会进行一次回归。这个回归已经看得到了，我也看到投资人认知的回归，无论是在一级市场还是二级市场，我们都有这样的一些感受。所以从竞争的环境来说，我觉得现在是走向相对缓和。

自他走后，明明是愚人节的4月1日总带着点伤感。

任何一个想他的时候，荣迷们都会打开收藏夹中某部电影，或者打开他的某场演唱会。

而昨天，我的朋友圈被张国荣2000年《热·情》演唱会超清修复版视频刷屏了。

迫不及待地点开，扑面而来的清晰度和真实感让人眼前一亮。要知道，从前观看的视频都是损伤画质，堪称时代的眼泪，荣迷们虽甘之如饴，但如果有高清画质，当真是求之不得。

《热·情》演唱会上，张先生浪漫而放肆，带着扑面而来的炙热，暖化了初春的夜晚，也暖化了人心。

把视频分享给我的朋友后，不禁好奇，这具体是怎么实现的？是否未来哥哥乃至所有我们喜欢的老电影、老作品都有可能通过数字技术重新呈现？

今天，我们找到背后的技术修复师，腾讯云多媒体实验室的总监李松南和专家研究员夏珍，跟他们聊了聊《热·情》修复的相关技术。

他们介绍，这项技术是“超清沉浸感修复引擎”，是面向老片修复专门推出的技术解决方案，它沉淀了腾讯云多媒体实验室多年的通信和处理研发经验，主要包含四大模块：智能分析、画质修复、画质增强和智能编码。

高清修复视频为什么让我们舒适？

其实，我们每次看修复视频感到舒适，不仅在于清晰度提升，更在于画质提升。

老片中的灰尘、污垢、霉斑、掉色、图像抖动、划痕、闪烁、噪声、变色、模糊等各种问题对是最直观影响影片质量的问题。

首先，实验室利用智能分析模块对视频进行全方位、多维度分析，包括但不限于划痕、竖线、雪花点、噪声、压缩失真、抖动等问题，评估视频的运动、纹理复杂度，分析噪声、压缩失真程度等，这些数据都将成为画质修复和增强的基础。

其次进入修复阶段。

实验室在演唱会修复上使用了众多他们独创的算法。譬如划痕算法，夏珍坦言，他至今还没在公开服务中遇到过。

数据对深度学习算法来讲是非常重要的。

假设需要修复老电影中的划痕和雪花。粗略推算，需要几万甚至几十万的训练对。

然而，目前缺少这样庞大的划痕公开数据库，算法难以调优，建立数据库的成本也很昂贵。

为此，实验室为去划痕项目设计了针对性的多维度数据生成和增广方案。包括模仿划痕数据、从真实数据上提取、划痕的裁切及合并、随机尺寸、随机模糊程度、局部及全局随机亮度调整、随机透明度调整等。

当然，也得益于腾讯此前拥有强大的数据储备，腾讯多年来以算法为翼探索各个场景，在音视频领域，依靠腾讯视频等渠道，已经积累了海量优质数据，算法可用性相比业界大为提升。

除了去划痕算法以外，整体修复过程中他们还用到了很多其他的修复算法，包括视频降噪、去压缩失真等。

经过尝试多种算法后，整体效果得到了明显提升，如下图更能直观感受修复的效果。

真实感怎么来的？

如果你此前看过网络上流传的《热情》原版视频，再看昨天上线的版本，不夸张地说，会有震撼、惊艳之感。

这也许是修复技术师想呈现的沉浸感。

沉浸感一般更多用于3D、VR360、自由视角等相关工作。夏珍表示，不管是提高分辨率，还是提高帧率，在2D基础上提高用户体验感受一直是他们的目标之一，而这对于他们，在技术上也是可实现的。

真实感来自画质增强，包括分辨率增强、细节增强、色彩增强、帧率提升等，画质增强包括将画质拉到2022年的水平，让画面更接近现在观众喜欢的4K等高清画质。

不知道你们发现没有，张国荣的人脸特别真实，脸上的皱纹、胡渣甚至毛发都清晰可见。

这是因为他们在人脸修复上使用了“超分辨率”，通过多帧技术使用了基于GAN的超分网络，生成的细节更加丰富和更加稳定，在放大视频分辨率同时，细节清晰度也提升，所以整体感官上提升层次大。

夏珍介绍，自研的人脸修复模型，加上人脸检测、人脸修复和融合模块，将图像修复迁移到视频过程中加入帧间稳定性处理，解决人脸检测稳定性，优化多角度人脸效果，解决视频中动态人脸遇到的复杂场景问题。

再看色彩、画面。

画质增强有个更好理解的定义：艺术修复。

演唱会现场环境复杂，灯光转换频繁，色彩多、变化快，同时舞台烟雾会让整个画面对比度和色彩饱和度不一。

对于修复效果，实验室团队原本有能力让画面清晰度更高、细节更丰富、饱和度更均衡。

但考虑到演唱会上的舞台烟雾、现场颜色等都是张国荣艺术表达的重要形式。

而且，无论是影片还是演唱会，那个年代的香港整体画面呈现都独具特色，比如打光较为朦胧，太过超清，追求接近现代画面反而会失去艺术真实性和香港艺术独特的味道。

实验室团队基于对《热情》艺术性的理解与尊重，也基于对香港影视唱片黄金时代的致敬，“修旧如旧”成为多媒体实验室在修复老影片时的一个目标追求，他们希望最大程度还原张国荣的艺术表达，保留老片原汁原味。

他们通过视频增强算法，对画面进行多维度画质提升，在空间和时间上提升视频的分辨率和帧率，在空域上提升细节清晰度、色彩丰富度，在尊重历史和原版的基础上，保证画质的提升，人脸和画面都如此。

截取一帧张国荣在舞台中央的静态画面，放大后仿佛可以透过画面感受到22年前的现场舞台。

丝滑画质里，被低估的视频编解码技术

昨天的演唱会，通过直播形式呈现，且直播效果流畅、画面高清。

还有一项技术不得不提：视频编解码。这绝对是一项被低估的技术。

什么是视频编解码技术？

视频是由一张张图片连接起来形成的动态图像序列，若直接将每张图片的每一个像素点数据都加以存储，视频码流所占用的带宽将不可估量。

尤其在超高清视频时代，帧率逐渐从30fps向60fps、120fps甚至240fps进发。高度密集的数据给带宽和存储带来巨大挑战。

此外，随着硬件设备更好、带宽更高，用户开始对视频分辨率的要求更高，对视频质量要求没有止境。

视频编解码技术的作用，将图像进行压缩和数字编码，以用于传输。本质上，就是用尽可能小的带宽传送高质量的视音频数据。

现在我们知道，在不改变视频主观质量的前提下，把超高清视频搬上视频号直播平台，并保证画质效果流畅、高质，是一项超级工程，也极为考验视频压缩的功力。

腾讯云多媒体实验室的视频编解码技术，在输出相同质量视频的情况下，码率可以降低一半，大大降低了带宽存储。

这其中是得益于智能编码模块，通过自适应编码在减少输出文件大小、视频传输成本的同时，保证视频的主观质量不受影响，实现最佳的画面效果。

数字时代的智能修复师团队

在此之前，在修复历史影像作品甚至残损影像上，腾讯云多媒体实验室也经验丰富，他们深度参与了包括《康熙王朝》、《天下人家》等多部经典影视剧高清修复工作，以及上海1949年新中国成立相关影像的修复。

据悉，一部90分钟的老影，约有12—14万帧画面需要逐帧修复，一般需要十多人的修复团队，平均每一个人需负责一万多帧，工作量十分巨大。

对比之下，这场演唱会近2个小时，场景众多，现场环境多变，细节不够丰富，场景切换快，灯光环境复杂，颜色丰富，但实验室从拿到母带到最终修复上线，仅用了3周时间。

这是由于腾讯云多媒体实验室的修复已路径初成，多项修复模块实现了不同程度的自动化。

查了下实验室的背景，难怪。

它是多媒体通信和处理研发团队，持续专注于多媒体数据传输与压缩、智慧融合媒体、互动沉浸式媒体领域的技术研究与产品化，参与国际国内行业标准制定，包含多媒体数据压缩，多媒体传输、系统与5G，以及多媒体AI等。

自2018年参与最新一代编解码标准制定以来，实验室已有超过500项提案被多个国际标准采纳，数量全球领先。

腾讯杰出科学家、腾讯云多媒体实验室总经理刘杉博士也是全球音视频领域的顶尖技术带头人。

刘杉博士是国际著名多媒体专家，腾讯首位女性杰出科学家，IEEE Fellow, APSIPA杰出工业领袖，2020年入选福布斯中国科技女性50人，拥有500+已授权专利，发表100+学术论文和一部专著，本科毕业于清华大学电子工程系，硕士和博士毕业于美国南加州大学，研究方向包括音视频、沉浸式和新兴多媒体VR/XR等的压缩、处理、传输、系统和智能化应用。深耕多媒体数据压缩、传输协议和系统、无线网络、IoT等行业标准领域，曾多次担任国际标准专家组主席和联席主席，现任IEEE数据压缩标准委员会副主席。

自2017年加入腾讯以来，刘杉博士带领团队研发和交付多项多媒体核心技术，并深度参与了国际国内行业标准制定工作。

正是这样一个团队，让这个被尘封21余年的“时代符号”的经典之作被首度解锁，为曾见过和没见过张国荣的观众带来了一场前卫、华丽、优雅的视听盛宴。

我们期待的经典作品，可能已经在路上

《哈利·波特与魔法石》经修复后登陆国内院线，首日票房便突破3200万元，向市场再次展现了经典影片的票房号召力。

《寻秦记》、《士兵突击》、《亮剑》等一批经典电视剧在经过画质修复提升后，都活跃在视频平台的各大榜单前列。

经典作品自带持久生命力。智能修复技术让老旧视频焕然一新，给观众带来更好体验。

夏珍表示，全球范围内有非常多的诸如演唱会、电视剧、电影、纪录片等经典影像。腾讯云多媒体实验室目前已形成了较为完整的智能老片修复技术矩阵，未来希望通过超清沉浸感修复引擎，帮助更多的时代经典高质、高效地重现于观众面前。

回想起昨天的直播画面，舞台上，一束孤单的灯光折下来，张先生寂寞而坚决的表情几乎是烙在每个爱他的人心上。

感谢技术，让我们再一次相遇。寄寓未来，有更多经典重现。雷峰网雷峰网雷峰网

数据显示，2021年，千方科技实现营业总收入102.81亿元，同比增长9.15%；净利润7.24 亿元，同比下降33.01%。

对于净利润下降幅度过大，千方科技解释称，主要由于市场波动导致其持有鸿泉物联的公允价值变动较2020年大幅下降，销售渠道拓展以及研发投入加大导致费用上升所致。

具体来看，千方科技营业收入分三部分：

• 智慧交通业务（剔除子公司视频产品贡献）实现营业总收入42.31亿元，同比增长0.02%，若扣除 ETC产品及拆除省界收费站项目影响，智慧交通业务收入同比增长19.52%；

• 智能物联业务（包括部分物联产品在智慧交通领域的销售）实现收入60.74亿元，同比增长15.11%；

• 人工智能业务实现收入0.87亿元，同比增 长43.22%。

就营收而言，智慧物联业务占比55.02%，毛利率31.25%；而智慧交通业务占比44.95%，毛利率为24.83%。

值得一题的是，年报首次披露了智能物联业务主要载体“宇视科技”的财务数据，这也是宇视在完成与千方业绩对赌之后的首次露面。（此前主要以“交智科技”披露，业绩对赌完成后，千方实现对交智科技的完全吸收合并，后者的独立法人资格被注销。）

数据显示，宇视2021年实现总营收60.73亿元，同比增长15.11%；净利润5.72亿元，同比增长-0.69%。

年报并未披露宇视的具体营收情况，但根据21年千方业绩说明会的数据，宇视在行业市场、SMB（中小商业客户）以及海外市场营收分别占比40%、30%和30%。

在渠道、经销方面，宇视目前已在全国成立80多个二级办事处，年底到位城市代表超过200人，全国范围内覆盖一级经销商400+，认证工程商3000+，二级认证工程商5000+，区域维修及配件中心23+。

而在业务方面，宇视重新划成8大产品线，并进行组织架构调整，以确保各产品团队的横向拉通。

值得一提的是，在千方发布年报当天，宇视发布了新品牌“阿宇”。

根据宇视官方微信，由于平安城市等业务在C1-C3市场已趋成熟，安防应用正在从C1-C3向C4-C7快速推进。（注：C1-C7分别对应国-省-地市-区县-乡镇-村-家庭）

在中国县镇级市场，对看守商铺、鱼塘、田地以及看家护院、关怀留守老人与儿童等的产品类需求正快速递增和普及，视频监控产品成为C4-C7市场需求增速最高的电子产品品类之一，但视频监控的普及率仅约6%-10%。

基于此，宇视认为“现阶段发力县镇市场正当时，必须在C4-C7市场长期精耕细作。”

于是，“阿宇”应运而生，并有对应的系列产品：

• IPC前脸采用最新的石墨烯材料，高效散热、耐候环保；图像效果清晰、画面通透、拾音距离远；整机采用超IP67的防水标准，环境适应性强。

• NVR上电后“零操作”，上电即可自动添加IPC、自动出图；兼容性出众，主流和二线品牌的IPC几乎全兼容。

对于“阿宇”子品牌的经营，宇视总裁张鹏国表示，将以线下渠道建设和销售为主，通过线下渠道生态合作体系建设，充分提升各级经销商的积极性；以地市核心一级、县镇核心二级的方式进行发展，实现“耕者有其田”。（雷峰网雷峰网）

大华股份在B端的势头愈发猛烈了。

去年年初，雷峰网就发现B端业务已化身其内部的当红炸子鸡，大华对此“志在必得”。（推荐阅读：《猛攻 To B，大华欲造另一个「大华」》）

去年10月，大华发布全新升级的“Dahua Think # ”战略，第一次正式向外界表露大举进攻企业数智化转型、扎根行业的决心，进一步稳固了To B业务“新增长引擎”的定位。

3月22日，2022大华股份“云联万物 数智未来”高峰论坛上，大华To B业务引擎已经在全速运转，思路更加清晰，路径更加成熟。大华股份国内营销中心副总裁、企业业务部总经理史东提出，“持续落地可量化、可计算的场景价值”的理念，已经在13个细分赛道上持续深入。

串联大华近几年的脉络，更能感受到这个视频安防兢兢业业的领头羊，如今已经成为一个实打实的“智慧物联”领域开拓者。

大象转身，To B业务的确功不可没。2020年，国内市场，大华企业业务营业收入占总营收42.28%。

毫不夸张地说，大华的To B业务已经全面开花。建筑、园区、教育、制造、能源、金融、文旅、医疗、农产、物流、商业连锁……

从前有人的地方，就有大华；未来没人的地方，也可能有大华。

渐进式前进，温柔而猛烈

大华的变身有其历史必然性。

AI工业界有句老话：得视觉者得天下。

小到你手上玩的手机、工作用的电脑、大到钢铁生产、能源开采、电力巡检，你平日购买的商品，能接触到的事物，普遍在生产过程中都用上了智能视觉技术，以此来保证产品质量、提高生产效率。

大华在视频的地界撸起袖子干了二十年，从籍籍无名到全球前列。

过去，大华的视频技术主要广泛用于守护安全；现在和未来，大华的视频物联被赋予降本增效的使命。

当各行各业在呼唤技术的改造，以视觉的根，穿透产业土壤，赋能企业数字化转型似乎是一件“不得不”的事情。

其实，万丈高楼并非平地起，大华的企业业务虽2019年才正式成立，在此前已经酝酿了十几年。

史东表示，2001年到2009年，大华以视频安防业务为主时，就形成了企业业务雏形。2010年到2018年，大华孵化出楼宇、文教卫、金融、能源企业综合五大业务板块，通过视频技术服务众多企业。

大华二十年来能够持续活跃于市场且业务触角不断延伸，细致琢磨有两点重要原因：一是坚定技术创新，不停地渐进式前进，紧贴用户；二是不停地做加法。大华To B的成绩，也大抵得益于此。

在过去的3年，史东和他的团队走访和交流了中国6200家头部企业，给他最大的感触就是企业真正需要是可落地、可量化、可计算价值的场景解决方案和系统。

经过前几年的铺垫和探索，大华To B业务已经形成了牢固的基础，研发投入、技术推广、人力资源等向“B端全面投入”，只为打造优秀企业业务团队。

事实证明，大华走在正确道路上，To B数智化转型的战略，也与时代需求同频共振。

业务落地：渐进比全新更难，理解行业是核心

渐进的道路比平地而起更难。

需要对技术应用场景，对业务有全面、深刻的理解；需要满足企业对功能、成本、效率多重要求……

意味着必要时放慢脚步，正视缺陷，不断重复“发现、修正、测试、修正”的持续改进路径。

大华找到一个核心，理解行业，才能带来真正的价值。

企业在数字化、智能化转型过程当中都极为务实，企业所花的每一笔钱都要求发挥最大的价值。

因此，很少给企业做伤筋动骨甚至“开膛破肚”的大手术，而是沿着价值的主动脉，逐步推进。

随着企业自身业务的发展壮大，对能耗精准管控、节能降本的需求极大。大华总部园区每年电费支出达千万级，空调、照明能耗支出占比近50%。

大华先从自己入手，通过实施智慧用电解决方案，园区的整体节电率达到25%。

大华的方案也得到市场认可。广州某个产业园区，通过智慧用电方案减少用电能耗30%，通过远程抄表应用降低人工成本50%。

大华一点点从安全维度，进入企业到管理、技术、实施等层面，满足企业多部门、多系统协同的需求。

比如智慧教育，除了日常的校园管理与安全保障，大华还提出了“教育均衡、精准教学”的价值方向。

考虑到中国教育均衡问题，大华通过搭建三个课堂互动平台，让更多孩子也能享受到名师资源、优质网络资源，智能备课系统提高老师备课效率。

同时辅助老师开展学生个性化辅导，提供千万级精选题库和万余种可视化资源；针对学生提高成绩，实现知识点微课精准推送、错题举一反三。

在制造领域，大华协助多家头部制造企业建设的数智化车间，帮助企业车间生产效率平均可以提高10%左右，针对产品质量工艺检测，让产品批次不合格率降低15%，车间数字化能降低综合运营成本15%左右。

更多的领域出现大华的身影，钢铁行业、养殖、农业、煤炭开采、新能源光伏电站……如涓涓细流，汇聚成一片山河。

于是，温柔的、持续地改善和优化的渐进模式，是对价值的追求，价值背后是先进的技术、扎实的产品、触达痛点的解决方案，自然也带来业务的突飞猛进。

To B业务的品牌定位：能力与信心并进

事实上，大华的To B业务品牌定位也一直在跟随业务前进的脚步。

2021年7月，大华对智慧企业品牌进行了全面升级，定位“企业数智化升级合作伙伴”，树立“助力产业变革，服务千行百业数智化升级”的使命。

在半年实践后，2022年2月大华再次深化To B业务品牌定位：

服务千行百业数智化升级：致力于成为智慧物联基础设施的首选供应商，场景数智化应用的专业服务商，智慧物联生态的重要构建者，助力用户优化安全体系、提高生产效率、辅助经营管理。

有几个关键词：智慧物联基础设施、场景数智化应用、智慧物联生态。

可以发现，大华股份在开拓To B业务版图中愈加聚焦与清晰。

首先，依托大华20多年的技术积累，提供包括多维感知、多元连接、智能计算、控制交互在内50多种设备类型，1000多种企业行业专用产品，为客户打造全面的智慧物联基础设施。

其次，在做好基础设施建设基础上，深入挖掘用户场景痛点，努力做好场景数智化应用的专业服务商。史东表示，目前公司在工厂、井下、医院、教室等3000多个企业业务场景中，打磨了1000多个行业场景算法，累计形成了300多个行业解决方案，助力客户资源在线化、业务智能化、决策数字化。

最后，面对万亿级的智慧物联市场，一个共生、共赢、可持续的智慧物联生态当然不可或缺。经过多年的数智化升级实践，大华已有1000+技术生态合作伙伴，20000+个业务生态伙伴，致力于成为智慧物联生态的重要构建者。

你问生态如何构建？

技术开发者和行业从业者，可以在万象生态平台上对接个性化的定制开发；巨灵平台，也是一个智能算法仓库，形成了算法开发、训练、购买、部署闭环；硬件上有向合作伙伴全面开放的DHOP平台，软件上的PaaS、DaaS、SaaS也全开放；业务上，有独立组织（NP），服务各细分行业、各地区头部集成商。

一系列的品牌定位动作，不仅在于他们看到足够丰富的场景，足够大的市场，也在于他们在落地实践中不断提升的能力，于是也显露了不断增长的动力。

To B得力助手：大华浩睿和大华云睿

当“软件定义”等词汇在科技界几乎要通货膨胀，却很少看到大华蹭热点，一是不习惯，二是没必要。

尽管，软件已经成为大华的核心驱动力之一了。大华目前软件平台人员超过3000人，模块数量惊人，开发了上千个基础模块。

To B业务的飞奔也离不开两大得力干将，一个是浩睿，一个是云睿。

在大华高管口中，它们位居“B端制高点”。两个软件平台而已，为何如此得大华重视？ 

To B市场更大，规模化与定制化问题也更为突出。   

大华浩睿和大华云睿，为此而生。

对于大中型企业的定制化需求，大华浩睿通过私有云平台可以提供全行业、全场景的业务应用方案，更贴近企业合规管理需求。

同时，它可以以“物联一张网”实现本地化统一管理，对技术组件进行模块化和松耦合，将解决方案分层分级，提高面向智慧物联的数据接入与生态合作能力；

而大华云睿则集成了“巨灵AI开放平台”，提供数据标注、开发训练、移植仿真、算法集成、在线测试等一系列算法定制工具，企业基于自身诉求与场景理解，低成本生产算法，企业可购买和部署已有算法，也可按需定制。 

因此，它的武器，是云端智能化应用和开放的AI算法生态，通过云服务，帮助企业发掘数据价值，企业无需自身建设机房和IT人员管理，以轻资产，低成本获得数智化信息化系统。

浩睿和云睿，通过基础平台和定制化平台，面向不同场景的客户，相互独立，但也相互融合，深度适配多场景。

其实，大华本就从来不是单一的硬件或者软件公司。

他们深知，企业的数字化转型，是一项系统性工程，涉及到硬件、软件、网络、平台、应用等诸多环节，软件和基础设施一起构成了数智化应用落地的载体。

他们重视软件平台的地位，并给予其足够的投入。云睿和浩睿，也都是基于客户需求、行业发展趋势迭代而来。

史东给我们举了个例子，能更直观感受大华的软件能力。

以全国某大型银行为例，该银行实现全国视频大联网，建立整个银行视频综合应用平台，整个平台接入 75 万路视频设备，25万路报警设备，还有3万路对讲设备，构建了一张从总行延伸到基层一线的安防管理网。

这个平台意味着公司已经具备建立超级软件应用中心的能力，背后需要强大的技术架构、计算能力、后端先进算法支撑。

而尚且处于战略投入期的云睿，目前，平台已累计服务5000+企业，帮助近100万名企业管理者和运营人员，连接10万家门店，服务5000+住宅小区、480万业主，服务超过1万个停车场，产生超千万次停车缴费，并为2000+各类学校、企业园区提供了智慧物联服务。

储备耐心，积攒能量

今年是大华的第21年，你很难相信，这个企业在历次商战中有过伤痕，待过低谷，却不曾停止生长出新的技术、新的业务、新的未来。

这是一种依靠任何单一要素都打造不出的蓬勃生命力。

他们不想强调技术先进，他们很少追逐时髦的概念，他们更愿意理解业务、尊重技术、脚踏实地。

他们清醒地知道，活下来容易，壮大很难，一刻不敢怠慢，一刻不敢轻视。

某种程度上，这才是产业科技圈实干者们的核心魅力。

鸡鸣天白，大华企业业务的队伍浩浩荡荡出发了，以“持续落地可量化、可计算的场景价值”为目标，13大赛道全线开工。

To B战场的难度不亚于此前任何一次，这是一场长跑，大华储备好了耐心，也在积攒更多的能量。雷峰网雷峰网雷峰网

近4个月前，商汤赶在2021年的尾巴12月30日完成上市敲钟，成为目前AI领域全球最大IPO。

前天，商汤发布了上市以来第一份年报，自然也吸引了众多目光。

2021年的经营亮点不少：

收入加速增长，按年同比增长36.4%至47亿元

毛利率达69.7%

根据IDC及沙利文的市场报告，集团连续三年蝉联中国计算机视觉应用市场份额第一

当商汤的财务数据被作为各大标题的核心信息，AI掘金志发现了年报中的另一个值得关注的数字：AI模型生产效率。

2021年AI模型生产数量提升152%，研发人效效率提升72%。

这意味着什么？

研发与商业化展现正向循环效应显现了，我们期望的AI普惠已经鱼白初显。

AI普惠底层逻辑里的AI生产效率

为什么AI生产效率的提升对AI普惠加速落地的至关重要？

智能化时代的爆发，是要让AI被广泛地、大规模地应用，让各行各业真正从智能化、数字化变革中获益。

但千行万业的智能化需求中，80%为长尾场景，后者范围广、差异大、体量小、数量多，需求多样化、碎片化。

海量碎片化场景真正规模化落地谈何容易。

如果一个个开发的流程繁琐，研发流程难以复用，每个项目都要重复都要重新投入人力、财力开发，让全面的数字化覆盖成本居高不下。

而背后的本质原因在于现阶段AI的难以标准化，通用性低。

比如交通领域，未来可能诞生上千种算法；比如井下煤矿领域，应用场景多、需求细碎、产线极多，全线铺开差异化非常大，而单个AI算法生产就要花费几十名工程师数月时间。

换句话说，谁能最大程度解决碎片化，提高生产效率，降低边际成本，谁就拿到了开启AI规模化之门的钥匙。

欲起高楼，必先筑基，AI基础设施在实体经济转型中扮演着至关重要的角色。

AI工业化，需要底层基础设施，唯有解决模型开发、部署、管理、预测等全链路生命周期管理的问题，AI才有可能成为数字化的生产力。

只有持续专注于人工智能底层能力的构建，以一种系统化、工业化的方式去生成针对场景的创新应用，让算法生产的效率快速提升，才能打破技术落地的边界，从根本上通过全栈底层能力提升实现AI模型的工业化生产，提升效率，规模化地赋能行业。

但AI底层基础设施的重资产、重人才、重科研、重风险特性，让AI底层基础设施的构建门槛高企。

底层硬件、训练框架、算法模型、通用技术都需要持续的、高强度的底层投入，才能建立起技术成本、效率的利器。

高技术、资本壁垒，让其成为AI巨头之间的战场，具备这个实力的企业不多，商汤算一个。

这也正是商汤诞生以来来一直做的事情。

商汤AI大装置，目的就是让AI算法生产从人力劳动密集型向工业化量产的跃进。

AI大装置由算力、平台和算法三大层面组成。

算力层，以亚洲最大的AI超算中心（AIDC）为基础，整合AI芯片、AI传感器。SenseCore是 AI业务的基础，AIDC 又是大装置的底座。AIDC可提供大规模弹性算力，实现10000亿级参数模型的完整训练。

平台层，是连接算法和算力层的纽带，整合了数据准备到模型生产、测试、部署的全链路AI开发及批量化应用流程，将数据平台、深度学习训练框架、深度学习推理部署引擎、模型生产平台打通。

算法层，算法工具箱里生产的模型超22000，开源框架OpenMMLab在GitHub上已经超过37000颗星，为亚洲最高。

AI大装置具体如何提高AI生产效率的？

通过将不同场景的算法模型进行底层抽象，形成成千上万的模块化套件，通用大模型加上小样本单一场景的细分优化，不算组合的算法模块，更快速批量满足长尾场景需求。

它们从根本上提升AI研发效率，降低成本，让AI模型摆脱手工生产，逐步上到流水线，通过规模化生产AI算法，大幅度降低算法模型生产的成本，从而以低边际成本实现对新场景的规模化覆盖。

商汤是怎么做到的？

作为AI企业的领头羊，创新与研发是商汤成立至今的核心武器。

商汤上市时募资的用途，60%用于研发。其中，大部分投入AI基础设施SenseCore，10%用于扩大AIDC算力，10%用于加强人工智能芯片的设计能力及开发自有的人工智能芯片解决方案，15%用于提升与人工智能模型有关的能力，还有25%将投入技术模型、产品和产学研。

科技研发，是产品更新迭代的基础，技术驱动的企业，创新技术无不需要常年累月的研发投入，才能保持行业领先地位。

其年报也说明了这一点，2021年，商汤集团继续保持行业领先的研发投入水平，全年研发支出30.6亿元，占收入比65.1%。财报显示，商汤集团2021年研发人员新增1500人至总数4200人，占员工总数的70%。

创新成果也喜人，截至2021年底，商汤集团累计拥有11494件全球专利资产，相较于2020年底增长96%，其中78%为发明专利。

研发投入占收入六成以上，不是所有的企业都对创新研发持之以恒的坚持。

今天的研发，就是明天的价值。

研发投入带来的是商业竞争力和增长动能的支撑。持续研发投入为商汤带来了技术和商业双重领域的丰厚回报。

其实，放大时空维度会发现AI普惠并非跨越式进行的，创新的本质，是技术演进，每次一步一步，甚至半步半步地往前走。

前三次工业革命，都是在一次次优化、修正、迭代中螺旋式上升，降低生产成本，提高生产效率基础上，并最终呈现颠覆性结果。

如果我们从最终的顶峰出发向后看，会发现商汤一直遵循AI和产业数字化的本质。

要实现AI普惠，需要AI规模化应用，要实现规模化，需要解决长尾场景应用，要解决长尾场景周期长、成本高，需要提高生产效率，降低生产成本。

从这个层面看，商汤从一开始就怀着长期主义的愿景，一步一步构建它心中的那个AI普惠的世界。

AI大装置，正通过实际成绩，让AI的光波覆盖得更宽、更广，逐渐抵达规模化临界点。

据悉，截至2021年底，23个投入使用的超算集群总算力为每秒1.17百亿亿次浮点计算（1.17exaflops），SenseCore生产出的商用模型数量达34000多个，AI模型生产效率相较于2020年底增长了152%。

与此同时，商汤的研发人效有而在逐年提高，2021年研发人员每人年均生产的商用模型数相较于2020年和2019年分别提高了72%和13倍。

152%的模型生产效率，72%的人效提升。

这一数字即使放眼全球AI公司，都颇为漂亮。

与业界整体水平相比，商汤研发效率高一个数量级，与之对应的，在AI下半场逐渐走向成熟的背景下，商汤的研发成本比业界低一个数量级。

商汤的毛利率从2018年的56.5%持续提升，到2021年达到69.7%，稳定的、高额的毛利率，得益于正是AI大装置带来的规模效应对研发效率的结果。

而这些，一起构成商汤AI大规模，并最终实现AI普惠的基础。

长期看来，更低的模型生产成本，更大的模型产能，让商汤可以更普惠、更深入地赋能实体经济，保持长期的商业竞争力和增长动能。

基于商汤AI大装置为核心基座，商汤提供通用化的AIaaS（AI-as-a-Service）能力，目前已覆盖AI在各垂直场景中的应用。

2022年，商汤将会把SenseCore的能力进一步对市场开放。

AIDC将对外开放，为产业、科研、城市管理提供AI-as-a-Service智能计算服务，全面提高AI的生产力，加速全产业数字化转型。

全面解决长尾应用的需求问题，通过大幅降低人工智能生产要素的成本，实现高效率、低成本和规模化的AI创新与赋能。

四大板块，开启AI普惠之门

在SenseCore的人工智能基础设施底座之上，商汤企业、城市、生活、汽车四大板块的均衡发展，持续提高从数据、AI模型生产、场景应用、商业化的闭环效率。

从商汤的四大板块身上，已经初见AI普惠的影子。

• 智慧城市

AI等技术的进步，让城市治理建设进入新的阶段，海量的碎片化需求，垃圾满溢、共享单车乱堆放、道路损坏、交通事故、火灾及烟雾、紧急出口障碍......同时面临建筑密集、人口稠密、交通拥堵等一系列问题，城市的人力监管效率有限，基层工作强度大，治理质量也难以达预期。

城市治理迫切需要数字化转型，让城市数字化的市场进一步扩容。

商汤迎面挑战，也抓住机遇。智慧城市收入同比增长56.6%。

商汤城市方舟，作为数字城市运营的操作系统，不仅可以管理消防栓、井盖、电线杆及道路标志等公共设施，也可及时识别上述公共事件的及时发现和解决，以及洪水及台风等自然灾害的影响分析及后续救灾措施实施进展的跟踪。

