今年以来，处于转折期的安防行业呈现出更多变化。市场依然很卷，大厂纷纷调整策略，而对于爆火的大模型，则体现了较为务实的态度。
1、AIOT市场竞争太卷
华为的调整并非偶然，行业人士告诉数智前线，在平安城市和雪亮工程逐渐进入尾声后，安防市场进入转折期或瓶颈期，增长突破变得困难。
“之前海康每年业绩和利润增长40%，大华每年增长30%。而增长一旦没有那么快之后，暴露的弊端也多起来。”一位行业资深人士观察，“比如市场龙头提出营收突破1000亿，至少说了三年，但一直突破不了。它也落实了一些举措，用更狼性的方式争夺市场和用户，这让对手们都很慌。”
上述人士说，这个市场卷得已经不健康了。他打了个比方，本来大家做500个亿，利润可能有20%，但现在利润可能也就10%。今年市场仍然很卷，厂商们照样很慌，毕竟行业没有那么高的门槛。“如果海康和大华两家的日子都不好过，华为肯定要换个玩法。”
行业人士称，之前高增长时期，大家都没有想得那么透彻。现在，大家也在思考转型。
安防市场将呈现怎样的变化？此前，包括胡扬忠在内的海康高管认为，从政府数字化需求层面，目前已不局限在安防领域，而是扩展到交通、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需求。比如在交通领域，依据车流量动态调节来保证“绿波带”；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。
行业资深人士告诉数智前线，今年以来，一些基建水平达到一定程度的高端城市也提出数字孪生，要把整个城市建模，变成像元宇宙一样。这对数据的采集、智能分析和呈现都带来商机。
“不过，在政府层面的投入来看，可能会稍微减一些。”几位行业人士告诉数智前线。
在企业方面，胡扬忠认为，开年以来，消费相关的行业如文旅、酒店、餐饮、物流等增长都比较快，制造业中的新能源等领域依然有不错增长，电力相关行业的投资在去年的基数上保持不错水平。
业界认为，企业数字化的动力很强，大家都有降本增效的需求，他们能感受到各家公司在积极投入，不投入的企业经营效率可能就会跟不上。
“特别是一些企业招人越来越难，像江浙做榨菜的私人企业，一年做几十万元的榨菜生意，都在想着是不是买个机器人来切榨菜。”一位人士介绍，企业数字化需求很多，但都是场景化、碎片化的。
由此，各路玩家的业务领域已从安防拓展到园区、医疗、教育、工业、能源等各个领域数字化。
进一步观察，由于政企数字化进入深水区，对供应商也提出新要求。“你必须懂用户的业务。”一位人士打趣说，“如今用户也是‘哪壶不开提哪壶’。你说监控，他问你AI能不能搞？你说AI，他问你硬件是不是自研？你说自研，他又问你网络能不能做？总之，你给用户的解决方案，就不能有一个薄弱环节。早些年，只卖监控就能挣钱的日子已经过去了。”
2、大模型落地物联网不会很快有结果
“在给用户提供的全量方案中，基于数据去做深层分析是现在的核心。”一位宇视技术人士称，这也就必须提及今年爆火的大模型。不过，在AIoT行业，很多企业对大模型仍处于探索观望阶段——大模型在细分市场怎么用，需要业界进一步深入去研究，不会很快有结果。
“出于安全和其他很多方面的考虑，物联网和互联网还是有很大不同。”不久前胡扬忠表达了对大模型的看法，“我个人的判断是，基于公网的、集中式的、在云中心有大型处理能力的情况下，超大模型有一定优势。但对于物联网行业，我认为仍旧是云边融合的模式，因为在很多封闭网络，不太可能、也没有必要去建超强的计算能力，软硬一体模式至少在物联网行业和大量的垂直市场上依然是主流。”
“出于安全和其他很多方面的考虑，物联网和互联网还是有很大不同。”不久前胡扬忠表达了对大模型的看法，“我个人的判断是，基于公网的、集中式的、在云中心有大型处理能力的情况下，超大模型有一定优势。但对于物联网行业，我认为仍旧是云边融合的模式，因为在很多封闭网络，不太可能、也没有必要去建超强的计算能力，软硬一体模式至少在物联网行业和大量的垂直市场上依然是主流。”
