对海康威视AI路线的理解是，和其它从模型和智能体等AI路线切入物理世界的企业不同，海康将AI落地物理世界的路径，本身就是建立在物理世界之上的。

通过自身的云边端体系一方面对物理世界进行全面准确高质量的理解和感知，另一方面把物理世界的AI信号通过观澜大模型转化为对应的“业务结果”，最终将结果通过内置AI能力的新型智能终端进行表达。

作者|皮爷

出品|产业家

在过去3年的AI大模型浪潮里，WAIC是一个风向标。

2024年，互联网厂商、AI六小龙混战AGI，围绕参数、榜单的基础模型是它的焦点；2025年，行业模型、领域模型成为新焦点，推理需求大爆发，智能体开始成为大会的主论调。

而在今年大会现场，这些从模型到应用的定调都开始被收敛到一个全新且不可回避的风向：AI，应该以怎样的方式进入到物理世界？

过去半年，这个命题对应的外部表征异常剧烈。资本市场，与其相关的具身智能、世界模型、AI硬件赛道对应企业成为最火投资标的，总融资额过百亿；产业市场，端侧AI持续进化、具身模型开源等动作更层出不穷。

但客观来看，这个问题依然没有得到完美的回答。在与之对应的企业答卷中，对于物理世界场景，AI“理解不准”、“落地成本高”、“幻觉频频”等等问题层出不穷。

但在这次WAIC大会上，一个“第一次参展”的企业走进了市场视野：海康威视。

这家以强感知能力被人称道、定位物理世界“眼耳鼻舌身意”的企业，正在把AI融入进物理世界的一个个真实触点。在它的新答卷里，AI已经不再只是参数和“理解”，而是已经在物理世界落地、帮助千行百业推开AI大门的新智能产品。

它做对了什么？

一、AI进入物理世界，难在哪？

在理解海康威视的答卷之前，一个需要被厘清的问题是：AI进入物理世界，到底难在哪？

2025年，图灵奖得主、强化学习先驱理查德·萨顿曾发表过这样一个观点，“目前AI的智能都是源于对海量文本的静态训练，缺失了在真实世界中获得动态数据的部分。这种与物理世界脱节的‘离身性’，正是阻碍AI迈向通用智能的根本性瓶颈。”

这恰是AI进入物理世界的第一道难关——感知难题。即和大语言模型训练过程使用的常规结构化文本数据不同，在真实物理世界，AI信号往往呈现复杂模态，除了常规的文本、视频，还有X光、雷达、音频、毫米波等等多种形态，每个信号都代表对应物理场景和产业方向的真实信息构成。

但作为AI进入物理世界的开始，构建一个物理世界之上的AI感知窗口这关却卡住了不少服务商。

一方面大部分AI服务商由于缺乏对应的硬件设备，不具备对这些真实AI信号的感知能力，另一方面即使能和产业链相关企业协作完成信号的收集，还要面对如何将这些物理世界的信号转化为AI可理解、可消化的AI语言，这其中涉及到的是对不同数据格式的转化，以及对不同场景业务know-how的理解表达。

其次，也是如今伴随着端侧AI等概念大火遇到的“AI落地关”，也可以称之为“工程体系关”。即和在软件世界的表达不同，AI在真实物理场景的落地表达需要考虑多重因素。

以最典型的成本难题为例。“当前的成本主要包括显性的硬件成本和隐性的软件成本，不仅这两项单独需要成本优化，两者的配合兼容也更需要进一步优化，这样才能保证更低的成本。”一位行业人士告诉产业家。

硬件侧的难题尽管来自产业链上游如端侧推理芯片价格的上涨，但服务商需要为企业提供能以最小成本部署或者替换的硬件端侧方案。

软件侧是对服务商能力更核心的考量。即在固定规格的芯片下，服务商需要探索出一套能适配硬件且能发挥出最大智能能力的AI软件体系；比如其需要蒸馏或构建出具备对应能力的小尺寸模型，如1B、2B端侧模型，也更需要设计独特的AI任务分配机制，即怎样的任务在端侧完成，怎样的任务可以分配到云端，以满足不同企业的智能化需求。

可以看作，如果要让AI真正走进物理世界，服务商必须构建出一套云边端的系统体系，这套体系要在可见、可感、可理解物理世界的基础上兼顾AI智能和AI工程化保障。唯有如此，才能真正让“AI从物理世界中来，向物理世界中去”。

