海康威视 (002415): 回答：A：我们之前披露的谨慎一些，有我们特别的考虑。其实不管从时间还是从投入的资源上来说，我们都是比较早也比较大的。我们的大模型叫观澜。观澜这个名字源自《孟子·尽心上》，所谓“观水有术，必观其澜”，“观澜”寓意尽心知命，追本溯源，了解事物的根本。我们的大模型讲起来是三层的架构，我们先说中间层——行业大模型。因为海康服务的行业很多，所以行业大模型的数量也很多，我们有用于金融的、交通的、城市治理的大模型，也有电力的、能源的、工业的、零售场景的种种行业大模型。最顶层是任务模型，或者叫场景模型，也可以叫用户模型。这是主要针对用户不同的场景需求，在行业的模型基础上更有针对性地做训练得出的，这一类的模型就太多了。最下面的一层其实是大家最关注的基础类大模型，或者是现在讲得比较多的通用大模型。在这一层的基础大模型上，海康的投入也比较多，但同时带着我们自己的特点。我们有语言大模型，但这个语言大模型现阶段不追求达到通用人工智能的效果，主要构建从感知到认知的能力。我们是服务于行业应用的，有了语言的理解能力，对于完善多模态应用非常重要。我们有视觉大模型，大家应该能认可这是海康特别重要的一个部分，确实是的。我们也有其他的 X 光大模型、雷视大模型，以及其他的如音频大模型、甚至还有用振动光纤这个新型感知手段训练出的光纤大模型。这些是基于技术或者说数据维度来构建的。每一个维度的信息都有所差异，所以在基础大模型上，我们的种类也会比较多。那么在这些种类上下面，那么最后还有一个非常特殊的那就是多模态大模型。这些模型我刚才讲的可能也还没有穷尽，还有省略号。以上就是我们的“观澜”三层模型的结构。讲完模型架构，我们来看看工具。从 2018 年大家就看到海康在披露 AI 开放平台，实际上 AI 开放平台是我们在基础的算法能力之上，面向用户需求的一个算法训练、生成的平台。五年前我们建立 AI 开放平台，就是为了衔接用户场景、行业模型、基础模型。这么多年下来，我们累计的模型数量、用户场景数量都是比较大的。另外，关于通用模型的价值和解决的问题大家了解的很多，那么我要稍微提一下，大量的通用模型比较常见的方式是基于互联网上的数据来构建，比如一些音视频的数据。从数据的源头来讲，因为我们靠近行业用户的业务，所以我们在大量的垂直行业，比如交通、电力、钢铁、煤炭、安检等等大量场景里，实际上还是结合了比较多的行业数据来打造行业大模型。我还想稍微讲一下存量数据、增量数据的话题。在许多用户场景中，存量的感知数据不充分，那么大部分的数据有待于通过感知的方式做采集，自己做数据清洗，最后才能用于训练。海康在这部分比较擅长，我们有丰富的感知手段，有大量的感知设备，这也是我们一直以来投入的重点。最后我们聊聊模型的部署。部署可能是现阶段大家还不太关注的，但让算法走到用户那里，把解决方案到搬现场去解决问题的时候，就免不了要回答这个问题。大家熟悉的可能还是在线的通用大模型的应用方式，上传一些个体数据，在线做些处理，再回传处理的结果。但是，对于 B 端用户来讲，这个过程一般难以实现。实际上，如果要部署巨大的模型到用户现场，往往也是不现实的。所以就又产生了稀疏裁剪、精细量化、异构蒸馏等等一些专业方式，通过这些方式实现大模型向边缘端小模型的迁移。这些其实都是实际问题，海康有很多经验，而且也是我们比较擅长的一些领域。这个部分也会涉及到一些比较大的技术创新，可能简单的语言不一定能够完全表述清楚，我们通俗点说，就是要考虑如何把通用大模型、行业大模型、场景小模型部署到用户现场去，为用户提供出高性价比的解决方案。我们先大致提一下，后面如果有机会的话，我们看看能不能做更多的信息披露，谢谢。

2023-10-21 00:00:00