当下，安防领域的市场需求已经从原来简单的安防监控，升级到安全的数字化和智能化，大家不仅需要安全，还需要新的能力来满足对数字生活、生产品质的追求。
大华股份(SZ:002236)，2023年收入超322亿元，当年研发费用为39.7亿元，占营收12.3%，近几年维持在10%以上的水平。
作为安防行业龙头，公司表示，大华从战略上，于2023年迈入Dahua Think#2.0阶段，从智能升级到融合智能。这表面上只是加了两个字，但实际上是要构建起更为广阔的AIoT能力，激活以视频为核心的数据要素价值。
规划容易落地难。在解决方案落地过程中，员工往往会因为操作习惯和担心岗位被替代，产生抵触情绪；随着项目深入，不断蔓延的需求会与成本预算产生冲突；此外，企业对数据隐私和网络安全的担忧也越来越普遍…….
这些问题，大华也曾遭遇过。如何解决？虎嗅智库邀请到大华股份高级副总裁、研发中心总裁刘明，就以上问题，从技术和业务视角，共同探讨大华股份对于技术研发与大模型应用落地的思考，以及数字化转型的实践，希望对同业有所启发。
以下为虎嗅智库与刘明先生对话的精华内容：
一、根据市场需求和技术迭代，深度融合大模型与视频业务
虎嗅智库：这些年来行业需求发生了怎样的变化？
大华股份：市场需求已经从原来简单的安防监控，升级到安全的数字化和智能化。现在大家很少提安防，都开始提数字生活，说明大家不仅需要安全，还需要新的能力来满足生活品质的追求。业务场景也逐渐变得个性化、多元化，比如现在我们的摄像头适配应用需求有各种各样的形状，传统的枪型或半球形的比例在减少。
业务模式上，很多合作伙伴从卖单一设备或设备组合的代理商、经销商，逐渐转变为解决方案提供商和运营服务商。随着物联设备的种类、数量和数据量的积累，大家追求的也不仅仅局限于销售利润，更加注重项目运维和云服务的能力。
虎嗅智库：您提到客户的需求非常碎片化，那么工业客户通常都有哪些需求？大华是如何分类的？
大华股份：核心逻辑是让合作伙伴（NA）和集成商（NP）对接客户需求，我们来做分析，对共性需求归纳总结，把有具备通用性、符合政策或技术趋势的需求，纳入产品的迭代，然后让NA和NP做广泛的复制和落地，并按照行业把客户的需求做归集。
在工业制造行业内，我们主要关注安全、生产和经营三个领域。安全指的是构建起强大的安全体系，可拆分为安全合规保护、数据管理等场景；生产是赋能整体的生产效率，包括产品质量、保证产品交接可靠、生产过程提效、售后质量追溯等；经营则是围绕提升经营决断力。
根据行业来看，像化工、石油、天然气、食品饮料等流程类行业，我们主要提供实时监控优化、环境安全合规等方面的解决方案。实时监控优化包括生产过程中的协同，采集OT端数据进行工艺优化、减少能耗和提高生产效率，安全合规关注员工行为的生产合规、产品系统自身的安全性、生产环境的安全合规要求等。
对于机械设备制造、3C电子、汽车等离散类行业，我们更多的是提供质量管理追溯、智慧物流与仓储、车辆调度疏导平台、AI监造、AI检修、柔性定制化产线等解决方案。虽然两类行业需求有差异，但共同目标都是降本增效，增强自身竞争力。
虎嗅智库：那么碎片化或定制化具体体现在哪些方面？
大华股份：由于各自内部习惯不同，在产品功能、平台软件展示UI等层面上，定制内容比较多，有时企业还需要满足更好的二次开发支持，或更好地服务自己的特色业务流程。另外，即使是同一个行业，不同企业也会有一些特殊的应用，需要另外开发接口。
针对这些需求，大华在全国有自己的生态池和能力中心。对于客户的定制化，能力中心能够以高时效性快速覆盖；对于垂直领域相对独立的需求，大华会找到生态池内相关领域的合作伙伴一同解决。未来我们在内部也会将能力逐渐模块化，便于客户的交互和部署。
虎嗅智库：业务与大模型怎么做的融合？
大华股份：其实主要分为两大类，第一类是大华自己的产品，包含嵌入式软件、感知类软件等；第二类是平台应用，我们打造了中台的能力，把整体的物联网感知、智能、数据、交互能力做到模块化，集成在此。
大模型方面，大华自己的星汉大模型不是一个通用意义上的大模型，而是以视频解析为核心，还原真实事件的概念，是结合业务的。融合多模态大模型后，我们会把文本语音去和视频做融合，然后结合大模型应用，率先在视频行业落地。
虎嗅智库：为什么会选择将大模型率先落在视频行业？
大华股份：我们的思考是做大模型要跟业务深度融合。深度学习刚出来时，人脸识别是一个很好的切入点；对于ChatGPT，可能大家都在以文本语音为切入点做应用。大模型也一样，一开始都找不到落地场景，但基于我们对行业的理解，我们可以在视频行业找到比较精准的切入点。
因为视频本身的数据量比较大，可能一秒钟几十帧，如果我们也搞一个几千亿参数的模型，在行业内根本没法用。我们会做通用意义上的文本语音的转换，但会找到一个更合适的操作维度，模型的参数规模也会控制。
虎嗅智库：人工智能进入大模型时代，结合大华业务场景，您认为技术能力上有何提升？
第一是从个性化走向通用。基于对数据的训练和理解，模型的数量在减少但变得更加智能，原来我们可能有上百个模型，现在可能几个模型就能满足碎片化的市场需求，同时可以做到自己学习升级。
