【国信电子胡剑团队】海康威视深度报告：感知与认知技术螺旋上升，引领智能物联新未来_新浪财经

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

报告发布日期：2024年7月9日

报告名称:《海康威视（002415.SZ）-感知与认知技术螺旋上升，引领智能物联新未来》

分析师：胡剑（金麒麟分析师） S0980521080001 / 胡慧（金麒麟分析师） S0980521080002 /叶子 S0980522100003 / 詹浏洋 S0980524060001

联系人：李书颖/连欣然

公司是基于大数据、人工智能与物联感知技术的解决方案厂商

公司针对千行万业场景数字化转型需求提供软硬件解决方案：包括覆盖电磁波、机械波等外界信息的感知硬件产品（如摄像机、音频、传感器等）以收集外界信息；基于云计算、大数据与人工智能等技术构建了“云边融合、物信融合、数智融合”的能力架构进行数据处理与分析；在此框架下形成了覆盖10余个主行业、近90个子行业500多个细分场景的软硬件数字化解决方案能力。

经营稳健股东回报稳定，智能物联转型初步完成

随视频技术由安防向物联媒介发展，公司持续转型升级，收入规模由上市之初7亿元增长至23年893亿元，自上市至23年累计现金分红584亿元。随着视频监控进入智能化阶段，公司开启了智能物联转型:从建立云边融合三层计算架构到产品端(两池一库四平台)与业务端（PBG/EBG/SMBG事业群）整合，结合感知、大模型与大数据等技术投入，23年智能物联转型初步完成，EBG企业事业群收入占比超过PBG公共服务事业群达20%，成为增长主要动能。

行业迈向智能化，打开智能物联增长空间

根据罗兰贝格与华为数据，制造业、金融保险、零售、能源电力等产业的数字化潜在价值均在2万亿美元以上；以作为支柱性工业的制造业为例，其行业特点为重资产且流程复杂，需要在制造、运输、管理等多个环节进行数字化应用以实现降本增效，转型诉求强，数字化创造的潜在价值达6万亿美元。在此背景下，企业智能化解决方案单位价值量持续提升；以某新能源企业为例，对应业务价值量由18年110万元+增加至21-22年合计2500万元+。

围绕智能化要素，公司智能物联架构与落地能力铸就核心竞争力

行业智能化沿收集数据、建立数据关系到挖掘数据价值发展，高质量数据、使能工具为核心要素。海康威视基于全面感知产品与碎片化场景经验积累建立了覆盖各行各业的高质量数据来源，基于云边融合计算架构、AI开放平台为用户提供了“开箱即用”的使能工具，叠加大模型的引入提升了解决方案落地的效率，最终建立了基于软硬件技术的千行万业数字化解决方案能力。

宏观经济增长不及预期，海外需求增长不及预期。

内容目录

海康威视-基于智能物联技术的解决方案厂商

深耕行业数十载，引领智能物联新未来

海康威视成立于2001年，随视频的功能由监控向物联媒介发展，公司由安防硬件逐步发展成为智能物联的解决方案公司，为千行百业的用户提供基于物联感知、人工智能、大数据的智能化服务，形成从硬件到软件的智能化解决方案，目前公司业务已覆盖全球150多个国家和地区，为全世界超过15万客户提供服务。

随视频、声波等感知手段在终端的应用形式变化，海康威视业务持续铺开：

（1）数字化阶段（2001-2009）：起步阶段，自主研发了视频压缩板卡和录像机产品等，并将 H.264 算法引入视频监控领域，抓住了安防技术和产品升级换代的发展机遇，登上了行业发展的快车。

（2）网络、高清化阶段（2010-2016）：快速发展期，2010年在深交所上市，2011年跃居全球视频监控领域市占率第一位，业绩高速增长，实现“百亿海康”。

（3）智能化阶段（2017-至今）：随视频的功能由监控向物联发展，公司开启智能物联战略，AI作为解决方案有效工具逐步嵌入公司业务中，包括：AI Cloud架构、AI开放平台、物信融和数据平台、智慧城市数智底座等，进一步巩固了公司的地位，公司定位进一步提升为智能物联AIOT公司。

公司提供从摄像头等硬件产品到软件平台、智能算法、数据模型和业务服务的综合数字化解决方案。以制造工厂数字化解决方案为例，基于安全消防一体化、产线人员管理、生产质量管理、辅助生产、仓库管理、内物流管理、设备管理、场院物流调度、仓库管理等需求，海康威视提供相机、光纤、传感器、机器人等硬件产品和相应的软件系统与平台，最终形成工厂制造管理的一体化解决方案。

