Q：如何去看待跟公司相關(guān)度比較高的CV大模型，SAM模型，甚至到更廣普的一些通用模型，對公司這個行業(yè)的發(fā)展，包括商業(yè)模式、競爭格局等帶來的影響，公司有什么樣的準備和應對？

　　A：最近幾年在人工智能領(lǐng)域，大模型是一個比較明確的技術(shù)發(fā)展趨勢，因此公司研究院在幾年前就開始研發(fā)視覺大模型技術(shù)。現(xiàn)在公司的大模型技術(shù)已經(jīng)到了多模態(tài)大模型的研發(fā)階段，公司的多模態(tài)大模型包括視覺、語音、文本等多模態(tài)信號的融合訓練及處理。

　　為了支持大模型的研發(fā)，海康也自建了業(yè)內(nèi)一流的數(shù)據(jù)中心，公司構(gòu)建了千卡并行的訓練能力，并且面向智能安防的場景，公司訓練了百億級參數(shù)的大模型，公司知道現(xiàn)在大模型的部署應用成本是較高的，所以面向這種部署應用成本較高的限制，公司在大模型的算法架構(gòu)上進行了研發(fā)。在算法上公司基于基礎(chǔ)大模型，研發(fā)了更高效的行業(yè)模型，在架構(gòu)上公司應用云、邊、域的智能物聯(lián)系統(tǒng)架構(gòu)，實現(xiàn)信息的多級處理，達到成本與效果的均衡。這類多模態(tài)的大模型的智能感知認知能力，使得公司的智能系統(tǒng)具備了更強的泛化能力，能夠更好的去理解和響應用戶的需求。目前公司的多模態(tài)大模型已經(jīng)在公司的AI開放平臺上上線，它使得公司能夠更好的去理解現(xiàn)場更加復雜場景下的視頻內(nèi)容，使得公司視頻信息的提取的精確度有了量級上的提升，另外它使公司數(shù)據(jù)標注的工作的自動化程度大幅的提升，標注的效率提升了一個量級。目前公司AI的開放平臺已經(jīng)在100多個行業(yè)的智能化的產(chǎn)業(yè)升級中獲得了應用，并支持了15,000多家用戶。

　　現(xiàn)在從大模型的發(fā)展趨勢來說，現(xiàn)在大模型的研發(fā)在全世界是呈現(xiàn)一個百花齊放的態(tài)勢，并且展示出很強的能力。公司認為在面向垂直領(lǐng)域應用的時候，結(jié)合高質(zhì)量的領(lǐng)域數(shù)據(jù)及領(lǐng)域知識所訓練的行業(yè)大模型，其性能及實施成本都會具有優(yōu)勢。舉個例子來說，彭博社利用其在金融領(lǐng)域多年的積累，構(gòu)建了500億參數(shù)的BloombergGPT，該模型在金融領(lǐng)域取得了很好的效果。?？低曉谥悄芪锫?lián)領(lǐng)域具有20多年的積累，相信公司的大模型開發(fā)會給會為公司帶來更多的優(yōu)勢，為用戶提供更好的服務。

　　公司認為在AI領(lǐng)域過去有大量的技術(shù)開源，這種開源工作大幅度加速了這個行業(yè)的進步，降低了技術(shù)的門檻，提升了技術(shù)的下限。但是另外一方面，公司認為這個領(lǐng)域的應用，達到SOTA(State of the Art)的性能模型往往是需要一些專業(yè)的數(shù)據(jù)和領(lǐng)域知識的積累的。SAM模型在發(fā)布之初公司就關(guān)注到了，并且也進行了系統(tǒng)性的評測，公司的結(jié)果顯示相對于公司專業(yè)領(lǐng)域的應用來說，它的性能跟公司的專業(yè)模型還是有一定差距的。

　　最后公司在人工智能領(lǐng)域方向是會持續(xù)的投入，公司也會高度的關(guān)注業(yè)界大模型的發(fā)展狀況，積極的與國內(nèi)的企業(yè)、高校、開源社區(qū)開展合作，共建良好的大模型生態(tài)，為公司的用戶提供更好的服務。

