1. AI技术发展现状
大模型突破技术瓶颈，有望加速 AI 场景落地。随着 AI 时代到来，通过突破技术端瓶颈，将显著提高模型精度并降低人工标注成本，拓宽下游应用领域，加速场景落地。具体而言，（1）图像机器学习+大小模型协同进化，模型精度将显著提升；（2）大模型有效降低标注成本，助力下游场景日渐丰富；（3）多模态驱动模型精度提升，音频技术助力智能安防。
1.1 图像机器学习+大小模型协同进化，模型精度显著提升
图像机器学习+注意力机制将提高精度并降低人工标注成本，通过大小模型协同进化，拓宽下游应用场景。（1）在图像机器学习+注意力机制赋能下，AI大模型对于复杂图片和场景的识别能力有望显著提升，降低人工标注成本，提高大模型自我训练的精度；（2）大模型通过知识蒸馏、量化等方式，在边侧将其沉淀的知识与推理能力向小模型输出，达到训练小模型的目的。（3）小模型向大模型反馈算法和执行成效，帮助大模型迅速收敛。通过上述流程，将实现大小模型在云边端协同进化。
1.2 机器学习有效降低标注成本，助力下游场景日渐丰富
传统网络模型训练依赖海量经标注的数据，数据成本较高。由于获取、标注数据成本高，且针对不同行业需要重新收集、标注数据和训练模型，产生大量重复成本。传统项目落地的主要流程包括：确定需求、数据搜集、根据需求和数据设计定制化模型、安装并部署项目、根据实际应用数据优化模型、验收项目、后期运维。项目中依赖人工搜集并标注数据，产生大量成本。此外，需要结合实际部署情况所得数据对模型进行优化，将产生重复成本。
机器学习将有效降低人工标注的数据成本。有 50000 人参与了图片数据库 ImageNet 中 1400 万张图片的标注，与此相比，Clip 使用的是互联网上公开的文本-图像对，在标注方面，也利用自监督学习、对比方法、自训练方法以及生成建模等方法减少对人工标注的依赖。在实现图像标签的自动机器学习后，数据人工标注的成本将被大幅降低。
大模型实现自动机器学习之后，可通过知识蒸馏将识别迁移传到至边缘模型，提高模型通用性。ChatGPT 的成功，标志着 AI 应用从以专用小模型训练为主的“手工作坊时代”转变为以通用大模型预训练为主的“工业化时代”。1）通过实现机器自动标注数据、高精度带来的数据样本量扩大等因素，人工数据标注的成本大幅降低。2）机器自动标注促使大规模预训练成为可能，提高了基础模型的泛化能力，降低了定制化需求的成本。简而言之，AI 大模型学习了各行各业各类数据，成为具备良好的知识迁移能力的“通才”，只需根据下游应用具体场景对参数进行微调，便可实现靶向高速处理。
1.3 多模态驱动模型精度提升，音频技术助力智能安防
多模态时代开启，目前文本—图像模型为主。多模态机器学习旨在建立能够处理和关联来自多种模态的信息的模型，常见的模态包括视觉、文字、声音等。2023 年以来，各科技巨头纷纷推出多模态大模型，包括谷歌 PaLM-E、微软 KOSMOS-1、GPT-4 和百度文心一言等。目前多模态大模型以文本—视觉领域为主，实现了视觉对话、视觉解释、AI生成图像等突破。未来多模态模型或将逐步接入音频、视频等模态形式，进一步丰富数据类型。
多模态模型通过输入多维数据提升模型精度。通过利用来自多种不同来源的信息，这些信息可以相互补充和增强，从而提高模型的性能。具体而言，（1）多模态可以得到更加全面、准确的特征表示。（2）减少单个模态的不确定性，提高模型的鲁棒性。（3）扩展模型的应用范围，使其适用于多任务场景。例如，将图像和文本等多种模态的信息结合起来可以提高图像检索、图像标注等计算机视觉任务的准确性。