海康这里提到的软硬一体模式，涉及其在2017年发布的AI Cloud。在一位业界资深人士看来，AI Cloud在技术上是一朵云，在商业上是一个生态。正因为最早悟到了安防市场“碎片化”的本质，海康做了一个开放平台，上面聚拢了用户或合作伙伴针对碎片化应用开发的算法。人们可以上传照片或视频，训练出一个模型，就把这些场景盘活了。这也给海康的硬件产品带来溢价。
针对AI Cloud的模式，起初业界都在观望。后来，大家发现“行业确实需要有这样一个平台”，合作伙伴可以在上面出售算法和解决方案，客户可以应用这个生产力工具，降本增效。
“海康起步早，也给其他企业在AI工程化上，把这条路的天花板打开了。”上述人士说。他预计，目前该平台上吸纳的合作伙伴数量可能在大几万，是其他企业的数个数量级，且伙伴的粘着度比较高。
海康胡扬忠也称，如果不做AI，海康也不会有这些年收入的增长。
现在，针对大模型，海康称已自建了数据中心，构建了千卡并行的训练能力，面向智能安防的场景，训练了百亿级参数的大模型。多模态大模型已在AI开放平台上上线，目前作用有二：一是在针对复杂场景下的视频内容，提取的精确度提升了一个量级以上；二是数据标注的效率提升了一个量级。
海康称，在AI领域，像他们这样的公司并没有能力、也不追求成为AI技术的领导者，“我们是一个技术的跟进者，重点是整合相关的各种技术而不只是AI技术，我们的重心在AI技术的落地上面。”
在AIoT领域，除了海康，一些企业有的投入试水大模型，如商汤、宇视，有的则仍在观望。
“我们肯定不会贸然投入，训练大模型，首先要把服务器基础资源，也就是‘路和桥’建好，而这不是一点小钱就能干的。每家公司都要掂量一下。”一位行业资深人士说。
数智前线获悉，无论是华为、海康、商汤，还是百度、阿里，对大模型技术在AIoT细分市场怎么用，还处于进一步深入研究、试水的状态，目前未有定论。
业界也有较为一致的看法，即AI技术落地是一个漫长的过程，落地过程中有非常多困难要克服。市场急于看到大模型的落地结果，但业界认为这是一个长期的、持续的过程。几位业界人士都提到了比尔盖茨那句话——人们往往高估技术变革在3-5年内的影响，而低估了在10年甚至更长时间尺度上的影响。在AIoT领域，海康、大华等大厂的态度都较为务实。
3、四大技术难点亟需突破
加大检测的精度与准度
在工业生产的过程中，工业制造技术和加工工艺的提高和改进，对检测手段、检测速度和精度提出了个更高的要求，越来越多的制造企业采用机器视觉系统在其生产线上实现高精度与高准确度检测。
在硬件设备方面，选择合适的光源并进行光源校准与灯光过滤，能够使相机在任何时候都能捕捉到清晰的图像；在软件技术方面，在机器视觉系统中融合AI技术，不仅能够大幅提升工业制造的生产精度与质检环节的结果准确性，还能降低企业的生产成本，助力企业实现高效生产。
简化系统的操作门槛
目前来说，传统的机器视觉系统专业度较高，但面对缺少高级技术人员以及操作工水平有限等情况，简化系统的操作安度很有必要。机器视觉技术虽然属于高科技技术，但在运作过程中，还需要依靠不断调整各种参数来达到最好的效果。其检测算法的设计必须将检测参数精简到几个可以很好理解的参数，同时达到不影响整个检测算法的效果。
系统容易维护
在实际的生产线上必须考虑系统在长期运行中的可维护性，即出现故障实现快速排除。许多系统，大量采用模块化设计。将功能集成模块化，而维护工作就是模块的组合和替换。一个很小体积的模块就等于一个庞大的系统，其稳定性、可靠性较高，同时在生产线的安装与调试比较简便。机器视觉技术的稳定性和可靠性促使系统在实际应用中，提供更加强有力的技术支持。
系统较高的性价比
机器视觉技术升级虽然能够大幅度增加检测的效率，但是随之而来可能需要使用更加昂贵的部件，从而造成价格的大幅提升。在此基础上，性能好且价格实惠的系统才能满足最基本需求，促使客户选择。优化组合各种部件，取长补短达到最佳性价比是衡量一个系统的重要标志。
在中国制造2025的战略持续落实下，国内制造业亟需转型，转向由机器代替人工操作。机器视觉技术的应用前景和发展趋势非常广阔，我们需要抓住机遇，不断突破技术壁垒，创新自主意识，促使国内机器视觉产品的本土化，加速行业发展。
文章来源：数智前线，深眸科技
