投資者關系
投資者關系
5月29日，2026網易創新企業大會在杭州盛大開幕。大會以“智行合一”為主題，匯聚千余名AI產業鏈的行業專家，共同探尋AI在千行百業中的落地路徑。大華股份總裁趙宇寧應邀出席大會，發表《視覺智能 ╳ AI Agent：融智于視，重構行業價值》主題演講。
大會上，趙宇寧表示，從“看得清”到“看得懂”，再到“邁向自主認知”，大華股份持續推進視覺智能技術演進，讓 AI 能力不斷深入真實行業場景。面向 AI 走向產業腹地的新階段，大華立足行業積累與核心感知能力，將場景 Know-how、數據基礎、產品能力與 AI 大模型深度融合，打造面向行業的智能體，推動 AI 從技術演示走向價值閉環，賦能城市高效治理與企業運營提質增效。
以下為整理后的趙宇寧演講實錄：
位伙伴、各位朋友，大家上午好，非常高興受邀參加網易創新企業大會。今天主要分享一下大華在 AI 方面做出的一些探索和創新，以及我們如何實現 AI 價值的落地。近兩年，AI以前所未有的速度爆發式發展，也大幅改變著我們的工作和生活。從底層算力、大模型，到數據質量，再到各行業的落地實戰效果，AI 的技術演進和應用價值正在逐步顯現。自2023 年以來，基礎算力、模型持續快速發展，一些基礎模型甚至以三個月為周期迭代，許多過去難以實現的想法正在不斷變為現實。
但基礎模型能力強，并不意味著一定能真正發揮價值。模型再好，如果不能與行業業務場景相結合，也很難轉化為實際生產力。AI 的火熱已經毋庸置疑，AI算力規模加速擴大，AI應用百花齊放，與此同時詞元經濟也在蓬勃發展。但我們也要看到AI產業發展“冰”的一面：AI場景化價值落地、產業規模化發展依然任重道遠。個人消費側的 AI 應用，更多是帶來體驗的提升，但要實現真正的價值變現并不容易。相比之下，在城市治理和企業生產運營場景下，客戶具有更明確的付費能力和付費意愿，但整體仍處于探索階段，價值難量化、商業模式不清晰、算力空轉與資源利用率不足等問題依然存在。
因此，AI 產業的發展重點，正在從“比參數、比 Demo”轉向“比落地、比價值閉環、比 ROI、比行業理解”。真正決定 AI 能否產生價值的，不只是模型本身，而是能否抓住真實業務場景，形成高質量數據支撐，并將對工作流的理解轉化為與大模型深度結合的行業能力。
大華整體業務主要聚焦兩大核心方向：一是助力城市實現更高效的治理，二是推動企業提升安全水平與運營效率。支撐這一業務布局的重要能力之一，正是大華持續深耕數十年的多維感知能力。
多年來，大華的感知能力已從視頻感知拓展至音頻、聲波、X光、雷達、聲紋等多維感知，持續推動感知智能化演進。依托對千行百業的深度理解，大華在城市業務領域，聚焦公共安全、交管、大交通、泛政府等行業，已積累 5000 多個行業場景、打造 120 多個解決方案；在企業業務領域，圍繞電力、石化、工業制造、文教衛、金融等行業，積累 3000 多個行業場景、打造 180 多個解決方案。
面向 AI 時代，大華正將深厚的行業積累和沉淀、高質量多維感知核心能力與AI大模型能力深度融合，構建起一套云邊端一體化的行業智能體，真正實現感知、理解、決策、執行的全鏈路閉環，推動AI場景化、價值化落地。
大華 AI 能力發展經歷了一個“三級跳”：從 “看得清“到“看得懂”，再到現在“邁向自主認知”，逐步具備提前預警、輔助決策，以及一定程度上的自主執行能力。
2023年，我們推出了星漢大模型，圍繞語言、多模態、視覺三大方向持續布局，全方位升級AI應用與場景化落地能力。
在語言大模型上，我們推動系統從簡單的人機交互走向人機協作，依托深厚的行業知識沉淀與業務理解，讓數據發揮更大作用。
在多模態大模型上，我們推動 AI 從“對象識別”走向“場景理解”，讓AI不再只是識別單一對象，而是理解完整的業務過程與具體場景。例如在餐廳場景中，食物掉落后又被撿起放回盤中，原來AI只能看動作并不能判斷有無違規，但大模型可以理解完整過程，并判斷其屬于不合規行為。再如防溺水管理，傳統方式需要通過劃線、畫方格界定水面，但水位會隨著天氣變化而改變，可能導致圈定范圍出現偏差。通過大模型可以自動進行水位判斷和圈定范圍調整，實現對真實環境變化的自適應，消除環境變化帶來的影響。
在視覺大模型上，我們重構視覺識別底層邏輯，以視覺特征為基準，實現更強的泛化能力和萬物識別能力。過去，視頻智能主要識別人臉、車牌；如今，鞋子、背影、體態、局部特征等更多視覺信息都能被泛化識別。過去往往需要完整圖像才能進行識別，現在局部特征也可能成為有效線索。