商汤方舟城市开放平台包含14000多个AI模型，与城市的IT基础设施结合，将原始的城市数据实时转化成运营洞察、事件警报及管理行动。

商汤下沉到最基层，与应用场景紧密结合，深入城市毛细血管，在商汤打造的数字世界里，形成城市的安全隐患、市容环卫、水务河道、消防设施等涉及“人、楼、事、物”等智能化治理闭环，线上线下融合让城市真正成为一个智能体。

让城市管理由人力密集型向人机交互型、由经验导向型向数据驱动型、由被动处置型向主动发现型转变，也让商汤进一步提高智慧市场渗透率。

据悉，截至2021年底，商汤已累计有140个城市部署了城市方舟，相比2020年底增49%，在中国智慧城市计算机视觉软件市场份额排名第一。

截至2021年底，城市方舟搭载的AI模型数增加至22425个，相比于2020年底增长156%。

• 智慧商业

十余年流量争夺战趋于顶峰，To B金矿价值初显的征兆，在企业数字化转型大潮下，商汤的智慧商业也战绩不俗。

中国的经济已经到了一个临界点了，高质量的经济将是未来10-20年经济发展的绝对走向。而AI，正是开启这个临界点的最佳钥匙。

AI席卷而来、数据指数递增，其结果是：数字世界与实体世界的交集越来越多、边界越来越模糊。

2021年，商汤智慧商业的收入同比增长31.8%至19.58亿元。这背后是商汤的AI大装置为众多行业输送AI能量。

在工业制造领域，福田康明斯发动机生产工厂应用基于商汤SenseCore AI大装置打造的深泉工业质检推训平台，实现对发动机关键零部件的缺陷检测。

工业场景往往面临零部件种类多、型号多、缺陷种类多，深泉平台从多光学方案支持、多零部件形态支持、多重质检支持提供了解决方案，可以在漏检率和误检率上做到足够精准。

同时，面对AI质检这样的系统化工程，商汤的深泉平台还可以将智能化技术和产线完美融合，以提升产线效率，将工艺的迭代从“月”为单位改变为“周”为单位。

如今工业企业已经从单一产品的大批量生产，向多产品小批次的柔性生产趋势发展，深泉平台提供了工业模型训练组件、推理工作流调度组件、报表配置组件，低代码支撑柔性质检，满足多件小批次的高质量质检。

应用深泉平台后，福田康明斯发动机工厂的质检效率得到大大提升，同时随着工厂向智能制造转型，企业竞争力也得到显著增强。

在交通领域，商汤的AI技术也在发光发热。

商汤与中铁电气化局集团京沪高铁维管公司、中铁电化院共同打造“星空”4C（接触网悬挂状态监测装置）智能分析系统，成功将AI技术应用于高铁接触网智能巡检工作中。

京沪高铁是我国铁路交通大动脉为例，日常运营中，对于检测量需求极大，存在人工分析周期长、判定标准差异性大等难点。应用“星空”系统后，仅需2名技术人员用时10天，便可完成对同样300万张图片的分析，效率提升了20倍，让高铁完成一次接触网例行巡检时长缩短至短短4天，效率提升超过20倍，同时大大降低4C检测对人员经验的依赖程度。

截止目前，“星空”系统的全国高铁检测超过3万公里，图片数量超过4800万张，零部件数量超过13亿个。

据悉，“星空”系统不仅提高了接触网维管的智能化水平和检测效率，填补了我国4C智能检测分析领域的空白。

• 智能汽车

智能驾驶赛道在去年空前火热。

2021年，商汤智能汽车板块且持续快速发展，展示了不小潜力。

早在2016年，商汤就与本田共同深耕自动驾驶技术，加速智能汽车的研发进程。蓄势6年，让商汤爆发力十足。

智能汽车平台「绝影」亮相之前，已与30多家国内外主机厂产生了紧密的联系，定点量产项目覆盖车辆（生命周期内）总数超过2000万辆。

正式发力后，SenseAuto绝影由点到面，从商汤最引以为傲的“视觉感知技术”技术切入，从三大方向打造智能汽车。

绝影智能驾驶解决方案，聚焦基于不同传感器的L2+级高级辅助驾驶至L4级自动驾驶创新。

绝影智能车舱解决方案，覆盖从用户上车到用车多个场景的主动式人机交互体验。

绝影路云感知平台，通过车路云一体化来提升城市和交通综合管理效率。

三路猛攻，商汤得以覆盖单车智能（包括舱内舱外）以及车与路协同智能的发展，打通车路云的全栈闭环。据悉，商汤在智能驾驶、智能座舱、车路协同、L4级无人驾驶、无人驾驶小巴推进全线产品化商用。

截至2021年12月31日，商汤已经服务了超过40家车企，智能驾驶和智能座舱产品累计前装定点数量达2300万台，数量稳居行业第一。

在商汤2022年一季度的组织架构升级中，智能汽车事业群正式成立，绝影朝着“汽车行业内最具影响力的AI赋能平台”的方向奔去。

• 智慧生活

商汤智慧生活板块打下扎实的基础。

202年，商汤也成立了数字空间事业群，智慧生活的战略也得到升级。

在AI软硬一体趋势下，商汤与全球领先半导体公司合作研发，2021年底交付四款AI传感器实现0到1的突破，可以显著改善手机拍照的画质，并且以更低的功耗和更强的隐私保护来处理手机拍摄的照片视频，并成功落地头部手机厂商。

商汤的AI+AR技术落地到机场、博物馆、景区、商超等各式各样的场景，AR导航、AR导览、AR营销、AR技术，以及厘米级的定位，都极大丰富了用户的场景体验，商汤将虚实融合的感官体验，从APP扩大到现实生活。

大火的元宇宙，商汤是不可忽视的力量。

商汤进行了「虚实融合、由软带硬、由平台到生态」战略升级，战略重视下，商汤可以整合在AI感知、AR及MR技术、算力及客户生态的优势，打造行业领先的元宇宙赋能平台，提供多种关键技术引擎赋能各行业共建数字空间。

例如，商汤SenseME水星智能移动终端平台赋能设备数稳居行业领先地位。商汤SenseMARS火星混合现实平台可构建数字空间应用，开发虚实融合的交互浸入式体验。

坚持长期主义，践行AI普惠使命

AI普惠是一条渐进的道路，渐进的道路并不容易走。在AI祛魅后，AI行业正在成为少数人坚持走的路。

商汤相信，历史上的所有伟大，都是从摸着石头过河开始，而这一次，更是中国少有的已跑在欧美前面的时刻，需无畏地探索AI商业化的无限可能性。

商汤集团坚信人工智能技术变革带来增量价值，也将努力推动普惠和公平的智能时代到来。

作为A龙头企业，这是它的责任，也是它心之所愿的使命。

雷峰网雷峰网雷峰网                

不论是免费Wi-Fi盗取位置信息，还是儿童智能手表成为窃听工具，都在揭露一个事实：

技术的进一步扩张，正在压缩人们的隐私边界。

晚会又举了一个例子：用户只需要浏览网页，技术公司便可抓取MAC地址，然后匹配到手机号，方便营销公司精准营销。

受利益驱动，技术成了灰色产业链的掘金铲，用户所浏览的商品信息、浏览时长、兴趣爱好等非生物特征信息都是该技术的“原料”，成为另一个隐私泄露重灾区。

这实际上是去年「人脸识别」话题的延续，只不过隐私数据从人脸这类生物特征信息，变成了非生物特征信息，但本质上是对技术侵犯隐私的又一次曝光。

长久以来，围绕技术和隐私的讨论不胜枚举，人们对二者何为第一性并未达成共识，但基本上都承认，两者之间并非零和博弈，关键在于如何划分技术、隐私数据和商业行为的「边界」。

失控的数据

2021年的3·15晚会上，央视披露了多家企业非法抓取人脸数据，宝马、科勒卫浴等品牌被点名批评。

半年之后，便利蜂铺设摄像头采集数据事件再将数据隐私推上舆论高地。

两起事件不过是诸多企业收集数据的缩影，而在人们的生产生活中，这样的例子比比皆是：

上下班要刷脸打卡，进入小区要刷脸解锁，商场购物则少不了摄像头的“监控”。

这些只是线下场景收集的数据。在线上，用户的个人资料、兴趣爱好等数据同样会被抓取，用以推荐更为合适的商品、文章、图片、视频等内容。

在由大数据和互联网技术构成的数字化时代，人们已经无法避免被收集个人数据的情况，只不过线下收集的数据以个人生物特征信息（人脸、指纹等）居多，更容易引起人们的关注，而线上收集的个人数据，则尚未引起足够的重视。

但殊途同归，收集数据不是目的，让数据产生价值才是企业的追求。不论线上线下，围绕数据所产生的利益链条，已经深入到诸多企业的血管之中。

在这利益链条中，有的被称之为灰色交易，比如直接倒卖隐私数据，有的却又在法律监管之外，比如收集数据优化推荐算法，通过推送个性化商品和广告来达成交易。

“有效数据越多，价值量越大。”一位数据公司数据中心VP告诉掘金志，现在很多算法都需要大量数据来训练、优化，从而实现更加智能化的推送。

这也是诸多公司冒着风险去收集包括人脸在内的数据的原因：利用数据来调整营销策略，去触及更多有效用户，达成交易、产生收益。

简单举个例子：商户开业初期，数据分析发现女性消费者偏多，那么在随后的供货清单里，其产品也会倾向于女性。

另一个比较有趣的现象是，此前有很多APP，不给个人信息就无法用。

在众多APP的解释中，收取个人信息数据是为了更好地推荐内容，但“不给就无法用”实际上暴露了其真实目的：嘴里都是诚意，实际上干的都是生意。

“一方面，更好地推荐内容利于增强用户黏性；另一方面，APP要通过收集用户数据来构建用户画像，方便与广告主进行协商谈判，来谈合作。”

一名负责广告投放业务的员工表示，在结算方式一样的情况下，合适的投放平台，可以带来三方共赢的局面：

“广告主能降低有效用户的获客成本，APP所有方获得广告投放收益，而用户则得到了更多优质好看的内容。”

但这种“赢”实际建立在用户数据的基础上，换言之，这场数据交易，实则获益者只有两个：广告主获得精准曝光，获客成本进一步降低，并能从其他商品上进行转化；APP方则获得广告收益。至于用户，除了要被贩卖数据之外，还可能通过广告进行商品消费。虽然用户也可能不会花钱买产品，也不会产生任何直接经济损失，但通过其数据交易，其他两方获益，己方也会承担「交易成本」，即便这种成本不可见。

这正如纪录片《监视资本主义:智能陷阱》所言：“如果你没有花钱买产品，那么你就是待价而沽的商品。”

某行业人士告诉掘金志，由于相关方以提供服务为借口采集数据，消费者实际上处于弱势地位，即便消费者具备一定的警惕性和保护意识，在拒绝采集数据就无法享受基本服务的情况下，也不得不捏着鼻子签下这类“不平等条约”。

在这种不对等的关系中，生产者的强势与消费者的弱势，使得数据交易越来越泛滥，加上缺乏有效的监管措施，收集个人隐私数据的行为也愈发猖獗，逐渐走向失控。

膨胀的「信息茧房」

对于许多人而言，生物特征信息比非生物特征信息的隐私保护层级更高。

通常情况下，生物特征信息（人脸、指纹等）与资金账户、社交关系等密切相关，一旦发生泄漏，所产生的风险损失在某种程度上是「可预知」的，损失也是相对「可控」的。

以人脸数据为例，发生数据泄露之后，用户首当其冲可预知到账户安全，然后通过各种手段冻结账户。

而非生物特征信息（兴趣、爱好等）由于风险损失的「不可预估」，普通用户很难有一个直观的认识。

例如，在注册APP时，用户被要求填写基础资料、个人爱好等信息。这个过程中，用户只需要支付时间成本，而不会产生直接利益损失，就能够获得更精准的信息推送服务。

但命运赠送的礼物，早已暗中标好了价格。

这些数据虽然不会直接带来损失，但危害或许更大。在这些数据的加持下，各种推荐算法横空出世，构建了一张张封闭的「信息茧房」，茧房里的用户们，成为一茬茬被收割的对象。

大数据杀熟可以说是比较明显的一类收割方式。

系统通过抓取用户在线时长、消费记录等特征值，将用户按标签分组，然后推送不同的折扣，给新用户优惠，老用户高贵。

人们常说的消费主义也与之相关，许多用户在购物平台上购买商品，系统会根据用户的浏览记录、时长、输入标签、好友等等，推送其可能喜欢的商品，并且一发不可收拾。最后用户可能买了一大堆并不实用的商品。

这两种都比较常见，但商家只是为了赚取更多利润，虽然面黑，却也至少在法律监管之内。

但从另一个角度看，基于数据产生的推荐算法，如果没有得到有效引导，那么将会带来「社会性灾难」。

品牌传播有一种常用技巧，叫培养用户心智。最典型的莫过于“钻石恒久远，一颗永流传”这句广告，把钻石和爱情画上等号，成为结婚不可或缺之物。实际上，钻石本身价值不如黄金，但仍有无数男女为之倾倒。

罗马的建成并非一朝一夕，培养用户心智，也不可能一蹴而就，而是潜移默化、春风化雨。

以最近被讨论得较多的豆瓣为例：

豆瓣曾于2012年上线了“豆瓣猜”功能，根据官方定义，该功能如下：

“你的个人推荐是根据你的收藏和评价自动得出的，每个人的推荐清单都不同。你的收藏和评价越多，豆瓣给你的推荐会越准确和丰富。每天推荐的内容可能会有变化。随着豆瓣的长大，给你推荐的内容也会越来越准。”

毫无疑问，该功能的初心是为了给用户提供更优质内容，包括现在许多短视频APP，在使用推荐算法的时候，直接目的是增强用户黏性，然后通过广告投放变现。

但这类推荐实际上会形成一个「信息茧房」，即用户在某一类别的内容下熏陶太久，很难再接收到其他跨行业的内容，从而造成信息阻塞。在这个「茧房」里面的用户，每天都受到同质化内容的冲击，思维也会受到影响，趋于单一甚至极端。

一份对豆瓣的研究表明，豆瓣由于是小组机制，以组为单位的信息交流较为封闭，受推荐算法影响，组内成员接收到的内容更为单一（精准）。整个小组就是一间房屋，只接受来自推荐算法的投喂，而拒绝跨行业交流，所以不难理解豆瓣出现的一些极端言论。

如果这种推荐算法被用于舆论战，比如在俄乌事件中，Facebook允许用户发表任何关于俄乌领导人的仇恨言论，那么许多人可能都会接收到更多类似言论，从而带来严重的社会问题。

所以，看起来没那么重要的数据，在推荐算法的放大下，影响也会被放大无数倍。即便一开始，推荐算法是出于好意，但若缺少有效监督，最终会酿成恶果。

技术、监管与商业行为

“技术仅是一种手段，它本身并无善恶，一切取决于人从中造出什么，它为什么目的而服务于人，人将置于什么条件下。”

德国存在主义哲学家雅斯贝尔斯如是说。

互联网、大数据、AI等新技术确实带来了生产生活的改变，同时重铸了商业模式，但技术与人之间的关系却产生了「滞后效应」。

所谓滞后效应是指，法律监管、民众意识的觉醒，落后于新技术的演变，这种时间差所导致的认知差异很容易引起争议，而这种争议又因利益主体而有着截然不同的态度。

以人脸识别为例，该技术已经广泛应用到视频监控、消费电子等场景，但不同的采集主体，人们却表达了不同意见。

比如，疫情防控需要采集人脸信息，几乎没有人表示反对，但对于商店收集人脸，却有百般不愿。

“对公权力的信服，使人们相信公权力收集人脸信息是为了大众安全与福祉。”

一位法律行业人士表示，这种信任在商业层面却恰好相反：当人脸识别技术被用于发展商业时，人们对生物特征信息相当敏感，甚至可以说抵触。

因为前者属于利益共享，并且有政府背书，人们相信前者有能力来保护个人数据安全。但后者是纯商业行为，消费者从中无法获得利益，并且存在很大的信任危机。

在这段时间差里，由于缺乏针对性的法律加以监管，隐私、技术、商业、监管四者之间存在一片模糊地带，成为灰色产业链的沃土。

《个人信息保护法》和《数据安全法》的出台，一定程度上规范了行业，但从监管层面来看，隐私与技术、商业行为之间的界限仍然不够明晰。

以生物特征信息为例，哪些信息可以采集、哪些信息不可以采集，什么时候能用，什么时候不能用，尚未有国家层面的正式法律依据做支撑。

举个例子，现在很多技术公司在做「智能商业」，也就是通过采集数据来给商户营销服务。人脸信息在《个人信息保护法》有明确规定，企业私自采集人脸并商用属于违法行为。

技术公司已经可以通过技术手段，比如数据脱敏，来规避掉人脸信息，而采集性别、年龄、穿着、用户行为等其他信息，这部分数据实际上处于上述提及的灰色地带之中。

这些数据能不能采？是一个问题。

另一个问题是，针对线上用户的推荐算法，其采集的数据范围、类型等要不要加以限制？

一位数据公司VP告诉掘金志，现在的大数据实际上处于线上线下融合发展的阶段，任何一端的监管缺失，都会带来很严重的问题。

虽然2022年1月出台了《互联网信息服务算法推荐管理规定》，对推荐算法进行规制，但在数据采集方面仍然缺少约束。

比如，今年315之后，淘宝、抖音、微博等APP上线了算法关闭键，用户可关闭“个性化推荐”，不过实际影响可能有限。

某行业人士表示，关闭“个性化推荐”存在弹性：其一，只是降低了内容的相关度；其二，仍然可以通过别的算法（如近邻算法）来感知消费者的喜好；其三，APP仍然可以采集隐私数据。

当然，这并不意味着该功能无用。在他看来，数据已经成为现代商业不可缺少的一部分，是发展数字经济的基础“资源”，几乎不太可能割裂数据与商业之间的联系。

“如果要划分隐私数据、技术与商业行为之间的边界，需要企业、消费者、监管方、媒体等多方参与。”

而这又将是一场持久的「利益博弈」。雷峰网雷峰网

 近日海康举行了投资者问答。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

Q：当前的经济总体形势比较严峻，政府可以征收和调配的财政力量比之前弱，企业投资的信心似乎不足，服务型的中小企业日子好像更紧。公司怎样看待经济的状态，是否还能维持一个合理的增长？

A：我们首先要说，海康威视今天的业务板块有五个大的部分，包括国内的三个 BG，海外主业，以及 8 个创新业务的大集体。刚才您讲到的国内经济压力我们感受得到，但首先从公司的维度看，海外业务的稳健增长、创新业务的较快增长，这个预期应该是稳定的，所以首先公司的基础增速可以保证。

聚焦到国内经济环境上，我们身在经济体之中，感受得到今天经济的压力，但这些压力和过去 5 年、过去 20 年之中遭遇过的挑战相比也并不很特别。今天影响经济的外部因素比较多，而我们也看到各个层级的主体都有可以调整改善，从而有所施展的空间。

比如在政府维度，中央对地方的转移支付力度增大，专项债等形式的政府性基金提早拨 付，都在尽力维持合理的政府开支力度，而从中长期视角看，政府的深化改革中重要的一点 就是简政放权，推动社会治理的数字化、流程化，而相信我们的智能物联能力将在其中发挥关键作用。

在企业部分，对企业的数字化转型，我们依然坚信这是一个十年维度的大机遇。 同时从营商环境看，无论是对政府推行的减税降费，对中小微企业的租费减免，还是金融市 场的专项融资支持，都在帮助市场主体面对现在的压力可以有条件缓一缓，逐步恢复经营活 力。

这些企业类的客户和我们一样，都是在商业竞争中拼搏的公司，其实无论在什么时代、什么环境中，都一样面临当时的挑战，也同样能找到相应的机遇。我们还是相信中国这个大经济体的调整能力，希望我们自己能努力做到不错的增长。

Q：历史上技术型行业很多都有非线性的增长过程，当它的成本下降到一定阶段，会在需 求端有拐点效应，但是好像在 AI 行业没有呈现出期待中的爆发增长，公司预期业务会迎来爆发的机会吗？

A：我们理解的 AI 技术，是一个通用型的底层技术，它的应用形式跟着场景走，这种技术的增长更像是深水静流，兑现时间长，可以把业务持续做下去。过去几年在公司业务中，AI 技术的渗透还是呈现出了非常快速的增长，现在也看到很多项目里面，我们的客户会提出设备要 100% AI 化。从 AI 技术在产品中的渗透速度来看，已经是高速的增长了。

我们也看到人工智能的把市场的新需求激发出来，比较明显的一点，原来的很多需求是呈点状的，现在人工智能的整个方案中需要人工智能的部分是面状的，而且有很多项目要求整个系统都是具有智能化的能力，这样的趋势是在出现。而公司也是在提供全系统的 AI 能力方面，竞争力最强的玩家之一。

Q：公司的工程化落地能力、行业、区域、销服体系等等资源布局的形式和碎片化市场比较吻合，这些应该是海康企业端数字化转型业务发展很大的优势，公司如何理解自己在 EBG 市场的核心竞争力？

A：近年来我们在技术上构建了一些系统化的能力，我们的 AI 开放平台、统一软件架构， 这都能帮助我们在碎片化场景中快速落地。另一方面，我们对于行业的洞察和理解能力也是 帮助我们能够比较好、比较快发现用户价值需求的。同时还要说我们在资源布局方面，有全国广泛布局的营销服务体系，我们的服务渠道无论对于我们政府信息化、数字化业务落地，还是对于我们 EBG 的业务都有很大帮助。

我们的业务是碎片化，也是场景化的，我们都在围绕着业务的小闭环在提供价值，比如设备资产管理的闭环、比如巡查巡检的闭环，比如教育行业三个课堂的闭环。我们把业务在小闭环里串起来，然后通过业务的闭环和管理的闭环给用户提供价值。这对于从业者来说是一个挑战，需要的是能有深入的理解，也能够具备帮助用户转型的能力。

Q：智能化方案往往是从一个典型场景的标杆客户开始做应用，然后逐步推广给更多类似客户。哪些行业已经形成了一些标准化或者规模化推广的案例？

A：我们在许多行业都有先锋用户，这些用户更愿意尝鲜，我们配合客户的需求来做组织自己的技术，很多解决方案在刚开始做的时候是个性化方案，一段时间之后，会成为我们的标准化产品。

比如远程巡检的方案，巡检最早是给一些连锁行业定制的方案。现在除了连锁行业外，能源的点位巡查，都应用了远程巡检的理念，方案的表现方式会根据不同行业的不同特点，做很多的细化和版本迭代。

第一个产品原型是这样的，通过不断的业务交流，产品也会升级迭代，这个产品可能通用性很强，逐渐变成了一个通用功能；或者是这个产品越来越专业化，逐渐变成了某一个细分领域的专业化方案，这两种变化都有。

例如，我们明眸的产品是疫情期间为人体测温开发的，现在是标准化的产品；我们人证比对产品，也是标准化的产品，这些产品的发展迭代支撑着今天将近 3 万 SKU 的产品体系，软件端、应用端的迭代也是如此，不断从定制场景中来，走向标准应用去。

Q：是未来 5-10 年，公司人效是否会不断地提升？

A：人效是个比较具体的问题，发展展望的是一个宏观、远期的问题，对于人效来说，它更关系到企业内部运营的状态。

一般来说业务状态、业务模式很成熟的企业，人效的水平可能会比较高；或者说我们对外部的渠道辅助以及依赖更多一些的时候，企业的人效会更高一些。像海康当下的状态以及对主营业务的定位，短期来看人效改善有空间，但也没有那么大。

从运营的角度来说，我们还是会努力的，比如让内部部门之间的沟通更高效，研发投入的质量更高，生产制造的自动化水平更高，可能也会促成人效的提升。

这方面我们是一年一年通过点点滴滴来改善的，很难定一个跨越式的大目标，我们会回到点点滴滴的改善工作上来。雷峰网雷峰网雷峰网

此时距离海思被制裁的新闻刚过去一个多月，没有人预料到这意味着“缺芯潮”的开始。

由于海思在制裁禁令之前下足了订单，其尾单足以支撑起相当一段时间的市场需求，加上海思的主要客户，如海大宇等头部企业受的影响并不大，以至于造成一种海思仍能持续供货的假象。

直到2020年8月，在经历新一轮制裁之后，海思连尾单都已消耗殆尽，只能消耗库存来少量供应大客户，而多数中小客户则收到了停止供货的消息。

这时市场才明白缺芯的意义。震惊之余，一场囤积居奇式的哄抢与炒作，在安防圈掀开序幕。

虚假市场

安防缺芯，这一点谁都知道。

但许多人不知道的是，这场缺芯潮，因信息不对称而被刻意「放大」了。

早在缺芯潮刚开始泛滥的时候，掘金志就曾指出这个放大效应：

一家缺货10K找10家问，市场便以为有100K的需求，市场有30K的货，无形之中就多出来70K的缺口 。

当恐慌情绪持续蔓延，市场参与者（尤其是中小厂商）由于无法获取足够的信息，都担心自身成为该事件的受害者，其行为就会变得非常不理性。犹如惊弓之鸟，任何风吹草动都极易引混乱。

以海思中低端价位的芯片为例，从20年8月第一波实质性意义的缺芯危机开始，不到一个月的时间，其Hi3519A、Hi3516D、Hi3516C等先后涨了近4～5倍，其高端芯片Hi3559A更是从500元涨到超3000元。

但平心而论，这种飞涨的情况非常罕见，某芯片企业员工甚至直呼：“钱大都被渠道商赚了。”

在他看来，海思停止供货之后，市场上仍然有芯片可用，一部分是海思的库存，另一部分则来自于其他芯片厂商。即便后者的产品在当时与前者相比存在差距，但在中低端芯片领域，也绝非到了不能用的境地。

“当时最恐慌的是那批没有plan B的中小企业，因为海思之后的货主要供给海大宇等大客户，这些大客户受影响较小，并且也早有准备。另外一些企业，此前就与富瀚微、君正等有合作，芯片供应也不受影响。”

该员工告诉掘金志，第一波缺芯实际上是这些没有B计划企业的「悲剧」，以及掌握市场信息及供应渠道的渠道商的「喜剧」。

一边是被放大的需求，另一边则是被压缩的市场供给，那些没有议价权也没有进货渠道的企业，只能捏着鼻子接受来自市场的一次又一次涨价；渠道商则趁此机会赚得盆满钵满。

实际上，在中低端价位的IPC芯片领域，即便当时海思断供，市场的其他玩家也能撑起局面。

“问题在于海思市占率太高，突然腾出来的市场空白，第二梯队的企业很难短时间内实现承接，因为扩大产能和产品线需要时间。”

然而就在这个空窗期，发生了市场疯抢芯片的「闹剧」，仿佛海思断供之后，安防行业再无“芯”可用。但事实是，富瀚微、北京君正、星宸、晶辰、国科微、瑞芯微、安凯等企业先后调整产品线，代工厂开足马力搞生产，以争夺市场份额。

就在这场「闹剧」如火如荼进行时，疫情在世界范围内的加剧，也将芯片行业逼入寒冬。晶圆短缺引发了全行业的缺芯潮，不论是安防、汽车，还是消费电子，都面临着“一芯难求”的窘境。

晶圆短缺之后，代工厂纷纷上调价格，芯片厂商议价空间很小，因而不得不提高供货价格，进而传导至安防大厂，海大宇等企业的部分产品先后提价。

对于芯片厂商而言，虽然对代工厂没什么议价权，但在与需求方的博弈中，还是能占据一定的优势。同时，大厂往往是订单的可靠保证，在海思受制裁与疫情的双重影响下，安防大厂和芯片厂商之间的关系也更趋于稳定，各大厂几乎都有着「专属供应商」，比如海康与富瀚微。

这种“1+1”甚至“1+N”的组合模式，实际上影响着今后的安防芯片格局。

格局重塑

市场从不缺少参与者， 也不只有海思一个玩家。

如果把现阶段的海思当作是摇摇欲坠的周王室，那么富瀚微、星宸、君正等企业则是势大力广的诸侯国：谁都想取代海思，但谁都不敢说自己是下一个霸主。

然而有一点是可以确定的——在安防芯片领域，海思的昨日荣光基本很难再现。

某安防企业高管王伟告诉掘金志，2019年（包括）以前，海思是绝对的王者，市场格局可以用“一超多元”来形容。受制裁以后，2020年，其市场份额下降至30%左右；21年持续下探，“现在可能已经不足5%。”

该说法并非空穴来风，光大证券的研究显示，2020年IPC芯片领域，虽然海思仍然保持了大约30%的份额，但星宸、富瀚微、北京君正、国科微四家企业合计占据了近60%的市场。

2021年，迫于无人代工的窘境，海思的市场份额进一步下跌，这几乎是板上钉钉的事。

王伟认为，2019年之前，海思凭借着出色的技术和价格，依托产品建立了自己的生态圈，属于独一档的存在，其余几家公司只能望其项背。

制裁发生后，市场先是恐慌了一段时间，接着就是炒作芯片。但对于多数安防厂商来说，他们并不喜欢炒作，这样徒然增加产品成本，产品价格也跟着涨，而客户从来都是用脚投票，炒作芯片最终肥的是那些囤积居奇的代理商、渠道商。

因此，许多安防厂商不得不退而求其次：海思太贵用不上，就用第二梯队作为替代。

这便给了以星宸、富瀚微、北京君正为代表的原「预备队」的转正机会。

星宸的反应很快，在“缺芯潮”大规模来临之前，（2019年10月）便一口气发布了三款中低端价位的IPC芯片（SSC339G、SSC338G、SSC336Q）；北京君正紧随其后，在19年的安博会上发布了现今最卖座的T31系列。这些芯片都直接对标海思Hi3516AV300等产品系列。

21年的业绩涨幅，表明这些预备队已然成功转正：富瀚微净利润预增264.98%- 344.82%，国科微净利润预增252.83% - 323.40%，北京君正净利润预增1003.94%-1244.82% ······

王伟表示，现在的格局基本如下：富瀚微、SigmaStar（星宸科技）、君正等属于第一梯队，市占率大概在60-70%左右，剩下的就是联咏、安凯、国科微、以及一批初创公司。

可以说，海思让出来的IPC市场份额，原来的二线部队已经实现有效承接。

海思不可能重现荣光的另一个原因是，在市场已被有效承接的情况下，海思原有的生态随之告破，即便未来海思可能卷土重来，但要攻破多家企业的护城河，恢复原有地位，也很难实现。这和海思时代，其他企业默默无闻是一个道理。

“国内企业也不希望海思一家独大，而星宸、君正等企业借势发展，也会形成自己的竞争力。”

一名从业者表示，芯片市场有一个很大的特征：产品验证周期长，很难在短时间内切换到另一家供应商，供需双方也需要时间来建立信任桥梁。这也是第一波缺芯潮如此剧烈的原因之一。

“生态原本是海思的优势，但在长期无法供货的情况下，厂商也不得不转向其他芯片企业，如果要再换回来，成本会很高，厂商们也不一定愿意了。”

除了在中低端产品上蚕食海思丢掉的市场外，各大企业也先后进军高端芯片。

富瀚微在21年2月以3.3亿元收购眸芯科技32.43%股权，成为其控股股东，而眸芯科技的主要产品为智能视频监控系统后端设备（DVR、NVR等）主处理器SoC芯片；北京君正也于2020年下半年推出了T40，直接对标海思中高端。一名接近君正的从业人员透露，君正专业后端芯片A1已经发布量产，将于今年上市。

这意味着，海思时代处于弱势地位的芯片企业，如今正一步一步完善产品线，逐渐建立起属于自己的「朋友圈」，形成护城河。

但就目前的情况来看，高端芯片仍然以海思的3559最卖座，前述AI芯片员工表示，“现在一颗3559的价格维持在2000元以上，暂时还没有别的产品能与之竞争”。在他看来，现在国内几家企业大有崛起之势，但任何一家都无法形成海思那样的绝对优势。

王伟也持类似的观点：国内芯片格局已经完全改变，新的格局正在形成，现在靠前的企业，如星宸、富瀚微、君正、国科微等，都不具备统一江湖的实力。

“但未来必然有三家会占据上风，形成三足鼎立的局面。”