公司业务体系由3类支撑技术、5类软硬产品、4项系统能力、2类业务组织和2个营销体系构成。3类支撑技术包括物联感知技术、人工智能技术和大数据技术；5类软硬产品包括物联感知产品、IT基础产品、平台服务产品、数据服务产品和应用服务产品；4项系统能力包括系统设计开发、系统工程实施、系统运维管理和系统运营服务；2类业务组织包括3个事业群（公共服务事业群、企事业事业群和中小企业事业群）和8个创新业务（智能家居、移动机器人与机器视觉、红外热成像、汽车电子、智慧存储、智慧消防、智慧安检、智慧医疗）；2大营销体系包括国内和国际业务营销体系。

截至24年6月，中国电子科技集团通过中电海康、电科投资和五十二所合计持股40.91%，为公司实际控制人；公司员工持股平台威讯投资持股4.83%。24年1月，基于对公司持续稳定发展的信心和长期投资价值的认可，公司控股股东中电海康完成了公司股份增持，对应金额2亿元；一致行动人电科投资1月16日增持4036万元并计划未来6个月内继续增持公司股票，金额不低于3亿元不高于6亿元。

经营保持稳健，股东回报稳定

公司经营稳健，营收保持持续增长。2013年至2021年公司营收与利润保持增长，受国内外环境影响22-23年净利润短期波动，23年公司实现营收893.4亿元(YoY+7.42%)，归母净利润141.1亿元(YoY+9.89%)，毛利率44.4%(YoY+2.15pct)，在逆境中仍实现了营收增长，并在4Q23单季度实现了净利润端同环比增长。1Q24实现营收178.2亿元(YoY +9.98%)，扣非归母净利润17.6亿元(YoY +13.3%)，毛利率45.8%(YoY+0.59pct,QoQ+2.22pct)，通过供应链规模优势，技术降本增效，公司毛利率稳中有增。

23年下半年国内业务同比增速修复，EBG收入占比超PBG达20%。23年公共服务事业群（PBG）营收153.54亿元(YoY-4.84%)，下半年同比增速由上半年-10.06%修复至-0.86%；企事业事业群（EBG）营收178.45亿元(YoY+8.12%)，下半年同比增速由上半年+2.42%增长至+12.15%；中小企业事业群（SMBG）营收126.79亿元(YoY+1.46%)，下半年同比增速由上半年-8.5%修复至+11.53%。EBG收入占比已近20%，超过PBG收入，行业智能化成为发展主动能，智能物联战略转型初步完成。

23年海外业务同比增长8.83%，创新业务同比增长23.11%。23年海外业务下半年同比增速由上半年+2.3%增至+13.95%，公司完成了海外四个大区调整合并，海外渠道销售与项目市场同步开拓，发展了非视频业务（门禁、报警、显示等）的新增长曲线。除了主业部分，海康创新业务：萤石、海康微影、海康机器人、海康智存、汽车电子等在海外持续拓展；未来随着发展中国家地区业务铺开，公司海外业务有望保持稳定增长。

23年利润端逐季加速改善(YoY-20.7%/+1.5%/+14.0%/+31.5%)，降本增效渐体现。22年公司净利润增速承压，对人员与业务结构进行调整，3Q22后公司产线工人以外的员工数量控制在41000人左右，23年人员费用压力逐步减小；随着项目数量修复增加，前期布局员工由部分成熟产品线上分流至新产品线上，针对软件端、硬件端的不同产品线，进行人员内部流动调配，实现人效持续提升。

股东回报稳定，自上市至2023年累计现金分红584.05亿元。公司自2010年IPO上市募资34亿元，此后每年保持稳定的现金分红，2015年后现金分红比例保持在50%左右，截至2023年累计现金分红584.05亿元。以公司2010年发行的1股股票为单位，至今单位股票累计可获现金分红116.3元并对应现在股票约19股。

行业迈向智能化，打开智能物联增长空间

行业智能化带来解决方案价值量提升

企业数字化转型逐步向千行百业渗透。根据华为《工业数字化2030》报告，行业数字化进程逐步由信息密集型企业向支柱性工业、消费与服务业扩散；其中，技术密集、固定资产投入高、大规模和高精度生产、流程标准化的行业如半导体、汽车等其盈利能力与数字化投入高度正相关，数字化起步最早、转型最为成熟；对于如轨道交通、3C 与家电、机械与设备等行业数字化带来产品开发与生产流程优化，成为跟随者已具备一定数字化基础。

