产品展示
对话大华股份:如何做好视频大模型?ladbrokes立博体育
ladbrokes立博体育ladbrokes立博体育当下,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。
这样的变化也驱使着大华股份等安防公司,必须从单一的安防定位,转型为以视频为核心的智慧物联解决方案提供商和运营服务商。从技术上来讲,大数据、人工智能、大模型等技术已经成为行业发展的关键驱动力和变革力。
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。
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ladbrokes立博体育,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。
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。
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。
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?
大华股份:人工智能是重要的生产工具,对生产方式产生了非常大的变革,对各行各业的影响都非常大。人工智能从深度学习到大模型,有三个比较明显的变化:
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。
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。
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。
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。
本文7000余字,全文将提供给虎嗅智库502数字化俱乐部社群参阅 502数字化决策俱乐部是由虎嗅智库发起、由领先的行业专家和各行业数字化决策者组成的社群组织,旨在推动中国产业数字化转型和创新。其服务涵盖思享数字化内参、数字化决策交流群、数字化案例工作坊、标杆参访、数字化项目对接&咨询等。 502数字化决策俱乐部实行定向邀请与审核加入制。目前502俱乐部开放报名,欢迎相关行业的企业数字化决策者申请。有意者请扫描以下二维码填写相关资料。
关于虎嗅智库: 虎嗅智库是一家聚焦企业数字化、AI创新实践的新型研究服务机构,为产业智能化进程中的甲乙双方,提供有洞察性的研究报告、案例评选,以及线上会议、线下活动与参访服务,以支持企业高管在智能化、数字化方面的明智决策。 我们提供的核心价值: 及时与优质的洞察,了解技术、了解行业、了解同行与对手; 为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考; 帮助市场全面了解前沿科技及所影响产业的发展状况,还有未来趋势。
本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系