脱颖而出

谁会成为下一个海思？

不少人将这个问题理解为，在竞争市场上，目前的这几家企业，谁最可能接海思的棒，开启类似于海思时代的局面。

但实际上，市场并不需要、也无法再造另一个海思，而是一个均衡的、具备充分竞争力的格局。这样不论对安防大厂，还是中小企业，亦或是芯片厂商本身，都有益处。

在王伟看来，目前安防芯片企业有十数家，但只有挤进TOP3，才能在未来市场上拥有话语权。

但要入围TOP3，并不容易，首当其中要判断形势以作部署。

就如同海思抓住了安防数字化、网络化变革机遇，推出了支持H.264的视频编解码芯片Hi3510，成为海康大华的御用芯片；接着又与时俱进推出AI只能芯片，经过十多年的发展，成为安防芯片领域的 No.1。

现在的安防行业正在发生新的变化：

• 大消费类与传统安防界限模糊，并且前者向后者渗透

以前的安防主要面对渠道，需要专业的项目型产品，但现在很多场景，如商超、店铺、小区等，消费类产品已经能够满足需求，并且凭借价格、体积等优势，逐步向传统安防渗透。

• 封闭AI逐渐淡出市场，开放AI成为主流

“AI+安防”产生的化学反应能量巨大，未来的AI一定是开放的，不具备平台开发能力的AI，将被市场逐渐抛弃。

• 产品品类大串联

IPC芯片、AI算法、NVR以及低功耗摄像机之间，将形成整体串联的方案。

这三大变化，意味着芯片企业不单要考虑产品线，还要加大对AI的投入，以市场需求为导向，提供涵盖各品类、低中高端的产品。

王伟认为，安防芯片企业要做大做强，除了有灵敏的市场嗅觉与战略部署之外，芯片本身属于技术+资金密集型产业，不存在投机情况，企业要有长期持续投入人才和资金的定力。

“核心技术要有充分的积累，而这并非一朝一夕就能达到。”

结语

缺芯潮何时能迎来拐点？

带着这个问题，掘金志采访了多位业内人士：

某AI公司芯片研发：疫情、国际局势变化等不确定性因素太多，情况尚不明朗；

某安防厂商市场：缺芯情况已得到缓解，行业“去海思化”明显；

某渠道商业务：前端芯片价格保持两位数增长，后端总体增长，但增幅不大；

某芯片企业管理：从晶圆产能来看，预计在2023年以后。

可以看出，安防缺芯的情况得到一定程度缓解，但仍然会持续到未来几年。

海思之后，市场并未沉寂，而是愈发活跃：国内主流安防芯片企业、AI芯片企业都在加大研发投入，志在成为行业TOP3。

这场拉力赛，必将在AI安防行业留下浓墨重彩的一笔。雷峰网雷峰网

低碳经济的大潮，在世界范围内席卷。

去年，中国立下横跨几十年的"双碳"目标。两会上，碳中和被首次写入政府工作报告，并定为2021年八大工作重点之一。

"双碳"升级为国家战略，"碳中和"元年正式开启，中国各行各业从不同层面探索绿色经济模式。

比如，昨日海康与特斯联宣布双方将联合打造绿色低碳解决方案新范式，在低碳园区、智慧能源、碳中和等领域长期合作，同时关注城市级市场的双碳大脑、能源大脑等关键新兴市场需求，为全社会双碳目标的高质量达成贡献力量。

可以肯定，能源转型、节能减排，将成为未来城市的重要纬度。

而我们今天的主角日本，其智慧城市的发展，走的正是典型的以能源、低碳为驱动的路径。

一、亚洲孤儿

日本地处太平洋西部，是一个四面临海的岛国。

其位于多板块交汇处的火山地震带，境内约200多座火山，火山引起的地震是家常便饭，每年大小地震2000余次，在摇晃的土地上，台风、海啸也频繁光顾。

资源极为匮乏，从粮食到日用品，到各类经济原料，无一不依靠进口。国土狭小、人口众多则让这一矛盾愈发凸显。

一个被火山、地震、海啸、贫穷、饥饿等灾难频繁捶打的岛国，灾难如梦魇，有限的地理空间、匮乏的自然资源和纵深狭小的战略空间，让日本如漂泊在太平洋的亚洲孤儿。

日本人常称自己的国家为“日本丸”，丸即是“船”，日本列岛犹如一艘大船，船上的人是命运共同体，大船随时有倾覆的危险。

生存危机挥之不去，忧患意识与生俱来，是日本民族禀性与文化永远的底色，“活下去”是民族诞生起的信念。

也因此，日本民族养成坚韧不拔的个性和一丝不苟、精益求精的做事态度。实用主义、功利主义逐渐深入日本文化肌理。

自古农业精耕细作，近代更是注重品种改良和技术更新，现代更是追求产品“轻薄短小”、产业“精益求精”。

与此同时衍生的，是外界难以体会的岛国、小国对泱泱大国既忌惮又恐惧的心态。

这种难以根除的恐惧感，与生俱来的脆弱感，让日本民族的世界观，总是带有深重的悲观主义色彩和宿命感。日本政府也最大程度利用了这一国民性。

政府和社会各界不断向民众灌输各类“日本危机”论，如“资源匮乏论”、“列岛沉没论”、“生存危机论”等，以激励国民奋发图强。

“拼命三郎”工作作风风靡日本，二战后的日本很快在废墟上崛起，跻身发达国家之列与之不无关系。

日本的低碳、节能发展，大抵也根植于此。

二、四大公害、石油危机和失去的二十年

日本的低碳之路，也是日本近50年的国家大起大落沉浮录。

在冷战格局、美国扶持下，二战后日本经济迅速发展，10年就恢复到了战前水平。

1956年，日本制定“电力五年计划”，这一时期，电力和石油工业快速发展，石油取代煤炭成为主要能源，十年间石油消耗量增加了三倍，日本迎来战后第一次经济发展高潮，进入神武景气。

1958年起，日本向制造业转向，在汽车、电视及半导体领域发力，强大的工业体系为日本的制造业提供结实的底盘，日本以制造业为出口的经济体系迅速成型，这也是日本经济真正高速发展的开始。

出口贸易如火如荼，大批日本品牌闪耀世界。家电、汽车，到处都是日本制造的身影。仅汽车领域，日本汽车占据美国境内十大畅销品牌中的四个席位。

日本由此进入第二次经济发展高潮期，岩户景气。

20世纪60年代，日本更是通过东京奥运会，加快交通运输体系和基础设施建设，带动房地产市场发展，也再一次拉动了经济，时称奥运景气。

1968年日本完成了对西德的超越，成为世界第二大经济体。在“日本战后经济奇迹”中，跻身世界经济强国。

但奥运会结束后日本经济出现了放缓，高速发展带来的环境问题开始凸显。

崛起的背面是“带血的经济”，以重化工业为主体的产业结构带来了遍布日本的环境灾害。

当时的世界八大公害事件中，日本就占了四个。1950年代后半到1970年代，日本因公害死亡人数只增不减。日本此后花了30年时间治理环境污染。

第二次危机虽迟但到，能源匮乏的达摩克利斯之剑落在日本跟前。

20世纪70年代到80年代，全球经济了两次石油危机。

这让当时90%能源资源近依赖进口的日本遭受重创，同时物价飞涨，抢购盛行，社会一度处于慌乱中。

1973年，由《日本沉没》改编的电影轰动日本，“沉没”的恐惧感极大触动日本人内心深处的焦虑与不安。

几年后，不甘心被日本占据上风，美国开始反击。1985年，美国为了解决巨大的贸易逆差，美国联合德、法、英、日签订了著名的《广场协议》。

这个协议，是日本经济由制造业向投资业转型关键一步，也是日元国际化的里程碑。

广场协议宣布当天，美元就贬值4%，到1988年末，美元对日元贬值达50%。与此同时，日元大幅升值，三年间达到了86.1%。

协议签订5年内，日本经济迎来最辉煌的5年，房价、股价、人均收入都达到巅峰，日元升值后，日本开启买买买模式，经济在1991年迎来巅峰。

这个给日本经济装上加速器的协议，也开启了日本的噩梦。

协议带来日元购买力提升，但出口受限，为提内需、促增长，日本央行降息，大量资金流入股市和房地产，日本股市大幅上涨，房地产市场快速膨胀。

房价疯狂到什么地步？一度可以用东京买下整个美国。

日本也嗅到了这种狂热、畸形的经济发展背后的炸药味儿。

亲手签下《广场协议》的竹下登，彼时已是日本首相。他想在自己任期结束前，给狂热的经济降温，1989年，日本政府开始刹车，出台了经济紧缩政策，这成为戳破日本泡沫的一根针。

1991年，房地产泡沫崩掉中，20年积攒下大量的财富瞬间化为虚有，经济崩溃，日本由此进入「失去的二十年」阶段。

“这个国家什么都有。要什么东西就有什么东西，唯独没有希望。”

村上龙在《希望之国》中这样描述当时的日本。

三、自救：无处不在的低碳底色

日本进入后工业时期，经济长期停滞不前，同时老龄化严重、出生率降低，劳动力短缺、自然灾害频繁、经济发展弊病、环境污染困局、能源资源瓶颈。

诸多大山都压在日本身上。20世纪末尾的10年，日本无疑是难熬的。

国家能源高压线下，挥之不去的能源恐慌中，日本逐渐走上低碳经济转型的自救路径。

3.1 及早确定低碳的国家战略高度、建立低碳法律体系

因先天资源匮乏，日本不得不把“开发新能源”、“提高资源效率”放在国家战略高度。及早确立了低碳经济的主体地位。 

日本低碳经济的萌芽，正是1973年第一次石油危机之后。

“省资源、省能源“的理念在日本升温，1974年的“阳光计划”和4年后的“月光计划”，一个是新能源开发的开源，一个是提高能源利用率的节流。

1979年，日本开始实施《节约能源法》。80年代，日本从生产和消费两大源头控制污染，1989年推出“地球环境技术开发计划”，虽然没有明确提出低碳经济概念，但诸多工作已经开展。

1993年，日本整合此前多项计划，形成“新阳光计划”。1997年，日本签订了《京都协定书》。

日本对此有多重视？第二年就成立了以首相为负责人的减缓全球变暖对策促进中心。

此后近20年，日本在低碳经济上开启了狂奔模式。

2000年，日本提出“循环型社会”构想，开始“三R行动”（Recycle、Reuse、Reduce），即“再回收、再利用、减量化”。

第二年相对应的法律就相继出炉（《绿色购买法》、《建设再生法》、《食品再生法》和《家用电器再生法》）。

据日本经济产业省和环境省数据，《家电再生利用法》推行十五年内，2014年空调、电视机、电冰箱、洗衣机及电脑五大家电的再商品化率已经超过80%。同时，家电再回收利用业成为日本的一个新兴产业，提供了大量就业岗位同时创造了巨大经济价值。

法律框架、公众意识、产业合作、技术在这一时期得到重视并高速发展。3R政策极大提升了日本资源利用效率、减少碳排放、改善环境质量。

这成为日本循环经济模式初体验。

2004年，日本成为亚洲第一个宣布建设低碳社会的国家。此后，低碳经济的步伐明显加快。

期间《新国家能源战略》、《21世纪环境立国战略》、创新能源技术发展路线图接踵而出，覆盖再生能源、电动车、城市自然能源、城市能源消费管理等低碳城市相关产业。

日本也极其注重低碳技术的研究与开发，2008年日本与低碳相关的专利数为4400件，比美国与欧洲都要多。21世纪以来，这个数字依然在激增。

《为实现低碳社会的日本而努力》

2008年，金融危机席卷全球，日本急于摆脱经济低迷困境，寻找新的增长点。

时任日本首相福田康夫发表上述公开讲话，这也是意味着日本全面进入低碳战略时代。

21世纪初，日本政局动荡不安、首相频繁更迭，但历任首相都坚持低碳经济、绿色产业的基本国策。

日本低碳经济的一大特质是拥有完善的法律法规。

日本政府花了近50年时间，围绕容器、家电、建筑、食品、汽车及城市建设等众多领域以及宏观层面颁布了约20部低碳经济法律。

2010年后，日本从城市纬度的相关技术、结构、商业模式等方面的低碳形态探索，开启城市能源攻关副本。

3.2 城市能源攻关

柏之叶

第一个智慧城市柏叶，大到道路建设，小到屋顶，柏叶智慧城市都绿色减排融入方案，涵盖垂直绿化、能源可视系统、太阳光电、环境美化、车辆共享、风光互补路灯、雨水再利用冷却墙等系统，但最受瞩目的，能源系统。

柏叶智慧城市建立了各大能源管理系统，建筑（BEMS）、家庭（HEMS）、区域（AEMS）。

比如家庭能源管理系统（HEMS），一大特色是家庭端的能源可视化，居民可通过各种智能终端，了解各项能源消耗量和二氧化碳排放量，并在线控制，不同家居设备彼此互通，并能实时数据分享。

智慧中心连接了所有的水、电、气能源，城市管理者通过可视化方式，对整个区域的能源情况进行运营、监控和控制。

除了控制高峰期的用电量，还能将太阳能、蓄电池发电等分散电源所产生的电能进行再分配。

比如，CBD地区，工作日办公楼用电需求更高，节假日娱乐设施需求更高，EMS通过评估后输送电力，以此节省高峰时期用电量。

考虑到日本多灾的环境，它还是一套灾情智能能源系统，可再生能源及蓄电池可在紧急灾害发生或停电时，进行能源分配，也是日本首个将分散电源电力进行区域再分配的智能电网。

比如优先保障消防电梯、照明设备、公用区域及地下水泵的用电，同时能连续3天保证平时6成左右的电力供应。

北九州

北九州，是另外一个以能源领域为中心的智能城市。

它有两大突破性举动，一是2012年，在全球首创用电“动态定价”。

具体操作上，是根据前一天用电信息预测第二天的需求。

根据时间段，电价分为5级，5级之间的电价最多可相差十几倍。如此，消费者主动调节用电量，这种用电方主动调整供需平衡的方式，优化能源利用。

这套系统应用后，当地居民在高峰期用电量降低了20%。

二是设置“地区节点站”，按需定制电力计划。

地区节点站的目的，是掌握整个区域的电力供需信息。

供应方根据不同用电方每小时用电需求制定发电计划，结合动态定价系统，用户可合理安排用电时间，比如在夜间电动车充电，白天将太阳能的电卖给供电方。

藤泽市

藤泽市的“Fujisawa SST模式”主要侧重于5个方向的智能生活打造：出行、能源、安全、医疗和社区服务。

能源领域，藤泽市进行能源双向市场化，实行“我创造、我消费”模式，每栋住宅配备的太阳能发电板，可基本满足生活需要。除了自给自足，还能将多余电力卖给电力公司，雨天发电不足时可回购。

当然，能源可视化系统也成为标配，用户可随时查看能源消耗情况。

日本定下了3天灾害紧急救援的时限，藤泽市遵循三天生命线，每家住户家中装有大型蓄电池，灾后可提供3天基本用电。

公寓插座分为绿色和白色，绿色连接生活必须用电开关，灾害发生时蓄电池只向绿色插座的装置供电，减少浪费。

电动车充电桩采用双向充电设计，灾害时可反向为住户供电。

公共空地有集中太阳能发电板，平时电量出售，灾害时免费向居民支援电力。

四、模式创新

这些智能能源城市的建设，均为市场主导机制。

每一个低碳城市，企业是建设主体，政府则充当助推器，多方参与形成合力。

大型牵头企业，但并非牵头企业独立进行，吸收社会各界力量。

如柏叶智慧城市的建设以土地的开发者三井公司为主，但在不同阶段，结合、吸收了集合了25家专业企业参与。

三井不动产擅长城市开发，日立电器擅长节能技术，国际航业擅长精密测量，日建擅长建筑设计，是多行业、多企业力量整合。

市场推动为主，当城市运行到一定程度时，政府的社会服务开始介入。比如柏叶市形成了智慧社区社区的管理模式后，政府会将此模式放大到周边地区。

法律制度、城市设计规划在前，城市设计，政、企、民、学、科多方参与模式，并且，强调人与生态理念优先，而非高科技优先。

城市定位注重民生与基础设施融合，日本是踏踏实实的从基础设施的智能化做起，一点点推动城市设施更新。

最后，日本政府非常重视引导民众树立低碳理念，通过学校教育、大众传媒、智能设施呈现与制度等等全方位的方式对民众进行低碳理念的教育，多年的努力下，低碳理念深入人心。

五、没伞的人才要奔跑

从上世纪70年代的石油危机后，日本在能源政策、战略导向、法律制定、技术研发、产业发展等方面经过了近50年的探索。

先天不足的日本，“精打细算”下将自然资源的利用率最大化，至今能源消费效率提高了40%，其能源利用率和经济效益已达到世界最高水平。

曾经闻名世界的“公害岛国”，成为旅游胜地。

智能电网、混合动力汽车、电动汽车、低耗能机器设备、节能家庭设施等等低碳产品种类不断增加，日本产业结构低碳化程度的提升，同时也增加了产品的国际竞争力。

能源开发、节能减排、智慧防灾，贯穿日本城市建设始终，也一步步促成日本的低碳城市形态。

由此带来了日本经济增长方式转变，从高消耗、高生产、高消费到节能减排为主的低碳经济模式。雷峰网雷峰网雷峰网

2月7日，在2022北京冬奥会短道速滑男子1000米决赛中，韩国与匈牙利选手先后被场内摄像头捕捉到犯规动作，最终中国选手任子威、李文龙包揽金银牌。

比赛一结束，全网感谢起了“猎豹”和“飞猫”，这两个高清摄像系统，全程无死角地记录了比赛过程中的全部细节，被网友评为“冬奥场馆内的第二位裁判”。

它们的蹿红，是对公平的渴求，也是对竞技精神的绝对尊重。不过，充当北京冬奥眼睛的，也不仅仅是猎豹和飞猫。

仅转播系统上，就有660+台摄像机。其中包括148台特殊摄像机，13台轨道摄像系统，11台索道摄像系统，10套子弹时间回放系统，33台虚拟现实摄像机，25套ENG摄像机。

这些系统部署在不同比赛场地，比如10套子弹时间回放系统分别位于短道速滑、花样滑冰、冰球、自由式滑雪、滑雪跳台、单板滑雪等10个比赛场地中。

而更多的AI视觉技术隐身其中，它们捕捉赛事的精彩瞬间，维护比赛公平，更帮助人类不断突破自身极限。

• 短道速滑、花样滑冰：“韩见愁”飞猫

首先纠正一下广大网友的小错误。

被网友调侃的“韩见愁”，其实是短道速滑比赛的“飞猫”系统，位于首都体育馆，由40台4K超高清摄影机阵列加上3台8K VR摄像头组成。

速度滑冰是速度的比拼，短道速滑则是战术的较量。

比赛期间的交替滑行、领滑、跟滑、超越，会有身体接触、碰撞、抢占身位、路线封堵，是一项综合战术比较强的运动。偶然因素多，也更刺激。

项目场景不同，摄像机的作用也有差异。猎豹的强项是快速跟踪拍摄，但存在视线盲区，飞猫摄像系统的“40台4K超高清+3台8K VR”摄像机组合，多机位、超高清的摄影机阵列，能做到视角全覆盖，转播画面外，还能辅助判罚。

• 超高防疫规格：亿像素阵列像感器光场相机

奥运场馆防疫的要求极为严格，五棵松体育中心、首都体育馆内，有一款赛事防控的特殊相机，亿像素阵列像感器光场相机担此重任。

对于大场景、多对象的超高清拍摄，与一般需要成百上千个超高清摄像机系统不同，亿像素级阵列像感器光场成像系统几台设备就能搞定。

其设备体积小，也具有最大360°的超宽视角，超高清的视觉成像效果，尤其适合“大视野、多对象、复杂交互”场景。

在冬奥场馆中，它也实现了对赛事区域进行超视距、宽视野的全域无盲区覆盖。

在防疫任务上，这款摄像机有19个摄像头，可以实时记录场馆内的事件和识别及追踪人员，如果人员出现异常，它可以迅速锁定目标，迅速追踪捕捉。

此外，还有以亿像素阵列计算摄像机为基础的防疫管控智能分析平台，对场馆内进行全场景、全过程、全细节记录。

背后的“十亿像素级阵列像感器光场成像系统”，源自清华成像与智能技术实验室，由中国工程院院士、清华大学信息科学技术学院院长戴琼海领衔的多位教授、研究员和学生自主研发。

速度滑冰：猎豹，特种拍摄设备时速90公里

近日大火的“猎豹”，其实在速度滑冰的比赛馆——国家速滑馆“冰丝带”中当差，且仅有一套。

这个跑得比运动员还快的摄像机，由中央广播电视总台针对大型快速直道和弯道运动项目进行跟踪拍摄需求研发，历时5年，学名为“超高速4K轨道摄像机系统”。

它是专门用于冬奥会速度滑冰赛事转播，是电视直播特种设备，而非裁判系统摄像机。

因其超高速度，在部署时需要安装在赛场外侧，且需安装隔离板以确保周围人员安全。出于安全和适配度考虑，短道速滑比赛并未安装“猎豹”系统。

360米长的U型轨道是它的跑道，加上一台陀螺仪轨道车，就能上阵。

速度滑冰比的是绝对速度，速滑运动员平均速度可达15m/s，约为每小时50公里，顶尖运动员，时速可达70公里。

运动员超高时速的比赛，给观众带来的冲击感，也对摄像机的高速运动性能要求极高。

它之所以被命名为“猎豹”，正是因其惊人的速度，运行速度最高达到25m/s，同时加速度能达到3.5m/s，相当于每小时90公里，一举一动均逃不出“猎豹”的眼睛，选手们的微表情都可以清晰捕捉到。

除了实时跟踪运动员位置，还能配合转播需求，实现加速、减速、超越等动作，灵活捕捉比赛画面。

当然，除了猎豹，冬奥会为速度滑冰直播研发了锥桶摄像机，通过更多元视角记录比赛。

• 高山滑雪：智能跟踪拍摄系统，追上时速170公里的选手

高速运动目标跟踪拍摄系统，是登陆冬奥赛场的又一项硬科技。

北京冬奥组委梳理了韩国平昌冬奥会的突出问题，其中就有高山滑雪拍摄的难题。

高山滑雪项目以刺激性和挑战性著称，运动速度快，回转运动多。

滑雪过程中，高山滑雪速降选手滑行速度在每小时110公里至130公里，甚至能达到170公里/小时的速度，要想精彩呈现，设备的识别以及跟踪要以毫秒计算。

此外，运动场地地形复杂、天气环境多变，环境温度通常会达到零下20度以下，拍摄环境恶劣，对人工操作技术要求颇高。

传统人工操作，不仅需要在陡峭的雪道上架设数十台专业摄影平台，滑雪赛道也需要人工拍摄驻守。

在前端采集上，冬奥会采用了“高速运动目标跟踪拍摄系统”，摄像头通过智能控制中台，犹如“鹰眼”，自动对焦，快速锁定高速滑行的运动员，自动实时跟踪拍摄，能在500米距离外，进行时速170公里运动目标跟踪拍摄。

数台摄像机，就能将高山滑雪运动员自山顶高速滑下的全过程尽收“眼底”。

这项技术由北京理工大学开发，这是冬奥场景中首次实现高速运动目标的无人化全局搜索、自动捕捉与智能跟踪拍摄。

• 冰上象棋：“冰壶运动轨迹捕捉”技术

冰壶有“冰上象棋”之称。

这项起源于16世纪的苏格兰的运动，于1998年在第18届冬奥会成为正式冬季奥会比赛项目。

作为一种“策略游戏”，虽然没有激烈的身体对抗，但也是智力、体力的双重较量，兼具技巧与谋略。

冰壶运动轨迹，对运动员至关重要。他们要时刻关注冰壶的位置与速度，据此调整策略。

为了实现比赛场馆真实场景的数字化呈现，此次冬奥会，采用了“冰壶运动轨迹捕捉”技术。

在冰立方场馆内部署多路高清摄像头基础上，结合视觉AI感知、深度学习、三维建模和空间定位等技术，基于超3500个AI模型，让这项技术可以在1000平方米的大空间范围内对初速度约6m/s的冰壶实现检测跟踪和轨迹捕捉。

冰立方场馆内有一个长24米、宽7米，面积达170平方米的大屏。冰壶轨迹，通过实时渲染、虚实同步技术被精准还原，投射到大屏上，比如运动员掷出冰壶的同时，大屏会实时绘出一条曲线。

这个与整个冰场等宽的智慧大屏，可以同时展现4个大本营的实时画面，也能还原运动员捕捉制胜瞬间。

参赛队伍可以判断大本营的冰壶分布情况，了解比赛局势，以及帮助教练员和运动员研究战术、指导训练。而观众，可以借此了解冰壶运动的规律和精髓，欣赏之余关注竞技双方的策略战术，获得更多参与感。

• 高山滑雪、越野滑雪、跳台滑雪：场景三维感知及重建技术

此次冬奥中，研发团队通过“冬季项目场景三维感知及重建技术”，对跳台滑雪、高山滑雪、越野滑雪等项目的三维场景数据，结合运动员实时跟踪数据，还原真实场景。

为什么要进行雪场三维重建？

雪山赛道海拔落差大，气候变化多端，滑雪运动员速度极高。

全面掌握赛道状况、了解运动员运动细节，不仅能减少运动员在非训练时的损，还能纠正训练动作，提高运动员的训练效率，对科学训练至关重要。

想要测量运动员的滑行轨迹、掌握运动细节，就需要构建真实的场景。

在低温、复杂地形条件下，为了真实还原，北理工团队通过无人机载激光雷达扫描系统，基于大量实地数据收集，实现了高精度重建雪场和训练数据的实时传输。

为了在高速运动中精准定位，冬奥会采用了高速高分辨率的相机系统、高帧频发射机，运用北斗定位系统配合固定基站，将定位精度提高到了厘米甚至毫米级别。

雪道的坡度、长度、运动员的速度、加速度、滑行距离、转弯半径等数据都能被迅速计算，并及时呈现，三维感知技术为运动员提供高沉浸感训练环境。

• 自由式滑雪、跳台滑雪：人工智能辅助系统

2月8日，谷爱凌最后一跳以1620的高难度动作完成绝杀，拿下了冬奥会历史上自由式滑雪大跳台的第一枚金牌。

跳台滑雪、自由式滑雪等雪上运动的精髓之一，是运动员精彩流畅的空中动作并成功落地。

除了运动捕捉，精彩更来自背后的人工智能辅助技术。

此外，对关键技术动作完成情况的实时掌握，对裁判打分极为重要。滑行速度、起跳与角度、手臂摆动的角度、自身的状态等，都是影响其成绩的重要因素。

比如越野滑雪用什么姿态最省力；跳台滑雪用哪种姿势起跳最好；高山滑雪运动员通过旗门时雪板和旗门的距离、雪车雪橇进入弯道时的角度、运动员腾空时与地面的相对位置等，以及高山滑雪如何快速绕过旗门。

这些项目对运动员身体控制能力极高，运动员在训练中难以察觉诸如手臂摆动角度、起跳的高度等细微差别，仅仅依靠教练的经验感觉和简单视频分析远远不够。

冬奥为此研发的人工智能辅助系统。在赛道多个关键点部署超高清高速摄像机，对运动员跳角度、速度、姿态控制、距离等的三维动作进行捕捉，再通过智能图像处理技术帮助分析每个技术动作细节，并快速生成数据。雷峰网雷峰网雷峰网

2月4日，大年初四，恰逢立春，2022年北京冬奥会开幕式进入最后的倒计时。

2015年7月31日，国际奥委会主席巴赫先生向世界宣布中国获得2022年冬奥会举办权。

与多年前2008年北京奥运会申奥成功一样，整个中国再次沸腾。

截至2021年10月，全国居民参与过冰雪运动的人数为3.46亿人，冰雪运动参与率24.56%，实现了带动三亿人参与冰雪运动的目标，极大加快了冰雪产业的进步。

冰雪运动热下，在新春的喜气中，全球瞩目的北京冬奥如约而至。

从申办到筹办，“科技”成为了北京冬奥会的一大底色，这让拉满北京冬奥会期待值的，不仅是比赛本身，更来自比赛背后的科技力量支撑。

1、智慧场馆，超级大脑

北京冬奥会唯一新建的冰上项目竞赛场馆国家速滑馆（也称为 "冰丝带"），就是绿色、环保、节能、低碳、可持续性的综合体。在这里，它将见证14块金牌诞生。

它拥有世界上最大跨度的正交双向马鞍形索网屋顶、3360块曲面玻璃单元打造高工艺曲面幕墙系统（“冰丝带”名字的由来），还是能直接蒸发制冷的“绿色”冰上运动场馆。

它更是一个拥有超级大脑的智慧场馆。接入了36个系统、近10万点实时数据，整合了速滑馆的视觉系统、听觉系统、嗅觉系统、呼吸系统、循环系统、动力系统、运动系统。

这个数字基座是如何让场馆有感觉，会呼吸，有记忆，会思考？

整个场馆各类传感器，实时捕捉室内外温度、湿度、空气质量、光照度等场馆运行数据。

根据气象参数，进行空气质量控制和光线控制等；通过数据挖掘和分析，给出场馆运行参数。

根据不同比赛场景和需求，自动控制座椅送风系统、制冰温度、场地除湿系统、屋顶电动窗系统、防疫消杀系统等等。

据悉，这颗“超级大脑”还能实现毫秒级管控，5万点数据查询时间为0.82秒。

基于“超级大脑”，场馆可视化运维系统和全域数字孪生系统，让场馆公共安防、设备监控、能源优化、健康环境运行情况直观可见。周边城市信息也被集成显示在大屏中，帮助研判场馆外围交通情况等城市层面运行情况。

2、“冰壶运动轨迹捕捉”技术

冰壶有“冰上象棋”之称。

这项起源于16世纪的苏格兰的运动，于1998年在第18届冬奥会成为正式冬季奥会比赛项目。

作为一种“策略游戏”，虽然没有激烈的身体对抗，但也是智力、体力的双重较量，兼具技巧与谋略。

冰壶运动轨迹，对运动员至关重要。他们要时刻关注冰壶的位置与速度，据此调整策略。

为了实现比赛场馆真实场景的数字化呈现，此次冬奥会，采用了“冰壶运动轨迹捕捉”技术。

在冰立方场馆内部署多路高清摄像头基础上，结合视觉AI感知、深度学习、三维建模和空间定位等技术，基于超3500个AI模型，让这项技术可以在1000平方米的大空间范围内对初速度约6m/s的冰壶实现检测跟踪和轨迹捕捉。

冰立方场馆内有一个长24米、宽7米，面积达170平方米的大屏。冰壶轨迹，通过实时渲染、虚实同步技术被精准还原，投射到大屏上，比如运动员掷出冰壶的同时，大屏会实时绘出一条曲线。

这个与整个冰场等宽的智慧大屏，可以同时展现4个大本营的实时画面，也能还原运动员捕捉制胜瞬间。

参赛队伍可以判断大本营的冰壶分布情况，了解比赛局势，以及帮助教练员和运动员研究战术、指导训练。而观众，可以借此了解冰壶运动的规律和精髓，欣赏之余关注竞技双方的策略战术，获得更多参与感。

3、智能跟踪拍摄系统，追上时速170公里的选手

高速运动目标跟踪拍摄系统，是登陆冬奥赛场的又一项硬科技。

高山滑雪项目以刺激性和挑战性著称，运动速度快，回转运动多。

滑雪过程中，高山滑雪速降选手滑行速度在每小时110公里至130公里，甚至能达到170公里/小时的速度。

此外，运动场地地形复杂、天气环境多变，环境温度通常会达到零下20度以下，拍摄环境恶劣，对人工操作技术要求颇高。

传统人工操作，不仅需要在陡峭的雪道上架设数十台专业摄影平台，滑雪赛道也需要人工拍摄驻守。

在前端采集上，冬奥会采用了“高速运动目标跟踪拍摄系统”，摄像头通过智能控制中台，自动对焦，快速锁定高速运动目标，自动实时跟踪拍摄，能在500米距离外，进行时速170公里运动目标跟踪拍摄。

这项技术由北京理工大学开发，这是冬奥场景中首次实现高速运动目标的无人化全局搜索、自动捕捉与智能跟踪拍摄。

4、“百米级、分钟级”的冬奥气象预测系统

与夏季奥运会不同，冬奥会更加依赖气象，赛场环境更复杂，对精细度要求更高，气候要素预报难度更大。

影响因素多。比如雪上项目，阳光多十分钟，飘来的一朵云，都会让风发生比变化。

特例多。不同比赛项目对风、气温、能见度、雨雪相态等要素的气象条件要求不同。

可能产生的大风、低温、低能见度、降雪等复杂的天气条件，影响赛程安排、比赛成绩甚至比赛安全。

比如比赛的山区地形复杂，环境变化大。不仅“一天变四季”、“十里不同天”，同一时空的不同位置气候也不同，高山滑雪，垂直落差约900米、坡面长度约3000米的赛道，海拔落差每一百米，气象环境就有天壤之别。