声音通过与其他模态信息结合，能够提高人机交互和人脸识别的效率、精确度，在安防领域广泛运用于安防机器人、智能视频监控。（1）多模态结合，声音技术助力智能安防。声音是视觉以外获得信息的最重要渠道，将声音与视觉、文字等模态相结合能够提升人机交互的精确度与效率。常见的包含声音的多模态应用场景可以分为 “文字-音频”，“视觉-音频”，“视觉-文字”三类。在安防领域，声音与其他模态相结合的主要应用有安防机器人和智能视频监控。（2）人机交互核心技术，语音识别推动智能安防机器人发展。语音识别技术作为人机交互最为核心的落地技术，在安防行业主要应用在以智能巡检机器人为代表的安防机器人身上。安防机器人能通过内置的麦克风接受外界声音，并对人声进行识别和理解，一旦读懂“人声”背后有疑似危险行为，将自动触发报警系统进入防御状态，从而对目标人物起到安全防护的作用。（3）智能视频监控迈入全新发展领域，多模态生物识别技术是关键。以人脸识别技术为核心的视频监控是安防行业的主要应用，用智能语音技术辅助人脸识别，使得视频监控更为智能化。例如，通过智能语音识别技术中的声纹识别，将说话人声纹信息与已知用户声纹进行1:1 比对验证和 1:N 的检索，能辨认和确认说话者的身份，提升人脸识别的准确率。
包含声音的常见多模态任务
包括声纹识别的多模态生物识别技术
2. AI安防应用发展现状
大模型应用领域不断丰富，打开安防下游市场空间。随着技术端的突破，AI 将赋能各行各业，有望为安防行业带来万亿潜在可替代市场空间。具体可以从工业、智慧城市、煤炭和农业四个行业来看：
（1）工业：智能化转型为安防带来广阔空间。据我们测算，每年在质检方面有将近 2100亿的人力成本，汽车行业、消费电子等行业潜在可替代空间均有望达到千亿级别。
（2）智慧城市：校园/医疗/城市等多场景深度赋能安防。智慧城市辐射多个领域，驱动市场规模超百亿级。视频监控摄像头作为数据核心，为视觉应用厂商带来广阔机遇。
（3）煤炭：政策指引+IT赋能，智慧矿山驱动智慧物联需求。预计智慧矿山整体市场规模超万亿元。
（4）农业：降本增效+技术进步驱动，潜在可替代成本预计突破万亿，养殖和种植双场景赋能智慧农业。
2.1 工业：智能化转型市场广阔，安防迎来全新机遇
人口“负增长”叠加“老龄化”背景下，工业生产人工成本高涨，工业智能化转型市场空间潜力跃增。从应用场景看，单质检行业潜在可替代空间即可达到 2100 亿；从细分行业来看，汽车行业、消费电子行业等潜在可替代空间均可达千亿级别。
人口“负增长”+“老龄化”趋势下人工成本高企，工厂智能转型迎来机遇。未来人口增速及结构发生变化，总体趋势为人口“负增长”+“老龄化”，劳动力市场供给整体呈逐年下降的趋势。在这样的背景下，企业人工成本持续高涨，工厂智能化转型或将迎来广阔的空间和机遇。
机器视觉精度提高+AI 赋能，将拓宽机器视觉工业场景，助力工厂智能化转型。机器视觉的主要功能有视觉测量、视觉引导、视觉检测，机器视觉的应用提高了工业生产中的柔性和自动化程度，在生产中极大地减少了人工的使用，并提高和保证了生产的质量。AI视觉算法配合工业相机可实现生产自动化，而具备视觉分辨能力的机器人可以持续高效的完成重复动作，极大提高了生产效率。
机器人在工业中可能的应用场景
2.2 智慧城市：以摄像头为核心，多领域市场空间达百亿级
多个下游市场规模超百亿级，视觉应用厂商机遇广阔。智慧城市辐射数字产业多个领域，智慧交通、智慧校园、智慧物流、智慧政务等，其中视频监控摄像头是数据核心，为视觉应用企业带来发展机遇。
2.2.1 智慧校园应用分为两个场景，中小学市场规模达千亿级
