出品：源泉投研智庫
作者：徐安娜
4月14日，海康威視發(fā)布了2022年年報及2023年一季度財報。報告顯示，2022年，?？低晫崿F(xiàn)營收831.66億元，同比增長2.14%；歸屬上市公司股東凈利潤128.37億元，比上年同期下降23.59%。歸屬于上市公司股東的扣非凈利潤123.31億元，同比下降25.02%。這也是成立第二十一年來，?？档谝淮纬霈F(xiàn)利潤負增長。
2023年第一季度，海康實現(xiàn)營收162億元，同比下降1.94%。歸屬于上市公司股東的扣非凈利潤為15.54億元，同比下降29.67%。
海康有沒有大模型？大模型給?？祹砹四男┲匾兓?？跟OpenAI有沒有合作？通用的超級大模型能否解決所有問題？?？导夹g(shù)路線跟海外大廠的技術(shù)路線有何差異？大模型出現(xiàn)對行業(yè)競爭格局會有何影響？對手能否憑借大模型突破?？荡饲皹?gòu)建的技術(shù)壁壘？
以下是本次業(yè)績說明會關(guān)于上述議題的分享摘要，由源泉投研智庫整理：
?？低?/a>研究院負責(zé)人浦世亮：最近幾年，大模型是比較明確的發(fā)展趨勢。研究院幾年前就已經(jīng)開始研發(fā)視覺大模型技術(shù)?，F(xiàn)在大模型技術(shù)已經(jīng)到了多模態(tài)研發(fā)階段。我們的多模態(tài)大模型，包括視覺、語音、文本等多模態(tài)的融合及處理。
為了支持大模型研發(fā)，?？底越藰I(yè)內(nèi)一流的數(shù)據(jù)中心，面向智能安防場景，訓(xùn)練了百億級參數(shù)的大模型，并且知道大模型部署應(yīng)用成本較高，我們在大模型算法和架構(gòu)上進行研發(fā)。
在算法上，我們基于基礎(chǔ)大模型，研發(fā)了更高效的行業(yè)模型；在架構(gòu)上，我們運用云邊端的架構(gòu)，實現(xiàn)信息多級處理，達到成本和效果的均衡。
這類多模型智能感知認知能力，更好理解和響應(yīng)用戶需求。目前多模態(tài)大模型已經(jīng)在?？礎(chǔ)I開放平臺上線，能更好的理解復(fù)雜場景下的視頻內(nèi)容。使得視頻信息提取的精確度有了量級的提升。相同信息識別率提取的情況下，我的誤報率可能會降低一個量級。這樣極大提升了算法在復(fù)雜場景下的算法能力和用戶使用響應(yīng)的體驗度。
另外，人工智能是基于大數(shù)據(jù)，數(shù)據(jù)的準備和標注非常關(guān)鍵。?？档臄?shù)據(jù)標注是基于大模型做自動化標注，這樣標注效率提升了一個量級，用同樣的人力，整個標注數(shù)量可以提升10倍。
事實上，AI應(yīng)用場景非常多，面向定制化需求，千行百業(yè)升級要求，我們當時走了一個AI開放平臺的路線，基于底層的AI大的基礎(chǔ)平臺。能夠向千行百業(yè)提取面向行業(yè)的模型。上線后，用相對可控的人員增長能對用戶需求成量級的增長。
AI開放平臺已有100多個行業(yè)智能化升級應(yīng)用。每個行業(yè)智能化需求和場景非常多，需求非常多元化，支持15000多家用戶，相信都是底層模型價值。
現(xiàn)在從大模型發(fā)展趨勢，大模型在全世界百花齊放，有很強的能力。
我們認為，垂直領(lǐng)域應(yīng)用，結(jié)合高質(zhì)量的領(lǐng)域知識和領(lǐng)域數(shù)據(jù)所訓(xùn)練的行業(yè)大模型，其性能和實施成本都會具有優(yōu)勢。舉例來說，彭博社構(gòu)建了500億參數(shù)的大模型BloombergGPT, 該模型在金融領(lǐng)域取得了很好的效果。?？翟谥悄芪锫?lián)積累20多年積累，大模型開發(fā)帶來更好的優(yōu)勢，為用戶更好的服務(wù)。
我們認為，在AI領(lǐng)域大量的技術(shù)開源，推動了進步，降低了技術(shù)門檻；另一方面，在面臨領(lǐng)域的應(yīng)用，往往需要專業(yè)的領(lǐng)域知識的積累。大模型發(fā)布之初，我們就關(guān)注到，并作了系統(tǒng)性評測。結(jié)果顯示，專業(yè)領(lǐng)域應(yīng)用中，它的性能跟我們的專業(yè)模型還是有一定差距。