充分的气象预报服务必不可少，但纵观历届冬奥会气象服务保障，国际上并没有成熟的、完全适用于北京冬奥会的方案。

中国的高精度天气预报“睿图”模式体系（RMAPS），为冬奥定制研发了“睿图-睿思”、“睿图-大涡”等百米级预报技术。

不同项目和场地对气象条件的关注重点不同，冬奥会气象团队精细到“一场一策”甚至“一项一策”。

在往届冬奥会期间，客观气象预报基本以千米网格为主，时间更新频率是半小时至1小时。而北京冬奥会，空间网格分辨率最高可达67米，时间更新频次最高达到10分钟。

在空间上，每隔100米甚至更短，就有一个预报数据；在时间上，每隔10分钟，就能更新一组预报。

“百米级、分钟级”，是往届冬奥会从未实现过的气象服务目标。

人工智能预报技术也在国际上首次被应用于冬奥会气象服务。

基于人工智能深加工技术的0-10天冬奥关键点位‘定时定点定量’预报，通过对海量的数值天气预报模型预报数据和大量的气象观测数据进行“再解读”，从而实现客观气象预报的“再订正”，提升冬奥气象预报的精准度。

5、各类智能机器人上阵

防疫机器人、引导机器人、递送机器人、物流机器人、炒菜机器人、送餐机器人等各类机器人一一亮相场馆。

防疫监督智能机器人，具备多功能，如测量体温、人脸识别、识别绿码、迎宾接待、讲解介绍、物品速递等。它们还具备自动充电和维护、自动避障功能，可适应大流量人群，适应长时长连续工作。

5G送餐机器人和物流机器人，采用5G室内多功能云端技术，融合3D语义地图，结合激光雷达、超声、摄像头、红外传感器等多模态自主导航及避障的智能行走能力，可以进行自主规划路径、自主避障的智能送餐服务。

翻译机器人，不仅进行各国语言翻译，还能将进行手语、言语翻译，为听障人士与外界交流提供了便利。

消毒机器人，通过头顶上的四向喷头将液化出来的气雾喷洒至空气中，一分钟消毒面积可达36平方米，单台机器人消毒面积最多可覆盖1000平方米以上，续航时间4-5小时。

电力巡检机器狗，还有“不怕撞墙”的无人机，确保赛时电力保障，实现电力巡检无人化。

6、超级现场：三维仿真、VR、自由视角

冬奥场馆除了5G信号全覆盖、8K比赛画面实时传输，还实现了从现场阵列采集、云端三维重建、编码传输到终端解码渲染端到端实时处理。

比如竞赛场地，设置了数十台相机组成的相机阵列，可以进行多方位拍摄，再通过VR技术再现空间，让场外观众可以在家观看比赛。

在终端呈现方面，冬奥场馆配有面向移动终端用户的“超级现场”手机应用服务，通过嵌入多视角、三维声、VR等技术，提供沉浸式观赛体验。

为了更好地呈现冰雪赛事，运动员头戴的360度摄像头，在高速滑行的雪撬上进行拍摄，把拍摄的画面保存下来，观众可以以第一视角体验在雪撬上的高速、刺激和沉浸感。

现场的观众，可以利用“AI+AR”智能室内定位导航系统提供立体实景导航，以最快速度定位到目的地，VR虚拟导览系统，也可以让观众自由观赛视角无死角观赛。

冬奥会场馆还应用了虚拟场馆仿真系统（VSS），通过可视化“数字孪生”模型，对赛事场馆进行了1:1还原，实现三维场景仿真，工作人员可以在线上进行业务领域流线、区域的规划和设计，媒体摄像机位的模拟部署等。

据悉，这是奥运赛历史上首次使用虚拟场馆仿真方式进行运行设计和转播规划的系统平台。

7、视觉仿真系统

虚拟场馆仿真系统其实基于北京8分钟的视觉仿真系统。

在全世界面前，以科技形式呈现中国缤纷多彩的文化，那场惊艳世界的北京8分钟，离不开技术团队的支持。

隐藏在一面面“冰屏”之下的机器人，不仅需要冰屏的运动旋转，更需要与演员、地面投影进行联动表演，需要精准的机器人导航系统，理解复杂的动作。

参演要素多、创意过程复杂、排练关联复杂度高，现场灯光干扰多。

团队采用了激光导航加上惯性导航组合的技术进行精准定位，同时用独立的无线电技术配合精度和准度，

其中用到了两套视觉系统：“OpenGL表演辅助训练系统”和“北京8分钟文艺表演预演系统”，两者分别充当“眼睛”和“指挥棒”。

前者采用了影视虚拟和数字表演与仿真技术，后者则是团队专门研发的广场表演预演系统和训练彩排与数字验证系统。

两套系统可以根据导演的创意方案将文艺表演过程全部仿真，以可视化的界面和图纸、视频等多种形式展现演员的运动轨迹、位置信息、队形变化、运动速度等，帮助导演把控、决策及完善表演方案。

文艺表演预演系统利用定位系统，加入演员真实排练数据，并融入灯光、音乐、道具、视频、场景等，对演出全要素进行同比例建模，从而用可视化的界面将各种方案的真实效果进行逼真的线上“彩排”，帮助导演把控、决策和完善表演方案。雷峰网雷峰网雷峰网

其中，数据对于算法模型的效果至关重要：以深度学习为核心的AI，为了避免发生过拟合或欠拟合的情况，需要使用大量数据来进行模型训练，从而使模型达到更好的拟合优度，这对于解决场景问题无疑大有裨益。

不过，通过大量数据来训练算法，从理论上看无懈可击，但当AI走向落地场景，就不那么容易了。

以数据问题为例：

对于碎片化场景，数据成了老大难。

1、很多场景不具备数据采集的条件，或者说采集数据成本太高；

2、数据是否有效，无效的数据除了百无一用之外，还会形成噪声干扰，处理起来也费时；

3、一些场景数据量不够大，很难做到大样本。

没有足够量的数据，就难以训练出好的算法模型，解决场景问题也就无从谈起。

这实际上是产业数字化转型面临的重大难题之一：以人工智能为核心的数字化转型，在实际场景落地时，由于技术使用的先决条件存在短板，很难释放对产业转型的推力。

"从成本收益上看，在一些场景下，AI形如鸡肋，无法解决实际问题，更无法降本增效。"

中科智云CEO兼首席科学家魏宏峰告诉AI掘金志，数字化转型趋势下，隔行如隔山，整个市场需求都是碎片化的，这对AI而言提出了两大挑战：要么做场景定制化；要么改变现在的算法生产模式。

但这两种方式都逃不开前面提到的数据问题。

对于一些封闭场景，比如园区物流，通过场景定制化方案可以实现全自动化流程，然而这并不适用于碎片化的开放场景；此外，定制化成本过高，单独开发算法则会面对投入产出比严重不匹配的问题。

因而，比较合适的解决方法，是改变现有的算法生产模式。

这也是小样本学习（FSL）和AutoML（自动机器学习）火热的根本原因。

FSL与AutoML

小样本学习属于机器学习下的一个分支，诞生于碎片化场景很难获取足够有效的数据这一背景下，旨在通过较少的数据量或样本，来训练算法模型。

与传统机器学习相比，小样本学习的优势在于，不需要大量数据支撑，但这同样也带来问题：数据量太少导致经验风险最小化不可靠。

所谓经验风险，是指模型关于训练样本集的平均损失。通常情况下，样本容量足够大（传统机器学习），经验风险最小化能保证有很好的学习效果；反之，样本量太小，经验风险最小化学习的效果就难以保证。

举个例子：

假设以小孩子为算法模型，汉字为样本数据，目标任务是认识汉字"我"。当小孩子抄写"我"的次数足够多，那么小孩子的学习效果就更好；反之，如果只抄写了数次，那么小孩子可能认识"我"，也可能不认识，经验风险是不可靠的。（案例并不严谨，仅供参考）

目前行业内已经开始通过数据增强、模型约束空间、搜索算法等方式来解决小样本学习存在的问题。

"如果模型能力足够强，对样本的需求并不一定要非常大。"魏宏峰表示，一个好的模型，可通过小样本学习来形成自我训练，从而提高算法精度与适应性。

而建立好的算法模型，与AutoML（自动机器学习）密切相关。

在传统AI算法开发流程中，从业务和问题定义，到数据采集和标注、存储管理、数据分析和可视化，再到模型结构设计、优化......最后到应用开发，需要经历大概十三个环节，其时间成本、开发成本处于高位。

对于没有算法开发能力，但有算法应用需求的企业而言，这个流程非常"复杂"，且成本较高，难以承受。

因而只专注于算法选取和神经网络架构搜索的传统AutoML是无法满足现实需求的，涵盖算法研发全流程的AutoML应运而生，从特征工程、模型构建、超参选择，优化方法四方面实现自动化，其优势在于：既减少了算法生产成本，又提高效率，并且降低了算法生产门槛。

比如，传统AI算法生产流程中，需要对数据进行人工标注，并且花大量时间处理数据；可以通过自动标注，结合人工复检，来提高数据标注效率。

在业界，已经有许多较为成熟的AutoML平台，国外如FeatureLab（自动进行特征工程）、Google Cloud Vertex AI NAS；国内则有第四范式的AI Prophet AutoML等等。

除此之外，还有一些AI公司，比如中科智云，也在做相应的类似的平台（X-Brain）。

作为一家聚焦安全治理的AI公司，中科智云主要以X-Brain AI主动学习平台，融合小样本学习框架、多源融合感知计算等技术，为行业提供AI 安全治理服务。

"X-Brain 的核心是一套主动学习算法框架，应用自研的主动学习（Active Learning）技术，改变了监督学习的被动接受人工标注样本的模式。"

魏宏峰告诉AI掘金志，该平台可通过AI主动判断样本是否需要算法工程师的参与，通过只让算法工程师参与部分困难样本的确认，形成人在回路（Human-in-the-Loop）模式，主动训练模型，形成模型自动迭代。

前面提到，小样本学习是为了解决碎片化场景无法获取大量数据训练模型的问题，而AutoML是在传统算法模式下，通过主动学习来提高算法生产效率，解放人力成本。

换句话说，小样本学习解决数据难题，AutoML则是提高算法生产效率的新方法，两者互相结合，或能解决小样本学习存在的算法精度问题。

不可能三角？

"小样本是低成本的基础，因为样本量小，训练模型不需要高算力硬件设备。"魏宏峰表示，如何让小样本学习达到商用精度，是一个巨大挑战。

因为，小样本学习存在经验风险最小化不可靠这一问题，也就是学习效果不确定，可通俗理解为算法精度可能高，也可能低。

"在一些场景中，小样本训练出来的精度，在初期很难达到商用水平。但可以通过AutoML来缩短从初期模型到商用这个过程。"

魏宏峰介绍道，X-Brain在采集样本之后，通过特征提取自动标注，并自动训练模型，由具体的业务人员来进行评价，查看是否发生误报，并调整参数。

基于这些调整，该平台的自动训练机制，将已标注完的数据放入重新训练......通过这种循环训练，来提高算法精度。

在这个过程中，样本量小，模型也不大，通过主动训练来提高精度，从而实现低成本使用。

所以，小样本、低成本和高精度之间，并非存在一个"不可能三角"。

仍以之前的小孩子识字为例：小孩子只抄写数次"我"，其结果是可能认识"我"，也可能不认识。如果引入老师进行引导、校正，那么即便抄写次数较少，其认识汉字"我"的可能更大。

这个案例中，老师扮演了业务人员的角色，小孩子就是算法模型。算法（小孩子）在自动学习过程中，需要由业务人员（老师）来调整参数（引导），学习效果也就更好。

其优势在于，给小孩子减负（减少抄写次数）的同时，提高学习效率（算法精度）；从整个学习过程看，老师（业务人员）也无需全程监督，从而减少成本。

这实际上改变了以往的算法生产模式，将算法生产带入"平民化""低成本"时代。

AI与场景融合

AI从上半场进入下半场，实际上是从拼技术到拼场景的转变：AI只有在实际场景中落地才能产生价值。

在产业数字化转型中，各种碎片化场景，对算法的精度要求也比较高。如果按照传统的算法生产模式，成本降不下来，加上中小企业购买力弱，传统企业数字化转型必然难产。

而多样化场景中，也很难以通用算法来"一口多吃"。

"不同的场景需要不同的数据样本，训练出来的模型也不一样，通用算法模型并不适用，精度会大打折扣。"

魏宏峰表示，小样本学习和AutoML从技术上解决算法生产难题，但如何让技术更好地服务于企业，解决实际场景问题，就需要把具体场景痛点拆解之后，融入到整个算法生产过程中，从业务和问题定义开始，到模型调优，最后到算法交付，都要"让懂业务的人参与"。

这主要体现在两个方面：一是让企业在平台上进行实验，也就是业务试错；二是与企业加强交互，让懂业务的人员参与到算法训练中来。

"客户并不追求百分百的精度，能够接受误报，但不能接受试错成本太高，带来总成本上升。"魏宏峰认为，AI下半场由场景驱动，其实也是客户驱动，核心是解决客户（企业）在生产过程中遇到的问题。而AI公司要做好场景，最好的方式是直接与熟悉场景的业务人员交互，而不是AI公司本身去理解行业，否则成本会很高。

对于企业而言，考虑成本收益是其购买技术服务的出发点，成本（包括试错、时间、人力等多个方面）则是第一要素，其次才考虑技术带来的收益问题。

魏宏峰表示，企业购买技术服务之后，只有在降本增效方面取得实际效果，复购率才会提高，AI公司才能形成正向的业务闭环。

"AI只有靠业务，而不是资本推动，才能走出困局，改变行业。"而做好业务的首要前提是：结合场景。

不论是小样本学习还是机器学习，都只是生产算法的"术"，结合场景解决产业数字化转型过程中的痛点，才是AI的"康庄大道"。雷峰网雷峰网

“人们往往低估事物的长期价值而高估短期价值。”

雷·库兹韦尔（Ray Kurzweil）这句话，在AI圈尤为应景。

过去五年，AI在各方簇拥下到达顶峰，被神话的AI因无法兑现过高的期待，泡沫被戳破，祛魅后的AI，走向了“被平庸化”的极端。

AI的时代过去了吗？也许恰恰相反——属于AI的时代现在才真正到来。

疫情反复暂停社会活动，但倒逼实业数字化转型，加速产业智能化突围步伐。

产业数智化，将给中国经济版图进行一次最大限度的CT辐射。

如果说互联网为代表的虚拟经济让我们体会到「在家行万里路」的乐趣，那么以AI赋能产业为代表的实体经济则会让我们品尝到「生活还可以这样过」的质感。

当新经济实体效益逐渐显现，这种感受可能比过去十年互联网带给我们的感受更爽更真实。

上半场，AI企业们秀技术、拼速度，下半场，他们将夯产业，挖深度。  

数字经济，在快马加鞭。

AI 下半场：实用主义至上

回过头看现实生活，如果你发现AI能实现武汉3天内完成900万人的大排查，一小时打10万通电话，一两分钟形成一个问卷时，应该就能察觉到，我们的世界已经不一样了。

当计算机视觉和机器学习的应用进入了千行万业，这个时代的AI也就深深地打上了产业落地的烙印，也释放了实用主义至上的标准。 

产业数字化行至水深处，是“实体经济+AI”的过程，也是数字经济和实体经济深度融合的体现。

从政策中，其实也可以窥探AI与实体产业融合的必然性。

十四五规划，2025年国家没有明确的经济增长指标，只写着“保持在合理区间、各年度视情况提出”。

几天前，数字经济重磅文件发布（《“十四五”数字经济发展规划》），也提纲挈领地点名“数字经济是继农业经济、工业经济之后的主要经济形态”。 

这意味着，中国正在从数量时代迈向质量时代。

而在科技前沿领域攻关中，“新一代人工智能”排在了第一位。

未来5年中国的数字浪潮不会停止，数字技术和实体经济将深度融合，催生出大量的新产业和新模式。

细看旷视入局的城市物联网、供应链物联网和消费物联网三大赛道，不仅市场足够大，皆具规模效应，皆属数字经济重点技术（大数据、物联网、AI）、实体产业（城市、消费、供应链）。

而旷视的“AI+IoT”战略，其本质就是将AI的能力注入到IoT产业空间场景，利用AIoT创造与物理世界孪生的数字空间，以人为核心、通过软硬结合的网络，将产业空间数字化。

这个智能化的过程，首先是面向行业的IoT场景构建数据智能中台，然后在一个新的AIoT架构里，用AI去重新定义关键的应用、边缘设备和终端硬件，并最终促使数据智能中台不断演进成AIoT操作系统。

在AI能力的注入下，传感器、机器人等物联网终端硬件如同拥有“小脑”，能够实现“单体智能”；AIoT操作系统则是在各种物联网硬件和设备完成整合、组网之后，构成“大脑”，实现“群体智能”。

新实体经济的独白

五年前，谈产业数字化或许只是一项「纸上限定」的大方向，五年后，产业数字化不再是口号，而变成了重拳出击。

说是重拳，其实动作更加细致、轻柔，绣花般一针一线的功夫，可少不得。

也因此，短期内你依然看不到它力挽时代的狂澜，改变潮水的方向。 

但当入局者像在螺蛳壳里做道场般吃透产业，通过毫米级的技术精度把落地应用到极致，潮水的方向，也许就在悄然变道。

大处着眼，小处落脚，是旷视的产业数字化路径。

旷视选择了「城市」这个实体经济的最大载体，将城市分为城市大空间、城市微单元、城市生产空间。

细看你会发现，其分别对应公共区域（面）、管道运输（线）、园区和社区（点），错综复杂的区域，构成了“城市”这样一个精密运转的系统。

• 城市大空间

城市大空间，以"公共安全、城市治理和交通管理"为核心，着眼于城市全域治理。

深圳市罗湖区智慧城市建设中心指挥中心

如果你在深圳罗湖，也许能感受到如今城市治理的进步。 

其实罗湖具备所有城市的管理通病：

范围广、难度大，违法违规事件数量大，基层执法依赖人力，治理难以及时处理；城市治理部门间无顶层建设，信息孤岛，资源难释放；管理粗放，模式单一，缺少人性化、精细化，容易形成冲突。

说得不好听，往往使出千斤力，只能拨动四两，难见效果。 

旷视为此专门锻造了城市级AIoT视频分析平台"万象"。

煎饼铺子占道、暴露垃圾、共享单车乱停放......旷视的城市治理，就是为这些“小事”奔走。

万象平台的事件处置流程分四步：发现、分拨、处置、复核。

算法感知是一大亮点。其覆盖了6大类22种城市场景事件，这背后是基于AI生产力平台Brain++和Objects365通用物品检测数据集，将复杂、长尾且碎片化的新需求收归，形成低成本定制算法研发。

系统平台化，打通了“智能识别、智能预警、智能研判、智能转发”的业务闭环，实现平台智能派单，处置结果AI自动核查的自动化闭环。 

执法人员无需到现场发现、核实，减少了时间、人力等成本，并且事件通过短信告知责任方，无需跨部门协作，缩短了处置流程，提高效率。

罗湖区桂园街道办执法大队现场办公

在引入该平台之后，罗湖区城市治理效率提升了5倍，AI自动复核，实现1小时"高效处置事件"。

在这其中，不是城市管理者单方面的爽感，更注重这个城市中最重要的主体——人的舒适感。

当城市主动响应，一定程度的自治，让人力纠纷减少，公共空间体验也更好。

管理者能看懂城市，上街巡查“人海战术”转变为“人机交互”，并探索出了一套"分级治理、片区统筹"的城市治理新模式。

如今，旷视万象已在全国近20个城区落地应用，以人工智能技术为核心，为城市治理的数字化、精细化、智慧化提供更多新的可能性。

• 城市微单元

城市大空间有着落，城市微单元呢？

公共空间之外，无数微场景在爆发。

社区、园区、商业、工地、楼宇、商铺、工厂、景区......

无数散落在全国各地区、各行业的场景需求，像潺潺流水的小溪，正流淌、贯穿出一副山河巨制 

它碎片化、分布零散、单个体量小、项目规模小、营收小，但数量多、范围广，如毛细血管般的市场，规模累积效应大。

旷视微单元拼命点亮的，正是极具代表性的“小”市场、长尾市场的小星辰。

金隅智造工场

从天坛家具厂摇身一变变为智造工场，北京海淀区金隅智造工场就是一个印证。

金隅智造工场的数字化底子薄弱。早期园区物业仅提供水电气、交通、建筑等基础设施建设，信息化、智能化都由入驻企业自行完成，不仅系统信息化水平低，各系统相对独立、封闭，信息资源共享难，园区管理系统能力也仅有安防、消费等。

旷视做的并非只是简单的添砖加瓦。

金隅智造工场智慧园区综合服务平台

首先，旷视给园区安装一个大脑，通过大数据体系，园区能够综合联动、统一运维管理。

其次，园区16大子系统得以对接，能源能耗、综合安防、建筑管理、停车餐饮等多方面，整合数据，统一监测、统一规划。

再者，更多企业员工服务，比如一卡通的人脸身份识别系统，新能源氢能源班车管理，APP滑板车免费骑行，在线订餐、报修等更多服务。

最后，园区还可以实现利用3D可视化技术还原园区内的场景，做到一张大屏统管整个园区。

园区情况全掌控，智能识别提高预警能力，园区一脸通、智能交通调度，能耗数据分析，节能降本。

增效上，AI摄像机实时查看园区的“人员、车辆”，管理效率综合提升40%左右；降本上，在线巡逻、线上工单、保安中控室监测等功能，综合节省人员时间约30%；在园区整合度方面，园区智慧应用提高整合度近95%。

• 城市生产空间

城市生产空间的数字化，旷视选择了智慧物流赛道。

这是一个耗时180个日夜系统论证的成功实践：采用旷视3A智慧物流解决方案的国控广州医药智能物流中心，成为“AI+物流”数字化新样板。 

国药控股广州有限公司物流中心总经理梁颖康口中“国药控股体系里改造规模最大、应用技术最多、便利化最大的方案之一”，难度非常。

基于AI视觉识别 + 智能控制技术的机械臂进行整箱拣选

物流中心每个工作日就有2亿药品销售输出，停工1天将面临巨额经济损失，并严重影响两广地区药品供应。 

要在不停工不重建的情况下改造，时间、空间均有限：

只能利用业务外时间，真正部署、调试的时间很短，设备一上线就要满负荷运行，没有爬坡时间。

空间上，自动化物流中心投产超过12年，仓库能力已经到达天花板。

新增的AI机械臂在医药物流领域此前应用少，基本没有先例可参考。

这么高难度的，旷视硬是给啃下来了。 

走进国控广州的广州物流中心，搬运的主力军，交给自主移动机器人（AMR）、堆垛机和输送线；2000+的SKU，6000箱箱拣量，繁重的拆码垛工作，交给了AI机械臂；AI五面扫描装置，自动扫描识别高速运行中的药品原箱，实现药品流通可追溯。

AMR机器人仓

基于AI的智慧物流操作系统，对AMR机器人、AI机械臂、五面扫描装置、堆垛机、输送线等多种设备统一管理，并打通WCS、WMS、RCS等多层设备控制系统，实现整仓的高效管理。

旷视最终在没耽误一天业务正常运行的情况下，实现了数智化升级改造。

效率、产能上，储存密度提升15%，仓库整体效率提升25%，作业完成时间提前2小时；在无需新增仓库作业面积的情况下，满足未来数年不断增长的业务量。

人工劳动强度上，员工极大解放。无人化作业，让仓库员工不再日均负重3万斤，效率提升106%；日均行走3万步也成为过去，拣选员每天少跑半程马拉松。

更重要的是，在未来五年，这套方案为国控广州节约成本达千万元。

打通产业 AI 的「任督二脉」需要什么？

旷视的答案是：产品有体系、产业有聚焦、长期主义。

产品有体系  

旷视的AIoT产品体系，包括AIoT操作系统、AI重新定义的硬件和AI重新定义的行业应用。

旷视看来，任何数字产业，核心都是先通过大量必要的物联网设备来感知，形成具象的数字孪生城市，从而发现其内在运行规律，进而动态优化调节。

旷视的城市物联网操作系统 City IoT OS ，着眼于城市全局数字化的智慧城市操作系统“昆仑”、关注城市微单元的智慧建筑操作系统“盘古”，通过“城市-建筑”两大载体，形成了“面-点”的对接。智慧物流操作系统“河图”，为供应链物联网而生，在入库、存储、分拣、输送等环节的全流程贯通。

AI重新定义硬件产品体系上，旷视在产品规划和设计过程中，让算法、软件、硬件三大要素最大限度协同，在传感器模组、传感器终端与边缘设备、机器人和自动化装备中尽数体现。

看一眼这云、边、端错落有致的产品，就能发现一路狂奔至今，旷视的AIoT软硬件产品体系家族初成，「最硬AI公司」的气息越来越浓。

产业有聚焦

AI的前半场由技术驱动，后半场则是场景驱动。

不了解业务逻辑，不清楚应用场景，AI的规模化落地，如陆上行舟，与树对谈。

比如识别天气，需要了解不同类别的云，生成原理，演变过程，还需要模拟测试环境和测试集；再比如识别猪，需要了解猪的全生长周期，每个周期具体情况。

这些都需要挽起裤腿，深入产业泥巴地，一个个摸索出规律。

旷视不贪心，弱水三千，只取“城市大空间、微单元空间和生产空间”三瓢饮，稳扎稳打，陪行业从0到1探索，也与行业一起从1走到10。

长期主义

 无论面对如何VUCA的时代，旷视始终坚持长期主义、同客户一起面对时代变革和产业浪潮的挑战，探索“AI+实体产业”数智化升级的实践路径。

IDC预测，2025年，全球约8%的AI相关支出将来自于中国市场，市场规模在全球九个区域中位列第三。

产业数字化的大门已经打开，牌桌上下，新老交替，在浪潮面前，机会均等。

斗兽场中，观众已经就坐，接下来只待勇士登场，而戏，会更好看。雷峰网雷峰网雷峰网

作者丨何思思

编辑丨周蕾

“修路是为了方便车辆行驶，随着车数量的增多，要不断对道路进行升级，以前是水泥的，往后可能是沥青的，”东华智慧城市集团董事长兼CEO郭浩哲用修路的例子诠释了智慧城市的关键点。

“要想富先修路”这句老百姓口口相传的朴素话语，既是对修路致富实践的认可，也是对未来美好生活的向往。从人们生活水平和经济收入来看，显然国家已经打通了脱贫攻坚“最后一公里”。脱贫之后，为了提升人民生活幸福感，国家提出了“智慧城市、数字乡村”的概念。

先修路开始向“修什么样的路”转变。

其实智慧城市的概念是由IBM于2009年提出。相较于欧美国家，我国起步较晚，从2012开始至今已有10年的时间。在这一阶段不乏互联网大厂、科技企业以及初创企业的入局，但从目前智慧城市建设效果来看却鲜有成功案例，究其背后是技术人才的缺失？市场竞争的加剧？还是盛行的企业内卷之风？

带着这些问题，近期雷峰网与东华智慧城市集团董事长兼CEO郭浩哲展开了一场深度对话，试图通过此次对话，找寻问题的答案。

“跟风”智慧城市，这条路不好走

其实科技圈的“跟风”现象一直盛行，在智慧城市概念提出之后，众多互联网企业、运营商企业、科技公司、金融公司参与进来，并成为推动智慧城市建设的主力军。

诸如腾讯发布的“WeCity未来城市”战略，华为云构建的以应用为中心的云原生基础设施；京东云提出的“双网融合”的概念等，形成了百花齐放的局面。

众所周知，我国2014年将智慧城市上升为国家战略，大多数企业都是在2014年后才开始进军智慧城市赛道。但东华软件却先于其他企业嗅到了智慧城市给未来产业发展带来的商机。

东华软件的首发动作是在2012年，整合了集团内部优质资源发起成立智慧城市事业部，2013年成立了东华云，经过一年时间的探索，2014年成立了东华智慧城市集团。

谈及为何选择智慧城市赛道？

郭浩哲表示，其一全球化范围内智慧城市的概念不断被强调，不断被强调的理念可能对未来的产业发展有很大的帮助；其二2013年中国市场没人能讲明白智慧城市到底应该做什么，怎么做并且做的企业少之又少。

“在这个探索过程中，东华软件赋予了我们资质、资金、品牌以及价值观等方面的支持，此外，东华积累了数千家的行业客户，给了我们很多尝试的机会，”郭浩哲补充道。

新事物往往蕴藏着机遇和挑战，而智慧城市带给企业的挑战往往大于机遇。据了解，2014年至2017年间，东华智慧城市集团主要是为城市搭建底层基础设施；2017年之后开始在基础设施之上做各种层面的应用。

而早期东华尝试了在移动互联网生态里构建网站、APP等方式去提升工作效率，改善民生，但当时老百姓的下载率、使用率以及用户体验都非常差。

“直到2017年，互联网龙头开始积极拥抱产业互联网，技术、资金及人才的加码，逐渐加大了深度和广度，这也是推动东华智慧城市集团业务向前发展的一个重要原因”郭浩哲介绍道。

与智慧城市服务商一样，各地智慧城市的实践并非一帆风顺，据郭浩哲介绍，2014年至2017年处于左右博弈期，这三年中国并没有特别好的案例和进展。初期政府最需要解决的是财政预算问题，当时能涵盖的IT采购项目比较少且城市服务体系在软件体系方面投入严重不足，很难带动一些更深层次的效果。

“客户看不到效果就不会投更多钱，不会投更多钱就看不到效果，就形成了一个恶性循环。”

人才不是万能的，但没有人才万万不能

自2014年智慧城市上升为国家战略后，经过7年时间的发展，如今智慧城市建设早已不可同日而语。

众所周知，智慧城市建设需要有成熟完备解决方案，作为极其复杂的城市数字化构建与运行体系，智慧城市包括了智慧交通、智慧物流、智慧安防、智慧园区等大量的子系统，而这些不同系统，不同属性要求一大批高素质、强能力、高层次的人才，即既懂IT又懂OT的复合型人才。

相关行业的专家曾表示，人才缺失的问题是当前智慧城市建设的短板。我们需要大量的复合型人才，他们要既懂大数据人工智能，又懂传统行业，特别是懂交通、能耗、电子政务等行业。

智慧城市作为一个新赛道，也存在招工难的问题，破人才短板已然成了该领域亟需解决的重要问题。

作为东华智慧城市集团的领军人郭浩哲阐述了人才对于新业务开展的重要性。他表示，进军新领域首先是物色人才，没有人才我一辈子都不会去做这件事，只有人才聚集了，我才会不断地投入人力物力财力，让真正人才成功是我做人做事原则。

但东华智慧城市集团的人才招聘并非坦途，据了解，3个人的初创团队到现在的1000多人的人才团队，东华智慧城市用了7年时间。

“人才招聘更注重的是志同道合、共同价值观以及技术能力。遵循“思想者—方案者—落地者”的原则，即招聘一些有悟性的人去传输价值观和理念，然后把们的想法传递给技术专家形成一套可交付的解决方案，”郭浩哲补充道。

同时他坦言，团队的扩容有一定的困难，因为初期需要尝试不同的事情，但不见得获取收益。越往后会越容易，经过不断地尝试和探索后，什么样的战争能胜利，什么样的技术方向要突破，什么样的人最重要，经营逻辑会越来越清晰。

雷峰网注意到，目前以东华智慧城市集团为依托，孵化出了智慧文旅、智慧交通、智慧农业、智慧园区、智慧教育等多个子研究中心。

下一代基础设施的“变”与“不变”

人才有了，技术才能更娴熟。

随着越来越多的企业入局，各家企业的招式五花八门，但万变不离其宗。首先是构建底层基础设施的能力，然后在基础设施成熟的基础之上搭建场景应用。

城市的本质是“通过基础设施和公共服务的聚集供给，在空间、环境、能源等有限资源条件下实现生产效率和市民幸福感提升的繁杂功能网络平台。”在此契机下，现在城市变革亟需解决的问题可以归结为：处理有限的基础设施和服务能力与高速增长的需求之间的矛盾。

以铁路、公路、电网等为标志的基础设施，支撑了以机械化、电气化和自动化为基本特征的历次产业革命和城市革命。那么到了新一轮的智慧城市变革，创新型基础设施将实现城市数字化、网络化和智能化发展。