智慧校园可分为智慧教学和智慧安防两大应用场景。智慧教学：场景集中在教室内，可以通过 1）课堂摄像头采集人体行为数据，如听讲、举手、交头接耳等，量化课堂教学过程，为教学质量评估提供客观依据。2）摄像头感知光线，实现教室灯光智能管控，降低能耗，保护视力。智慧安防：场景集中在校园内，如 1）智能门锁可以为宿舍、教室等提供集中门锁权限，实现更高精度的身份识别，提升安全系数。2）在校门口等重点区域，利用摄像头的智能识别功能，叠加深度学习技术，实现刷脸进校、以图搜图、机器巡更等应用。
智能校园相关智能化设备情况
2.2.2 智慧医院涉及三大核心，智慧服务、智慧医疗、智慧管理
现有智慧医院的解决方案以智慧服务、智慧医疗、智慧管理为核心。已经实现 1）动态配置病区通行限制，针对特殊患者单独设置通行策略，无需护士人工确定陪护人员和探视时间。2）对于精神病院、养老院、康复中心等地的特殊患者，依托 RFID 定位技术，结合物联感知设备进行实时安全性监测。3)通过 AI 视觉设备在医疗作业中实现手术目标识别、视觉病灶分析，自动搜集患者身体情况，实现信息的互联互通。
2.2.3 视频监控为智慧城市核心，相关应用效果未达预期
视频监控领域是智慧城市建设的核心，相关应用效果未达预期。在智慧城市的构想中，城市中的视频监控摄像头起到了 80%以上的真实数据采集功能，是不可或缺的感知层硬件。但受制于 1）目前城市中部署的摄像头算法精度不足，大部分城市处于 S1、S2 阶段；2）智慧城市的实现有赖于城市运营服务与发展建设的结合，专业的城市运营将加强城市智能化建设的体验感；使得单独的摄像头无法替代智慧城市成网体系，应用效果未达预期。
2.3 煤炭：智慧矿山驱动智慧物联需求
在煤炭领域，安全生产问题偕同政策指引、IT 技术进步，共同驱动智能矿山需求增长，预计未来国内所有矿山的智能化改造成本可达万亿。大华为煤炭行业提供智慧物联解决方案，可运用于煤矿的智能可视化和智能生产调度。
安全生产挑战仍存，煤炭企业亟需智能化转型。煤炭仍是我国的主体能源，据中国煤炭工业协会统计，全国规模以上煤炭企业营业收入 4.02 万亿元，同比增长 19.5%。我国煤矿安全生产形势依然严峻，与发达国家相比仍处于较低水平。2022 年，全国共发生煤矿事故 168起、死亡 245 人，同比分别上升 85%和 38%，全国煤矿百万吨死亡率为 5.4%，同比上升 1pct。相比之下，2020 年美国因煤矿安全生产事故造成的死亡人数仅为 5 人，百万吨死亡率为1%。因此，我们认为煤炭企业亟需建设集成应用各类传感感知、信息通讯、自动控制、智能决策等先进智能化技术，提升矿山安全水平。
2011-2022 年全国煤矿百万吨死亡率情况
2.4 农业：降本增效驱动下，智慧农业前景广阔
在农业领域，降本提效需求协同技术进步共同驱动智慧农业规模增长，预计潜在可替代成本突破万亿。大华提出智慧农业解决方案，通过视频 AI 及物联网技术落地种养场景，节约人力成本，实现精细化管理，中国移动加入后有望进一步开拓智慧农业空间。
2018-2022 年中国农林牧渔业增加值以及占 GDP 比重
智慧农业促进降本增效，但传感器应用渗透率不到 1%。智慧农业是新一代信息技术与农业决策、生产、流通交易等深度融合的新型农业生产模式与综合解决方案，能实现精细化生，节省人力成本。但传感器技术的应用渗透率低，关键技术精度不够，有较大增长空间。
3. AI安防行业格局分析