在AI方向，?？禃掷m(xù)投入，高度關(guān)注業(yè)界大模型，跟高校等展開合作，構(gòu)建更好的大模型生態(tài)。
浦世亮表示，?？礎(chǔ)I開放平臺，2018年開始上線，2019年成為國家人工智能開放平臺。大模型技術(shù)規(guī)模一直在變大。也沒有明確指標哪一年成大模型，參數(shù)和訓(xùn)練能力，日新月異快速增長。
AI在垂直領(lǐng)域有好的應(yīng)用，要有垂直領(lǐng)域的知識和數(shù)據(jù)。之前的很多測試都說明這樣一點。對于不同行業(yè)，?？档撞坑幸粋€基礎(chǔ)模型，有了底部模型作為foundation后, 上面生長一些行業(yè)模型，加入行業(yè)知識，能更快更高效地生成行業(yè)的應(yīng)用。之前也都是這樣做的。
無論機器視覺、醫(yī)療等領(lǐng)域，行業(yè)應(yīng)用對AI訴求一點也不低。?？翟诘讓蛹夹g(shù)去溝通支持，行業(yè)伙伴在上面，用他們產(chǎn)業(yè)的知識去構(gòu)建他們的能力。
當被問及是否跟OpenAI有合作時，“沒有，但?？禃肀ч_源的技術(shù)和能力。”
胡揚忠補充道，“?？稻劢笰IOT，有些應(yīng)用超出AIOT的，需要借助開放的通用平臺，考慮用戶需求，接入GPT模型，幫用戶解決問題。”
就“往后三年看，數(shù)字化領(lǐng)域布局是進一步布局細分行業(yè)拓寬。還是結(jié)合海外大模型，通過模型優(yōu)勢將本增效”等相關(guān)問題，胡揚忠表示，企業(yè)數(shù)字化動力是很強的，投入產(chǎn)出回報清晰。一定是行業(yè)垂直、細分的。數(shù)字化深入的話，做方案，大模型會有幫助，但有實施成本問題、數(shù)據(jù)安全問題，有些私密性的東西不想讓外面知道。
胡揚忠說道，“比如自己的生產(chǎn)設(shè)備工作時間不想讓別人知道，它不可能跑到互聯(lián)網(wǎng)上去等等這些事，只會在局域網(wǎng)上，或?qū)＞W(wǎng)上，或特定環(huán)境下用特定方式來做。不會基于我們想象的大模型上做。大模型技術(shù)細分市場怎么用，這是我們深入要做的事。新的技術(shù)對行業(yè)的影響短期比較小。”
簡單來說，要解決經(jīng)濟性問題、精準性問題、封閉性問題，不是一個通用模型能解決所有問題?！俺壌蟮哪Ｐ徒鉀Q所有問題，這個我們看不到?！?/b>
浦世亮：技術(shù)趨勢和技術(shù)要素比較明顯，13、14年以后，技術(shù)要素比較明確，是海量數(shù)據(jù)、海量運算所驅(qū)動的趨勢。隨著運算能力數(shù)據(jù)能力增加，算法能力大幅度增加。
面向這樣的趨勢，在這波智能浪潮之初，就比較清晰認知到了這個過程，很多技術(shù)研發(fā)是面向這種能力的構(gòu)建，比如更大規(guī)模的網(wǎng)絡(luò)，更強的數(shù)據(jù)中心，更強的數(shù)據(jù)生成，和數(shù)據(jù)標注的能力，這些基礎(chǔ)能力都在構(gòu)建，各位也會看到以前參加不同領(lǐng)域的國際競賽，這都是基礎(chǔ)的部件。
另一方面，海康也是一家面向智能物聯(lián)的公司，面向智能物聯(lián)的應(yīng)用，我們也構(gòu)建了其他能力，對場景有更全面的感知能力。我們有全面感知的戰(zhàn)略，構(gòu)建了很多感知技術(shù)，從可見光，拓展到紅外，拓展到X光，拓展到聲音等，我們智能物聯(lián)場景的感知能力有更強的構(gòu)建。
同時，還會對更微觀的世界構(gòu)建感知能力。就像胡總提到的，對微觀世界物質(zhì)的成分屬性的分析，比如遠紅外熱成像，比如溫度的屬性；用高光譜相機做水池分析，用極光做空氣中某些成分的分析；也有細分的，比如煙草方面，其他做雜質(zhì)檢測，比如稻谷水分的檢測等都離不開AI技術(shù)。面向全面感知能力構(gòu)建算法和產(chǎn)品的能力。
AI能力從研發(fā)到最終產(chǎn)業(yè)落地有很多元素。技術(shù)的成功到商業(yè)的成功還有很多產(chǎn)品系統(tǒng)很多問題要解決。因此我們有云邊端智能物聯(lián)的架構(gòu)，這種架構(gòu)使得信息處理分層次，極大降低了信息傳輸和處理的要求，比較低的代價提供智能物聯(lián)的能力。