郭浩哲认为，2017年是智慧城市发展的分水岭。2017年前是第一代基础设施搭建期，2017年后是新一代基础设施的创新期。目前包含数据中心、摄像头等在内的第一代基础设施已经搭建完成。

我们原来所做的基础设施，只能达到智慧化城市基础设施的10%，甚至更少。智慧城市是一个庞大的赛道，包含一二三产业以及多个子赛道。未来所有设备都要向智能化迈进，诸如智能井盖、智能厕所、智能路灯、智能摄像头等，这都需要构建一套更智能的底层基础设施。

“修路的目的是方便车辆的行驶，随着车数量的增多，要不断对道路进行升级，以前是水泥的，往后可能就是沥青的，”郭浩哲引用修路的例子诠释了智慧城市建设过程中基础设施的关键。

如果说智慧城市建设所需是下一代基础设施发展的内因，那么新基建就是其外在推动力。据雷峰网了解，东华智慧城市正在和国家纳米科学中心开展传感器的研究。

郭浩哲谈到，传感器的发展将把下一代基础设施推向一个新阶段，我们做传感器是为了连接更多的场景，比如车路协同的实现就要发挥传感器的关键作用。当然这项研发能力不是每个公司都具备的，但要朝这个方向去布局。

智慧城市“内卷”之路，行不通

人才和技术都完备了，下一个阶段是创造更大的价值。

正如前文所言，目前智慧城市赛道已经有了诸如腾讯、阿里、百度互联网大厂；中国移动、中国电信运营商企业；京东、华为，以及用友、东华等在内的软件企业的入局。

其实对于智慧城市而言，以上这些企业大多是“跨界”而来，目的是寻找新的业务增长点以实现自身的社会价值。也是基于此，大多数人给这些企业的贴上了“竞争”的标签。

但想要城市更加智能往往需要用到非常多的跨领域跨行业技术，这不是一家企业能独立完成，最为直接的表现形式就是合作：互联网大厂和软件厂商的合作，运营商和科技企业的合作等等。

郭浩哲认为，没有竞争也不要竞争，如果所有云厂商都陷入同类竞争，大家都会走得异常艰难，如果技术没有领先就做好服务，如果技术没有领先性，又不愿意做服务，又想炒概念，那就是昙花一现。

而所谓的竞争是分类竞争，诸如交通优势，金融优势，硬件优势等，这样才会呈现矩阵式生态化向前发展的态势。

雷峰网注意到，2018年东华软件就与腾讯签订了战略合作协议并获得了腾讯的投资。谈到合作，郭浩哲表示，方向选择总会有人质疑，但是能做的事情已经做过了，再做下去无非是小市场占有率的问题，仅仅在一个已经饱和的小市场抢占有率，不如换一个维度去做更有价值的事情，这是选择合作的战略关键，当时与腾讯的合作就是我们技术融合市场融合的关键坚持。”

面对市场上优秀的云厂商，为什么选择腾讯？

郭浩哲解释道，我们在判断选择哪个互联网公司时，发现腾讯的产品在服务的连接上最具备核心优势，而当年东华想的就是想把应用场景服务做深，服务做深就需要微信和企业微信这样的科技产品连接器。

同时腾讯作为互联网大厂也需要行业分析能力和落地交付能力，大家组合起来肯定会有化学效果。

据悉，仅2018年东华智慧城市团队就联合腾讯云发布了多款产品，实现了超过50个项目的合作；2020年东华软件与腾讯云等联合中标数十亿项目；2021年腾讯云与东华软件深化战略合作，在数字政府、智慧产业、智慧医疗等领域将持续展开紧密合作。

参与建设智慧城市的企业并非十项全能，而是各有自己所擅长的领域，在这个过程中难免会遇到挫折，但都是在释放自身的核心能力。华为的核心基础设备、京东的电商物流资金流、腾讯的社交连接、平安金融科技服务都是不断延伸核心竞争力的关键优势。

“如何把竞争变成协同这才是一个正向的引导，”郭浩哲补充道。

写在最后

智慧城市已然成为推进城镇化建设、提升城市治理水平、提高公共服务质量、发展数字经济的战略选择。

智慧城市建设正在如火如荼地进行着，但是从目前来看在智慧城市建设进程来看，我国仍处于初级阶段，还有很长的一段路要走。对于需求方要积极拥抱智慧城市，进行智慧实践；对于智慧城市服务商，要根据不同阶段不同城市的建设需要不断更新迭代产品，提高服务能力。

智慧城市建设仍旧任重道远，路虽远行则将至！

A：无动于衷，车会直接撞向前方的人群；

B：拨动方向盘，但车会撞向另一条路上的人。

你该如何抉择？

功利主义者认为，决策应该遵从“为多数人提供最大利益”原则，即牺牲更少的人，拯救更多的人。

这一观点遭到义务论者的反对，后者认为因救人而杀人，本质属于不道德行为，与人内心的道德命令相悖。

这个被称为电车难题的实验，不论如何选择，人都会陷入「道德困境」之中。

假如把人换成AI呢？

在电影《机械公敌》中，主角戴尔·史普纳曾遭遇一次车祸，前来营救的机器人经过计算，选择了生存率更高的男主，而非另一个小女孩Sarah。实际上，史普纳更希望机器人救小女孩。

电影《机械公敌》剧照

这部剧中，AI并未面临「道德困境」，而是根据其计算出的“生存率”进行施救，但恰恰是这冷冰冰的数字，加深了戴尔·史普纳对机器人（AI）的不信任。

这实际上反映出一个问题：当人们期待更高智能水平的AI时，要不要对AI本身进行法律上的规制，或进行道德约束？假设需要，如何进行规制？

更具体一点，在上述的施救过程中，AI能不能担责？法律责任如何界定？等等，该如何回答？

AI的「信任危机」

先来思考一个问题：《机械公敌》中，机器人根据“生存率”救下男主戴尔·史普纳，这个“生存率”是怎么计算的？

这个在剧中看似简单的问题，实际上触摸到了AI的核心难题之一：决策的不可解释性。

性别、年龄、情绪等特征可能是计算生存率的部分数据，但机器人是怎么进行决策的，目前的人工智能系统很难解释。

换句话说，人们知其然而不知其所以然。

以现在非常火热的深度学习为例，其决策场景下的模型可解释性很差，具体表现为：输入特征与输出结果之间存在一个无法观测的“黑箱”空间。

比如，阿尔法狗在与柯洁的对弈中，其每一步都是动态的，谷歌只下达了“赢得比赛”的指令，但阿尔法狗是如何根据柯洁的落子来决定对策从而赢得比赛，人们却无从得知。

这种不可解释性对于非常重要的场景，比如交通、金融、医疗等，是一种巨大的安全隐患。人们无法从人工智能系统决策过程中获取有效信息，进而也无法快速对系统进行优化，避免可能导致的利益损失。

另一个重要的点：机器人在救人过程中是否涉嫌“算法歧视”？也就是人工智能系统的公平性问题。

人工智能算法会受到训练数据的影响，如果训练数据中存在偏见，那么其决策也会形成歧视。

电影里的机器人在面对男女性别差异时，作出的决策有没有偏见，这一点无从得知。但现实生活中，美国芝加哥法院曾采用的犯罪风险评估系统（COMPAS）被证明对黑人存在歧视。

如果一个黑人犯了罪，他被该系统错误地标记为具有高犯罪风险的可能性更大，因此可能会被法官判处更长的刑期。

更为普遍的例子是，人们所熟知的大数据杀熟，实际上是根据用户特征/偏好数据形成的价格歧视。

从经济学角度上讲，价格歧视并非贬义，比如老人小孩乘坐公交车享受比成人更低的价格优惠。

但对于人工智能系统而言，基于数据训练形成的价格歧视，根据用户购买行为、性别等进行分层，从而给新用户以优惠，给老用户「高贵」，这种歧视无法可依，本身影响了「消费者公平」。

除了可解释性、公平性之外，AI的安全性、稳健性等问题也引发人们对AI的信任危机。

安全性表现在AI如何保护数据安全。过去一段时间里，Google、Meta等公司先后被爆出数据泄露问题，引发全球对数据保护的关注，各国也加快了针对隐私、数据保护方面的立法。

稳健性则是指人工智能系统在异常情况下，仍能保持正常运行，而不至于崩溃。例如，现在的智能驾驶都有一套「冗余」方案，目的是防止极端天气、车辆碰撞等场景下，车辆失控的情况。

但目前人工智能系统的稳健性，还有待增强。

基于不可解释性、公平性、安全性、稳定性等问题，AI需要面临的最后一道门槛是：人工智能到底能不能成为责任主体？

也就是说，人工智能因技术缺陷带来的不良后果，谁来背锅？软件开发商还是所有者？

《机械公敌》中，机器人桑尼杀死了自己的“父亲”朗宁博士，真相大白以后主角史普纳警官却没有对桑尼提起诉讼，因为桑尼并非人类，处于人类法律的界限之外。

电影《机械公敌》剧照

上述的问题实际上造成了普通大众对于人工智能的「信任危机」，然而直到现在，尚且没有一部成型的法律来对人工智能进行规制。

不过，从学界、产业界以及政府等多方的实践之中，仍能看到有益的探索。

AI治理需要什么样的「价值观」？

《机械公敌》里对机器人设置了三大法则：

1、机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管；

2、机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外；

3、机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。

 这三条法则相互制约，但从规则内容不难看出，「以人为本」是其根本精神。

这种精神从AI诞生元年就已经存在，然而在漫长的AI发展年轮中，技术探索始终占据着主流，对AI的审视与反思，主要是近十年来的结果。

究其原因，是技术从实验室或者小规模应用场景，走向了大规模落地场景；人们对AI的认知也在逐渐深化，从“不可置信”到怀疑，再到建立信任，是一个螺旋式上升的过程。

雷峰网了解到，对于人工智能的规范性研究，主要以2015年为爆发点。

2015年1月，欧盟议会法律事务委员会（JURI）决定成立专门小组，研究机器人和人工智能发展相关的法律问题。同年，联合国教科文组织开启关于机器人伦理方面的研究。

此后的几年时间里，联合国、欧盟、电气和电子工程师协会（IEEE）等国际性组织先后开启关于人工智能伦理方面的研究工作，并且发布了相应的伦理准则。其中，影响较为广泛的是2017年的“阿西洛马人工智能原则”和IEEE倡议的人工智能伦理标准。

我国于2018年1月成立了“人工智能标准化总体组”，并发布《人工智能标准化白皮书2018》，论述了人工智能的安全、伦理、隐私等问题，并设定了相应的伦理要求和共识原则。

可以看出，自2015年以来，不论是国家级别的顶层设计，还是专业组织的呼吁倡议，人工智能的研究主要集中在伦理方面。

但这些伦理准则在实操过程中却面临执行困难问题，其根本原因在于，伦理准则属于“软性约束”，缺少相配套的落地机制，比如法律监管、行业约束等等，容易形成道德漂白（ethics washing）。

因而，在伦理准则的基础上，学术界开始了「可信AI」的讨论与探索。

所谓「可信AI」，根据中国信通院发布的《可信人工智能白皮书》的定义，可以理解为一种方法论，即“从技术和工程实践的角度，落实伦理治理要求。”

国内关于可信AI的讨论最早可追溯至2017年香山科学会议，由何积丰院士提出的“人工智能技术应该具备可信的品质。”并从学术研究角度，将可信AI的研究范围放在安全性、公平性、可解释性、隐私保护等方面。

国际上对于可信AI的研究在近几年也呈爆发趋势，2020年关于可信AI的研究论文比2017年增长近5倍，国际先进人工智能协会（AAAI)连续数年举办了 Explainable AI 研讨会。

学术界的影响也蔓延至政府，后者开始在人工智能伦理准则之上，强调“治理”。

2020年，欧盟发布《人工智能白皮书》，提出人工智能“可信生态系统”，对高风险人工智能系统提出强制性监管要求；同年，美国也发布了《促进政府使用可信人工智能》的行政命令。

我国在可信AI方面，先后发布了《国家新一代人工智能标准体系建设指南》《新一代人工智能伦理规范》等文件。

综合人工智能伦理规范和可信AI相关的学术研究和行政文件，可以总结出，当前的AI治理「价值观」体现在“以人为本，AI向善”，具体则表现为公平（无歧视）、透明（可解释）、无害（不作恶）等等。

而在这种价值观的指引下，作为AI落地的实际推动者，产业界也开始了关于AI治理的探索之路。

AI治理「方法论」

对于治理人工智能发展出现的的各种问题，企业作为直接相关方，起着不可或缺的作用。

一方面，在市场经济大环境下，需求对供给的反向作用非常明显，大众对于人工智能安全隐患的担忧，实际上影响着企业的生存空间。

作为技术/产品供应商，企业倘若不能深刻理解市场需求，只关注技术而忽略市场，必然遭遇获取用户信任的滑铁卢，导致失去市场。

另一方面，企业作为整个经济活动中的一份子，必然要遵循「市场法则」（法律法规），在追求经济效益的同时，强化社会责任（Corporate social responsibility）。

因此，国内外诸多互联网、AI公司先后加入了对AI治理的探索，国外如微软、亚马逊，国内如腾讯、京东、旷视等等。

雷峰网发现，目前多数公司的AI治理主要分三个方面：顶层设计、内部管理、技术攻关。

以人工智能公司旷视为例：

在顶层设计方面，2019年7月，旷视公布了基于企业自身管理标准的《人工智能应用准则》，从正当性、人的监督、技术可靠性和安全性、公平和多样性、问责和及时修正、数据安全与隐私保护六个维度，对人工智能正确有序发展作出明确规范。

与此同时，旷视还参加了多个国家及行业规范标准制定，例如《新一代人工智能治理原则》、《新一代人工智能伦理规范》等，并成为国内率先通过隐私保护国际标准ISO/IEC 27701的人工智能企业。

在内部管理上，旷视主要从企业制度和架构两方面进行管理。

• 架构：2019年8月，作为业内首个成立“人工智能道德委员会”的AI公司，旷视聚焦于研讨、制定公司相关伦理道德治理的规章与管理机制，并对公司业务中涉及到的重大伦理问题进行决议；

  2020年1月，旷视又成立AI治理研究院，旨在联合国内顶尖研究机构，积极探索AI道德伦理与治理工作的落地路径。

•  制度：除了发布《人工智能应用准则》这类纲领性文件，旷视还出台了《数据分类分级管理规范》、《员工信息安全守则》等细则，在内部形成规范化管理。

  与此同时，旷视倡导客户遵循《数据安全声明》、《正确使用人工智能产品倡议书》，形成行业「合力」。

对于技术攻关，旷视目前主要集中在数据安全和隐私保护、算法的安全性、稳健性等问题。

例如，旷视研发的前端图像脱敏方案，是目前业内率先实现在采集端就能完成人脸图像的不可逆脱敏，来加强个人信息保护。

而在AI基础平台研发上，旷视主张通过研发面向数据安全和隐私保护的AI平台，实现从需求提出到交付的全流程一体化数据安全及隐私保护，相关成果将进行试点推广。

值得一提的是，旷视还联合人民智库、中国人工智能产业发展联盟等专业机构、组织，发布“全球十大人工智能治理事件”评选榜单，以议题设置的方式，联动各方对AI治理进行持续关注与深度讨论，通过多元交流，共同推动AI治理走向规范化。

目前，该榜单已持续三届，针对2021年度全球十大人工智能治理事件，来自不同领域的专家表达了类似的观点。

中国信息通信研究院副总工程师、中国人工智能产业发展联盟副秘书长王爱华认为，2021年是全球人工智能治理极具实质性突破的一年，纵观全年的治理事件，全球人工智能治理呈现出“趋实、趋严、趋细”三大特点。

清华大学公共管理学院教授、人工智能国际治理研究院副院长梁正同样表示，人工智能治理已经成为全球共识，且已从理念层面进入到建章立制、落地实施的阶段。

从旷视的人工智能治理探索中不难发现，多数企业采取的是自上而下的方式，即建立规章制度，先保证企业自身的技术、制度合规性，再通过企业实践和行业研讨来共识产业方向。

而在当下的人工智能治理中，自下而上的基于应用主体和用户选择的参与，也成为人工智能治理的一个重要方法。

需要指明的是，当前的AI治理仍然处于探索期，如何引导人工智能进一步规范发展，仍有待市场经济环境下，供给、需求、监管等多方在「磨合」后，达成「共识」。

正如旷视联合创始人兼CEO印奇所言：“AI不仅要在技术创新和应用落地上下功夫，也需在治理上使力气，这离不开所有AI从业者和社会各界的共同努力。”

结语

回到最初的「电车难题」，在这个场景中，人不得不面临道德困境，AI或许能破解这个困局。但随之而来的AI治理相关的难点，又成为AI发展过程中必须要回答的问题。

如今，AI行业在多方的努力下已迈出实质性的一步：在规范中发展，在发展中规范。

在正确「价值观」的引导下，作为改变世界的技术，人工智能也将快速走进日常生活，造福大众。

 近日海康举行了投资者问答。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

Q：现在海康助力企业做数字化转型，帮助企业提效降费，大企业在周期不景气的时候，也会维持升级改造的意愿来增加自身的竞争力。海康做 AI 赋能是否弱化周期，帮助业务更稳定？

A：宏观环境的波动是政府与企业投资的大背景，宏观有压力的时候全社会的投资不会太出挑，但降本增效这一块的投入与周期的关联弱，我们应该还是可以努力保持相对不错的增长。近期看到各级政府也在努力释放积极政策，社会资金流动在边际上变得更通畅，业务端也会逐渐有所反应。

同时业务上的机会点也很多，比如碳中和、碳达峰的政策之下，能源企业对于吨钢吨煤效益都提出了更高的要求，这也迫使企业需要通过数字化手段来加强精细化管理。

同时我们看到制造业的转型升级、机器换人需求在增多，制造业实际上越来越呈现出重资产、重设备运营的模式，在这种背景下，智能物联网的机会是很大的。

另外，在财政支出结构优化的过程中，我们看到一些增强民生福祉的财政支出，比如新建学校、新建医院等等，都是有保障的甚至有比较好的增长。

总之经济的调整与变化时时都在发生，相较于一时半会的业务波动，我们在企业经营的层面更重视自身的能力是否在提升，公司的资源布局是否在正确的方向上。我们要做的终究还是聚焦到我们经营的微观层面，不断完善和提升我们的解决方案，为客户创造更多价值。

所以我们一方面在不确定性的环境之中寻找一些确定性的成长机会，另一方面我们通过发挥自己的优势，在市场中提高市占率，希望力争穿越周期。

Q：未来公司库存水位是进一步提升还是保持目前的状态？

A：公司的库存是在不断的动态消耗和补充的，我们会去看市场当中各种物料的紧缺程度以及我们的供应商的发展变化。因为如果供应商的工艺成熟，供给稳定，我们可以不用把这种物料的库存备的很多。相反的，如果供应商的产品输出不稳定，产能的提升还有空间，这个物料可能就会是我们库存管理的中重点关注的物料，就会尽力备货，保障产品供应。所以我们会根据产品的分类，物料的供给齐套性，以及物料背后供应商的结构等各个维度综合管理公司的库存水位。

在供应紧张的趋势缓解之前，库存肯定是高水位，现在也并没有到供应链全面缓解的阶段，而公司的高库存可以理解为行业内保持优势的基础，要知道并不是所有玩家想要增加库存就可以加得上来。库存水位会不会更高，目前不好回答，我们会不断地动态调整。

Q：股权激励制定了未来几年 15%的营收复合增速的规划，在人员投入方面，未来三年或者说经济下行的周期里面，会做怎么样的调整？总体的人效应该是什么样的一个趋势？

A：人员投入跟每年的年度规划有关系，我们的投入主要分两类，一类是为中长期的投入，一类是为年度业绩做支撑的投入，后一类的投入与实时产出会更紧密一些。我们希望未来有更强的竞争力，投入会一直持续。经历了前几年技术和业务架构的大转型之后，这几年公司的投入会相对平稳。

关于人效方面，因为我们的业务比较碎片化，很多方案的应用都不是面向大品类的业务，都是细分领域的小块业务，作为公司来讲，需要在碎片化市场当中，努力去找到有一定复制性的业务和产品，这是比较考验公司经营能力的。我们得认识到，在这个行业里人效要大幅提升的可能性不太大，但是我们争取努力向上走，不要增人不增效。

这些年以来，公司的业务布局更均衡，资源组织配合的效率得到发挥，公司体现出了一定的规模经济优势。人效继续提升，需要大量的内部运营改善工作，这两年公司非常重视这块。

Q：现在有的公司在一些上游的核心元器件上会考虑自制，有的初创公司也在往这个方向走，请问我们的策略是怎样的，未来是否和以前一样保持向外采购，还是未来也会往这个方向去做？

A：我们在上游技术上的资源投入是有取舍的，一般来讲是要依靠供应链的伙伴。以我们的理解来说，不同公司需要在专业的位置发挥专业的作用，同时与上下游的伙伴保持紧密的配合。实际上过去多年以来，海康与上游供应商的配合是密切的，在产品 know how 的沉淀和元器件性能的验证、调试上，海康会给予供应商较多的帮助，相应的也会得到供应商较大力度的支持。我们比较受益于这样的良性合作模式，未来还会坚定地和供应商们肩走下去。

当然在一些边缘的、特殊的、产业供给不太充分的个别物料上，也不排除我们会去做一些专门投入。总之就是顺势而为。

Q：今年汽车电子行业都有不错的增长，能否介绍一下海康汽车电子的产品结构以及客户的情况？另外，之前偏 ADAS 的产品会多一些，未来 L2.5 或者 L3 这块，是否有产品的布局？

A：汽车电子业务的介绍在我们 2020 年的年报中，有一个专门板块讲汽车电子的业务布局，主要分了三大块，就是乘用车的前装，乘用车的后装以及商用车。关于客户这个层面，目前从车企的角度看，内资车、合资车，包括部分外资车厂，我们都有合作。

我们业务的拓展比较务实，而且创新业务的投资模式也决定着我们必须要一步步脚踏实地的走，经过几年的发展，我们已经把低速状态下的驾驶辅助功能发展的比较充分了，也在国内外众多客户那里得到了认可，我们今天也有这个自信讲，汽车电子业务发展是不错的。

往未来看，更多 ADAS 的能力会生长出来，也许有机会进一步挑战更复杂场景，但我们会始终聚焦于扎实的产品和方案开拓。雷峰网雷峰网雷峰网

过去一年，于视频物联行业来说是波澜壮阔的一年：旧时代赋予的要素开始缩减，新时代的要素正在增加。城市AIoT赛道的黄金机遇，构建了一场科技与产业更大规模的狂欢。征战功夫的精彩，既在胜负，也在胜负背后的战略、逻辑与眼界。

藉由此，AI掘金志推出「十佳CEO」系列专题，希望呈现给业界更多对城市AIoT领域不一样的理解与洞见。

本篇为系列报道的第二篇，对象为：希捷科技全球高级副总裁暨中国区总裁孙丹。

缺少层出不穷的新概念，少见抢眼性感的话题，在各类高科技、热门赛道中，存储似乎没啥存在感。

但外界的忽视并不妨碍其“黄金配角”的地位，无论AIoT，还是数字孪生，亦或是红到发紫的元宇宙，在当下最热赛道的底层，都能找到存储的影子。

希捷，就是这样一个存储隐形王者，今天的主角，是希捷中国区业务领导人孙丹。

从出现在大众视野的第一天起，孙丹似乎从来都是一头干练的短发、不重样的裙子，以及偶尔串场的美甲。 

孙丹无疑是多面的，你能看到她的精致、大方、爱美，也可以看到她脚缠绷带出席大会，坐在轮椅上笑得灿烂，当然，你更能从“IT界拼命三娘”的经历里看到一个商业女性领导人的干练与狠劲儿。

与大多数高管相比，她的履历显得有些简单，但都位列领导人级别，东家均为各自行业巨头：一家IBM、一家希捷。

孙丹曾在IBM包括个人电脑事业部、中国电子商务部和中国销售运营部在内的多个部门负责高级管理工作，并且曾出任IBM系统与科技事业部大中华区System X总经理。

在IBM事业即将达到巅峰时，她离开IBM加入希捷，带领希捷从一家闻名全球的传统硬盘厂商向数据存储与管理厂商迅速转型。如今，孙丹是希捷科技全球高级副总裁暨中国区总裁，负责领导中国区的整体业务和发展，同时负责管理希捷全部产品和客户群在中国的营销及技术支持运营团队。

经历简单，但每一段都是与惯性抗争，与挑战抗争的岁月。

一、童年：与死神擦肩而过

1976年7月28日，4岁的孙丹和母亲在一辆去往北京的列车上，那天天气怪异般的炎热，入夜之后，母亲告诉孙丹，睡一觉起来就能到北京，看到爸爸了。

凌晨时分，火车驶入唐山地区，夜阑人寂，列车上的人不曾料想，他们离那场震惊世界的唐山大地震近在咫尺。

地震后，人民解放军及全国各行各业近30万人组成的救援大军火速赶赴灾区，各地的医疗队先后奔赴唐山市区，无数重伤员被抬上飞机，送往各大城市急救。

千钧一发之际，孙丹乘坐的火车在距离桥仅100米左右的地方停了下来。据称，当时是火车司机拼尽全力救了一车人的命。震后第三天，他们等来了解放军，几经辗转，最后终于到达北京。

地震发生时，几十公里外的北京也感受到了震感，当时在国家地震局工作的父亲深知事情的严重性，又因通信阻断，只能在绝望中参与忙碌的救援工作。

这次的经历，也让小孙丹对技术在生活中的应用有了懵懵懂懂的认知。

6岁后，孙丹随母亲到北京定居。孙丹笑称，她小时候并不是个讨老师喜欢的孩子，并非是学习不好，而是她总是不能乖乖接受既定的答案，提出奇怪的问题。独立思考，似乎是一件与生俱来的本能。

高中毕业后，孙丹有两个大学选择，一个是地球物理系，一个是计算机系。在父亲建议下，孙丹选择了北京工业大学的计算机。

上世纪70-80年代，是计算机技术大发展的时代，但中国因美苏技术封锁，错过机遇，落后于人。90年代，中国计算机才逐渐迎来突破。

1994年，一条64K专线，把中国和世界互联，中国正式迈入互联网时代。此后中国的计算机行业前进的号子震天响，纤绳粗又壮，行业在轨道上飞奔。

孙丹也在计算机极速发展过程中疯狂吸取专业知识。

把她送进计算机世界的父亲，因曾参与核弹研究，患上皮肤病，整整住院一年，并在2011年离世。父亲把一生奉献给国家事业，也在2021年获得了两弹一星勋章。

二、IBM：与「大象」共舞的18年

临近毕业那年，北工大首次推出双学位，计算机系只有三个名额。孙丹出于对管理学的兴趣，通过一系列考试成功获得工商管理的入学资格。

等待读双学位的那个暑假，孙丹在老师的建议下进入IBM实习帮忙。

从小性格好强，在IBM实习那段时间，孙丹几乎玩命工作，力求最好。当时负责技术的经理看中了孙丹一身干劲儿和展现的才能，想直接招进IBM。

孙丹开始是拒绝的，觉得书还没读完，经理对她说：“你回去想一想，两年毕业后能不能找到IBM这样的工作？”

作为还没完全走出校园的学生，孙丹本身就对大型的、专业的公司具有好奇和崇拜。

“第一次走进IBM的场景我记得特别清楚，在丽都酒店，每个人都穿着西服，非常职业范。”

经过慎重考虑，孙丹决定抓住这次机会，向学校交了5000元罚款，进入IBM，成为IBM个人电脑事业部中国地区的工程师，也是十几个人工程师团队里唯一的女性。

初出茅庐，突然接触到新东西，与优秀的人共事，在这种氛围下，孙丹“跟打了鸡血一样，熬夜加班太正常了，想跟他们一样优秀，也想比他们更优秀。”

孙丹从小独立思考的习惯也带到了工作中。

90年代早中期，电脑对大多数人依然是新鲜玩意儿。进入IBM不到半年，孙丹就发现，他们经常为各种鸡毛蒜皮的事情满北京跑，有的甚至颇为滑稽，比如有客户误以为光驱的洞是杯子架，放上水杯后光驱无法合拢。

孙丹认为工程师为这类需求东奔西走实在不值当，于是跟部门经理提议，设立一个热线，用户的基础问题通过电话解决，800热线就此成立了。 

“我觉得人要有一种习惯，不是老板让干什么就干什么，你要想如何做得比竞争对手好。”

但并非每次创新都能收获成功，也有方案执行后不及预期。 

“我很享受团队争论，十几年都是‘吵’过来的，有的想法不一定好，最重要的是去做，想了不做，没用。” 

在孙丹看来，创新是一种思维，可大可小，可以是颠覆性的，也可以小的流程。没有东西天生完美的，可以在迭代过程中完善，只要有创新思维，勇于尝试和冒险，并能够承担责任，创新的价值就能体现。

“遇到挑战就兴奋”的内驱力，“即使知道客户选择了竞争对手,也要把客户争取过来”的狠劲儿，创新意识的惯性，让孙丹在竞争激烈的IT业如鱼得水。

从技术支持到销售，从渠道管理到商务管理，孙丹的履历覆盖服务器、存储、网络、软件等领域，在IBM的十几年，孙丹的能力得到最大限度的锻炼，职位也一路晋升。 

2009年1月，她升任IBM系统与科技事业部大中华区System x总经理。

上任后，孙丹带领团队和渠道伙伴整合System x和软件、存储，从产品向解决方案转型，并提出「7*24*4」，即System x全线产品的售后服务的7天/24小时/4小时之内响应，这极大拉高了IBM的售后服务水平，让中国用户享受到了史无前例的全时服务。 

短短两年，孙丹带领System x产品坐上行业第一的位置。 

在IBM的18年，孙丹经历了IBM两大改革时期，两个掌舵人郭士纳、彭明盛，一位挽狂澜于既倒，一位受重任于临危。孙丹表示，创新一直引领着IBM，她的不少眼界和思维习惯都是在IBM时期奠定。

当初IBM进入中国PC市场，市场知名度并不高，IBM策划了代号为“中关村战役”的宣传策略。一夜之间，中关村的电脑城、街道等都插满IBM的PC宣传旗。 

“你可以想象一下，第二天一睁眼发现整条街道都是IBM。”

最后效果显著，一下子打开了IBM PC机的知名度。 

2012年，如果不出意外，孙丹将被官宣为集团VP，在外人看来“最好的时候”，孙丹选择了离开。

“离开IBM是因为那里没有让人浑身兴奋的挑战了，”孙丹表示，这种挑战是指自身的提升空间，而对手是自己。

孙丹笑称自己叛逆，喜欢做相反的选择。

“当有足够的选择权时，在肥沃的地和贫瘠的土地之间，我会选择后者。”她补充，“我坚信这块地更容易增长，当0作为分母时，可以无限增长，人要敢赌。” 

三、希捷：承接「人要敢赌」的选择

自2011年西部数据收购日立硬盘业务，希捷科技收购三星硬盘业务后，全球硬盘市场竞争格局渐成，这两大赢家在拼产品、拼销量、拼利润、拼布局中，持续肉搏。

2012年，希捷决定重仓中国市场，并向孙丹抛去橄榄枝。这背后的挑战对孙丹具有十足的诱惑力。2013年，孙丹加入希捷科技，担任希捷科技全球副总裁暨中国区总裁。

第一年，是她压力最大的一年，没有人看好这个空降的女高管。 

但最痛苦的时候也是成长最快的时候。“撑不过一年”的流言下，不解与猜疑中，希捷转型的使命下，孙丹带领团队在三条路上奔跑：云计算、渠道下沉和主攻垂直行业。 

第一，押宝云计算，尝试定制服务。

2013年，孙丹领导下希捷在中国成立了云系统与解决方案部门，重新搭建了云团队。

这只为云计算而生的团队，在后续几年不断增加高容量的企业级产品，向企业级市场发起冲击。

从幕后走向台前，直接面对客户，以大客户为核心，了解客户需求，技术性合作，开发定制化产品。比如希捷在中国第一个推出了云盘。

孙丹表示，在转型之前，他们根本无法想象会推出定制化产品，好在这些产品在不同领域取得成功，也让他们坚定了走定制化服务的路径。 

第二，瞄准智慧城市、平安城市的时代机遇。

进入21世纪，中国经济快速发展，创造了独有的中国速度，经济腾飞的同时，人口大规模流动，社会治安问题面临极大挑战。

2008年北京奥运会更是让安防行业迸发出前所未有的活力。2010年之后，安防的大时代款款而来。

2015年国家推动平安城市、雪亮工程建设向纵深开展。同年，1043个PPP投资项目提上日程，总投资规模达到了1.97万亿元。

这一年，还提出了2020年我国基本实现“全域覆盖、全网共享、全时可用、全程可控”的公共安全视频监控建设联网应用的目标。第一股AI浪潮也来添火，让这个赛道烧得更旺。

