千億海康威視的AI落地路徑：走出屏幕，走向物理世界

截至2025年底，中國公路總里程接近558萬公里，其中農村公路471萬公里，占比超過八成。高速公路和城市主干道有信號燈、護欄、電子監控層層覆蓋，農村公路的條件相對簡陋，大量路段沒有信號燈，急彎、陡坡、無燈控的岔路口比比皆是。

過去十年，中國道路交通安全的整體水平持續提高，但改善的分布并不均勻。

城市主干道和高速公路受益于信號系統、護欄、智能監控的大規模部署，事故率下降明顯；而彎道、坡道、平交路口這類視距受限的路段，可用的技術手段多年來幾乎沒有更新。

而道路上部署的電子設備大致經歷了三個階段。

第一階段是凸面鏡和標識牌，屬于被動提示，效果取決于駕駛員是否留意；第二階段是視頻監控，攝像頭部署到路口和路段，能夠記錄事故過程，但對事故預防的作用有限，且在雨雪、大霧、夜間條件下畫面質量大幅下降；第三階段是多種感知手段的協同，單靠攝像機在雨霧和夜間看不清，單靠雷達又分辨不出目標的外形，兩類設備各有各的短板。

近年開始有廠商將毫米波雷達與攝像機集成在一臺設備中，雷達負責在惡劣天氣下持續測距和測速，攝像機負責在條件允許時提供清晰畫面，一套AI算法將兩路信號融合，判斷路口來的是車輛還是行人、距離多遠、朝哪個方向移動，隨即在路邊屏幕上發出預警。

設備的角色從記錄事故變成了預防事故。

這類雷視一體機已應用于急彎預警、盲區預警、行人過街預警等場景，國內最早將這一品類做到規模化落地的廠商之一，是海康威視（002415.SZ）。

從視頻監控起家的海康威視，現在已有30000多種產品，涌現出了大量像雷視一體機這類不只是“看”的感知產品，它們還可以“聽、觸、嗅”。

7月17日，海康威視第一次參加在上海舉辦的世界人工智能大會。

海康展出了名為觀瀾的大模型技術體系，覆蓋可見光、紅外、X光、毫米波、音頻、光纖等多類感知信號，并發布《海康觀瀾大模型白皮書》。白皮書給觀瀾的定位是，源自物理世界的大模型。

觀瀾這個名字取自《孟子·盡心上》的“觀水有術，必觀其瀾”，意思是看水有講究，要看它的波瀾。海康希望機器能夠解讀的，是各類感知信號中的萬千細節，鋼水的溫度、皮帶的震顫、安檢儀里的回波、氣體泄漏時空氣的擾動，從這些信號中認出真實世界正在發生什么。

此前，機器在物理世界中承擔的角色以采集為主，攝像機記錄畫面，傳感器采集信號，理解和判斷的工作更多留給人完成。

而觀瀾體系，是讓機器在采集信號的同時完成理解，并據此自主做出響應。

面向物理世界的模型

海康的觀瀾大模型體系和人們熟悉的通用大模型，是兩樣不同的東西。

豆包、ChatGPT這類模型面向數字世界中的通用任務，追求一套模型應對盡量多的提問；觀瀾面向的是鋼廠、機場、港口、化工廠這些日常運轉的行業現場，是一套扎根具體行業的模型體系，覆蓋從可見光到紅外、從毫米波到光纖、從音頻到X光的多種感知模態，模型的數量和種類遠超一般認知中“一家公司出一個通用大模型”的印象。

這種定位決定了海康的做法。

不少公司提供大模型，是開放一個接口，怎么和業務對接由客戶自行解決；海康把模型直接集成進產品，從內置推理能力的攝像機，到邊緣計算設備，再到云端的智能體平臺，模型不是獨立售賣的商品，而是產品能力的一部分。

到目前，觀瀾的能力已嵌入上千款軟硬件產品，覆蓋90多個子行業、2000多個細分場景。換句話來說，基于海康的思路，它賣的不是大模型的概念，而是更好用、更能解決問題的產品、解決方案，客戶為產品買單，不為概念買單。

計算機視覺技術興起之初，業界一度認為，算法識別率更高的公司將主導安防市場。

數年之后，真正拉開距離的并非算法本身，而是能否將算法轉化為規模化落地的產品，能裝進有競爭力的軟硬件，能在千行百業各不相同的現場穩定運行。

這是一整套系統工程，不是單點的技術較量。

在海康，感知與AI這兩項技術，是打通物理世界與數字世界的橋梁。在海康最新發布的白皮書中，將兩者的關系描述為一個飛輪：傳感器采集的信號越豐富、越精準，模型能讀到的物體形狀、材質、溫度、位置、運動就越全面；模型將這些物理世界的規律學進去，又反過來優化感知算法、指導傳感器的設計，讓前端采集得更準確。