随着行业智能化，智能化解决方案价值量持续提升。企业数字化从营销数字化、支撑系统数字化、生产系统数字化向价值量链数字化重构方向演进。以某新能源制造企业智能化解决方案为例，其业务需求由视频监控向安消一体业务再到智能制造发展，对应业务价值量由18年110万元+增加至21-22年合计2500万元+。

数字化解决方案的潜在价值对应近27万亿美元。根据华为的数据，制造业、金融保险、零售、能源电力等产业的数字化潜在价值均在2万亿美元以上；以作为支柱性工业的制造业为例，多为重资产企业，且流程复杂，需要在制造、运输、管理等多个环节进行数字化应用以实现降本增效，转型诉求强，数字化创造的潜在价值达6万亿美元。

数据、使能工具与生态是行业智能化的核心要素

行业智能化框架沿数据收集、传递、预处理、计算到应用反馈的路径展开：底层为感知层，通过各类传感器终端对光、电、声音等外界物理量进行多维度数据收集，以支持后续的信息处理；将收集的数据通过联接层的网络进行终端与数据中心以及中心之间或内部的传输，完成数据上传与分发；此外，需建立算力、海量数据（维权）存储与计算框架作为底座以支撑数据用于大模型与边缘域的高性能存算网协同；在此底座基础上，海量数据运输汇聚到平台层，通过数据治理、模型训练最终服务于应用的构建；通过AI大模型最终实现行业智能化解决方案落地。

行业智能化由行业大类领域、细分区域到生产经营单元展开。以大型集团企业为例，在总部之下围绕某个子领域成立一系列的区域性组织（企业），最终具体业务将落到执行单位进行生产与经营；相应地，构建企业智能化可分为总部到单元的三个层级，生产与经营部分包含了终端感知；依此架构，数据量逐层多样化。

高质量数据为行业智能化的核心要素，决定了行业大模型的训练与推理质量。行业应用场景碎片化且企业的非通用数据难以获取是过去部分制约行业智能化的原因；而大模型的训练与推理都需要高质量的行业数据，尤其是来自工控系统、物联网设备等OT（Operational Technology）设备产生的数据，而通常部分仪表设备老旧无法产生智能化输出或仅支持本地互连，因此将不同协议的边缘设备进行协同，实现数据可以顺利直采与流转是构建大模型竞争力的重要一环；最终，由数据带来的大模型升级亦将惠及同行，实现数据-模型-应用的飞轮迭代。

使能工具是行业智能化落地的关键，AI开发平台加速工程化。预训练后的大模型高效的开发效率需要一系列开发工具链支撑，行业用户利用工具自行定制化开发，反过来用户案例促进开发工具加速迭代；因此平台需要支持零基础、零代码开发，而数据需要与AI平台的互访，在多引擎间高效流转以加速大模型迭代。以海康威视AI开放平台为例，零基础用户可通过平台开发自己行业的智能算法、智能硬件产品和解决方案，完成数据采集与标注、模型训练、硬件适配等AI全流程落地。

企业选择多样化，解决方案提供者需在应用、平台、数据、基础与设备多维开放。由于企业在智能化设计是对应用、平台、数据与设备会采用多样化的供应商选择，因此解决方案设计者如海康、华为等企业需做到全面开放。以海康威视为例，应用能力方面，面向边缘节点应用、边缘域应用、云中心应用和互联网运营应用提供智能应用开放平台以支撑全域智能应用场景；平台方面建立了智能网络、视频融合赋能、一体化运维服务、资源管理调度、空间信息服务及AI开放平台；数据能力方面建设了面向全行业的物信融合数据资源平台；在基础平台方面，提供云计算、云存储与大数据基础平台；在设备端开放全系列物联设备接口。

AI技术是行业智能化落地的重要工具

智能化赋能行业，AI作为效率提升的有效手段被逐步应用。在日常生活中，人工智能翻译支撑跨语言、跨文化的高效沟通；在工业制造领域，AI的融入可实现更高程度的自动化和智能化，应用场景包含“研产供销服”各个环节；在工业制造领域，AI的应用为生产流程优化与成本降低提供了可能。