　　Q：在響應提高整個央國企的發(fā)展質(zhì)量，進一步提升價值，推動整個公司往更高體量發(fā)展的大的背景下面，公司有一些什么樣的思路和展望。

　　A：公司在2021年的致股東中提到未來三年是海康的機遇期，這幾年的確出現(xiàn)了很多的變化，2021年還是不錯的，2022年沒想到有這么大的一個動蕩，這是對環(huán)境變化判斷的不足。從公司角度來說，競爭環(huán)境是在改善的，但是政治環(huán)境不是很好，比如美國的打壓，環(huán)境不是那么好，這是第一個方面。

　　第二個方面，公司的能力是在提升的，業(yè)務的選擇、技術(shù)的方向也是比較清晰的，公司從可見光到毫米波、到遠紅外、到X光、到聲波，這些技術(shù)都在逐步落地，包括去年公司EBG業(yè)務表現(xiàn)還不錯也與這些技術(shù)的落地都有很大的關(guān)系。其實在2020年、2021年的時候有一些特別的機遇期，包括人體測溫,在2022年人體測溫市場恢復平靜之后，EBG依然表現(xiàn)的不錯，這是公司一個綜合能力的反映。

　　第三個方面，?？当旧硪驳搅艘粋€轉(zhuǎn)折期，公司內(nèi)部運營、管理等各方面的能力都在提升，處于上升的趨勢，所以對機遇期的基本判斷公司認為還是沒有錯。在這樣的一個全球化政治、經(jīng)濟的影響之外，這幾年可能還會有一些的困難，但這些困難對于培養(yǎng)和打造公司持續(xù)上升的能力以及長期發(fā)展還是比較好的，公司在感知的能力，在MEMS技術(shù)、在信號處理、設(shè)備類別的豐富程度，包括在AI上的能力、營銷的能力以及適應外部變化的能力都在提升。所以即使未來兩三年或甚至三四年還可能遇到這樣或那樣的困難，走過這一段困難的時間后，相信?？档陌l(fā)展會持續(xù)向好。

　　Q：現(xiàn)在市場上有一種觀點，憑借大模型或者說其他一些開源的AI技術(shù)，公司的競爭對手就可以在更大的機會上去突破公司之前建立的技術(shù)壁壘，并且他們覺得會使得整個競爭格局走向分化，想聽一聽公司對這個問題的看法。

　　A：首先現(xiàn)在大模型呈現(xiàn)的能力，尤其是它在AGI上面呈現(xiàn)的能力，讓大家看到人工智能未來會有更強的泛化能力，也會有更多的應用價值的輸出，這一點現(xiàn)在看起來這個趨勢是比較明顯的。但是另外一方面公司也看到大模型它本身它是一個人類的數(shù)據(jù)和知識的凝練，對人類的任務進行響應的一個過程。因此公司認為在面向于垂直領(lǐng)域的時候，這種高質(zhì)量的領(lǐng)域數(shù)據(jù)和領(lǐng)域知識都會產(chǎn)生巨大的價值，這一點在以往的許多學術(shù)論文以及一些競賽上公司都可以看到，SOTA的人工智能的結(jié)果，往往不是一些通用的模型能獲得的，往往是結(jié)合了一些領(lǐng)域數(shù)據(jù)和領(lǐng)域知識的模型才能獲得。剛才也提到了類似于像彭博社的BloombergGPT在金融領(lǐng)域的效果，也提到了SAM的分割模型在公司的領(lǐng)域里面的一些效果，這些都驗證了這樣的結(jié)果。

　　對于?？低晛碚f，公司是在比較早的時間就識別到了大模型的發(fā)展趨勢，公司很早就做了視覺大模型，由于公司?？档募夹g(shù)架構(gòu)是發(fā)展全面感知的智能物聯(lián)的架構(gòu)，因此公司也在比較早的時間就做了多模態(tài)大模型的研發(fā)。多模態(tài)大模型里面，它是把視覺、雷達、聲音、文本、X光各種模態(tài)的信息都根據(jù)任務的需要來進行融合及訓練。公司覺得大模型開源的態(tài)勢，首先它會讓人工智能的應用更讓廣大的客戶接受，整個智能物聯(lián)、人工智能的蛋糕會越做越大，對于像?？颠@樣具有多模態(tài)的大模型能力，以及具有全面感知的產(chǎn)品線，另外公司又有物聯(lián)網(wǎng)領(lǐng)域二十多年領(lǐng)域知識的積累，我相信在這樣的技術(shù)趨勢下，公司的技術(shù)結(jié)合會給公司的用戶帶來更多的價值和優(yōu)勢。