感知喂養模型，模型反哺感知，兩者彼此推高，形成持續上升的循環。

海康將自己此次參展的主題定為“觀萬物之瀾，興百業之智”，觀的就是物理世界中這些由不同信號構成的萬千氣象，興的就是千行百業的智能化。

這個循環在毫米波上體現得尤為明顯。

早期的毫米波設備，識別依賴于有限的二維數據，導致大量有效信息流失。而以三維全息數據作為輸入后，感知精度大幅提升，使毫米波大模型能夠從三維信號中提取更多信息，檢出率和檢準率大幅提升。而毫米波大模型的能力增強后，又進一步反哺指導毫米波設備的數據采集，讓數據的價值更高。

不只一種模態

攝像機、安檢門和測溫儀執行的都是識別任務，依賴的卻是三種互不相通的物理過程，可見光成像記錄物體表面的反射，X光成像利用射線穿過不同材質時的衰減差異，紅外測溫捕捉物體自身的熱輻射。

通用大模型難以覆蓋物理世界，原因在于它們的訓練語料來自互聯網文本，而毫米波回波、光纖振動、紅外熱輻射這些物理信號，在互聯網上根本不存在，必須由專用的傳感器在現場采集，再由針對性訓練的模型來解讀。

觀瀾要做的，不是一個基礎模型，是一套能讀懂這些物理信號的模型體系。

毫米波能穿透衣物成像，又不產生電離輻射，是人體安檢的主流技術路線。

業內通行的做法，是將掃描得到的三維全息數據壓縮為二維圖像后再作識別，藏匿物的空間信息在壓縮過程中大量損失。

觀瀾的毫米波大模型直接以三維全息數據為輸入，配合自研的感知無損壓縮技術，降低海量信號的存儲與傳輸負擔，違禁品檢出率較傳統小模型提升7.4%，檢準率提升9.8%，海康由此成為業內首家通過民航最高等級A3認證（毫米波人體成像設備的最高安全等級）的廠商。

X光大模型采取相同的思路。

不同材質對射線的吸收能力由原子序數決定，安檢圖像上的顏色便來自這一物理量；觀瀾的X光大模型不讀渲染后的圖像，直接以標注原子序數的原始探測數據為輸入，材質信息不在成像環節流失。

將原始信號直接交給模型處理，這一做法貫穿觀瀾的多種感知模型，為的是盡可能保留物理世界的信息。

毫米波和X光之外，觀瀾還覆蓋了激光信號。

鋼鐵廠、港口的散貨轉運依賴長距離皮帶輸送機，輸送機上有大量托輥（承托皮帶的滾軸），托輥出了故障如果發現不及時，整條輸送線就要停下來檢修。傳統的辦法是人工沿線巡聽，幾十公里的廊道走一遍耗時費力。

海康的做法是把鋪設在廊道上的光纖變成一條連續工作的激光傳感器，通過聽診光纖探頭采集托輥聲音，沿光纜傳輸至主機，全天候智能診斷托輥的運行狀態，故障誤報數量降低約七成。

化工領域的氣體泄漏同樣是肉眼難以察覺的隱患，海康基于激光吸收光譜技術的氣云成像遙測儀，能讓不可見的泄漏氣體在畫面中顯形，泄漏識別率提升至90%以上。

海康還將多種信號放進同一個模型進行跨模態融合，判斷精度高于一種信號單獨工作的結果。

真實世界的需求高度碎片化，現場的算力條件千差萬別，云端規模的模型無法直接部署到一臺臺設備中。

海康的應對是云邊端靈活部署，算力充裕的場景在云端運行，在現場則下沉至邊緣設備和終端，按不同場景搭配不同的協同方式。

海康將觀瀾體系的優勢概括為四個字，多、快、準、省。多，指感知信號的種類多、覆蓋的行業和場景廣；快，指快速開發和部署、敏捷響應；準，指通過直讀原始信號、跨模態融合等方式持續提升識別的精確度；省，指端邊云按需部署、推理優化，相比通用模型在算力和成本上更為經濟。

海康威視所搭建的這套體系的積累可以追溯到2006年組建的算法團隊，近六年公司累計研發投入594.54億元，觀瀾大模型在中國信通院可信AI大模型能力評測中獲得模型開發能力的業內首個5級評分。

被重新做過的產品

大模型進入海康的產品線后，可以用新技術解決更多老問題，一批老產品率先發生了變化。

傳統的周界攝像機誤報率較高，樹葉晃動、光線閃爍都可能觸發報警，部分用戶直接關閉了全部報警功能。

而集成了觀瀾大模型的周界攝像機能夠過濾掉這些干擾，復雜場景下的誤報率降低90%以上，給用戶帶來了真正的實用價值。

文搜系列帶來的變化更為鮮明。

此前從大量監控錄像中查找丟失物品，需要報案人提供盡量精確的線索，具體到幾點幾分、什么視頻點位，再由人力逐段排查，一次查找耗費十幾個小時是常事。

應用結構化或目標識別算法的傳統智能監控，視頻檢索依賴人臉比對和關鍵詞標簽，一旦目標沒有正面畫面或標簽不全，檢索便難以進行。觀瀾將多模態大模型集成到文搜產品后，用戶只需一句自然語言描述，例如“穿黃色衣服、拎著行李的男子”，系統即可從海量視頻中秒級定位目標。