随着行业向智能化升级，数据分散为制约数字化的主因。以制造业企业为例，企业已逐步完成了自动化升级并进行联网信息化，提升了生产运行效率。但由于装置和业务板块往往为垂直系统建设，数据集往往分立存在，若要对各环节数据进行整合、分析与有效输出，进一步支撑多业务联动和决策则需统一的平台建设；而制造业往往生产流程长，场景多且杂，考虑投入成本，制造企业往往在数字化阶段止步，导致早期“作坊式”AI模式无法规模化应用。

人工智能自1956年提出已历经70年的技术演进，大模型的出现成为解决数字化难题的有效手段：

第一次浪潮-人工智能诞生：人工智能于1956年问世，基于不同角度形成了符号主义、连接主义和行为主义等学派：符号主义是将现实系统变成符号系统，使用动态搜索方法求解问题；连接主义则是模拟和实现人的认知方式；行为主义则认为智能是与环境作用的体现；该阶段主要以语言翻译、证明等研究为主。

第二次浪潮-人工智能从理论走向实践：20世纪80年代人工智能开始强调用统计机器学习来实现智能，统计机器学习成为人工智能研究主流。

第三次浪潮-深度学习：2006年深度学习出现，通过模仿人类大脑的神经网络结构，利用多层神经元之间的连接和学习来实现智能化任务；通过大量数据和逐层特征提取实现自动学习和发现复杂模式与规律。2016年，融合了连接主义和行为主义算法的AlphaGo出现，利用深度强化学习优化围棋策略，展示了人工智能在复杂领域中的超越人类的能力。

新一代技术-大模型：2017年Google提出基于注意力机制的神经网络结构Transformer，能高效学习和处理序列数据，在自然语言处理领域带来了巨大影响。2022年OpenAI基于GPT-3.5大模型推出ChatGPT聊天服务，上线2个月，月活过1亿；2023年OpenAI相继推出语言大模型和多模态大模型，通用人工智能时代加速到来。

人工智能开启又一次科技浪潮，三大要素算法、数据与算力迎来创新型的突破。根据华为预测，在数据方面，2030年全球数据量将达2020年的23倍、全球联接总数将达2000亿；算力方面，全球通用计算算力将增长500倍达3.3 ZFLOPS(FP32)，AI计算算力将超105 ZFLOPS(FP16)；算法方面，大模型应用侧的相继落地将逐步改变产业生态；随着人工智能正从感知理解走向认知智能，2030年全球人工智能市场规模将超过20万亿美元，2030年中国人工智能核心产业规模将超过4万亿美元。

大模型为解决离散行业数据的高效方式，预训练与微调加速模型“落地生根”。此前深度学习仍停留在统计学习的基本框架：特征抽取和模板匹配；对于新出现的概念或实体，开发者须从头收集数据、训练与调试模型、优化部署，开发成本居高不下，难以惠及细分行业与中小型企业。大模型则是挖掘数据背后的逻辑，在海量通用数据上进行预训练，高效积累和继承数据与知识并具备泛化能力，在实际处理下游任务时再通过小规模数据进行微调训练，就能达到传统小模型的效果，并且可以边学边用，且越用越准；最终行业用户研发成本降低，上线部署过程大幅简化，AI可在千行万业普及。

相比“作坊式”逐一开发，基于大模型的开发效率可提升10-100倍。特定的场景都需要对AI模型再次优化重构，相比传统AI模型“作坊式”逐一开发投入多且周期长，预训练大模型场景化AI开发则是基于大模型的增强训练，可自动抽取适合场景的小模型，开发周期从月级缩短为天级；相对于作坊式开发，AI工业化开发效率可提升10-100倍，开发模式从作坊式开发到工业化开发转变。以海康威视观澜视觉大模型为例，通过在10个任务上小模型全量样本（4万张以上数据量）训练和大模型小样本训练对比，预训练后的视觉大模型仅需业务小模型10%以内的数据便可以超过小模型使用全量数据的性能，且显著降低了模型定制的成本。

AI大模型通常分为三层，行业智能化参与者根据自身规模选择构建方式。大模型包含基础大模型、行业模型与场景模型三层：基础大模型构成通用基础能力，在海量数据上抽取知识学习通用表达；行业大模型基于基础大模型结合行业知识构建，利用行业数据自主学习特定行业的海量知识；场景模型为面向细分场景的推理模型，利用行业模型结合场景微调并生产出满足部署要求的各类模型。对于行业智能化参与者-企业，基础大模型可自行构建或通过模型提供商获取，行业大模型可利用自有行业数据基于模型提供商基础模型构建，场景模型应用可自行构建或通过模型提供商已有平台进行定制化开发，企业可结合自身规模进行灵活选择。