在 AI 时代下，安防行业将呈现强者恒强的发展趋势，安防两大巨头有望持续领航。AI 赋能各行各业，AI to B 市场广阔。AI 时代下，降本增效驱动逻辑顺畅，有望通过新领域渗透、传统领域替代两条路径打开行业天花板，具有空间广阔、周期性减弱的特点。伴随着 AI 的快速发展，安防行业马太效应凸显，海康大华凭借其核心竞争有望持续领航。
3.1 渠道：全球化营销和渠道优势，品牌效应明显
安防龙头营销网络覆盖国内外，规模优势打造成本壁垒。目前安防企业正积极推动渠道下 沉和海外渠道拓展。2021 年，海康境内外营收占比分别为 73%和 27%，大华境内外营收占 比分别为 59%和 41%。截至 2021 年底，大华在国内设有 32 个省区级办事处，海外门店总 数达 5000 家，同比 2020 年增长 112%。
部分安防企业渠道数据统计
3.2 技术：数据+行业 Know-How 构建 AI 时代下护城河
数据和行业 Know-How 是 AI 技术落地及变现的基础，海康大华凭借优势可构筑 AI 时代下护城河。（1）数据：数据是 AI 模型落地的基础，安防龙头数据资源优势明显；（2）行业 Know-How：丰富行业理解将提升数据精度，助力技术快速变现。智慧物联等行业碎片化程度高，对行业的理解、解决方案的积累对于实现技术变现尤为关键。
以大华为例，通过企业平台 3.0 和城市平台2.0，打造具有行业 Know-How 的数智中台。（1）To B：洞察业务细分场景超 3000 个，开发业务组件 1000 余个、累计形成行业解决方案超 300 个。（2）To G：大华在城市治理、应急指挥、交通、港口、生态环境等行业，悉细分场景超 5000 个、开发业务组件超 800 个，推出行业解决方案 200 个。
大华企业平台 3.0 大华城市平台 2.0
3.3 中国移动：强势增持大华股份，后续有望协同发展
中国移动在 AI 领域布局清晰，将从研发、渠道等维度深度赋能大华。2023年，3月30日，大华股份向中国移动非公开发行股票计划落地，本次发行共 2.93 亿股，实际募资资金净额 50.9 亿元。在本次定增后，中国移动预计成为公司第二大股东，占比 8.81%。定增落地有望助力中国移动与公司实现全面战略协同，推动大华在 AI 领域加速布局。
研发端：中移积极布局 AI 视觉领域，与大华高度战略协同。中移动搭建 AI 视觉能力中台，目前已具备人脸应用、人体分析、图像语义理解、视频内容挖掘和 3D 视觉等核心技术。AI 视觉可有效提升事件发现效能，搭载 AI 算法的一网统管事件发现中心可做到超15%的事件自动发现。截至 22 年 7 月，中移雄安产业研究院在城市治理领域已积累 17 类算法模型，包括打架斗殴检测、机动车/非机动车违停检测、道路垃圾检测等。
中国移动 AI 视觉相关核心能力
渠道端：运营商龙头企业，助力大华渠道下沉。运营商龙头企业，渠道网络下沉乡镇，助力大华拓展业务网络。中国移动拥有实体渠道布点60 万（包括营业厅+加盟店+授权店），全渠道月均触达近 5 亿客户，触达量超 15 亿人次。 2023年，公司移动客户数量达 9.91亿，家庭宽带客户为 2.64亿，政企数量为 2837万。 通过中移动遍布市/县/镇的营销渠道，大华可触达下沉客户群体，弥补公司在国内渠道网络上的不足。
| 细分领域 | 用户类型 | 用户数量 | 净增 |
| 个人市场 | 移动客户 | 9.91亿户 | 1599万户 |
| 5G套餐客户 | 7.95亿户 | 1.80亿户 | |
| 家庭市场 | 家庭宽带客户 | 2.64亿户 | 2012万户 |
| 政企市场 | 政企客户数 | 2837万家 | 517万家 |