　　Q：市場現(xiàn)在也很關(guān)心公司各個BG今年整個景氣度的展望，能否幫忙從訂單或者商機的角度講一下今年是否能夠看到比較明確的提升趨勢。

　　A：市場肯定很關(guān)注經(jīng)濟復蘇的情況，從整個大環(huán)境來看，從去年的二季度開始，商機數(shù)受到一些遏制，三季度四季度是逐季下滑的，直到今年一季度受影響還沒結(jié)束，過了春節(jié)以后才看到一些商機在逐步增加，目前來看可能還是要到今年的5月份才會有比較明朗的趨勢?，F(xiàn)在這個時候看每個BG由于周期不一樣反應出來的情況也會不同。比如說SMBG主要針對于小商戶、小工廠、小企業(yè)、小單位，所以一般情況下SMBG反應會比較快，它的決策鏈條比較短，如餐飲、旅游的恢復增長會直觀的帶動公司業(yè)務的增長或波動。EBG的決策相比PBG的決策還是要快一些，PBG的決策更慢，特別是一些地方政府在資金的壓力上面，政府發(fā)債也需要時間，所以PBG得恢復看起來相對更緩一些，大致的情況是這樣子。

　　Q：關(guān)于公司的競爭優(yōu)勢，一個是體現(xiàn)在公司在很多垂直領(lǐng)域數(shù)據(jù)的積累上，另外一個是體現(xiàn)在公司的渠道壁壘上。大家現(xiàn)在也都很關(guān)注AI在一些具體應用場景的落地情況，想請教一下公司渠道壁壘被突破的可能性?

　　A：在垂直行業(yè)里面，公司所處的行業(yè)是一個場景化的解決方案，不同的行業(yè)所處的場景差異比較大。打個比方，比如說公司做個細的行業(yè)，需要把這個細分行業(yè)的各個環(huán)節(jié)打開,根據(jù)各個環(huán)節(jié)的場景特點，要解決的問題，來提供解決方案。

　　公司說的渠道是通過分銷商、代理商、集成商、工程商、安裝商等一些中間環(huán)節(jié)，最后再到用戶，這個通道需要建立長期的磨合，需要建立信任，這個過程是需要時間的。不像在消費行業(yè)，可能因為一個廣告或者一個市場的運作，就能帶來很大改變。所以渠道的培育是一個要花很長時間建立信任的過程。

　　Q：能否定性、定量的給大家分析一下大模型對公司業(yè)務的幫助?比如模型能減少多少比例的定制化，或者能減少多少人力的支出?

　　A：?？翟谌斯ぶ悄芊矫嬉呀?jīng)鉆研了非常久了，在大模型上線后，它會對原來人工智能的算法模型進行升級，升級以后公司看到性能有大幅度的提升。以前，公司提供的功能是對視頻、圖像、多模態(tài)信息的理解，后來基于公司的多模態(tài)大模型，信息提取的精確度提升了一個量級以上，也就是說在保證信息提取識別率相等的情況下，誤報率可能會降低一個量級，這能極大的提升算法在復雜場景下的泛化能力和響應速度。

　　人工智能是基于大數(shù)據(jù)的，所以數(shù)據(jù)的準備和標注是非常關(guān)鍵的。公司現(xiàn)在主要是基于大模型在做自動化的標注，標注的效率也提升了一個量級以上，也就是說用同樣的人力投入，標注的數(shù)量可以提升10倍。

　　人工智能的應用場景非常多，有各種定制化的需求，所以面向千行百業(yè)中人工智能升級的定制化需求時，公司當時就走了AI開放平臺的路線，希望基于一個底層的人工智能基礎(chǔ)平臺，為千行百業(yè)服務，能夠讓千行百業(yè)提取行業(yè)性算法模型，用相對可控的人員增長，滿足持續(xù)增長的用戶需求。公司的AI開放平臺已經(jīng)服務了100多個行業(yè)、15,000多個用戶，每個行業(yè)的智能化場景非常多，智能化需求也非常多樣化，我相信這是由于底層模型的加持，謝謝。

　　Q：公司一季度的毛利率已經(jīng)有了明顯的回升，能否展望一下今年的毛利率趨勢?