行业智能化玩家且竞且合

行业智能化开发者根据业务边界确定服务范围。行业智能化开发者如华为、海康威视等企业可根据自身硬件（芯片、边缘设备）、软件、网络基础设施等业务边界为用户提供不同范围的智能化服务。以华为为例，在算力方面的服务包括通过昇腾AI算力、OceanStor存储与星河AI智算网络等硬件能力构筑的算力底座支持，为行业用户提供算力平台与AI服务，同时可为客户开放向多用户提供AI算力租用；通过多用户叠加的数据治理提供开发平台，协助用户使能应用的落地；或给客户提供一站式解决方案MaaS（Model as Service）模式。

行业参与者其业务既有重叠又有合作。以华为为代表的具备软件、网络、硬件能力的参与者，以海康威视、大华股份等业务随安防形式由视频物联逐步向全面智能化延伸的参与者，以及在行业智能化各环节的独立软件公司、系统集成商等，各参与者业务既有重叠又有补充，因此以海康威视的业务模式为例，在产品、服务、方案上公司与硬件开发商、独立软件开发商、算法厂商、基于AI开放平台打造商用算法的组织、大数据厂商等开放、合作，给客户以多样的解决方案选择。

小颗粒场景需铺开营销网络，大颗粒业务侧重大模型、基础设施等业务能力建设。随视频的功能由监控走向物联，对应业务群体由政府为主向企业转变，以华为为代表的具备软件、网络等基础能力的参与者与以海康威视、大华等业务随视频监控向智能化延伸的参与者业务重叠度逐渐增加。在碎片化业务中，海康等企业基于视频物联建立的全面营销网络具备客户和数据积累的护城河；在颗粒度较大如智慧城市等业务中，以华为为代表的厂商具备基础设施能力与通用软硬件能力，在搭建底座架构方面具备服务优势；各参与者互相开放，既有竞争又有合作。

智能物联与工程化能力铸就核心竞争力

从硬件到软件完成智能物联转型

沿场景数字化发展，公司建立了从硬件到软件、渠道到生态的全面解决方案能力。随着安防业务由基础识别逐步转向综合智能物联解决方案，业务内容从硬件识别到软件处理识别信息，再到以识别信息建立系统化流程最终向运营/商业模式智能化转变；随着业务内容变化，公司由最初硬件识别到融入软件进行识别信息处理，再到建立软件与数据架构形成解决方案开发基础，最终到应用大模型挖掘数据价值的基本技术框架，在此过程中制造能力、深入千行百业的网络渠道与真实数据以及与同业形成的生态使各类技术得以工程化落地。

从认识数据、建立数据关系到挖掘数据价值，公司基本完成了智能物联转型。13-14年视频监控IP化与ToC互联网业务拓展；15年视频产品AI化，依托视频技术拓展业务应用；16年视频监控智能化(AI机遇期)，产品多维AI化；17年搭建AI基本三层计算架构（边缘节点、边缘域与云中心）与开放平台；18年基于计算架构完成产品端整合(两池一库四平台)与业务端整合（三大事业群）；19年基于新业务架构硬件由视频监控向多维度的感知设备发展；20-21年定位智能物联，大模型与大数据投入，23年基本完成智能物联转型，基于场景数字化向 OT(Operational Technology运营技术)厂商发展。

随场景数字化需求发展，公司由识别技术发展到观澜大模型持续布局。06年海康威视组建算法团队发布一系列行业智能产品，12年随深度学习技术突破开发了基于深度学习的识别技术，15年率先推出基于GPU与深度学习结合的结构化服务器并扩充形成了完善的智能产品体系；随AI产业兴起，17年公司发布AI Cloud架构，以“云边融合”理念构建边缘节点、边缘域与云中心的三层架构，形成一体的数字化解决方案开启AI落地实践，18年推出AI开放平台为用户提供使能工具；19年起公司致力于AI工程化体系建立，21年启动了大模型与训练模型研发，目前已完成观澜大模型体系的构建。