第二是从识别走向理解。举个例子，过去车道线的识别需要提前输入各种规则，但现在通过摄像头结合大模型，一下就能判断马路上划线代表的含义。
第三是从静态到动态。比如快递运输场景内的车辆、动线、货物、员工、标签等元素，小模型都能识别出来。但如果把所有元素串联在一起，识别连续的动作是否合规。因为要设置很多规则，所以小模型基本做不到。而大模型具备这样的能力。
二、将整体架构能力、核心技术和深刻业务洞察结合，才能做好数字化转型
虎嗅智库：数字化方面，大华的研发思路和投入水平大致是？
大华股份：公司2023年研发费用率12.3%，近几年一直维持在10%以上的水平。投入思路上，一是整体上会围绕各个行业的数字化转型做投入，二是围绕自身产品/解决方案更智能、更数字化的方向提升自身的研发能力。公司现在软硬件产品线共二十来条，每年都有很多要突破的技术。
研发有三层架构，首先从技术开发的维度来讲，我们有五大研究院，主要负责技术上的开发和各产品线技术的拉通共享。例如先进技术研究院负责AI大模型，大数据研究院做云和大数据领域的开发，中央研究院负责一些基础和前沿技术的开发等等。
其次，在这之上，是软件和硬件两大产品体系，包括AIoT智慧物联以及物联数智平台。最后顶层是解决方案的研发团队，围绕政府、企业和中小企业（SMB）建立了三个解决方案平台。
研发模式上，我们把各个产品线开发共性的内容做内部统一拉通，实现资源复用的最大化。产品开发是以技术和市场双轮驱动，内部有一套完整的IPD流程，根据客户漏斗和匹配内部管道来进行。由于我们产品化的节奏比较快，内部会把要急于突破的技术提前让技术团队解决掉，这样可以加快节奏。
虎嗅智库：如何衡量研发投入回报？
大华股份：研发的投资回报其实很难衡量，有一个数字比较直观，就是看毛利率和营收的变化，如果毛利率稳定且营收在增长，说明投资还是有效的。但实际上不能仅仅看数字，还要看对产品方案竞争力和领先性的长期影响，针对具体的行业、具体的产品，我们有各种维度的经营分析。
举例来说，产品方面我们会看产品本身规格定义的问题、质量和成本控制问题、销售推广进度的问题等，看它在生命周期内有没有达成设定目标。但实际情况是很难准确判断投入是否合理有效，我们也不会要求每一款产品投产后都能成功，有一定合理的比例就可以了，而且走弯路的经验是一定要有的，否则就不能说是研发工作了。
对于研究院也是如此，会要求其技术转化率控制在一个合理的范围内。如果技术转化率太高，说明长期的技术研究和探索可能规划得不够，如果太低，说明技术研究太随意，没有做深刻有效的洞察，都是不允许的。
虎嗅智库：根据您的经验，在方案实施落地阶段，曾遇到过哪些问题或意外？
大华股份：面向渠道的话，通用产品的问题并不大，但面向行业的话，问题确实还蛮多的，这个主要分为几类：
第一类是新技术的使用方式不同于员工的日常习惯，态度会很排斥。针对这种情况，大华的解决方式是让熟练工感受到新技术、新工具的便利性和实用性，让其慢慢适应并接受。
第二类是员工担心工作岗位会被替代，从而抵触新技术。针对这种情况大华会提供详细的培训和教育，我们会强调技术的辅助作用而非取代员工的价值，让员工感受到自身价值的提升，这样对技术的接受度就会慢慢提升。
第三类是需求蔓延和成本预算存在冲突。有的客户在落地过程中会不断产生新的需求，但预算成本与蔓延的需求是不匹配的，这种情况也非常普遍。这种情况下，我们会与客户充分沟通，根据其阶段性需求，来考虑分析实施解决方案的可能性，这样便能够分担成本，也能保证项目的交付时间。
另外，我们会保证方案的可扩展性，完成第一期建设之后，后续能够以模块化的方式不断完善。通过展示后续功能，客户可以阶段性使用验收。
第四类是对数据隐私和网络安全有担忧，这种担忧越来越普遍。大华会把网络数据安全覆盖到需求设计、开发、测试、发布全流程，同时也会进行漏洞管理和代码测试，并覆盖到所有产品。
虎嗅智库：企业进行数字化转型，您认为哪些核心能力是比较关键的？哪些优先级比较高？
大华股份：首先还是要对公司内部的战略、业务流程和组织设计有一个清晰的理解和判断，具备整体的架构能力。如果没有一个整体的视角、企业战略不匹配的话，数字化做出来可能就是过时的；如果没有梳理清楚业务流程和组织设计的话，数字化做出来可能是断层的。
例如大华多年前第一次采购ERP，上线之前声称可以极大提高工作效率，但上线之后第一个月发现完全不达预期，原因就是没有真正打通公司内部研产供销服的流程，流程上有断点。
其次我认为还要有核心技术。大华组建了自己的IT团队，虽然前期投入比较大，但后期便利性和收益很高。一方面，产品方案可以满足自身需求。另一方面，公司自己是最好的样板，可以不断做打磨和开发，满足不同行业场景的需求。
此外，还要提升对整体业务的理解能力，善于洞察行业动态、业务痛点、业务发展趋势、政策法规等，关注技术和业务能力的平衡。有深刻的业务洞察力才能做好数字化解决方案。
津公网安备12011002023007号