　　A：毛利率受很多因素影響，對?？祦碚f，不同產(chǎn)品線、不同區(qū)域、不同行業(yè)都會對毛利率帶來影響。毛利率是企業(yè)在行業(yè)內(nèi)綜合競爭力的體現(xiàn)，也與公司的業(yè)務選擇有關(guān)系。

　　現(xiàn)在大家都在談內(nèi)卷，不論是新經(jīng)濟還是傳統(tǒng)產(chǎn)業(yè)，都有內(nèi)卷現(xiàn)象，最直接的表現(xiàn)就是毛利率下降。怎么減少毛利率的波動，企業(yè)能做的事情就是創(chuàng)新，技術(shù)創(chuàng)新是影響毛利率的主要因素。在環(huán)境發(fā)生變化的時候，你是不是能比競爭對手做的更好一些，你的產(chǎn)品、綜合能力是不是更強一些，最后會反映在毛利率上。

　　Q：?？档纳虡I(yè)模式會有變化嗎?是否有看到新的增量業(yè)務?競爭是否會加劇?

　　A：現(xiàn)在技術(shù)熱點很多，一波一波的出現(xiàn)，對于大模型未來會怎么演變、怎么落地，可能大家都在觀察。我個人的判斷是基于公網(wǎng)的、集中式的、在云中心有大型處理能力的模式下，超大模型是有一定的優(yōu)勢的。但是對于物聯(lián)網(wǎng)行業(yè)，我認為仍舊應該是云邊融合的模式，也就是邊緣節(jié)點、邊緣域、云中心的組合，因為在很多的封閉網(wǎng)絡，不太可能建超強的計算能力，也沒有必要去建超強的計算能力，軟硬一體的模式至少在物聯(lián)網(wǎng)行業(yè)和大量的垂直市場上依然是主流。出于安全和其他很多方面的考慮，物聯(lián)網(wǎng)和互聯(lián)網(wǎng)還是有很大的不同。

　　Q：過去幾年EBG在比較動蕩的經(jīng)濟環(huán)境下表現(xiàn)出了韌性，未來三年，公司在數(shù)字化領(lǐng)域的布局會更多傾向于細分領(lǐng)域的拓寬嗎?會通過大模型實現(xiàn)降本增效嗎?

　　A：企業(yè)數(shù)字化的動力是很強的，也是很直接的，看投入產(chǎn)出比和投資收益。但它還是場景化的、行業(yè)垂直的、細分的，針對特定的場景進行的數(shù)字化改造?，F(xiàn)在的數(shù)字化需求會更深入，那么做方案的時候，大模型有一定的幫助的同時，也有實施成本的問題，有數(shù)據(jù)安全的問題，有企業(yè)信息私密性的問題，所以很多信息會在局域網(wǎng)或者專網(wǎng)上，或者在一個特定的環(huán)境下用一種特定的方式去做，不太會在公司所想象的通用超大模型上。超大模型的技術(shù)在細分市場怎么用，這是公司現(xiàn)在要進一步深入去研究的事情，新的技術(shù)到來對公司產(chǎn)業(yè)的影響，我認為短期不會很快，公司保持投入和觀察。

　　Q：對于?？祦碚f，公司進一步提高自己的CV能力后，怎么樣更好的跟創(chuàng)新業(yè)務去做一些結(jié)合?比如說公司除了安防以外，也有機器視覺，機器人還有像醫(yī)療的一些業(yè)務，公司是怎么樣去形成更好的協(xié)同作用?