但知易行难。对当下大部分AI服务商，不论是具身企业，还是世界模型、端侧AI等等新玩家而言，其更多焦点都集中在“模型智能”本身，缺乏对物理世界的真实感知，和真实落地的工程实践能力。

AI进入物理世界的答卷，到底应该怎么写？

二、在海康，看见AI进入物理世界的关键节点

实际上，这也是这次WAIC上海康威视被关注的原因。即在“AI进入物理世界”的问题和难点被频频讨论的如今，外界惊奇地发现，海康威视，这家老牌硬件企业已经跨过了应用临界点。

以这次在大会现场展示的多模态智能摄像机为例，该摄像机内置了26T算力芯片，可运行2B参数量的多模态大模型，在端侧即可完成交互闭环。用户仅用自然语言即可下达指令，摄像机就可以自动执行指令。

这款边缘智能终端硬件如今可以被真实应用到公共安全、城市治理、工业制造、安全生产等场景。“市面上加持了视觉大模型的摄像机能看懂画面是什么，但无法和人类交互，这款多模态智能摄像机可以实时对话、完成任务。”海康威视产品负责人介绍。

同样在现场被围观的还有大模型文搜产品和多模态安全生产主机。前者可以实现用户输入自然语言，就能在海量视频数据中快速查找目标，实现“用文字，秒搜图”。如今这款产品已经覆盖海康文搜NVR、CVR、超脑、主机等多款硬件产品。

后者AI多模态安全生产主机则是依托海康多模态大模型，可自主推导场景属性，综合判断人员、行为、设备、环境的真实状态。以动火作业为例，它能自动校验作业票据、气瓶间距及防护装备，误报率下降超95%，真正实现从“机械告警”到“智能研判”的跨越。

几个产品背后，一个清晰的感受是，海康已经真实地把AI落地到物理世界场景，以新的智能产品为着力点，实现AI在物理场景的智能化表达。

为什么海康威视能做到？或者说，海康跑通这个路径，尤其是推倒前文所述卡点的体系是怎样的？

首先，在前文提到的感知端，从某种程度来说，这个对不少AI服务商最难的点恰是海康的最强项。

据了解，截至目前，海康已经发布了上千款大模型软硬件产品，覆盖云边端全域，产品内部内嵌有包括视觉大模型、音频大模型、X光大模型、毫米波大模型不同模态的物联感知矩阵体系，这些产品遍布90多个垂直行业、2000多个场景，覆盖从多模态数据获取、智能研判到决策执行的完整产品链路。

在“多”之外，海康还构建了对数据更“准”收集的技术体系。比如其基于各类传感器信号特性，研发适配其AI信号特性的信号处理技术，可以有效提升不同物理条件下的信号质量与识别精度，以及基于原始信号直接处理，充分保留原始信息的丰富性与完整性，高效提取关键特征。

这种软硬一体的强感知能力恰可以帮助海康和物理世界建立全面、准确、全链条的连接。

其次，在AI落地侧。以前文提到的多模态智能相机和AI多模态安全生产主机为例。据了解，这些智能终端在出厂之前就已经完成了AI能力的内置，这些设计不仅包括小尺寸大模型在对应端侧芯片上的最优嵌入模式，也更涵盖一个完整的“端边云”AI智能执行体系——如简单场景端侧解决无需全量上云，复杂任务云端承担。用大小模型协同的设计理念，让不同硬件发挥出不同价值，进而有效降低企业的算法部署成本和带宽开销。

同时，在面对不同物理产业场景时，相较于市面上大语言模型落地时需要的长达“几周”的模型适配时间，基于海康威视观澜大模型的零样本、小样本理解能力，其仅需数张至数十张目标样本微调即可完成场景适配，半天时间即可完成模型部署。

此外，还值得一提的是，在落地成本侧，海康威视还专门通过模型结构优化、模型压缩、知识蒸馏、Token优化等推理优化技术，实现不同规格、不同类型模型在不同算力条件下的高效适配，为企业节约算力和能耗成本。