2017年，希捷推出首款希捷酷鹰人工智能（SkyHawk AI）监控硬盘，高吞吐量和优化的缓存提供了低延迟和极佳随机读取性能，实现对视频图像的迅速定位与传送并进行影像分析，能解决AI工作流产生的密集计算工作负载问题。

2018年，希捷又将数据恢复服务在视频监控领域运用。  

2019年，深圳安博会上，希捷展示了全线安防存储解决方案，并发布16TB希捷酷鹰人工智能监控硬盘，它是当时全球首款最大容量的人工智能监控硬盘。 

持续发力下，AI安防成为希捷新的业务增长点。 

第三，加大渠道下沉力度。

与代理商合作，从二三线城市持续往下扩展，五六线城市甚至农村。期间推出满足不同市场需求的新品，比如专为监控而生的希捷10TB SkyHawk酷鹰监控硬盘、第六代希捷企业级高性能15K超能盘、希捷BarraCuda酷鱼笔记本硬盘及10TB NAS硬盘希捷IronWolf Pro(酷狼Pro)等。 

三轮驱动之下，这场仗打得漂亮，业绩快速增长，企业级、云计算、监控和消费类市场，希捷2017年在中国市场实现了两位数的增长。

这个过程中，中国在希捷在全球业务中的份量更加举足轻重。孙丹也在2021年5月14日被任命为全球高级副总裁暨中国区总裁，向希捷科技全球销售与销售运营执行副总裁郑万成汇报。

她用行动与成绩，给自己的“敢赌”一个交代。

在行业二十余年，孙丹一直有一种天生的预感，业务处于低谷时，更加坦然和冷静，业务处于高峰时，反而更加忐忑和谨慎。

在她看来，当团队都崩溃时，领导者需要更加冷静，稳住团队，解决问题。业务高峰时，尤其是好到挑不出毛病时，按照物极必反的原理，一定会出现往下走的可能性，她不知道什么时候会往下走，因此会更加忐忑，她会反复叮咛团队在各个关头慎之又慎。

“希捷如今已是存储产业的巨头，会不会缺少一些危机感？”

孙丹回答：“我们一天到晚都有危机感”。

以之前铺天盖地的新闻“硬盘已死”为例，希捷的危机并非来自对手的冲击，而是技术的冲击。

如何缓解危机感？向前、向前还是向前。

作为一个科技乐观主义者，她认为科技发展会带来一定问题，但事物的发展是螺旋上升，人类足够有智慧去迎接所有科技带来的挑战。

而不管是无人驾驶、元宇宙、数字孪生，还是城市AIoT，底层都是数据。

孙丹表示，数据是一个及其复杂的命题，峥嵘四十年，希捷聚焦存储市场，从未偏离一步，定位也极为清晰：做数字经济里最小的一块砖。

通过降低客户成本同时，满足客户定制化需求；以数据为核心寻找未来科技的方向。

四、着眼当下：人生无法倒带，一切都是最好的安排

孙丹作为IT界少有的女性高管，不认为作为女性在职场存在劣势。女性更有耐心、更细心、更有同情心，对冲之后，并没有太大区别。

“门槛一直在于自己，你认为性别是优势它就是优势，你认为它是劣势它就是劣势。”

她认为管理要无为而治，但并非什么都不做，而是把正确的人放在正确的位置，给予充分的权利、支持和资源，放权的同时承担起责任，遇到问题敢于拍板做决定，且能进行长远规划。

“一个领导者离开后，组织依然正常运转，才是一个合格的领导者应该做到的”。

在希捷期间，孙丹迎来她第三个孩子，她希望自己离开期间，业务比在公司时更好，而团队也做到了，这是孙丹最骄傲一点。

回过头看，命运的神奇之处，大概是孙丹当初放弃了管理学位，最后依然不知不觉中成为了一名优秀的管理者。

正如孙丹所言：没有什么后悔的，人生无法倒带，一切都是最好的安排。雷峰网雷峰网雷峰网

作者丨何思思

编辑丨周蕾

如今，信息化、数字化对经济社会发展影响越来越大，数字经济的理念和生产方式被应用到更多领域。在数字经济发展过程中，需要数字政府的有效保障。

为此，数字政府的概念呼之欲出，并得到了国家及社会各界的高度重视，“十四五”规划和2035年远景目标纲要也对提高数字政府建设水平作出战略部署。由此可见，政府上云已成大势所趋，其不仅有助于提高数字政府的水平，还有助于智能城市的建设，实际上是一个双赢的选择。 

数字政府的建设：各抒所长 

2020年爆发的新冠疫情对政府治理能力来说，无疑是一次大考，再一次敲响了政府以及城市治理的警钟。要想在危难之时，保证政府的稳定高效运转，必须积极运用数字化手段对疫情进行管控。不难看出，未来数字政府的形态将是“政务云+大数据”的融合。 

近年来，全国各地扎实推进数字政府建设，上海、广东、浙江、福建、湖北等地政务服务效能得到明显改善，数字政府建设取得了一定成绩。据相关数据显示，全国数字政府建设指数平均值为51.7，其中14个省市区指数达到平均值及以上。但仍存在信息系统不互通、数据难以开放共享、数据资源利用水平低、存在安全隐患等问题，信息孤岛现象依然突出。 

无论是数字政府还是智能城市的建设，其关键点在于挖掘数据的价值，其次是运用大数据、云计算、人工智能等新一代信息技术，对政务数据进行整合、共享和开放，从而实现跨部门、跨系统、跨地域、跨层级的业务协同。

目前，央企阵营、运营商阵营、互联网阵营、科技阵营的优秀企业代表，紧追数字政府的建设步伐，纷纷加入到智能城市这一赛道，致力于帮助各地政府，各省市顺利上云。通过入局时间，可以看出，几大阵营的发力时间大致相同，但却找到了自己所擅长的赛道并持续深耕。 

央企阵营主要以中国电子云为代表，凭借IaaS、PaaS和SaaS的全栈能力，中国电子云自主研发了“原生于PKS”的新一代数字经济基础设施，其主打安全优势，主要在于数字政府基础设施承载了数字经济的关键核心业务，面临极大的安全挑战。另外，自数据安全法颁布以来，对数字政府的基础设施建设均提出了更高的安全需求，中国电子云致力于打造更安全的数字基础设施。 

运营商阵营，主要以中国移动、中国联通、中国电信为代表，三者均搭建了自有特色的云底座，其中，天翼云践行“5G+云+AI”三生万物的理念，打造云网融合底座及数字化平台；

移动云以“云网、云边、云数、云智”四融差异化为核心竞争力，同时凭借其搭建的全球最大云专网，提升了基于时延的大客户选路、路径保护能力，同时基于SRv6技术开放网络能力，引入承载网切片、端到端跨域开通、业务链等能力；

沃云凭借“安全可信、云网一体、专属定制、多云协同”的差异化优势，打造的数字化转型基座则主要协助政府构建统一的IT支撑环境，为政府机构提供基础云服务以及网络办公的软硬件条件。 

互联网阵营，主要以百度、阿里、腾讯、京东为代表，三者主要围绕政务云做文章，依托在互联网领域积累的丰富的技术经验，致力于在搭建云底座的基础上，进行更深入的实践；当然，在数字政府、智能城市这一热潮的刺激下，也吸引了包括华为、浪潮、科大讯飞等科技属性较强的企业的入局。 

正如前文所说，数字政府的建设最重要的是发挥数据的价值，通过雷峰网观察发现，近两年，京东云、华为云、腾讯云的势头最为强劲，这三大企业在夯实数字底座的同时，其差异化的实践也引来了社会各界的广泛关注。 

华为云：注重数字基础设施建设

数字政府建设的关键在于挖据数据的价值，这也正是华为云的主要发力点。从2016年开始与各地政府合作，到2018年“城市智能体”理念的发布，再到如今构建了以应用为中心的云原生基础设施，目的是为数据价值的发挥提供坚实的底座。

华为EBG中国区副总裁杨萍曾强调，在智能城市方面，华为的定位是要打造智能城市的神经系统，做智能城市的使能者和推动者。智能城市的神经系统包括中枢神经系统和周围神经系统，因此智能城市不仅要有城市大脑，还要有各种信息感知系统，能够实现数据上传、分析、处理、决策再到行动的完整闭环。

通过前期与各地政府的合作积累的技术经验和实战经验，“智能城市体”理念呼之欲出，并在此基础上提出并构建了“智慧大脑”系统和城市数字平台等方案，从而形成了“平台+生态”的发展战略。

简言之，华为云在智能城市方面，向下提供数字基础底座，向上提供平台从而构建完整的生态。 

这一战略主要是在华为传统优势的基础上进行延伸。首先，华为是传统ICT基础设施供应商，在云数据中心、基础网络以及存储等方面具备天然优势，这为城市智能体提供了坚实的底座基础，汇总城市各系统各部门在运营过程中产生的数据。 

其次，新基建政策下，5G、边缘计算、人工智能等新一代信息技术的出现和发展，为华为云智能城市建设提供的新动力，在大数据、物联网、GIS、视频云、融合通信等新ICT基础上，将这一系列信息技术与智能城市体系相融合，构建一个云网边端协同的一体化智能系统，通过融汇、治理城市全域数据、让城市实现数字化管理。

正如杨萍所说的中枢神经系统和周围神经系统，均利用了华为传统ICT基础设施的经验，其中，智能城市“中枢神经”，即智能城市大脑，对应城市智能运营中心和城市大数据中心，可对城市各项运行指标进行检测，同时还可支撑城市应急联动和分析决策；而“周围神经系统”，即城市感知网络体系，对应城市物联网，和有线和无线通信网，可实现对城市全场景数据的自动采集与传输。 

城市数字平台则利用了新ICT能力，并融合了5G、人工智能等信息技术，实现数据融合、业务协同与敏捷创新。该平台可以使各类底层资源得以共享，能力最大程度释放，同时为后续数据融合，数据运营与增值，以及应用的打通奠定基础。 

如今，迈入政务云3.0时代，华为云再次认识到了云在智能城市建设中的重要地位，从应用角度出发，其构建了以应用为中心的云原生基础设施，实现了政务云业务生命周期的全面管控，从而为数字政府提供专业化、精细化的业务运营，推动数字政府的长效化、可持续化发展。

张平安在一次接受媒体的采访中曾表示，华为云未来的使命是让云无处不在，让智能无所不及，共建智能世界的云底座，这也是我们将来的战略发展方向。 

无论是基础设施网络的搭建，智能操作系统的运营，还是应用大量场景的AI赋能，华为依托主打的是云技术、云底座。目前，上海黄浦区城运中心依托城市智能体技术底座，打造了“一网统管”平台，有效降低了20%城市事件处置时长，并且AI人工智能派单率占总工单80%，机器派单（AI+RPA）准确率达到88%，真正做到机器换人力，智能增效能。 

京东云：以数据为中心做“一网统管”

聚焦到京东云智能城市，在京东集团副总裁郑宇看来，数字政府和智能城市要从真正的业务需求出发，如今，数据是土地、劳动力、资金和技术之后的第五个生产要素，政府作为数据资产的管理者有权利也有义务发挥数据资产的要素价值，但仍存在数据孤岛，数据不能共通、共享等问题，这主要是缺乏统一的底座和生态基础。为此，京东云搭建了智能城市操作系统。

“智能城市操作系统”，相当于智能城市的数字和技术底座，其利用时空数据引擎、AI算法以及可视化分析技术等诸多前沿科技，让城市在运营过程中产生的海量信息进行高质量对话，有效解决智能城市建设过程中信息难以互通共享的根本难题。 

虽说数字政府、智能城市建设需要统一的基础平台打好基底，但也需要城市各系统之间的协同来完成精细化管理。

郑宇表示，智能城市操作系统是京东云最核心的定位，为了体现数字底座的强大并促进政府信息归集和更新，一定要在上面做业务牵引。就像微软做Windows以后必须要做Office应用，智能城市操作系统相当于Windows，市域治理（一网统管）相当于Office，其连接政府、企业、民生等三方。 

如今，我们可以清楚地看到京东云智能城市一直在围绕“市域治理”做文章，这正是京东云智能城市区别于其他厂商的打法。郑宇认为数字政府建设需要经历五个阶段：

• 第一阶段是城市中各个垂直业务系统的信息化；

• 第二阶段，一网通办；

• 第三阶段，垂直领域的智能大脑；

• 第四阶段，城市治理“一网统管”即市域治理现代化；

• 第五阶段，一网通办和一网统管的双网融合阶段。

从部门单一业务的信息化到城市治理一网统管即市域治理现代化，目前，数字政府已经到了“一网统管”的新阶段。紧跟数字政府建设的进程，京东云清楚地认识到一网统管阶段，市域治理之于数字政府建设的重要性。  

在郑宇看来，市域治理是推进国家治理体系和治理能力现代化在市域范围的具体实施。基于此，京东云提出了以智能城市操作系统为底座打造市域治理现代化，创新了“一网统管”新范式。

市域治理现代化是打通城市各治理系统的中台和管理全域的实体中心，实现“一张网络管全城、一个中心管全域、一支队伍管治理”。市域治理现代化可以在打通城市各部门数据的基础上，进一步联通各部门的业务系统，使得指令可以在不同部门之间流转，完成对事件的高效、协同处置。同时，设立市域治理指挥中心实体机构，将城管、综合治理、12345 等相关部门与之一体化运行。 

目前，北京、上海等多个城市区域已经在京东云的助力下，在政府数字化升级上积累了实践经验，江苏南通更是借助智能城市操作系统这个底座搭建了全国首个市域治理现代化指挥中心。

市域治理现代化既需要建设“一网统管”的系统，也要构建市域治理指挥中心实体机构，通过技术创新和机制创新来实现分析研判辅助决策、监测预警防范风险、联动指挥行政问效、基层治理共建共享等价值。

在技术创新层面，城市治理“一网统管”以城市状态一网感知和城市数据一网共享为基础，以大、中、小三屏联动为信息流转方式，以数字孪生为虚实映射的桥梁和人机交互的界面，让各部门高效协同、各层级行动一致、各事件闭环处置，确保城市的安全、稳定和发展。

 

在机制创新层面，一方面要设立市域治理指挥中心实体机构，将城管、综合治理、12345 等相关部门与之一体化运行。另一方面，加强考核问效，将数据共享的时效性、完整度纳入到部门考核，确保数据更好的汇聚共享，优化部门工作效率与处置流程。 

目前，南通市10个县（市、区）、66家市级部门，共4095项数据资源实现共享。南通市市委副秘书长、市域治理现代化指挥中心书记李学义介绍，指挥中心实时汇聚了百姓生活方方面面的信息，通过对信息进行研判、分析，可以及时掌握群众关注的热点、痛点，更加精准地为群众服务。

在南通市市域治理现代化指挥中心，工作人员每天会接到许多大大小小的线索，有的来自12345、网络渠道上报，有的来自基层工作人员的主动发现。据了解，指挥中心建设了1个市级指挥中心、10个县（市、区）指挥中心和96个乡镇街道指挥中心。7万多名网格员在一线，把各种突发情况上传到指挥中心。 

2019年开始，京东云联合宿迁市政府推进全市政务上云，解决了各部门自成体系的信息孤岛问题。宿迁市政务云已完成全市75家单位309个系统迁移上云，上云率高达98.9%，包括“一张网”系统、公共资源平台、公积金系统等在内的核心信息系统均已迁移到政务云平台。

在云之上，2021年，宿迁市联合京东云共同打造中小城市数字化转型样本。在京东智能城市操作系统的技术支持下，宿迁市市域治理现代化指挥中心围绕“一屏观全城、一网管全城、一端惠全城”的目标，推进“综治、城管、应急”三网融合，构建“大综治、大城管、大应急、大交通”四大治理格局，大力实施数据、系统、网格、资源、业务、人员等深度整合。围绕好用管用实用成功保障了宿迁市2021年京东宿迁马拉松、2021中国酒都文化旅游节、2021中高考保障等重大指挥调度活动。

江苏省宿迁市人民政府副秘书长、市政府办公室(研究室)主任、市大数据管理局局长、市域治理现代化指挥中心主任骆志弘表示，数字化、智能化与经济、社会、治理等深度融合是大势所趋，宿迁市积极推动数字治理系统变革，以数字技术应用和理念创新、制度创新、方法创新，打造市域治理现代化指挥中心和“1+9+N”三级指挥体系，大力推进系统、数据、应用、技术深度融合，推动跨层级、跨区域、跨系统、跨部门、跨业务的“五跨协同”机制，有效提升了城市治理的能力和水平，为全国中小城市市域治理提供了宿迁方案。

从最初的智能城市操作系统、到市域治理现代化，在一网统管阶段京东云又进行着创新。

郑宇坦言，京东云最终要做的是向“一网通办、一网统管双融合阶段”迈进。政府服务一网通办是居民访问政务服务的入口，是居民参与城市治理的通道，以及政府改善民生的窗口；政府办公一网协同是政府办公系统的中台和应用入口；一网统管前面也介绍了，是政府的业务中台。

双网融合就是通过一个数字底座、两个应用入口（政府侧入口和居民侧入口）和三个中台来实现，最终确保城市的安全、稳定和发展，为全面提升国家治理体系和治理能力现代化做好承上启下的支撑。 

腾讯云：重连接、强生态、拓场景

区别于华为云的技术底座的打法，腾讯依托其在全国最强的“连接一切”的能力，近几年在智能城市领域频频出手。正值2018年930变革之时，腾讯公司政府行业总经理王刚曾表示，数字政务、未来城市是腾讯云未来两到三年在to B领域里一个重要的发展方向。  

以腾讯推出的新一代WeCity技术平台为例，底层基础，其将5G、大数据、物联网、人工智能等技术能力整合，构建了数字政府所需的数字底座。中层平台，打造服务、应用、数智、身份一体化融合引擎，提供面向多元服务架构的融合平台，构建未来城市的可拔插、一体化能力中枢；上层应用，帮助政府在服务、协同、监管、决策、治理、产城六大领域的能力进行升级，打通泛在终端入口，连接政府、民众和企业三端流量，全面提升城市综合能力。 

通过观察可以发现，底层基础和中层平台是每家云厂商都具备的能力，但腾讯的优势是其强有力的连接能力，诸如，在消息精准送达城市中的特定人群方面，以及各系统间消息交互方面，微信有底气覆盖最大人群；另外，在线下的小程序布局方面，腾讯也具有领先优势，这对于城市总体的管控而言，无疑会提供更多的便利。

与生俱来的2C基因＂，奠定了腾讯云在城市入口与市民应用体验方面的明显优势。腾讯＂WeCity未来城市＂理念也充分体现了＂以人为本＂，对实现智能城市的＂初心＂势必将起到积极的推动作用。总结起来有三点：

1. 以移动端应用为突破口，推动政务服务便民化；

2. 以云计算作为基础支撑，打造数据底座；

3. 以城市大脑为中枢，打造应用中台、数据中台、人工智能中台。

腾讯将在数字政府建设中的定位为一个目标，三个角色。 一个目标即通过数字政府的建设实践，成为数字政府建设的助手。

三个角色即发挥连接器的作用，应用科技手段，连接政府与老百姓、政府与企业、政府与公务员之间，提升工作效率；提供一系列工具，提升数字政府的效率；数字政府的建设是一个庞大的工程，腾讯致力于成为生态共建者。 

相比于华为云，底层技术显然不是腾讯云的王牌，凭借连接这一利器，2018年“粤省事”移动政务服务平台正式上线，2019年武汉智能城市系统平台的搭建，再到今年河南省光山县“光山号”小程序的成功上线对接，越来越多的城市正在成为腾讯云数字政府建设的受益者。 

写在最后

从目前来看，数字政府、智能城市的建设，要解决的问题大相径庭，从几大阵营的探索过程可以发现，它们的做法大致相同，无非是构建数字基础底座，目的是解决政府、城市、部门之间长期存在的数据孤岛问题，使政府从粗放式、离散形的建设模式向集约化、整体化的可持续发展模式转变，推动政府管理从各自为政、相互独立的运作方式向跨部门跨区域的协同互动和资源共享转变。 

但是数字政府、智能城市的建设并非搭建一个基础底座这么简单。可以说，数字基础设施是标配，但如何做到行业顶配，就需要在底座的基础上做更深入的延伸，即在共性中寻求个性的内容。诸如中国电子云主打安全牌，天翼云重视“5G+云+AI”的深入融合、华为云提出的云原生概念，腾讯云的连接能力，京东云聚焦数据中台搭建和顶层设计，这些都是服务商特有的标签。

共性也好，个性也罢。总体来说，无论是数字政府还是智能城市的建设，都将是一场拉锯战。相信未来随着数字政府建设的不断深入，智能城市的脚步逐渐加快，几大阵营的竞争将愈发激烈。

（雷峰网 雷峰网 雷峰网）

如果要用一个词来概括2021年的AI安防圈，「内外交困」稍显贴切。

从大趋势看，疫情已经发生两年，且短期内看不到终止的迹象：国外主要经济体几乎全部沦陷，国内不时出现局部疫情，两个大市场都面临着严峻的经济形势。

外部，企业向外走遇到更多阻力，一方面海外市场客户购买力下降，企业不得已将产品进行优惠出售，其例证便是毛利率的同比下滑；另一方面，美国先后将一众头部公司拉入投资黑名单，外部形势不容乐观。

内部，AI投资热潮渐退，增速放缓，融资马太效应加剧，已经成长起来的AI公司拿走了融资大头；加上AI本身进入落地阶段，碎片化场景增加落地难度，目前还没跑出一条合适的商业化路径，不少AI公司都捂紧荷包过日子。

难，是几乎所有从业人员最真切的感受。从前几年海康威视总裁胡扬忠的“活下去”，到年底人工智能安防峰会上宇视总裁张鹏国的“必须与其他行业交合”，都佐证了这个行业面临增长拐点的事实。

但，时代是压力也是动力。在难的边界之外，也出现了一些新变化。比如新的增长极出现，以城市AIoT为核心的场景势能逐步发力；比如市场进一步优化，对技术本身的要求走向精细化；又比如资本浪潮退却下，裸泳者显形而探索者勇立潮头......

时代脉搏下，AI掘金志陪着行业走过了又一年，见证了安防与AI的交融与相互促进，以客观中立的角度为行业人士提供最前沿的市场变化信息、技术趋势以及新机遇、新视角。

如今，回望过去这一年，AI掘金志总结出这一年的重要「热搜」，从这些热搜关键词中找到“安防+AI”的变化和机会，以飨读者。

关键词一：出局

市场竞争是残酷的，有企业进入，也有企业退出。

对于出局者而言，告别总是难免，但却无声无息。

360视觉科技的败退，是诸多AI视觉公司掘金安防市场失败的一个缩影。在这条赛道上，前有海大宇，后有四小龙，入局者要么跟着大哥吃菜喝汤，要么独辟蹊径挖掘新市场。

360视觉科技无疑是想做独行者：以视觉安全为核心，依托360集团在安全方面的优势，来切入AI安防市场。

“安全，这是一切的基础。”时任360 城市智能集团执行总裁、360 视觉总经理的邱召强在接受AI掘金志采访时表示，360要“做业界最安全的人脸识别，2-3 年内做到人脸识别通行市场第一。”

遗憾的是，这个宏伟的目标才刚刚起航，轮船的帆便被一场大风给吹断了。

2021年7月，AI掘金志获悉，360视觉总经理邱召强已离职。360视觉研发产品销售团队基本被砍掉，员工或转岗，或离职，“整个业务板块大调整。”

AI掘金志交叉确认后得到了肯定回复，年底的安博会上，也不再有360视觉的身影，而是以“亿方云”（数据服务）的身份参加，从侧面佐证了上述消息。

不少从业者认为，这场大风起源于数据安全保护法。

2020年，数据安全保护法草案正式公布，几乎所有企业都已意识到数据安全问题，并在这方面发力，从芯片到终端，从边上云，无一不强调安全二字。

做安全有门槛，但是对于海大宇这种老牌豪门，和四小龙这类技术新秀，这类门槛似乎并不足以形成绝对优势的护城河。

当360视觉以安全为核心「剑走偏峰」切入市场，但业务尚未铺开，没有占领足够的市场时，其他厂商回过头来在产品上做安全，杀个回马枪，基于其成熟的业务网络，排挤掉前者似乎并不困难。

上述从业者告诉AI掘金志，市场饱和的情况下，业务没有增量，不值得360继续投资，因而被砍掉，也是情理之中。

与360视觉黯然退场同时进行的是，平安科技的默默无闻。

过去两年，平安科技的人事变动堪比地震，CEO陈立明、CTO兼总架构师方国伟、首席数据官翁志、首席信息官庞晶等相继离职。

很难想象，曾以智慧城市出圈的平安科技，在红火了数年之后，在安防圈里已渐行渐远。

“转型做数字化咨询。”一位接近平安的业内人士告诉AI掘金志，“搞技术的高管，都走得差不多了。”

以技术立身的前CEO陈立明走之后，陈心颖成为平安科技的实控人，后者曾在麦肯锡工作了13年，负责商业科技咨询服务，正在主导了平安科技向咨询公司转型的变革。

“在数字化浪潮下，转型做咨询，说不定更容易胜出。”该业内人士表示，陈立明离开后，平安科技对咨询的重视程度应该只增不减。

目前的平安科技，更喜欢说“对内赋能”，已没有征战安防与AI的雄心壮志。

AI掘金志认为，产业数字化大背景下，平安科技向咨询公司转型或许是一条破局的出路，但能否做起来还有待时间检验。（关于平安科技更多内幕，可参考：平安科技再度出走两名「首席」高管，全新「业务战略」浮出水面）

这次转型的另一层意思是：AI安防圈越来越不好混。

当AI安防走入深水区，势必对于企业的“泳技”有着更高要求，没有过硬的技术，很难“淌这道混水”。

360和平安科技的例子便是例证，这并不意味着他们没有做技术和产品的实力，而是企业在考虑发展业务时，必然从市场格局、发展趋势来考虑成本收益问题，当收益不明朗而成本支出可预知的情况下，转型其他业务再正常不过。

但不论如何，两家企业的暂时淡出，也在宣告这个行业的难与苦，开启了企业“退圈”的序幕。

关键词二：IPO上市

2021年底，AI安防圈最大的新闻莫过于商汤成功登陆港股。

商汤的上市之路稍显坎坷，递交招股书之后，即将上市之际突遭美国制裁，但最终在2021年的倒数第二天敲钟港交所。

AI第一股的诞生，意味着AI这个行业渐渐告别青春期，走向成熟期，体现出资本对AI的认可，但从长远的角度讲，能不能讲好AI故事，是一个巨大的考验。（关于更多商汤上市细节，参见：商汤上市启示录：一部「管理艺术」与「技术演化」史）

值得注意的是，商汤并非资本青睐的唯一，旷视、云从、云天励飞、格灵深瞳等已经成功过会，正紧锣密鼓地准备最后的冲刺。

不过，在AI掘金志看来，上市能给AI公司们提供更多元的筹资方式来拓展业务、发展技术，但仍旧没有跑出一条合适的商业模式，造血难的痼疾依旧存在，营收的压力将比此前更大。

“AI公司只有用正向的净利润才能完成对自身的证明，但现在仍看不到边界。”

除了备受关注的AI企业上市的消息，AI掘金志也注意到，安防巨头海康威视也正在进行“瘦身”运动，打算将萤石网络和海康机器人拆分上市。

通常，将子公司分拆上市，不仅有利于子公司的独立发展，比如融资、人才激励、管理等，还能支撑母公司的多元化发展战略。子公司拆分之后，自负盈亏而不再依靠母公司输血，员工的积极性得以提高，对品牌的竞争力也是一场考验。

海康威视将萤石网络和海康机器人拆分上市的动作，表明其在智能家居与机器人领域的深入布局，拆分之后，海康威视将以视频能力为核心，将业务线拓展至工业、能源、交通等多个场景，掘金智慧物联。

不可否认，资本运作确是企业发展的重要推力。

但从根本上讲，资本运作对企业，是手段而非生存之道。企业只有脚踏实地做产品和服务，才能形成完整的业务闭环。否则，以资本运作堆砌起来的空中楼阁，终有倒塌的时候。

关键词三：数据网

2021年，从政策方向看，《个人信息保护法》和《数据安全法》的实施，对行业起着定调作用。

这意味着企业在进行数据集采、传输、存储、分析等过程中，无一例外要保证数据安全。

两部法律构成一张巨网，对这条产业链上的企业形成规制。

AI的基础是数据，依靠数据才能训练算法。在前端感知侧，公司收集数据时要考虑是否合规，其数据来源的多样性、数据种类将会缩减；在数据传输、存储侧，云边端芯每一个环节都需要对数据进行加密处理以防止泄露，这对企业本身的技术实力提出要求；在分析侧，敏感数据或者特殊数据并不适用于算法训练。

比如，以前企业可以采集人脸数据，做业务创新，但现在只能在某些特殊场景才能采用人脸，并且用途有限。

“数据安全合规时代到来。”腾讯安全云鼎实验室高级研究员谢灿表示，《个人信息保护法》和《数据安全法》有两个特点：一是范围广，包括国内、跨境以及不同行业，都有相应法律合规性的要求；二是处罚力度大，《个人信息保护法》对违法违规企业的罚款是全年营业额的5%。

但张数据网在规制企业的同时，也催生出对数据安全保护的需求，以网络安全、隐私计算等标签出圈的数据公司正迎来风口期。（关于更多数据安全，参考：《数据安全法》今天正式实施，企业应该「恐慌」还是「拥抱」？）

“表面看，企业的成本一定程度上增加了，但整个产业链实际上更加完善，从长远来看，是有利的。”

AI掘金志认为，《个人信息保护法》和《数据安全法》的出台既是趋势也是现实所需。

在行业初期，政府在引导某个产业发展时，更加看重产业对经济发展的促进作用；而当行业进入成熟阶段，其侧重点必然趋向于以人为中心的服务，对产业的合规性要求成为必需品。

行业必然要在法律范围之内才能走得更远。

关键词四：芯变局

芯片问题由来已久。

早在去年，AI掘金志就注意到安防芯片格局变化，参见：海思「缺货」，安防「缺芯」。

从2019年开始，美国的制裁步步紧逼，海思的生存空间进一步收窄，出货量大打折扣，在后端芯片领域，从此前高达60%-70%的市场份额下降至30%左右（数据来源：光大证券），前端芯片份额也急剧下滑。

与之相对应的是，国内的富瀚微、国科微、北京君正、中星微、星宸科技等芯片公司快速崛起，安霸、德州仪器等国外公司亦卷土重来，志在重新夺回高端芯片市场。

数据显示，2020年，在IPC Soc芯片方面，海思市场份额下降至30%，星宸科技（25%）、富瀚微（17%）、北京君正（12%）以及国科微（5%）等瓜分了60%的市场。

可以看出，在前端芯片领域，海思跌倒让出的市场份额被国内企业有效承接，基本上能够实现国产化。

但在DVR、NVR Soc芯片方面，国内企业虽然加快了布局和研发力度，但主要市场被国外的安霸、TI等公司占据，约有60%到70%左右的海思客户不得不转向价格高昂而合作条件严苛的外企。

在高端芯片领域，海思之后，仍旧没有企业能扛起大梁。

一个有趣的例子是，今年的安博会上，华为已经缺席，但海思依旧存在。AI掘金志在安博会当天，因慢了一步，海思展台上的宣传物料和名片早已“无货”，展台上人流拥挤，甚为火热。

在与海思相关人员的交流中，AI掘金志发现，国内企业对于后端芯片的需求仍然旺盛，然而受限于制裁，海思只能消耗存量，但对于巨量的市场显然远远不足，这也是今年芯片热的原因之一。

在安防「缺芯」升级，背后的八大原因一文中，AI掘金志从多方面梳理了缺芯的原因，并指出：在持续性的缺芯危机之下，供应链安全问题凸显，芯片供应链成为安防产业链中众多企业的核心竞争要素之一。

AI掘金志认为，安防缺芯的实质，是传统安防向AI安防升级带来的对高端芯片增量需求与供给不平衡的矛盾，美国制裁加剧了这场矛盾的爆发。

要解决这场“缺芯之战”，仅仅依靠海思远远不够，必然要整个产业链企业的共同努力，一方面实现国产替代化，一方面推动整个安防芯片行业的升级。

由此看来，未来的“芯格局”，不论是前端ISP/IPC，还是后端DVR/NVR，芯片国产化应当是主流趋势。AI掘金志也希望，在未来，国内企业能够借势而起，撑起安防芯片的一片天。