　　A：首先公司說到SAM做的segmentation，其實是CV里面一個比較基礎(chǔ)的任務。CV里面除了segmentation，還要做detection,classification,tracking等等，有非常多的任務。剛才我在前面的回答里也說到了，現(xiàn)在這樣開源的技術(shù)的確是一個百花齊放的態(tài)勢，把整個行業(yè)的人工智能力也好，CV的能力也好，都大幅度的提升了。公司覺得首先是一件好事，因為把整個經(jīng)濟領(lǐng)域里面對于人工智能的認同，和在產(chǎn)業(yè)的使用都擴大了。但另外一方面公司也深刻的認識到，人工智能要在垂直領(lǐng)域有比較好的應用，一定要有行業(yè)領(lǐng)域的知識和一些數(shù)據(jù)，之前的很多測試都說明了這一點。公司現(xiàn)在對于不同的行業(yè)，底部是有一個基礎(chǔ)的模型，無論是CV也好，還是多模態(tài)也好，公司都有底部的模型。有了這樣底部的模型作為foundation以后，上面再去生長一些行業(yè)的模型，加入一些行業(yè)的知識，能夠更快的、更高效的去生成一些行業(yè)的應用，公司之前也都是這樣子做的。作為?？祦碚f，智能感知和智能認知是公司過去這些年一直去積累的能力，公司其他的一些創(chuàng)新業(yè)務，他們中間毫無疑問也會有人工智能的應用。無論是機器視覺、醫(yī)療、或者說x光的安檢，這些產(chǎn)業(yè)里的產(chǎn)品線，包括行業(yè)的應用，對于人工智能的訴求一點都不比安防產(chǎn)業(yè)少。所以，公司會在底層技術(shù)層面去跟他們溝通或者提供一些支持，他們在上面用他們的產(chǎn)業(yè)的知識，包括系統(tǒng)的要求去構(gòu)建他們的能力，謝謝。

　　Q：從應用的角度上，從過去到現(xiàn)在，比如說從公司的一些財務指標上，或者從量上，從可以看到的數(shù)據(jù)上，怎么去看算法工程化的能力的增強帶給公司業(yè)務或者是收益上的提升?

　　A：大家總是希望有一個很明確的數(shù)據(jù)，可能想看到馬上帶來的變化，公司從過去到現(xiàn)在也沒有披露過AI相關(guān)的收入，但其實公司差不多從15年開始做AI到現(xiàn)在也有7、8年的時間了，公司回顧一下，對?？祦碚f，如果不做AI的話，我可以說，現(xiàn)在的?？悼隙ㄊ峭耆灰粯拥模镜氖杖肭闆r肯定是比較糟糕的，不會有這些年收入的增長。正因為做了AI，可以用AI技術(shù)幫用戶解決某些方面的問題，獲得業(yè)務收入增長。

　　可能從現(xiàn)在來看，未來10年可能公司還是比較樂觀的，其實還是有些很多的問題公司到現(xiàn)在還是解決不了，所以?？档臉I(yè)務也在發(fā)生一些變化：原來關(guān)注的目標檢測、目標識別和分類以及一些行為分析，現(xiàn)在往另外一個方向走，比如說公司對于物質(zhì)的特性、物質(zhì)的成分和屬性的分析。比如說公司現(xiàn)在的做遠紅外的時候，做熱成像時也用了AI的技術(shù)，來做的更加精準一些；比如說公司用高光譜的相機在做水質(zhì)的分析；公司也在激光相關(guān)的檢測產(chǎn)品中，用AI的技術(shù)，做空氣中某些成分的分析；比如說公司用光學的方式來做煤質(zhì)的燃值、水分、灰分等分析；公司還用AI的技術(shù)探測壓力、流量等等其他方面。

　　大家對超大模型的反響很轟動，但其實這些年公司不斷地經(jīng)歷新的技術(shù)，就像10年前一樣，看到AI技術(shù)的時候公司都很興奮，實際上落地是一個漫長的過程，所以今天來看這些超大模型的時候，我還是在想管理學里面有一句話，公司往往高估一年的變化，往往低估十年的變化，這是一個長期的、漫長的、持續(xù)的過程，公司看得到這些技術(shù)帶來的變化，但是公司也知道落地的過程中有非常多困難要克服。你剛才講的從AI到感知智能到認知智能，到這些工程化落地等方面，它在很多地方帶來改變的時候可能和早期的預期是不一樣的，它的著力點可能都是不一樣的。所以，在這上面大家要講帶來直接的財務上的影響，公司沒有這個能力來盤算今年會帶來多大影響，或者看到的AI對業(yè)務帶來多大的變化，但公司也是相信3年、5年、8年、10年，它會帶來很大的影響和變化。