還有一個，面向垂直領(lǐng)域，高質(zhì)量的領(lǐng)域模型和領(lǐng)域知識也很重要，所以面向垂直領(lǐng)域，不光是打造垂直領(lǐng)域的解決方案，也打造垂直領(lǐng)域的智能能力和模型。
那么，全球化AI、大模型全面發(fā)展態(tài)勢、開源態(tài)勢。我們會持續(xù)投入，也擁抱全球AI態(tài)勢，積極與國內(nèi)高校、開源社區(qū)開展合作，多方位投入共建大模型的能力。
胡揚忠：AI方面，?？颠@樣的公司不會成為AI技術(shù)的領(lǐng)導(dǎo)者，我們也不追求成為這方面的領(lǐng)導(dǎo)者，我們是技術(shù)的跟進者，對技術(shù)的關(guān)注。終點，跟進這些技術(shù)，整合相關(guān)的技術(shù)，讓AI技術(shù)更好的產(chǎn)品化，更有效落地。跟蹤國產(chǎn)技術(shù)的演變，落地還是有挑戰(zhàn)的。
針對“對手能否憑借大模型突破海康此前技術(shù)壁壘，導(dǎo)致競爭格局分化”這一話題，浦世亮表示，一方面，大模型呈現(xiàn)的能力，讓大家看到AI會有更強的泛化能力，會有更多應(yīng)用價值的輸出，這一趨勢明顯；另一方面，大模型本身是人類的數(shù)據(jù)和知識的凝練，對人類的任務(wù)進行響應(yīng)。因此，面向垂直領(lǐng)域，高質(zhì)量的領(lǐng)域數(shù)據(jù)和知識將產(chǎn)生巨大的價值。
往往是結(jié)合了領(lǐng)域知識和領(lǐng)域數(shù)據(jù)的模型，才能獲得性能的大幅提升。比如面向金融領(lǐng)域的大模型BloombergGPT，都驗證了這樣一個結(jié)果。
“對于?？祦碚f，較早識別到了大模型的發(fā)展趨勢，很早做了視覺大模型。由于?？导夹g(shù)架構(gòu)是發(fā)展一種全面感知的智能架構(gòu)，因此也比較早地做了多模態(tài)大模型的研發(fā)，把視覺、雷達、聲音、文本、X光等各種模態(tài)信息，根據(jù)任務(wù)需要，進行融合和訓(xùn)練。”
浦世亮說道，“這樣一種大模型開源態(tài)勢，首先會使AI應(yīng)用更讓客戶接受。智能物聯(lián)和AI蛋糕會越來越大。?？稻哂卸嗄B(tài)大模型能力、全面感知的產(chǎn)品線、物聯(lián)網(wǎng)領(lǐng)域20多年領(lǐng)域知識的積累，我們給用戶帶來更多的價值和優(yōu)勢?！?/b>
那么，海康相較華為盤古大模型的技術(shù)有何優(yōu)劣勢呢？對此，胡揚忠表示，競爭是正常的，在行業(yè)里面，用戶會面臨很多選擇，最終還是看誰能更好地滿足用戶需求。
針對毛利率等相關(guān)問題，胡揚忠認為，不同區(qū)域不同行業(yè)對毛利率帶來影響，毛利率也是企業(yè)在行業(yè)里面競爭力的綜合反映，跟公司業(yè)務(wù)選擇也有關(guān)系，無論是新經(jīng)濟還是傳統(tǒng)行業(yè)，內(nèi)卷導(dǎo)致毛利率下降，也相信在?？邓幍男袠I(yè)里，毛利率也會往下走。
“技術(shù)創(chuàng)新是主要影響毛利率的因素。在這點上，海康做的比競爭對手更好一些。”胡揚忠強調(diào)道，“政策環(huán)境雖有打壓，經(jīng)濟環(huán)境不那么好，但行業(yè)競爭環(huán)境在改善。公司內(nèi)部也進入了轉(zhuǎn)折期，運營管理能力在提升，感知方面，設(shè)備類別增加；AI能力、營銷能力，適應(yīng)外部變化的能力都在提升。對業(yè)務(wù)選擇、技術(shù)方向都比較清晰。即使未來兩三年可能會有些波折變化，過了這段時間，會進入一個穩(wěn)定發(fā)展的態(tài)勢?！?/p>
胡揚忠坦言，如果?？挡蛔鯝I，肯定完全不一樣，收入肯定是比較糟糕的。我們沒有能力去盤算今年AI能帶來多大的變化，但相信三年、五年、十年后能帶來很大變化。大模型很轟動，但這是一個漫長的過程，我們往往高估一年的變化，低估十年的變化。
聯(lián)系客服