多维感知技术夯实智能物联基础

场景数字化对信息与数据收集需求增加，公司形成全面的物理传感技术布局。目前公司产品全面覆盖了电磁波、机械波、以及温度、湿度、压力、磁力等其他物理传感技术领域，使得更多外界数据被感知，为各行各业数据分析与应用构建基础。在电磁波领域已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及紫外光、X光等短波方向；机械波领域已覆盖从可听声到超声波频段的感知；其他物理传感包括力传感、电传感、磁传感等技术。

多维感知构建底层技术平台，打开物理与数字世界的大门。下游碎片化的场景解决方案需要多种传感技术先进行全面的信息收集以进行场景状态的检测与处理：在能源领域，通过可见光、紫外光与热成像融合为高压电力设施进行故障排查检测以提升巡检效率；在工业领域，通过音频与视频融合进行生产设备故障监测诊断实现无人化场景下的预测性维护；在环境领域，通过集成视频感知和毫米波雷达感知来对水位变化。

通过多维感知手段获取的千行百业高质量数据铸就技术护城河。随着大模型作为加速解决方案落地的有效工具逐步引入场景数字化应用中，高质量的数据成为公司的核心优势。由于细分行业数据由于通用性低且公开可用部分少，新进入者往往难以获取大模型预训练所需的高质量行业数据。而海康威视基于20多年在各垂直行业的数据积累，硬件产品覆盖沿电磁波、机械波等物理量建立的智能感知网络，通过强大的营销网络使得产品下沉碎片化场景；随着大模型应用，能为大模型的预训练提供全面海量的高质量行业数据，提升开发效率，叠加自研的模型精简技术，实际推理加速达10倍以上。

云边融合构建智能物联框架

通过云边部署计算架构降低应用落地成本，使得解决方案具备高性价比。通过公司设计的云边部署计算架构，对于实时性要求较高的边缘数据可通过边缘部署的方式以模型部署在边缘端设备（如智能分析服务器、智能 NVR等）上进行推理，节省算力；在云端则可借助与计算平台进行联网信息处理，公司云服务管理平台云眸，截至23年底已经成功接入超过490万路终端设备，每日接口调用次数接近1亿次。通过云端结合边缘端方式，在大模型应用中也可使得算力、成本、时效得到优化。

AI开放平台提供工程化的使能工具，成为打开千行百业的万能钥匙。碎片化 AI需求使得如何快速响应定制化算法实现需求成为关键，海康威视构建了 AI 开放平台以加速解决方案快速落地。海康威视AI开放平台可进行数据采集与标注、模型训练、硬件适配、设备推理到业务应用全流程能力覆盖，面向工商企业、住宅建筑、医疗卫生、智慧交通等数十种行业开放了50+的场景推理能力，用户可定制化进行智能化应用无代码开发，实现了大模型能力的“开箱即用”，降低了开发门槛并提供了落地工具。自公司17年提出AI Cloud三级架构后上线AI开放平台，中小微企业客户已超2万家。

观澜大模型增强工程化落地能力

随着行业智能化发展，海康自2021年年初启动大规模预训练模型相关的研发工作；目前公司已构建了一套完整的观澜大模型体系—基础大模型、行业大模型和任务模型：

基础大模型：吸收海量数据知识，具有参数量大、高可泛化、性能优异等特点。根据输入模态的不同可分为视觉大模型、音频大模型、语言大模型、多模态大模型等，外加光纤大模型、X光大模型等基于物联感知积累的特色大模型。

行业大模型：基于基础大模型利用行业数据进一步预训练和微调而成，在针对性行业领域内具有专家级能力，经一定压缩加速后可在云中心和边缘侧进行推理应用，包括电力大模型、公路大模型、煤矿大模型、水利大模型、零售大模型、轨道大模型、工业制造大模型、城管大模型等。

任务模型：专注于某个具体场景或业务，是大模型能力落地的重要方式。基于行业大模型根据用户的不同需求进行针对性优化，模型可在云上部署（较大任务模型）或边端部署（较小任务模型），实现云边端一体；其中包括表计巡检、皮带巡检、门店巡检、生产运行异常检测、施工机械识别等特色任务模型。

视觉大模型吸收自监督和多模态预训练优点，多场景识别能力显著提升。在视觉大模型中，通过将自然语言处理NLP领域的模型结构和训练技术引入到视觉模型中改善模型的训练稳定性；通过自监督预训练挖掘视觉信号的结构信息；利用多模态预训练挖掘视觉信号的语义信息；最终形成图像级、区域级和像素级的高质量视觉表征。基于上述模式，在内部构造的多行业训练样本中，观澜视觉大模型同场景测试集性能提升18.9%，跨场景测试集性能提升63.8%，业务的逐场景定制需求大幅减少。