　　Q：基于上一個問題，隨著數(shù)據(jù)量、感知能力上面的提升，就意味著硬件也要升級，包括傳感器或者是半導體一些相關(guān)的芯片的升級，所以想請問在硬件的升級和目前國產(chǎn)化的布局是怎么樣?。

　　A：硬件上可能公司現(xiàn)在受到很多的制約，制約是多方面的，當然可能作為博弈來看，我相信這個問題總能解決?；剡^來想說整個電子產(chǎn)業(yè)的發(fā)展，可能在2000年開始到2010年，我覺得是中國的電子產(chǎn)業(yè)的終端產(chǎn)品設(shè)計能力快速增長的十年。03年04年05年，國內(nèi)的這些手機廠商買國外的設(shè)計方案到國內(nèi)來做一些漢化，做一些菜單的、UI的調(diào)整和優(yōu)化。后來到了差不多2010年左右，中國在手機上面的設(shè)計能力已經(jīng)完全具備了。其實其他產(chǎn)業(yè)也一樣，包括公司做安防、做視頻監(jiān)控也是這么一個過程，九十年代的時候基本上都進口，2000年國內(nèi)開始自主設(shè)計，像?？颠@樣的從板卡到DVR，到后來的攝像機里面的ISP等技術(shù)都自己掌握。在過去的10年里面，2010年到2020年這一段時間，中國廠商在芯片的設(shè)計能力是快速增長的。公司在早期的時候，用飛利浦半導體，用TI，用英特爾，用三星等等這些公司的芯片來做終端產(chǎn)品，現(xiàn)在除了通用的DDR，flash這些以外——其實現(xiàn)在flash國內(nèi)也做得非常不錯了，DDR也有一些突破——其他的基本上都是國內(nèi)公司設(shè)計的了，從核心部件像鏡頭、sensor、到SoC、再到相關(guān)的周邊的小器件，基本上都是中國公司設(shè)計。

　　這里面有一些還需要到臺積電、到三星去流片，有一些28納米、14納米甚至7納米的芯片。未來10年相信國內(nèi)在制造業(yè)上面會有一個比較大的突破，在半導體的制程、制造上獲得比較大的突破。對于裝備、材料、工藝、工具、核心部件，未來10年這些能力我認為會有大幅度的提升，產(chǎn)業(yè)也逐步的落地。大家還可能關(guān)心的，像AI的高性能的計算，公司現(xiàn)在做不到，但我相信一定的時間，這些問題總會解決掉，用新的技術(shù)新的方式可能也會繞開過去的一些技術(shù)上需要更大投入的障礙。所以在這上面它是不斷迭代的，之所以中國在電子產(chǎn)業(yè)有這樣一個增長，還是因為本土市場的需求，我覺得中國還是一個全球接下來單一的最大的一個消費市場，正因為有這個需求在，它能帶動產(chǎn)業(yè)的發(fā)展，一步一步拉動上游產(chǎn)業(yè)的發(fā)展。

　　Q：請問公司在AI方面的技術(shù)路線，和國外公布的大模型技術(shù)路線的差異?未來公司會去融合這方面最新的技術(shù)，還是專注在垂直領(lǐng)域繼續(xù)發(fā)展現(xiàn)有技術(shù)路線?以滿足未來客戶提出的需求。

　　A：過去這些年，人工智能技術(shù)的趨勢和要素比較明確，即由海量的數(shù)據(jù)、海量的運算所驅(qū)動。隨著運算能力、數(shù)據(jù)的增加，人工智能的泛化能力和能力都大幅度地增加。公司在這一波人工智能浪潮之初，就比較清晰地認知到這種趨勢。因此，公司一直在面向這種趨勢進行技術(shù)研發(fā)，構(gòu)建基礎(chǔ)能力，例如更大規(guī)模和更深的網(wǎng)絡、更強的并行能力、更強的數(shù)據(jù)中心、更強的數(shù)據(jù)生成和數(shù)據(jù)標注的能力等。公司參加了各種不同領(lǐng)域的人工智能的國際競賽，也獲得了很好的成績。