大華AI能力正在各行各業場景中加速落地。我們并不追求千行百業的業務覆蓋，而是優先聚焦各領域里核心度最高、行業痛點最突出的場景，針對性打造專屬行業垂類大模型，把行業做深、把價值做實。
公共安全:借助視圖大模型，人員走失找回更迅速
節假日期間，人員走失是公共安全管理中的高頻問題。傳統主要依靠人工查看視頻、判斷軌跡，對完整圖像和完整特征依賴較高。現在，大模型可以基于個性化描述和局部特征快速生成線索，例如“5月7日在步行街，穿黑白格子、獨自走的小孩”，通過自然語言理解與智能識別，綜合衣服圖案、鞋帽、背影、背景等線索，快速定位目標軌跡，讓視頻中的更多信息被有效利用，提升找人效率。
智慧交管:借助語言大模型，助力城市通勤更暢通
信號機調優是城市通勤是否順暢的關鍵。過去信號優化主要依賴交通專家經驗。現在，通過知識萃取和 AI Agent，可以將大量路口優化經驗沉淀到大模型算法中，用自然語言交互代替復雜操作流程，輔助信號調優。在浙江等地已有案例實踐，相關應用落地后，城市擁堵指數下降，通行效率得到大幅提升。
智慧交通:借助多模態大模型，讓交通出行更安全
在高速公路等場景中，拋灑物、行人闖入、輪胎脫落等事件如果不能及時發現，極易引發二次事故，造成重大交通安全隱患。而傳統視頻智能分析多為單點告警，誤報較多、復核壓力大。現在，通過多元融合和時空關聯，可將無效報警壓降70%。同時，關聯預警 Agent可融合多維路況信息并匹配預案，讓應急處置從分鐘級縮短到秒級。在山東某高速，通過對視頻進行大模型二次研判，上線首月無效報警減少60%以上，應急響應效率從平均 3 分鐘提升到5 秒，真正把事故風險消滅在萌芽狀態。
公共民生:借助音視頻融合大模型，生物多樣性保護更科學
在野生動物保護場景中，監測區域往往位置偏遠、識別難度高，過去較依賴專家判斷。如今，通過音視頻雙模態感知與推理大模型，可以將原本需要專家完成的識別工作，轉化為護林工也能看懂的監測結果。目前，大華已沉淀 1000 余種長期物種庫記憶認知能力，助力生態保護工作更加智能、科學。在四川某自然保護區，大華運用大模型，實現20余種珍稀物種的動態分布監測，真正做到底數清、情況明。
智慧零售:數字督導員工，助力門店管理提效升級
在零售場景中，門店運營面臨兩類核心問題：一是門店數量多，人工巡店覆蓋不足；二是經營問題難以分析。圍繞安全、消防、服務、運營等高頻巡檢項，我們通過細節小模型與多模態大模型提升AI巡檢能力，實現自動識別、自動巡檢和自動分析。同時，基于客流轉化漏斗、顧客行為、停留時長、講解過程等信息，幫助門店快速定位經營問題。目前相關能力已在汽車門店等場景落地，助力經營管理提效。
安全生產:隱患“智”理，賦能企業安全生產
在煤炭、電力等高風險行業，安全隱患往往不只體現在單一表面動作上。通過多攝相機、多模態大模型，并結合穿戴識別、煙火識別等模型進行二次研判，我們可以從多場景、多細節中發現潛在風險，實現提前預警，幫助企業從“看到表象”走向“識別本質風險”。
智慧金融:大小模型協同，提升網點巡檢效率
在金融場景中，網點對員工行為合規要求高，但海量視頻中真正異常的情況占比很低，形成“海量數據”和“有限人力”之間的矛盾。通過大小模型協同，小模型先對人、車、行為等數據進行篩查和結構化，大模型再根據任務規則進行精準識別，自動完成巡檢、檢測和結果呈現，幫助管理者更高效地發現問題。
智慧園區:依托大模型，提升園區全域智慧治理能力
園區管理中，人員復雜、事件分散，傳統系統易誤報，處置效率有限。我們通過融合圖片、地點、時間、文本等多類向量數據，并結合多模態大模型決策，系統可以實現秒級檢索，快速定位遺失物品、陌生目標軌跡等信息，推動園區管理向更智能、更高效的方向升級。
任何新技術的發展都會經歷期望膨脹期，AI也不例外，未來AI技術能否可持續、穩步發展，關鍵在于能否實現產業規模化落地。
如果企業無法將 AI 轉化為實際價值，反而可能在算力、存儲等成本上升中承壓。因此，企業用好 AI，需要結合自身能力積累，聚焦核心戰略控制點，并與AI技術深度融合，發揮AI的乘數效應。
未來，大華將持續利用對業務場景的深度理解，以視覺感知為核心的多維感知能力，并融合AI技術，打造面向行業的AI Agent。同時，我們將進一步強化工程化能力，保障AI 有效落地，構建從業務閉環驅動、場景匹配部署到現場優化實施的工程化體系，打通從算法模型到系統工程的全鏈路落地，真正建立完善的工程化體系，實現AI從技術化向場景化、價值化轉變。
最后，祝愿大家能把握住AI發展的浪潮，用好 AI，為企業更快、更高質量發展添磚加瓦。謝謝大家。