文搜系列2025年開始規模化落地，一年之內海內外銷售超過10萬套，海外與國內同步放量。

在城市交通管理中，大模型技術同樣在解決以往的頑疾。例如，機動車超員超載問題，過去沒有特別好的手段來解決，只能依賴民警在路面執法檢查。在觀瀾大模型的加持下，通過特征級感知技術深度賦能道路卡口識別準駕車型，并通過側面透窗抓拍技術實現超員人數感知，精準定位疑似超員車輛。近年來，該應用先后在云南曲靖、四川眉山、甘肅蘭州等城市落地，執法有效率達到90%以上。

再比如大貨車闖紅燈行為檢測，由于大貨車長通常在12-18米之間，傳統的路口停止線20米立桿的電子警察，很難完整檢測大貨車闖紅燈行為。海康通過大模型賦能新型電子警察裝備，通過提升縱向分辨率以及特征匹配技術，實現從車頭-車身-車尾的完整違法行為的全過程識別和取證，先后在寧波、金華、泰安、鄭州、南京等百余座城市落地，根治大貨車闖紅燈治理頑疾。

這幾類產品的變化，反映的是一種共同趨勢。

安防長期被視為增長見頂的行業，大模型進入之后，存量市場中出現了新的增量，老產品因為好用和效率價值重塑而被重新采購，過去無法覆蓋的需求因為技術到位而被打開。

安全生產領域同樣受到這一輪技術變化的影響，能解決更多以往的難點問題。

動火、登高、起重等特種作業風險集中，監管部門對作業過程的合規性要求嚴格，企業一旦發生安全事故，面臨的不只是人員傷亡和經濟損失，還有停產整頓的行政處罰。

長期以來，現場安全監管依賴安全員定時巡檢，巡檢覆蓋不到的時段和區域處于無人值守狀態。固定攝像頭雖然能夠記錄畫面，但只能事后回看，無法在風險發生時及時干預。海康的主動視覺作業監管槍球提供了一種不同的思路。

設備接受任務指令后，自主巡查作業區域，全景鏡頭覆蓋半徑60米范圍，感知人員分布及潛在風險，聯動細節球機自動變倍聚焦，對焦點區域持續分析。依托大模型，設備能夠判斷動火、登高等作業類型，識別未佩戴安全帽、未系安全帶、防護面罩缺失、皮膚裸露等各類違章項，發現風險即時上報。

在某鋼鐵廠的煉鋼作業區，部署后整體誤報率下降99.45%。過去，這類安全監管設備的采購多由政策法規驅動；如今越來越多企業開始主動下單，原因很簡單，安全事故的代價遠高于設備投入，一次停產整頓的損失足以覆蓋多套設備的采購成本。

類似的變化也在其他行業現場發生。海康位于桐廬的制造基地生產攝像機部件補光燈，裝配過程包含14道工序，標準作業規范此前依靠人工抽檢監督，抽檢覆蓋不到的工位只能事后追溯。工業大模型接入后逐道比對工序執行，多條產線檢測準確率穩定在95%以上，海康既是方案的提供者，又是第一個用戶。

蘇州張家港地處長江沖積平原，林地塊狀分散，與江堤、村鎮交錯分布，防火只能依靠大量視頻監控點位加人工研判，傳統算法誤報率居高不下，值守人員的主要精力消耗在逐條排除誤報上。

接入多模態研判大模型后，全年無效告警減少94%，人工研判工作量下降95.5%。

湖北宜化的磷化工裝置上，數百個閥門、管線和儲罐分散在廠區各處，介質涉及高溫與腐蝕，人工定時巡檢在兩次巡檢之間留有空白，700余個AI監測點位接入后，巡檢從間隔式改為全天候連續監測。鋼廠、林區、化工廠、制造基地，每一類現場的工況和需求都不相同。

海康能在這些差異巨大的環境中同時部署大模型并保持穩定運行，依靠的是二十余年在產品、模型、部署和行業經驗上的系統性積累。

從一臺路口的雷視一體機，到安檢口的毫米波設備，到工廠里的主動巡查裝置，再到從億級視頻中幾秒鎖定目標的文搜系統，觀瀾體系正在重新定義海康威視產品線的能力邊界。

對一家體量已過千億的公司而言，新的增長既來自于新的賽道，也來自于將手中已有的東西，用AI重做一遍。