音频大模型解决复杂场景开放式音频，大语言模型使机器具备认知与推理能力。观澜音频大模型设计参数十亿级，训练数据达百万小时，采用自监督预训练方式和基于Transformer的Encoder-Decoder网络架构，通过分布式方式优化训练速度，模型训练成本节约30%，基于音频大模型和高质量工业场景数据的工业场景行业大模型已在电力、能源等设备异常检测场景应用。而观澜语言大模型则通过预训练、有监督微调和基于人类反馈的强化学习实现；预训练结合参数规模巨大的Transformer模型，基于积累的数万亿token优质文本数据进行训练，最终千卡并行训练框架在GPU有效利用率上达到58%，具备一流行业竞争力。

观澜多模态大模型通过多类不同来源的信号模态进行融合学习。观澜多模态大模型基于视觉、音频、文本之外，还关联了激光雷达、毫米波雷达、光纤、X光等信号进行融合学习，衍生出解决多种基础问题的多模态大模型：1）图文多模态大模型，在语言模型基础上进行图文数据预训练，具备视觉认知与文本理解的能力，用户只需提供图像输入指令就可以完成任务，显著降低了应用门槛；2）雷视多模态大模型，以智能交通领域为例，利用毫米波雷达和高清摄像机数雷视感知片段构建，海康打造的车、路部署的真值系统，可持续积累高质量点云数据进行训练。

观澜预测大模型为各领域提供状态预测、异常检测与决策支持。海量的物联数据能形成多维序列数据并构建出随时间与空间的变化规律，预测大模型基于 Transformer Encoder-Decoder网络架构，利用自回归、序列重构和对比学习等技术进行预训练，可挖掘数据相关性，以构建预测能力；再利用少量类别、数值等标签信息进行有监督的微调实现多种预测任务的泛化。

光纤大模型基于光纤传感，仅传统深度学习模型数据量的10%就可完成场景部署。光纤大模型通过对特殊环境下利用光纤传感获得的信息进行多维信号的特征抽取进行预训练，基于Transformer Encoder-Decoder结构完成信号理解与时序信号生成，通过自监督预训练挖掘多维信号结构信息。目前海康已有近千万条高质量光纤数据，观澜光纤大模型已在钢铁、煤炭、电力等行业中落地应用。

基于智能物联业务框架，观澜大模型已应用于千行百业。以电力领域为例，大模型在发电、输电、变电、配电与用电环节应用以实现安全保障与智能运维。对于作业环境复杂且流动性大的发电环节，安全智能管控系统将大幅优化安全管控的压力；智能巡视可大幅提升缺陷与异常的识别能力，借由感知设备、机器人、无人机等装备减少人工参与，提质增效。

对内通过观澜大模型赋能，可实现内部研发加速提质增效。以光纤产品为例，常规信号调节和处理方案信噪比低，校准工作量巨大；观澜大模型可降低90%的训练启动数据量，智能标注能力可缩短数据标注周期，通过场景微调，无需从头训练就可以满足场景应用。在海康内部的制造基地，由于产品型号数万种、订单定配置比例高达75%，具有小量多批、大规模定制化的特点。为提升柔性生产效率，观澜预测大模型可利用产品历史需求和变化趋势等数据进行预测，对备货、调货、原材料采购等环节进行优化，最终交付达成率提高近10%，订单合单率提升近10%；通过生产流程监测，自动化与良品率提升。

对外构建榕树生态开放合作模式，寻找行业参与者最大公约数。由于行业参与者众多，业务非单一垂直产业链，在此基础上海康威视建立榕树生态合作模式，技术上开放标准与保障体系同科研院所合作，产品端开放接入标准与软硬件开发商、算法厂商等合作，方案、服务与销售体系均开放，通过行业参与者合作加速推动了行业智能化的发展。

法律声明

本公众号（名称：剑道电子）为国信证券股份有限公司（下称“国信证券”）研究所电子组依法设立、独立运营的唯一官方公众号。

本公众号不是国信证券研究报告的发布平台，本公众号只是转发国信证券发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解和歧义。提请订阅者参阅国信证券已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。