这些工程体系可以保证AI快速、高性价比地被企业使用。

或者可以说，对海康威视AI路线的理解是，和其它从模型和智能体等AI路线切入物理世界的企业不同，海康将AI落地物理世界的路径，本身就是建立在物理世界之上的。通过自身的云边端体系一方面对物理世界进行全面准确高质量的理解和感知，另一方面把物理世界的AI信号通过观澜大模型转化为对应的“业务结果”，最终将结果通过内置AI能力的新型智能终端进行表达。

而为这个路径提供支撑的，不仅有海康威视过去多年构建出的强感知硬件体系，还更有AI时代海康已经构建出的，覆盖模型预训练、端侧推理、局部算力优化等软硬件一体的强AI工程能力。

三、用AI“重做”一遍产品，以新技术解决更多真痛点

“海康威视是一家怎样的企业？”如果在公开媒体渠道检索这个问题，答案不会有太多分歧：物联感知领跑者，安防硬件龙头。过去多年里，这家老牌企业以多款硬件设备被外界所熟知。

但这个标签在今天似乎“不再准确”。即从当下的产品属性来看，海康的诸多产品已然不再是传统的硬件定位，其更在软件体系的加持下，成为一个个终端智能体，在原来的能力基础上，帮助企业进一步地将自身业务场景、流程环节中的数据转化为企业的新智能引擎。

比如同样在这次大会上亮相的主动视觉作业监管枪球，其核心作用点在安全生产场景，可以持续自主追踪高风险作业，并能结合场景持续分析。据了解，在某钢铁厂项目中，产品部署后误报率下降99.45%。

再比如搭载工业测温大模型的海康微影热像仪，基于AI能力，可以做到将测温精度由±2℃或者读数的±2%提升至±1℃或者读数的±1%。

以及前文提到的文搜产品，如今也更已经在诸多高校、景区落地，通过智能视频检索能力，实现一个词、一句话就能秒级检索录像，革新检索体验。据了解，这款产品发布一年时间，全球销售量超10万台，海外销量与国内基本持平。

一个清晰的感知是，过去几年的时间里，海康正在用AI重做一遍产品。这种重做不是单纯硬件层面的重构，也更不是和互联网大厂、AI独角兽相似的仅在模型单点的深化，而是基于云边端体系，以真实场景落地价值为出发点，从模型到智能体到硬件的整个体系迭代。

这种“以终为始”的出发点也体现在海康威视在这次大会上展示的入“1+3+X”大模型软件体系。即底层是纳管各类模型的大模型基座，上层是智能工具、智能应用、智能体三类大模型应用，以及系列集成大模型能力的软件平台产品。

典型的如ChatBI-数据分析智能体和云眸CLAW，前者可以做到“只要会打字，就能进行数据分析研判”，后者则可以作为连锁管理的“数字员工”，一句话就能自动“跑”完巡店、复盘全流程。

和过去几年市面上热议的智能体不同，海康威视的智能体价值释放点在真实物理场景——内嵌到海康的诸多硬件中，在已经验证过价值和企业需求的环境中更进一步，最终转化为一个个在安全生产、工业制造、连锁巡检、园区、公共安全、城市治理、交通管理、自然灾害监测、基础设施巡检等对应行业的垂类大模型解决方案，为企业带来AI智能化体验。

这条软硬一体的路径的特殊价值在于，对海康而言，和大部分AI厂商“拿着锤子找钉子”不同，其可以将AI迅速落地到已经验证过的成熟物理场景，配合最新的AI工程体系，实现价值闭环；而对各行各业而言，其则是可以用高性价比的成本让AI参与到自身的管理中，让过去难消化、难理解、沉睡的数据为自己可用，低门槛、快速地提升AI时代的智能竞争力。

这也恰是海康威视如今备受外界期待的原因——即从产业视角来看，在海康践行的AI进入物理世界的路径中，外界看到的是一个AI价值被迅速验证、AI需求被加速满足的物理世界AI供需模型。

而伴随着这个技术和需求飞轮的不断加速，伴随着这套软硬件一体体系在越来越多真实物理场景的落地，海康将构建的不仅仅是一条硬件销售上的上涨曲线，而更是它整个价值叙事和业务天花板的全面重构。

物联感知，作为链接物理世界与数字世界的桥梁，成为AI走向物理世界的一个关键节点。而在感知领域深耕二十五年的海康，下一程正在来到。