关键词五：场景数字化

360视觉撤退之后，将主力放在了数字城市板块。

无独有偶，平安科技向咨询公司转型的初衷，也是看到了产业数字化带来的机遇。

对于安防企业而言，数字化已将所有人的耳朵磨出茧，在2021年12月AI掘金志主办的人工智能安防峰会上，海康威视李亚亚、宇视张鹏国、希捷孙丹等头部企业高管无一不谈数字化。

正如孙丹所言：疫情给部分行业按下暂停键，但数字化转型是提速的。

如何理解数字化？

中国网络空间安全协会副理事长、前华为全球智慧城市业务部总裁郑志彬表示：数字化转型不是信息化的简单升级，是提供全新解决物理世界问题的模式。

而在数字化转型背景下，“跨领域的数据融合应用场景X走向深水区”。

所以AI掘金志以“场景数字化”来概括技术转型与实际落地场景之间的深度融合。

不论是海大宇，还是一众AI公司，在提及产业数字化的同时，必然强调落地场景。

一方面，产业数字化涵盖的行业非常广，业务面很宽，不同行业之间的不同痛点，单一的技术并不能解决问题，而是需要多种技术乃至定制化开发才能完成。

另一方面，AI技术从空中楼阁走向落地，如何做好技术与场景的结合，是AI公司的头等大事。

简而言之，在数字化这个历史机遇面前，所有企业都在做场景化适配，尽可能以技术覆盖更多的场景，来建立自身的护城河。

AI掘金志认为，未来的竞争，将是基于场景的争夺。谁能深刻理解场景，提出场景化解决方案，谁就能在数字化浪潮中站稳脚跟，在激烈竞争中生存下来。

关键词六：城市AIoT

在数字化转型浪潮下，安防圈“去安防化”已经成为共识，企业们现在更愿意提“城市AIoT”的概念。

城市AIoT可以简单理解为，以“AI+IoT”（技术+场景）的组合来解决数字城市建设中的各类难题。

从根本上讲，AIoT是城市数字化转型的技术路径。

旷视资深副总裁曹志敏对AI掘金志表示，AIoT是技术手段，AI技术将分布在各类IoT场景下的传感设备所收集到的数据，以机器手段实现数字化，从而解决场景痛点，这是技术的价值点所在。

之所以把城市AIoT和数字化分开讲，AI掘金志认为，数字化是大趋势，而城市AIoT则更侧重于城市治理，客户属性偏G端，而数字化本身还包括B、C端业务。

而在城市AIoT这片战场上，已经形成两种路线：合纵、连横。

合纵强调专业化，建立生态，在某些领域做深做透；连横侧重多元化，讲究扩张，旨在做大做强。

对于这两种模式，AI掘金志采访了多位业内专家，表示出不同看法。具体参见：「合纵」or「连横」，城市 AIoT 模式之争。

但在AI掘金志看来，不管黑猫白猫，能抓老鼠便是好猫。对于合纵与连横，不同的企业选择符合自身的发展路径，皆是合理的，关键在于技术和产品，能否真正解决问题，从而形成正向的现金流闭环，这是企业持续发展的根本。

总结&展望

回顾2021年，AI安防圈似乎没什么变化，还是同样一波人，在做同样的事。

所不同的，是大环境变动下，企业、资本、人才等要素的自由流动。

如果把这些要要素收集起来，做一次数据分析，或许可以得出这样一个结论：各类要素在局域内调整，但整个圈子在不断扩大。

换句话说，原来的圈子里面的要素，只不过在重新进行排列组合，但这却带来了新的化学反应，让业务变得更广，市场变得更阔。

2022年，圈子里面的企业和人才，都将踏入新的征程。雷峰网雷峰网

传播学者贝拉·迪克斯在其著作《被展示的文化》中提出：地标是一种空间符号，构成城市主体可亲身互动的空间结构。

作为一种“可解释的公共视觉修辞文本”，地标的造型结构、身高比例、建设规模、地理位置、承建单位等“视觉符号”，在撑起城市牌面的同时，也承载着历史、人文、科技、建筑等文化内涵。

如果要给地标装上好看的皮囊，这或许并不困难，历史悠久的建筑学早已将这些东西吃透。

难点在于如何给地标注入时代元素，赋予其内涵、文明其精神，使之能够代表城市的文化精魄，一如提起解放碑就能感知历史的厚重；说到华润春笋便可沐浴改革开放的春风。

在诸多地标中，智慧之门并不是最知名的那个，但在科技感、智能化等现代元素上，却不弱于其他闻名遐迩的建筑。

智慧之门，何许人也？

在杭州滨江区，除了大众所熟悉的阿里巴巴、吉利汽车等企业之外，曾以安防起家的国内三大巨头，海康威视、大华股份、宇视科技皆坐落于此。

这里既有以阿里巴巴为代表的互联网小镇，也有以海康威视为代表的物联网小镇，“互联网”+“物联网”的结合，共同构成了现代人们生活的重要两极。

很难想象，这样一个高新技术区，尚且没有一个出圈的地标。

“滨江并不缺乏高楼，但真正能让大众记住名字的几乎没有。”

从传播学的角度看，给高楼取一个高大上的名字，或是一个不错的选择。譬如深圳平安大厦、北京中国尊，既有内涵又不乏诗意，易于传播。

“在取名的时候，一方面考虑到园区特色，一方面注入时代元素，并且要让大众更容易理解和记忆，我们最终采用了‘智慧之门’这个名字。”

云知声创新事业部总裁陈吉胜告诉雷峰网，智慧之门位于杭州滨江物联网产业园区内，定位为城市入口的地标建筑。智慧，即代表着物联网最大的特点之一：人工智能、大数据等技术与产业的深度融合。

具体到智慧之门，实际上是人工智能与地产行业的一次“联姻”。

房地产进入白银时期已是业内共识，从传统的增量市场到存量市场，地产公司们都在寻求新的增长点，科技转型是新趋势，物业则是新战场。

云知声创新事业部总裁陈吉胜表示，白银时代，地产公司此前粗犷拿地建房卖房的模式已经不可持续，智能化、数字化改造物业，提升产业附加值，成为新业态。

在这条道路上，企业们有的向左“搞自研”，如华润万象、龙湖地产；有的向右“搞联合”，如恒大、中海、万科、绿城等。

“地产公司与AI公司可通过协作来实现优势互补。”陈吉胜告诉雷峰网，智慧之门是世茂集团与云知声的合作项目之一，其内部的智能化建设由云知声和世茂物联（世茂集团子公司）负责，走的是联合路线。

这是一个双向选择的过程：地产公司需要技术赋能，但缺乏技术基因；AI公司有技术但落地场景有限。

因而，智慧之门也被视为云知声“AI+地产”的一次尝试。

雷峰网了解到，智慧之门主体由AB两座双子塔构成，建筑高度为279.16米，是整个滨江区最高的建筑，旨在利用AI、云计算等技术，提升园区在管理、服务方面的智能化水平，“打造区位的办公标杆”。

区位、结构、高度等特征构成了智慧之门的外在，但支撑其真正出圈的，却是以智能化为核心的内在灵魂。

灵魂三要素：标准化、系统化、一体化

在《被展示的文化》中，地标不仅仅是文化的载体，而且具备“现代化商业价值”。

这类商业价值主要体现在两方面，一是地标带来的旅游效应，吸引更多的游客慕名而来，带动周边消费；二是地标本身具备商业功能，除去招商引资之外，还是企业办公的不二之选。

作为滨江物联网产业园的最高建筑，智慧之门主要为企业提供基础设施、办公场所，因此对智能化、人性化等要求非常高。

“智慧之门最大的亮点是，整个项目共19个子系统实现了统一的数字底座，以保证数据的互联互通，并且所有系统都是定制的。”

陈吉胜表示，传统的地标建筑采取的是分包模式，各类系统由不同的公司主导，甚至软硬件也由不同的公司提供，系统之间存在不兼容、互联互通难的情况，对于管理、服务的效能提升并不多。

例如，某人要参加会议，但时间非常紧迫，从开车入场到寻找车位、搭乘电梯、正式参会，需要把时间缩到最短。

传统的分包模式下，各系统之间不一定兼容，开车入场之后，寻找车位就需要大量时间，遑论其他。

智慧之门则将各系统打通，形成完整的处置闭环：参会者通过人脸识别可快速开车入场，并按照引导直接将车停入固定车位，与此同时，系统自动派梯，实现无缝切入，与会者可快速乘梯参会，并使用语音识别系统建立完整的会议纪要。会后，可通过反向寻车，输入车牌即可快速定位车辆，驾车离场。

“地产公司其实更想要的是整体化解决方案，而非单个子系统的交付。”陈吉胜告诉雷峰网，业主对物业服务的需求非常清晰，但缺少中间环节，即把客户需求和技术之间通过解决方案融合贯通起来，解决实际问题。

虽然弱电系统不是新事物，但在智能化、数字化方面，地产公司了解的并不多，缺乏整体设计、把控以及技术能力。因而通过建立统一平台，将所有数据和系统打通，就能产生巨大的价值量。

在陈吉胜看来，建房子好比做手机，智能化应用相当于手机的操作系统和应用程序。

手机厂商推出来的是软硬一体的、用户拿到以后就能用的终端产品，地产公司推出的写字楼或办公楼，必然在智能化、信息化、数字化方面都已搭建完成。

“企业更喜欢拎包入住，而不是自己搞装修。”陈吉胜表示，一站式解决方案的优势在于，既能减少成本，学习曲线也低，对企业的降本增效能带来大幅提升。

从另一个角度看，楼宇的智能化建设周期大约需要1-2年。在这个过程中，技术也在发生变化，如果一开始将方案固化下来，那么在项目交付时，技术可能并不足以解决新的问题。

所以，地产公司需要具备自主研发能力的企业，能把技术进行实时更新迭代，确保解决方案能保持不错的效果。这样不论对于甲方还是业主，或是入驻企业的员工，都能带来良好的体验，形成“多赢”局面。

“这也是世茂选择云知声的根本原因，能够提供全栈式解决方案。”

目前，智慧之门包括信息设施、公共安全防范、建筑设备管理三大主系统，三大主系统之上，有统一的AIoT平台做管理支撑，平台上会有针对具体场景的应用软件，便于管理人员日常操作使用。

主系统之下根据不同的场景细分为19个子系统，如会议、视频监控、紧急报警等等，涵盖楼宇的各个角落、各类场景。这些子系统与硬件设备相互兼容融合，成为整个智慧之门的“基础设施”。

注，19个子系统包括：防盗报警系统、火灾报警系统、USP系统、会议系统、VRF空调系统、冷机群控系统、BA系统、电力监测系统、公共照明系统、景观照明系统、泛光照明系统、电梯系统、门禁系统、通行系统、停车系统、安防系统、能源系统、气象站系统、信息发布系统。

除此之外，智慧之门另一个特点是，能够实现云边端一体化。

• 云侧，智慧之门的AIoT平台可以根据地产公司的需求，应用到不同的云上，平台集成了云知声自研的AI引擎，以及各类物联协议，确保硬件设备能稳定接入，从而实现24小时不间断的互联互通。

• 边侧，云知声提供边缘计算相关产品，通过算力前置、应用备份等方式，保证智慧之门在断网、断电等紧急情况时，保持整套系统的正常运行。 

• 端侧，云知声提供的系统已经与前端设备进行适配，比如摄像头与海康合作，智能音箱由自身提供，一些交互屏幕则由云知声的供应商生产，来保证终端设备与云、边之间的融合。

总的来说，一体化是智慧之门的核心标签，而一体化的背后是设备、协议的标准化、系统化，“三化”共同支撑起智慧之门的整体结构和场景能力。

门的另一侧，岂止于大

目前，智慧之门项目已进入最后交付阶段，不少商户已经拎包入住。

“我们希望能更深入到不同商户，为企业的降本增效赋能。”

陈吉胜告诉雷峰网，虽然云知声里面有“声”，但自然语音识别仅是其核心技术之一，“知”显然更能展示云知声作为一家AI公司想要赋能各行各业的愿景。

在传统文化语境里，知的释义为“知道，理解”，同时也通“智”，即智慧。

“以技术理解场景，解决需求，同时场景反哺技术，达到更加智慧的状态，是云知声的目的。”

陈吉胜表示，云知声已经建立起超算平台。

基于此平台，云知声可以快速演进各种AI算法，巩固其自然语言理解能力的同时，快速拓展在人脸图像、机器翻译方面的能力，从而建立起涵盖感知（眼睛、耳朵）和认知（大脑）的智慧体系。

在业务方面，云知声分为三大板块：云，智慧物联和智慧医疗。

• 云服务涵盖PaaS和SaaS，PaaS由AI开放平台和AI芯片应用开发平台构成；SaaS则包括云智云AIoT平台、超算平台等，主要面向开发者和技术人员、合作伙伴等。

• 智慧物联以云知声的AI技术为核心，落地到家居、园区、交通等不同场景，提供相应的解决方案。

• 智慧医疗则主要将智能语音识别技术（ASR）、自然语言理解技术（NLU）、临床知识图谱技术应用于医疗领域各个场景，赋能临床诊疗。

“云知声已经是一家全栈硬核AI技术公司，正在逐步拓展业务边界。”陈吉胜透露，智慧之门只是云知声诸多项目中的一个案例。

在智慧物联方面，云知声的解决方案正落地在不同的场景之中。

“物联网是下一个万亿级的蓝海产业。” 

陈吉胜认为，以AI为核心的智能物联将成为新的市场机遇。云知声在自研芯片、AI平台、AI技术等方面具有优势，将不断迭代技术和产品，为行业提供智能化解决方案。

结语

作为园区对外宣传的窗口，地标对于产业集聚的促进作用，也是显而易见的：华润春笋与制造业联系紧密，平安大厦代表着深圳金融中心，腾讯滨海大厦则象征互联网产业......几乎每一个地标，都带着鲜明的旗帜。

未来，人们提起智慧之门，第一印象会是什么呢？

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

作为上午场的开场嘉宾，虞晶怡从深度学习的角度，从建模、渲染以及隐私保护三个方面分享了对未来城市元宇宙的理解。

虞晶怡提到，他所研究的计算机视觉领域一个非常重要的任务，就是完成物理世界向数字世界的映射。为了完成这个映射，产生了非常多的概念，比如最早的数字孪生，到现在的元宇宙。但无论是什么概念，归根到底需要解决几个核心问题：

三维建模如何完成？图像分析如何完成？隐私保护如何完成？

虞晶怡教授从四个方面出发阐述了对以上问题的理解：

计算成像、三维重建、智能融合、隐私保护。

2D计算成像。过去几年，编码成像取得了很大的进步。在图像质量方面，利用编码成像可以在高速和离焦的情况下获得更好的图像。

虞晶怡指出，做智慧城市离不开三维重建。计算机视觉界已经做了很多年，其中最为出色的解决方案来自谷歌的“一日建模”。具体有三个步骤：通过针对大量图像进行位置猜测，再通过特征提取获取精确的相机位置，再对图像特征进行匹配和三维确认，最后得到模型，这个方式在大规模城市重建中非常常用。

基于神经网络深度学习的最新方法，即2D+3D融合。因为很多智慧城市模型并不精确，将城市进行三维重建后，把二维的贴图与三维模型融合，可以得到多视角视频。

最后，虞晶怡教授着重分享了隐私保护，他认为重建做得无论多好，最重要的是保护隐私。

以下是虞晶怡演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

今天给大家分享一个我认为非常有意思的话题，主题叫《The future of MetaCity：Modeling，Rendering，and Privacy Protection》，讲讲我眼里的元城市，我会从深度学习的角度分享如何建模、如何渲染，以及最重要的如何保护个人隐私。

大家讨论的智慧城市是什么？这是一件很有意思的事情。我记得很多年前王坚博士跟我有个讨论，他想要知道智慧城市的一个功能，比如“你能不能告诉我现在马路上有多少辆车在开？”

这个问题听上去好像很简单，其实很复杂，虽然我们已经有大量摄像头，但每个摄像头只能看到城市中很小一部分的车辆，如何统计出它们分别在什么位置，如何计算出有多少车辆是非常大的挑战。

我研究的领域是计算机视觉，其中一个非常重要的任务是完成从物理世界向数字世界的映射。完成了这个映射，大家就可以玩各种概念。而从最早的数字孪生到现在的元宇宙，归根到底，需要解决几个核心问题：

三维建模怎么完成？图像分析怎么完成？隐私保护怎么完成？

今天的演讲主要分为四个部分：计算成像、三维重建、基于神经网络深度学习的最新方法、隐私保护。

计算成像/2D高清图像/智能视觉

第一部分，所谓的2D高清图像，就是传统的计算成像。过去二十年我一直在做计算成像，设计了各种各样的相机系统。

相机系统本身很复杂，有很多组成部分，比如相机的镜头、快门、闪光灯、光圈以及各相机阵列。得益于计算成像，在获取图像之后可以通过各种计算方法对图像进行进一步的分析，基于此，我们已经可以做很有意思的事情了。

2018年上海第一届进博会，我们展示了一个技术，叫“亿万像素的上海”，照片可以进行实时无穷尽地推进。

可能大家都去过上海，但绝大部分的人没有去过东方明珠的塔尖（因为去的话就会被就地拘留）。这幅图片是140亿像素的上海，我可以随时随地做实时渲染，也可以推进到东方明珠的塔尖，你甚至可以看到塔尖上有几根天线。

这个系统是如何完成的？通过光场相机系统，用很多相机拍摄后进行拼接，再进行渲染。我们不希望这个渲染是在集群上进行的，因为云端渲染非常昂贵，而是在手机等便携终端上，比如刚才的示范样片就是在小米电脑上进行实时渲染。

我们当时利用了计算成像的算法技术，其实就是把图像进行分级的分割和存储，最后在存储之后，就能够非常快地索引到每一个部分的模块，这个文章发在TVCG上。 

这项技术最近有很多进展，过去一年，有很多基于深度学习的方法，能把整个图像压缩在一个网络之中。 

计算成像另一个优势是，不但能做超高清的成像，还能做超高速的成像。 

十年前我做了一项工作，叫“超高速下的编码快门成像”（Coded Shutter Imaging：Ultra-High Speed），我拍摄了高速运动的车辆，试图通过图像的逆问题把图像恢复出来，比如高清恢复车牌。 

传统的快门在高速运动下为什么做不了？ 

在传统快门高拍摄的过程中，整个快门就是关和开，如果把这个问题映射到傅里叶域，首先面临的是图像卷积的问题，它等于是用模糊的（也就是低频的）卷积核卷积了一张清晰的图像，整个图像的高频成分会被损坏，更糟糕的是逆卷积非常难，因为这是基本的数学问题。

Sinc function有一个弊端，首先它的高频部分会发生非常猛烈的振荡。其次，它会多次切入零点，如此，这个乘积就无法做除法，因为到处都是0点，那怎么求解这个问题？十年前我们就开始想如何解决这个问题。

第一种方式是快门随机地开/关，图像同样会被模糊掉。但为什么这个随机的开/关能使得“去模糊”的方法做得更好？因为随机开/关，等价于每次开的时候是sinc 函数，但因为它的位置不一样，等于把不同的sinc 函数在里面叠加，其结果就是这个频谱非常好看，因为同时在这个位置出现0的可能性非常低，我的目标是在频域里不希望出现0点，出现0点没办法除。有了这个频谱之后，用编码成像的方法对图像进行恢复，结果恢复得很好。

举个例子，这是一幅编码成像的图片，是我的同事在MIT拍摄的。大家可以猜一下这辆红色小轿车是什么型号？是哪个厂出的？绝大部分的人会猜测它是奥迪，也有人说是TOYOTA，但其实这个车通过编码成像，恢复出来的是大众的车牌。在过去这些年，编码成像得到了长足发展，在高速成像、散焦成像上都能通过编码成像得到更好的图像，过去几年很多高质量的图像都是通过编码成像技术获得。

 三维重建

做智慧城市避不开三维城市重建，这在计算机视觉界已经研究了很多年，其实最为出色的解决方案是来自谷歌的“一日建罗马”。大家都说“罗马不是一日建成的”，所以他们在罗马这样的城市级别做了大规模重建。他们的想法是拍摄大量城市的图像，把这些城市的图像通过相机位置的标定和三维重建的方法进行三维重现。 

具体展开，分为几个步骤：

先是针对大量图像进行位置猜测，有很多方式，对城市级别来说，可以用GPS信号等数据做粗略定位，再通过特征提取获取精确的相机位置，然后再对图像特征进行匹配和三维关联确认，最后得到稀疏的3D点云信息。

对于大规模的城市这个方法非常常用。大家最熟悉的是倾斜摄影，大规模的城市尺度都是利用无人机拍摄然后进行计算，这个方法本身有几个比较严重的问题，最主要的问题是非常昂贵。

凡是做过大规模城市尺度重建的都知道，在集群上运算的时间长达半天，其实半天时间已经非常少见，绝大部分都需要运算几天几夜，而且，运算完后得到的点云依然很差。这是因为点云本身依靠特征来提取，特征本身是稀疏的，所以得到的点云本身是稀疏的三维点云。

如果这样给政府做城市级别的重建，会非常辛苦，你需要找一个非常大的艺术团队帮你修复，因为所有的点云都需要把噪音抹掉，把点云修正成几何形状，这是所有做过智慧城市的人都感同身受的。

智能融合

随着技术的发展，这两步分别都将得到很大的进展。第一个是三维点云的获取，传统三维点云的获取是依靠倾斜摄影和图像，现在可以通过视觉定位、扫描和点云的LiDAR进行补偿。

因为LiDAR系统本身无法做三维空间的定位，你可以把LiDAR系统和视觉相机混合，靠视觉相机进行三维定位。

举个例子，我的学生在上科大创办的岱悟智能，让用户头上顶着LiDAR和RGB相机，RGB相机做定位，LiDAR获取场景里三维稀疏的点云信息，通过不断行走就可以把整个场景呈现出来。

我们上次做了一个尝试，把这个设备装在小车上，15分钟就可以完成一平方公里的地下车库扫描流程，效率非常高。

给大家演示一下我们当时完成的上海科技大学地下车库的数字孪生，人徒步完成还是比较吃力（但对码工来说走一个半小时还是蛮减肥的）大概15-20分钟就可以完全完成数据的采集。三维点云的采集不再需要复杂的计算机视觉系统，而是用比较简单的LiDAR+视觉定位的方式来解决，这将成为未来的大趋势。

同理，这个系统也可以装在无人机上，过程非常快。我们做了一个尝试，在上科大一平方公里的范围内进行边飞边实时产生点云，结果很酷。

几年前我看过一个电影《普罗米修斯》，就是拿三维小球，在三维空间进行扫描，隧道场景很快就出现了，也就是说这个梦想已经成真了，可以非常快地做外部场景的扫描。 

有什么用？扫描之后你可以做很有意思的事情。

比如对工地进行监控，看工地是否每日按照图纸的规划进行建设，随着多次的扫描，不但可以获取非常高清的工地三维数字孪生模型，还可以把无人机拍到的视频信息融合。其实也就是把图片和三维几何的模型融合，切入到模型时，瞬间可以切换到高清图片，可以看到每一个图片的高清细节，效果非常酷炫，而且确实有用，上海很多社区都开始使用这个技术进行二纬和三维的融合了。 

这对智慧城市有什么用？

第一，很多智慧城市的模型并不精确，是CG模型，通过我们的技术可以进行点云数据+视频/图像融合。 

第二，很重要的点，能解决当时王坚博士的问题：在三维空间里判断有多少辆车。

2018年、2019年我们在徐家汇商圈做了一个很有意思的事情。当时我们用上述方式，把整个徐家汇的商圈进行了三维重建。重建之后，把路灯、楼顶视角的视频融合在一起，现在各位看到的是多个视角融合的视频。

如果我把一个区域内所有的视频融合在三维空间，我就可以告诉你现在路上有多少辆车在跑，有多少人在行走，这对智慧城市来说解决了非常重要的一个问题。有了这套系统，可以做非常多很酷的应用，比如可以做碳排放的检测，因为我知道有多少辆车，耗能是多少。

传统的三维重建，几何是几何、图片是图片，几何和图像是分离的。下面我想讲最为有意思的一部分，《Neural Modeling and Rendering》，用神经网络的办法把几何和图像融合在一起。

这是来自英伟达非常酷的一个demo，是为了游戏而做的。在这个demo里所有的几何都是定死的，但我可以随意地做风格迁徙，比如我希望它是沙漠，它就可以是沙漠，我希望树是真实的，就可以做真实的树。左下角是非常粗略的模型，但是有语义分割。根据语义分割和三维场景的粗略几何，可以变换分割成右上角这样看上去非常真实的三维图像。 

换言之，我可以通过学习的方法，把粗略的几何恢复成非常好的三维的模型，从而大幅度降低人工成本。

过去十年里，我最为欣赏的一个项目来自加州大学伯克利分校，他们把几何和外观融合在一起。

在传统的方式中，要用点云或mesh来表示几何，然后再用贴图的方法构建外观，如果点云或贴图的质量不好，合成效果就很差。

前面讲了，我需要从多视角拍摄图片重建几何，那我不如把所有的图片都输入到一个神经网络NeRF中，训练完之后可以渲染任意视角下的任意图片，这样可以实现无需几何先验的几何重建。

怎样实现这件事？用神经网络完成光线-颜色-深度的映射，每一根光线可以用X、Y、Z，也就是光线的原点以及方向来表述，通过网络可以告诉你沿着这个光线应该看到什么样的RGB颜色，此外网络还会预测一个sigma参数，它代表的是X、Y、Z处的物质密度，如果密度很高说明存在物体，密度很低说明是真空的。

如此一来我就可以做很有意思的东西，也就是说，我们训练网络的时候，可以把几何和纹理的概念抛弃，我拥有的就是神经网络，只需完成利用这个神经网络从光线到颜色到深度的预测，几何和纹理就自然地生成了，这是我过去看到的非常酷的工作。过去几年大家逐渐意识到，原来用NeRF框架，不但能做元宇宙物体的生成，也能做元城市级别的生成。

以上介绍的主要是别人的工作，先说一篇《NeRF in the Wild》的工作，跟前面的工作的思路是一致的：也即是输入很多图片，同时这些图片包含了位置和图像性质，以及一个很有意思的概念——瞬态。瞬态是什么意思呢？比如我在三维空间拍摄了很多图片，因拍摄的视角不同，有的地方有遮挡，比如楼前面有树的遮挡，也有行走的人的遮挡。但因为我拍了很多图片，而且是在不同视角拍的，所以会产生很多不同的视角，唯一不变的就是静态几何，一直在变的是瞬态。然后我们可以将瞬态和静态几何一起重建，最后还可以把瞬态和静态几何进行分离。同样，用NeRF框架，所有一系列的工作，都可以通过一个神经网络的训练而完成。

我们看一下它的结果，非常酷。因为图片是白天和黑夜不同时刻拍摄的，但我能够在不同时刻展现出前景和后景的渲染，没有几何，用NeRF框架、神经网络表征这么大尺度的场景。 

我们再看一些更复杂的场景，比如它可以在布拉格的街区用网络成像来做。

这是罗马的喷泉。虽然点云用传统的三维重建会很差，但没关系，用NeRF框架可以产生非常好的三维结构。这个方法不仅能重建外部几何，也可以在重建内部几何，比如在一个建筑的内部拍摄大量图片，然后用神经网络的框架进行重建。

这是在印度做的，通过多视角的图片，其实没有真正显示重建几何，而是隐式地表示三维重建的效果，它是全自动的，不需要人去修，所以大家看到这个结果应该觉得非常惊艳，如果用artist去修是非常大的工作量。

去年有一篇很有意思的论文《Urban Radiance Field》。想法类似，输入很多图片，但跟前面论文不一样的是，它还结合了LiDAR的点云信号。 

前者的几何依然需要NeRF训练，但NeRF的训练非常慢，所以他们索性就用LiDAR产生的点云信号作为输入，输出是完整、高清的三维重建，同时还有一个高清的视角渲染，这非常酷，从多视角图片的倾斜摄影技术往点云融合。

但我当时研究还差了一步，用NeRF的框架做渲染，现在大家可以看到神经网络的这个强大功能。

这是一部分渲染的结果，可以看到上面的点云和光斑变化。这是圣保罗的场景，可以在里面走来走去，产生相当不错的渲染效果。

最为重要的是，这里不需要artist去修，否则人力成本太高了，不可能完成元城市（MetaCity）的重建。不同的国家和不同的城市都能使用这个方法，相当大规模的几何重建渲染，全是依靠NeRF的框架实现，所以我觉得它的效果还是非常酷的。

给大家介绍了基于神经网络三维重建的工作，很多是别人的工作，也有一部分是我们的工作。

隐私保护 

最后我想讲，重建做得无论多好，最重要的是保护隐私。

给大家讲一个我的故事。2010年，十年前我和林海滨教授做了一个项目，内容是如何在安防系统下进行隐私保护。现在看来这个工作还是非常有意思的，因为2010年并没有想到安防会发展到如此高的地步，隐私保护当时也没有受到重视。

前面提到，可以通过图片快门的控制，把曝光变得模糊。我们在想，能不能故意把图片进行模糊？模糊了图片就可以保护隐私了。 

听起来很容易，但问题来了，模糊完了图片，怎么保证捕捉重要的信息？比如我需要知道这个人的行为，但不希望泄露这个人的身份。 

当时我们提出一个非常酷的概念。把一个视频用两种不同的模式进行模糊，我们把这两种模式称为互素的，这里借鉴了数学中的素数概念。

这样做有什么好处？如果只是给低权限的人看，只需要给他看模糊线条轮廓，它可以用任何现有的算法，对监控视频进行去模糊，结果看不到脸，但能看到人的行为。但对于高权限的人来说，我可以给到两个已经模糊后线条轮廓，通过互素性质对图像进行去模糊，从而产生非常高清的监控视频，我们的论文发在PAMI上，当时这个想法还是非常酷的。

这个结果很有意思，左上角是一个模糊的图像，你可以通过最好的方法进行去模糊。右上角和左下角的去模糊方法可以恢复人在行走的信息，但无法恢复出人脸的细节。而在右下角，如果是高权限人群，可以同时拿到两个blur stream，利用互素的性质对整个图像进行解码。非常重要的一点是，不需要知道这些图像用什么kernel进行模糊的，就可以对其进行解码。

另外，我们希望通过多闪光灯的方法进行保护。可能大家会觉得很奇怪，为什么多闪光灯能进行隐私保护？

通过闪光灯，可以产生影子。闪光灯如果在左边，影子就会在右边。如果闪光灯在右边，影子会在左边。随着闪光灯位置的变化，影子也会产生变化。根据影子的变化，我可以分析这些影子是如何变化的，从而获取到一个非常有意思的图像。虽然我没办法精确知道它的深度是什么，但可以提取出它的深度边界。

为什么这件事对隐私保护很重要？这是一款老旧的车，通过多闪光灯的方法，可以非常准确地把边界提取出来。其中一些细节，比如看左上角的图，我知道这个车生锈了，但左下角的图看不出生锈，这是很具体的生锈的纹理，跟深度不相关的信息，会被我们轻易抹去。

如果我的安防是由多个闪光灯组成的，就可以把多个重要的身份信息隐藏，比如海报上的字，比如衣服上的花纹，都可以被抹掉，从而起到隐私保护的作用。

 再比如人脸上有很多特征，像左图里的痣，是非常明显的身份标志，但痣本身是一个纹理，通过闪光灯的方法，可以把痣去掉，通过边界对图像进行模糊，刻意去掉这个信息。

2010年的时候，美国对隐私保护不够重视，当时我们两人写了一个非常激动人心的项目，但被否定了。我记得非常清楚，其中有一个回复的意见说：隐私保护是已经解决的问题，你们为什么还要再写一个隐私保护的提案。可见大家在做研究的时候，必须先有先知，要意识到这个事情对整个社会的影响。 

总结一下。我给大家介绍的最新的MetaCity的工作，包括2D成像、3D重现的技术、用神经网络的建模和渲染方法对整个智慧城市进行建模，它的最大功效，不需要人工参与，就可以对渲染起到增强和去噪作为。隐私保护是重要组成部分，前面讲到两种隐私保护的方法，我今天特别介绍了用神经网络，本身它就具有隐私保护的作用，因为传统方式需要传几何、图片，但几何和图片全都被编码在神经网络中，这个神经网络本身又能起到隐私保护的作用，又能有效地渲染图片。