　　公司是一家面向智能物聯(lián)的公司，要為智能物聯(lián)行業(yè)服務，就要對場景有更全面的感知能力。面向全面感知的戰(zhàn)略，公司構(gòu)建了全面的面向智能物聯(lián)應用的能力，公司構(gòu)建了非常多的感知技術(shù)，從可見光拓展到了紅外、X光、聲音等，這些都使得公司對智能物聯(lián)場景的感知能力更強，公司還會面向更微觀的世界去構(gòu)建感知能力。

　　面向這種全面感知能力的構(gòu)建，一方面，公司構(gòu)建了各種器件的能力、算法的能力和產(chǎn)品的能力。另一方面，AI能力從研發(fā)到最終產(chǎn)業(yè)落地，還有很多的工作要做。從技術(shù)的成功到商業(yè)的成功這個過程中，還有產(chǎn)品和系統(tǒng)的很多問題要解決。

　　因此，公司建立了云、邊、域的智能物聯(lián)架構(gòu)，并基于這樣的架構(gòu)來構(gòu)建公司的很多能力。一方面，這樣的架構(gòu)使得整個信息實現(xiàn)分層次地處理，極大地降低了信息傳輸和處理對計算能力和傳輸能力的要求，能夠以比較低的代價為用戶提供更強的智能物聯(lián)的能力。另一方面，面向垂直領(lǐng)域，高質(zhì)量的領(lǐng)域模型和領(lǐng)域知識非常重要，公司不僅打造面向垂直領(lǐng)域的解決方案，也打造垂直領(lǐng)域的智能能力和垂直領(lǐng)域的智能模型。

　　面對人工智能全球化、大模型、全面發(fā)展和開源的態(tài)勢，一方面，公司在人工智能、大模型方向持續(xù)保持高度投入；另外一方面，公司擁抱全球人工智能百花齊放的態(tài)勢，積極地與國內(nèi)高校和開源社區(qū)合作，通過這樣多方位的投入，去共建公司大模型的服務能力。

　　在AI領(lǐng)域，像?？低曔@樣的公司并沒有能力成為AI技術(shù)的領(lǐng)導者，公司也不追求成為AI技術(shù)的領(lǐng)導者。公司是一個技術(shù)的跟進者，關(guān)注各方面的技術(shù)。公司的重點是跟進這些技術(shù)，整合相關(guān)的各種技術(shù)而不只是AI技術(shù)，來讓AI技術(shù)更好地產(chǎn)品化、更好更有效的落地，這是公司整個工作的重心。公司會跟進各項技術(shù)的演變，技術(shù)的落地還面臨很多挑戰(zhàn)，公司的重心在AI技術(shù)的落地上面，公司自己是這樣的定位。

　　公司AI的能力從2015年開始不斷積累，在2018年推出AI開放平臺，2019年科技部授予公司國家級人工智能開放創(chuàng)新平臺的榮譽。在這些年的AI技術(shù)發(fā)展中，公司的模型規(guī)模一直在變大，并沒有一個明確的指標，說到哪一年為止就是大模型，或者多大的規(guī)模算大模型，應該說這些年公司一直在致力于把公司的模型能力做泛化，不斷增強。模型的參數(shù)和訓練能力的要求在日新月異的快速增長。

　　公司現(xiàn)在構(gòu)建了千卡并行的能力，訓練了百億級參數(shù)的模型，它是公司基礎(chǔ)的多模態(tài)模型，在這個模型之上公司會生成面向各個行業(yè)的應用。公司沒有跟Open AI合作，但是公司會去擁抱開源的技術(shù)和能力，和國內(nèi)的企業(yè)、高校做合作，公司也是一直保持開放的合作態(tài)度。

　　對?？祦碚f，公司專注的是AIOT，是不同客用戶的各種特殊的場景，要在很多專用的場景下，在封閉的場合下解決問題。如果有些應用超出AIOT，客用戶需要在那個場景下面，借助開放的通用平臺去做，公司可能就會從應用的角度出發(fā)來解決問題，也會接入類似于GPT這樣的通用平臺，并不會所有的事情都堅持自己做，還是從商業(yè)的角度，從解決用戶的問題的角度出發(fā)來選擇合適的應用模式。

完整版下載