无时无刻不在收集视觉信息的摄像头与人类的眼睛不同，前者不加筛选地收集海量信息，成本高，能源浪费严重，后者则能有效筛选出重要信息，整个视觉系统高效运转。

高文院士于2017年图灵大会上正式提出这一点，认为人类应该借鉴动物视觉演化的模式来建设智慧城市，并于当年10月份的安博会上正式提出“数字视网膜”这一概念。

新一代人工智能产业技术创新战略联盟理事长高文院士

如今，已是数字视网膜概念推进落地的第三年，数字视网膜究竟如何效仿人类视觉系统运行？又有哪些行业最先成为数字视网膜的受益者？

数字视网膜的三个技术核心

数字视网膜，顾名思义，就是实现传统摄像头乃至视觉机器架构革新，尽力像人类的视觉系统一样，更加智能地支持城市大脑，服务智能安防，城市精细管理等应用。

在2021数字视网膜应用论坛上，鹏城实验室教授洪晓鹏对数字视网膜再次做出解释，他提出城市大脑应该向人脑学习分工协调，可采用仿生物视网膜的视觉计算架构来优化现存问题，让智能化的端边侧使系统更灵活，在云侧作为智能主体提供更强大智能资源，并优化存储传输使系统更经济。

传统摄像头只是将拍摄的视频数据压缩后上传到云端进行存储，再做分析识别处理。

数字视网膜则要求在摄像头端对视频拍摄进行高质量视频编码和视觉特征提取编码，对压缩过编码的视频流进行本地存储同时按需上传到云端，而所有的紧凑特征流同步实时同步到云端，从而既能够保证高效的存储，又能够便捷地支撑大数据查询分析，与此同时支持在端-边-云之间进行面向智能视频编码和特征分析的深度学习模型自适应迁移、压缩、更新与转换。

简而言之，数字视网膜就是这样一种包含视频编码流、特征编码流和模型更新流的可伸缩端边云协同视觉计算架构。

2013年，数字视网膜的提出者高文院士就已经对数字视网膜有了模糊的概念，他在接受人民网的一次采访时表示现代城市中摄像头存在痛点问题，虽然布局规模广泛且密集，但遇到重大案件时，难以发挥出真正的作用。

直到2017年的安博会，“数字视网膜”这一概念才正式诞生。

高文院士认为，数字视网膜包含三个核心技术：

• 基于背景模型的场景视频编码。现有监控摄像头采用的视频编码技术标准对监控视频编码效率不高，因为这些标准主要是针对广播电视视频制定的。在监控场景下，大多数摄像头是固定的，背景相对不变，因而如能够利用背景预测，消除相应的冗余信息，那么编码效率将大大提高。

• 视频特征的紧凑表达。视觉表征是图像视频分析处理的基础，如果在摄像头端利用人工设计特征与深度学习特征自适应融合技术提取帧内帧间视觉紧凑表示，然后传送到云端，就能大大提高搜索效率。他们曾实验表明平均每帧仅需100bit，可达到与未经压缩特征相当甚至更高的检索性能。

• 视频编码与特征编码的联合优化。上述两种数据信息并不是相互独立的，而是相互关联，可互为指导的，因此数字视网膜在同时输出压缩视频流和紧凑特征流时，可以根据码流的大小，设计联合优化函数来计算如何分配各自的码率，从而在保持分析检索性能的情况下，进一步达到压缩需求。

此外，数字视网膜还有三个特点，分别为高性能、高效率和可伸缩。

智慧安防外，数字视网膜开辟新疆土

理论而言数字视网膜优势众多且有一定的核心技术作支撑，那么发展三年，这一概念的实际应用落地情况表现如何？

智慧安防和智慧交通是数字视网膜应用最为广泛的行业，如今除了这两大领域，数字视网膜也有在其他不太被大众所熟知的领域发力，例如智慧安监、智慧市场、智慧灯杆和高点大场景等。

据北大信息技术高等研究院院长顾问、浙江智慧视频安防创新中心有限公司董事长杜军在此次论坛上的介绍，浙江智慧视频安防创新中心将数字视网膜应用在安全生产上，目前重庆培丁区多家试验企业都已经正式上线运行了基于数字视网膜的安全监测系统。检测内容包括安全帽佩戴监测、人员离岗监测和消防通道监测。

在智慧市场领域，浙江9个地市区48家农贸市场已经上线运行数字视网膜，包括口罩佩戴监测、人群密度监测、质检员监测等等。这些监测在疫情期间发挥的作用重大。

“如果不用数字视网膜，视频传输存储量会非常大，数字视网膜是高效分析的智能系统，这是我们选择使用数字视网膜的原因。”杜军在演讲时说道。

北大信息技术高等研究院院长顾问、浙江智慧视频安防创新中心有限公司董事长杜军

智慧灯杆方面，目前也已经在应用数字视网膜解决环境问题。

另外，海信将数字视网膜技术应用到交通及公安行业。

海信公共安全事业部本部总经理刘微博士表示，海信网络在实践形成了突出双向交互、独立智能体的理念，对于客户来说，由被动监控转变为主动服务，由事后查看转变为事中处置；实现能看、能听、会说话，及时发现、现场即时反馈应用，同时，创新性配置低功耗蓝牙模块，可与手机端数据交互，配合实现身份确认、主动服务等。

以高点监控方案为例，可以解决视野窄、目标跟踪难等问题，实现道路拥堵、路口排队、出口道溢出、异常停车4类事件预警。

在交通事故检测与处警中，视网膜应用适用于城市交通、高速公路两大类交通场景，覆盖日间全时段及晴、阴、雨、雪、雾5类天气情况；以及包括车车事故、单车肇事、机非事故、机动车行人事故、高速事故5类事故检测，预警准确率达90%以上。

此外，基于数字视网膜，搭配对应的检测算法，还能对如吸烟、打电话、烟火侦测、人员离岗等多种异常行为经常检测，实时有效报警并加以劝阻制止。

数字视网膜推进的这3年里，已经突破智慧安防和智慧交通的行业限制，在其他更加细分小众的领域陆续落地，为城市中更多的“眼睛”更新升级。

高文院士表示，数字视网膜的推进已有3年时间，目前理论框架已较为清晰，但在应用中，仍需完善和演进。目前，数字视网膜已开始导入云端，在人、车、物的检测应用中，拥有更丰富的场景训练，有助于增强平台系统的实战能力，未来，多模态版本将会覆盖视频、声音等感知数据，同时也将提升数据感知的密集度。

高文院士同时表示，数字视网膜创新应用仍处于初始阶段，需行业同仁加强合作、加大创新力度，共同推进数字视网膜向更高层次演进，以更高起点实现技术落地，提升行业赋能价值。（雷峰网）

“现场几乎已经看不到跟AI无关的企业了。”

这是今年众多与会者参加深圳安博会最直观的感受。

不少人谈到，AI不再是镜中月、水中花，已经在众多细分领域落地。

2021年的深圳安博会似乎并没有大的新概念出现，但不同技术间融合的趋势愈加明显，不同业务整合趋势也渐强，场景落地更加深入、垂直。

每个时代都有自己的声音，每个展会都有自己的差异。也许技术落地本就不是滂沱大雨倾注而下而是涓涓溪水悠远长流。

本次安博会与去年有哪些不同，管理者们有着哪些独特的体会？AI掘金志与10位企业高管聊了聊。

旷视资深副总裁曹志敏：碎片化不是负面词汇，它让市场更具机遇和挑战

从今年安博会呈现出几个趋势：

• AI已经是必备项，安博会当初只是一个行业概念，现在涵盖了物联网、人工智能、大数据以及视频相关等等领域，已经不能从安防角度看待这个展会

• 落地应用更加深入，比如不同企业扎根交通领域、能源化工、城市治理等领域，差异化更明显

进入AIoT时代，软硬一体趋势越来越明显，这是因为AIoT应用的场景大多碎片化、分散化，另外，软硬一体可以大大降低成本，传统的信息采集，无论是视图还是非视觉图，采集是采集，传输是传输，最后都在中心计算资源上进行分析处理，集中处理方式难以及时响应，延时高，整体成本较高。

城市AIoT产业角色非常多，上下游产业链非常复杂。旷视想打造AIoT的操作系统，做好各个场景所需的软硬一体的、高性价比的产品，通过一套体系，发挥出旷视擅长的算法能力，缓解场景碎片化。

城市和企业市场各有不同，城市领域，随着城市管理水平越来越高，相关单位对整个城市进行了顶层规划，落地具备很强的引导能力、统筹能力，方案更具标准性、更清晰。尤其是一二线城市，政府有自身的系统工程师、架构师，架构设计的投入资源更多，更系统。

企业领域更碎片化，更关注效益、投入回报时间，多地分管特点明显，周期相对较短，其次，对技术更新态度更开放，解决方案更灵活，可以不断迭代和演进。但方案更灵活并不意味着落地简单，它可能更复杂。同时，企业相对依赖厂商自身能力。

要提醒一点，碎片化不是负面词汇，是客观存在的，甚至让整个产业生态更加繁荣。

它的机遇在于，AIoT产业没有一家企业可以统揽整个产业。谁都有机会往上冲。它的挑战在于，可能一套产品方案只能在很小领域使用，解决这个问题需要企业的行业洞察，找出规律、分层抽象提炼。

苏州科达公共安全行业中心总经理陶宏：碎片化、精细化加剧，需要平衡基础技术与用户个性化的矛盾

AI落地需要回答的一个核心问题，是真正的业绩在哪里、市场在哪里、客户在哪里。有客户才有持续增长点，才有盈利点。

人工智能要想在To B市场想要实现指数级的飞轮式的增长很难，目前没有哪一家实现如此大的增长。

原因之一是To B系统流程关系非常复杂，决策过程非常漫长，一个项目3-6个月、1年是常态，甚至会拉长到2-3年。此外，B端市场场景碎片化、需求精细化，耗费的资源过于分散。

以交通为例，专业性、复杂性非常高，要想快速全国落地，需要非常长时间的论证，比如科达AI超微光卡口，在很多地方落地前都要先进行测试论证比较，最后表现不错，才开始规模化测试。

从另一个层面看，公安、交通以及未来的城市治理，要素就是人、车的识别，目前的落地情况看，我认为人工智能在这些领域已经成功了。

我认为各个行业大致可以分为三类公司：

• 具备运营优势，体现在供应链，最终体现在成本和价格

• 具备细分场景落地能力、客户服务个性化能力，细分赛道市场相对小，但强大的场景理解和客户关系让这类公司依然占据一定市场地位

• 技术极其领先

城市治理领域，业务颗粒度越来越精细，需求越来越碎片化，挑战有二，一是如何满足个性化、定制化的应用需求，二是如何平衡研发资源和敏捷交付速度，解决定制化问题，让定制变得灵活和轻便。这些也是科达思考的问题。

为了平衡行业定制化和AI敏捷交付，2020年科达发布中台战略，打造“一基座三中台”架构，分别是：云平台能力基座、媒体中台、解析中台、数据中台，能够更灵活敏捷的赋能上层业务，近年来，科达进一步提炼客户共性业务，打造出完整的基础组件和公共组件继续做厚中台，为敏捷开发打好基础。

芯翌科技副总裁-产品负责人王夷：未来技术市场的比拼核心是数据的获取能力、加工能力

技术层面，今年的安博会呈现出三个趋势：

• 以人工智能技术为主的AI中台及算法训练（建模）开放平台将持续进化发展（人工智能技术）

• 以大数据技术为主并结合业务转型需求的数据融合治理平台，将是产业数字化转型的标配（大数据融合技术）

• 智慧城市及企业对于实景融合可视化相关需求，将进一步催生以仿真技术、AR技术为主的数字孪生领域技术的发展（数字孪生领域技术）

今年的安博会主要看点在深耕垂直领域的中小企业。AI全面渗透安防后，安防的边界已经模糊，我称之为能力“外溢”，安防十几年积累的产品能力、技术能力和服务能力都会向各行各业“溢出”，从而带来的是新的场景、新的需求和新的方向。

人工智能和数据智能发展的规律何其相似，随着技术的普适、门槛的降低，各厂商争夺的要素不再围绕技术本身，而是垂直行业，从“技术引领业务”回归到“技术赋能业务”，将主体从“技术”还给了“业务”，领导地位从技术厂商还给了传统行业。所以选择行业、深耕行业，为行业提供技术服务，以技术的赋能促进产业的数字化转型和升级仍然是未来人工智能及数据智能生态圈要做的重点工作。

未来技术市场比拼的核心是数据，或者说数据的获取能力、加工能力，技术本身已经不再会成为瓶颈。数据获取能力的高低以及行业数据加工的业务理解水平（Know-How）直接决定着产品及解决方案核心竞争力的高低。

芯翌科技聚焦的城市精细化管理和产业数字化升级，最终会落脚于业务变革和组织变革，这个过程中最难的地方并不是技术本身，而是所有参与者的观念改变，需要打破本位主义思想，重塑治理架构和业务流程，在这个转型的过程中，需要所有参与者对遇到的问题在思考的高度、角度、深度上保持一致，这样才能形成合力，推动升级转型。

中星微技术联席总裁周大良：视频全周期的自主可控、数据安全趋势越来越明显

近年受国际环境影响，整个芯片行业受到巨大影响，尤其是中小企业。

前端IPC芯片，尤其是具备智能处理能力的芯片，400万到800万像素以上、算力2T以上严重缺货，1T算力只能承载少量人工智能算法，不久的将来，2T和4T很快成为主流。

中高端芯片，国内龙头大厂商正常产能需求被优先满足，大量中小企业受到冲击最明显，严重短货。

在近2年的时间里，中低端芯片市场基本切换完成，中高端芯片切换周期更长，产能也非常紧张，依然严重缺芯，甚至有厂商买其他厂商旧摄像机，只为要里面的芯片。

中高端芯片壁垒在于四个方面：

4K以上图像画质

高水平的ISP图像处理能力（ISP是整个芯片中最核心的模块）

解码能力

算力

目前大部分厂商存在一个或多个短板。比如ISP头像素质能力，国内厂商原来主要是低端领域，数据质量要求没有特别高，跟中高端芯片的差距较大。

中星微技术明年会推出一个6纳米的芯片，预计明年下半年流片，价格更便宜（价格拉平到To B和To C摄像机价位)、功耗低、算力2T以上，支持4K。

中星微技术一直对标中高端芯片的能力，推出了新一代768芯片，28纳米的双模芯片，支持H265、国际标准和SVAC、GB35114等国内标准。

近几年随着智慧城市等建设中视频技术大规模应用、联网，网络环境下系统所面临的信息、设备安全威胁与日俱增。随着一些行业数据泄露事件发生，加强信息安全的趋势在各行各业愈加明显。

我们坚定地认为随着个人信息保护法的出台，采集者有责任和义务采用必要的技术手段保护数据安全和个人信息安全，通过加密、认证等技术手段解决问题。

中星微技术一直立足于自主可控、数据安全。

中星微技术的优势之一，是视频数据全过程身份真实、信令可靠、数据完整、数据加密和可信溯源。

我们基于SVAC国家标准，已经开发出自主可控核心芯片，能处理多模态基础信源，支持端边融合协同处理的多种分辨率SVAC系列智能摄像机等。

中星微技术全生命周期智能安全视频解决方案，符合GB35114标准的A级、B级和C级，SVAC国家标准和国密相关标准。

北京君正智能视频副总经理刘远：多样性成为视觉物联网发展的驱动力，未来全力突破专业安防领域

人工智能落地刚刚兴起时，端侧AI芯片算力仅有0.2Tops，云侧AI芯片算力仅有5Tops；如今端侧AI芯片算力已经达到4Tops以上，云侧AI芯片算力也已达到256Tops以上。

视频物联芯片考察本身竞争力、集成方式、开发工具成熟度与易用性、功耗与价格等。端侧芯片，虽然体积小、价格低，但系统复杂度、技术难度丝毫也不低。譬如，OS、安防SDK、ISP、编码皆重要非常，这对芯片厂商提出的综合要求明显提高，需要具备完整能力的芯片。同时，端侧设备，对功耗和价格都非常敏感。

君正多年来一直在强化自身优势基础上，在以上几个方面扩展和突破。

在技术方面，北京君正AI-Engine算力引擎和Magik算法开发平台，AI算力覆盖从0.5TOPS从16TOPS ，已经落地了int4/int8/int16混合量化方法论，最新的AI-ISP也已经成为君正的影像底座基石，第四代ISP引擎预计将于2022年推出新产品。

产品方面，北京君正T21、T31、T40等系统产品构成强大的端侧阵营，以及即将大规模量产的NVR芯片A1，君正用擅长的CPU和低功耗，培育起一个错落有致的芯片产品家族。

眼下君正视觉产品和解决方案落地领域涵盖专业监控、消费类视频、电池门铃、视频门锁、运营商、视频会议、机器视觉、车载监控、工业和医疗等众多领域。精于安防，又超越安防，君正技术和产品的多样性特点正好契合了视觉物联网的发展要求。

此外，君正推出了首款智能安防NVR产品A1，A1芯片已经进入量产，将于2022年早期大批量供货。

至此，君正实现了“安防+AI”完整的技术和产品布局，未来，专业安防领域是君正全力突破的方向，君正也将针对高端AI和下一代低功耗技术市场持续推出创新性产品。

软通智慧安平事业部总经理李巍峰：从“一网通办”到“一网统管”，上海模式将成为全国学习样本

今年安博会很多客户因疫情无法到达现场，但友商之间相互沟通交流咨询比往年要充分。

现场情况看，参展企业没有带来新的技术或者颠覆性解决方案，更多是融合、整合。整个1号馆，几乎没有企业把自己定义为“安防”公司，更多是物联网、机器视觉、智能视觉等公司。我们是以业务场景为驱动的公司，之前就没有把自己定义为安防企业。

对于市场对AI的冷热态度转变，软通智慧作为行业“老同志”，没有感觉太大变化。软通智慧认为，AI作为一个技术基石，要服务场景，场景的客户千差万别，目前还不能规模性落地，复制成本较高，局限于具体场景。

软通智慧以智慧城市为核心，从顶层设计往下拓展公共安全和智能交通，目前重点布局车联网、人工智能计算中心、智能交通等。

智能化维度，人工智能计算中心国产化趋势更加明显。城市交通领域极其复杂，更多不是技术问题，而是城市规划问题。而在智能网联场景，可能80%的道路可以被归类，20%的道路比较难归类，我们就要帮助客户解决20%的部分。

城市治理层面，之前市场更关注“一网通办”，现在更关注“一网统管”。它们的区别在于，“一网通办”其实是To C，是服务民众，注重各类业务办理，但在管理端，各部分较为分散，在整体政府组织机构改革和业务平台搭建以后，很多城市开始提“一网统管”，更To G，将各垂直系统及物联网一网集成，整合数据资源，提升城市的智能感知能力，打造社会治理数字化体系。

上海对整个城市建设的整体规划和布局将成为学习范本，上海模式的“一网统管”应该会逐步往外复制。

当虹科技副总裁汪本义：海量视频数据传输、存储是泛安全领域的两大痛点

在泛安全领域，随着工信部等十部委提出5G应用重点落地垂直行业的要求，超高清视频监控等产品将在智慧城市中加速落地，视频数据的容量将越来越大。

海量视频数据传输、存储压力是两大痛点。我们一直认为，开拓新赛道必须要解决客户的需求和痛点。

因此，当虹科技去年推出了5G边缘计算终端，在画质基本不变的情况下，可将视频压缩到10%的带宽进行传输，降低存储空间和传输带宽成本，解决带宽不足和速度过慢的难题。目前，已在金融、能源、公安、轨交等行业应用。

我们公司定位于大视频领域，主要面向传媒文化和泛安全方向，提供智能视频解决方案和云服务。

就泛安全方向来说，我们比较看好金融、能源、市域治理领域的智能视频处理。

当虹基于“视频+AI+大数据”的能力，让视频从“看得清”向“看得懂”转变，通过“视频+AI”双引擎大幅节约成本。

如今外界环境、市场变化非常频繁，在符合国家政策的前提下，一定要专注，做自己“能力圈”内的事。当虹一直专注于“视频”这两个字，多年来经历了每一代通信技术发展，参与了每一代编码标准制定。

以萨技术副总裁姚巍：企业不再单纯炫技，更注重具体场景的数字化和智能化效果

从今年的安博会来看，有几大趋势：

1、技术和场景的融合度越来越高，厂商们不再单纯炫耀技术能力，而是着眼于具体场景去向大众呈现数字技术加入后带来的改观，企业开始重视具体场景的数字化和智能化；

2、厂商不仅仅关注技术本身的升级与迭代，在业务重塑和业务流程闭环方面也有创新性的尝试。比如以萨打造的“集全息情报、集成指挥、协同流转、合成作战、勤务处置、舆情管控、辅助决策”七大模块于一体的“情指勤舆一体化”解决方案，就吸引了公安客户的广泛关注；

3、客户更看重完整解决方案落地能力，全栈的核心技术能力，持续运营的能力，特别是在平安城市和数字城市这种复杂程度高的大型工程上，简单产品拼凑的集成方案或者标准化方案很难获得客户认可。

我认为所谓的“去安防化”趋势，只是安防融入了更广阔的数字城市、智慧城市概念这意味着AI等数字技术有更广阔的应用场景，同时，AI安防的市场空间依然很大。

这两年市场变化很快，以萨一直以来坚持两个非常重要的价值判断：第一是“坚持以客户为中心”，第二是“通过小场景推动大变革”这两个理念，我们自始至终不会改变，目前我们看到行业里有越来越多的厂商也认识到了这一点，变得更加务实。

另外随着“十四五”规划的逐步推进，我们以萨也感受到数字技术能够结合的场景会越来越多，无论是产业的数字化转型、数字政府建设、智慧城市建设，还是未来的“双碳”目标，人工智能+大数据技术都大有可为。

瑞莱智慧副总裁唐家渝：AI产业从粗放到高质量发展，如何保证AI应用的安全性是重要命题

今年的安博会有两点感受比较明显：

• 场景化趋势明显，过去大家追求通用的AI能力，现在大家更追求对垂直场景的深入理解

• 安全治理更受重视，随着数据安全法、算法治理规范等相关条例的出台，人脸识别厂商对安全问题的重视程度提高，开始探索安全可信的方案，比如后端治理上，数据采集后的脱敏存储，结合隐私计算的人脸识别方案，AI安全防火墙、AI换脸检测等

AI落地困境主要有两个方面：技术层面，目前的深度学习技术比较依赖有标注的数据，垂直场景下高质量标注数据缺乏，导致在不同应用场景扩展时存在一定周期，人脸识别领域的标签数据虽然更容易获得，但在趋严的合规要求下，对数据采集、标注、存储等提出更高要求，之前粗放式的应用会受到限制。

另外，以深度学习为代表的AI技术存在结构性缺陷，不安全、容易遭受攻击，比如对抗样本、算法后门等算法漏洞的存在，导致系统有被攻破的风险，尤其随着计算机视觉技术在各个领域广泛应用，很多场景与公共安全、社会安全，以及个人财产安全高度绑定，这也导致安全隐患的加剧。再者比如通过AI换脸进行网络欺诈等技术滥用问题，人脸的隐私性难以得到保障，直接影响到用户对技术的信任度和使用意愿。

目前，整个AI产业已经从之前粗放式的高速发展进入到高质量发展的阶段，随着公众对于AI安全性的关注度提升，以及监管政策的出台和引导，未来AI行业将是发展与治理协同的阶段，如何保证AI应用的安全性是一个重要命题。我们认为安全AI的新兴领域，比如AI安全防火墙、基于隐私计算的人脸识别方案等会很快迎来爆发。同时，开拓新的赛道，需要对场景的深刻理解，同时要保证核心技术的绝对优势。

瑞莱智慧专注安全AI方向，聚焦AI领域的安全问题，比如数据安全治理、算法可靠性提升，以及保障AI技术应用的安全可控。

安全AI市场的矛盾点在于，用户往往想依靠技术一下子打造出绝对安全可控的AI系统，但AI安全风险不是单点的问题，其安全建设也不是简单的要求AI服务提供商做整改就能够解决的。本质上不存在绝对意义上的安全，信息领域的安全一定是处于动态平衡的状态，同时这也是一套体系化的工作，需要靠技术、管理框架、制度规范等结合。

大疆行业应用高级解决方案工程师王鹏：坚持开放生态，降低开发者门槛，增进合作共赢

2017年，大疆正式成立行业应用部门，但早在2015年就已经有用户开始将无人机应用于安防等行业领域。

2020年开始，无人机用于开展防疫宣传、交通疏导等应用因疫情愈发频繁，与此同时大疆行业应用的产品也在不断迭代。截至目前，目前全国有30多个省市相关单位采用无人机进行疫情管控。

在公共安全领域，大疆目前形成了侦查取证、应急救援、交通管理、水域执法、环保应用“五大解决方案”。

随着无人机技术快速深入各行各业，不同的行业领域也涌现出了大量场景应用定制需求。对于终端用户而言，行业级无人机技术支撑已经不仅只是单个产品，客户需求往往需要一整套方案来满足。

大疆推出开放生态策略，大幅降低开发者门槛，加码技术支持，正是为了帮助这一目的实现。

大疆提供80-90%高可靠性的标准平台，比如无人机平台、负载平台、管控平台，剩下10-20%需要集成商、开发者基于客户需求进行定制开发，最后一公里靠生态方案更好的去落地。

截止目前，全球已有超过8万多名开发者投入大疆SDK开发，为无人机带来1000+款应用程序。同时，已有超过30多类基于 DJI Payload SDK 开发的第三方无人机负载实现量产，并服务于公共安全、能源、测绘、环保、水利等多个行业的用户。雷峰网雷峰网雷峰网

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在下午场的演讲环节上，灼识咨询合伙人赵晓马为峰会带来了精彩演讲

赵晓马指出，从中国、美国、日本城市化发展历程和特点看，改革开放40年以来，中国城市化进程速度世界领先。

各类智慧城市建设方案凭借其技术先进性、强感知能力、数据资源高效应用等特点可以解决大量城市现存问题。

与此同时，智慧城市以其数字化、绿色化的特点为“碳中和”目标实现助力。

但同样不可忽视的是，在智慧社区、智慧商业等场景中，仍存在系统割裂、数据孤岛、信息综合利用程度低等问题。比如，割裂的单点解决方案，数据不打通，形成数据孤岛。

这就要求智慧城市割裂的单点解决方案要逐步转变为全场景，一站式的完整解决方案。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。

以下是赵晓马演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

中国智慧城市突破四万亿规模

谈到城市一定对中国和美国进行对比，在城市层面中美最大的区别，是美国的城市化脚步已经持续近一百年，而中国只是在最近二三十年进入快速城市化，这个差别非常重要。

最近二三十年中国人口增长，技术大爆发，同时处于城市化快速推进阶段，三个现象叠加后，对于整个城市的管理、如何成为服务型的城市以及城市如何变得更加智能，都是巨大的挑战，也是巨大的机遇。

从投资或公司发展、融资的角度，挑战和机遇并存。

中国的城市存在几个特点。第一，集多功能在一身，比如中国特大的城市既是经济中心，又是教育中心，又是科技中心，又是文化中心。在美国，有些城市是政治中心，有些城市是科技中心，有些城市是经济金融中心，中国的城市是综合性城市，人口远多于美国任何单个超大型城市。

综合性、超大型城市，在城市发展管理中面临着流动人口管理、城市交通拥堵、消防安全隐患、居民健康挑战、城市污染严重等问题。

其中最近热门话题ESG，其概念是指，用数字赋能让城市变得更加绿色和低碳，人类节能减排是势在必行，ESG方向上有很多机遇。

其实梳理政策你们会发现，政策的顶层设计只讲了一件事：如何把城市看成一个人。顶层设计中的城市大脑，相当于人的大脑。

数字化让城市的数据得到沉淀。在过去10-20年沉淀的海量数据如何数字化，是城市智慧化的第一要素。应对场景是数字化之后的第二步，场景会带来实际的需求。

第三是加强网络的建设，需要建设一个人的神经或者血管般的网络，进行数据、信息的传达。

经过估算，智慧城市生态有4-5万亿市场规模。ESG的核心是低碳化、节能减排、数字化。ESG存在于各个赛道。

智能汽车、机器人等智能终端，智慧城市迎来更大风口

物联网的时代到来已经是必然趋势，智能汽车、机器人是两个非常重要的物联网节点，智能汽车是交通工具，也是人类新的工作、生活场景，是城市物联网场景。机器人相较于汽车，更多具备服务功能或作业功能，它在收集场景数据、地理信息数据或者自学习能力上是不断进化的。

智能汽车方向，自动驾驶是必然的趋势。不管是要十年或者二十年实现，最终驾驶员不再有。

前期从L1到L3阶段需要人不断关注和干预，这个阶段要投入大量技术研发、保证驾驶员在位，L4的时间节点到来的时间各说纷纭。

这个趋势下面有两个细分赛道，一个是新能源汽车，一个是Robotaxi，后者需要强大的运营能力和服务能力，到来的时间肯定晚于智能化或者有自动驾驶功能的新能源汽车。

眼下前装趋势非常明确，不管是做激光雷达还是做摄像头，前装市场是必然选择。

昨天有一位嘉宾说到他和车厂的合作不断被车厂、主机厂按在地上摩擦，后装慢慢会被替代掉，走得更前，和主流主机厂合作是未来的趋势。

智能单车对于自动驾驶远远不够，要做到人、车、路协同，就是需要一张网，最终实现自主驾驶，人成为相对自由的人，不能时时刻刻关注车和路上的状态。

不只是通信网络，自动驾驶现在还需要一张计算网络，计算网络能实现对智能汽车毫秒级的智能驾驶的支撑。

聪明的单车远远不够，需要有智慧的路，未来在路端、在边缘端会布置大量的激光雷达或者节点，用来存储行驶过的车或者路况的信息。

要确保L4级别的自动驾驶毫秒级的运算操作，对芯片的算力要求非常高。

商用车行业的自动驾驶更加追求经济回报。典型的物流场景，我们寻找优秀公司的方法论在于，是不是解决了行业中的痛点，或者能够大的趋势下坚持做好一件事情。

商用车的自动驾驶司机的成本在不断提升，司机在驾驶过程中会产生失误、疲劳等，物流行业竞争严重，司机超载或超时驾驶是常态，存在很多安全隐患。其次物流行业的内卷严重，运营成本一直居高不下，在长途的干线运输场景，电动化、自动驾驶的卡车存在很大的潜力，市区内的快递、物流配送，也会产生大量低速场景下的需求。

再谈谈机器人，今年很多机器人成长、融资步伐都非常快，很重要的原因是人工智能技术成熟之后，算法、感知到决策都有了诸多结果。

对于服务型城市，最终要实现执行和服务的闭环，机器人作为能够让AI能力具体化的物联网设备，是被AI、人工智能、云端的人工智能的技术赋能的。

机器人赛道，有些企业分三个阶段走，第一阶段是自己做机器人，把设备做好，交付给甲方或者工程商，这是必经阶段，企业需要考虑机器人类型和赛道，比如是服务型机器人、工业型机器人、协作机器人、医疗机器人等。

第二阶段机器人在场景中收集到大量数据（用户数据、地图或者场景的数据、运算操作的数据），这些数据沉淀后，成为AI更加智能化的重要数据来源和依据。第二阶段是有一段很长的路，企业优秀与否也可以在第二阶段见分晓。

第三阶段与特斯拉发展的逻辑相似，在大众认知里，特斯拉不仅仅是新能源车企业，更多是大数据企业，机器人企业也有这个现象，机器人最终将成长为具备自学习、自优化的物联网的终端。

其实机器人企业可以帮助新生的物联网设备公司变得更加聪明，以特斯拉提供的自动驾驶服务为例，某种意义上它可以开源赋能其他的企业。

打通城市底座，实现“人本城市”

城市的需求中，有大量设备、企业、物联网终端，对于一个城市管理者来说，一个极大的挑战是，面对海量应用、海量企业、海量服务、海量数据，到底要建多少网、多少中台、多少平台才能做好？这是目前很多智慧城市会面临的问题。

将来在某些城市会逐步出现数据底座或者操作系统。

长期看，上一个时代是移动互联网时代，现在正处于移动互联网时代红利顶峰的时期，手机的所有应用都生长在iOS平台或者安卓平台上。

下一个时代如果是物联网时代，会不会出行类似iOS或者安卓的操作系统，能够赋能基于开发IoT设备的企业，或者基于开发环境、应用环境、迭代升级环境以及沉淀的数据，提高企业的效率。

过去的智慧城市建设大多以信息为中心，或者以场景为中心，我们认为下一阶段是以人为中心，以人为中心要考虑到作为服务型城市，需要有强大的中枢和底座。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。