【公司研究】海康威视-深度研究：顶尖嵌入式软件公司的AI新成长（全行业AI赋能系列深度之三）-210326（37页）.pdf

《【公司研究】海康威视-深度研究：顶尖嵌入式软件公司的AI新成长（全行业AI赋能系列深度之三）-210326（37页）.pdf》由会员分享，可在线阅读，更多相关《【公司研究】海康威视-深度研究：顶尖嵌入式软件公司的AI新成长（全行业AI赋能系列深度之三）-210326（37页）.pdf（34页珍藏版）》请在三个皮匠报告上搜索。

1、AI 赋能：高门槛的长期赛道围绕“AI 新三要素”构建宽护城河人工智能企业已经逐步从早期“技术驱动”向“商业驱动”阶段发展。AI 新三要素“产品/方案/工程化”是人工智能从实验室走向大规模商业化的必备能力，也是当前阶段 AI 公司的竞争焦点。与实验室研究不同，商业化是企业如何利用 AI 技术来解决实际的问题，并通过市场进行规模化变现的商业行为，它关系到人工智能的技术能力、易用性、可用性、成本、可复制性以及所产生的客户价值。当前 AI 商业化仍存在“实验室-商业社会鸿沟”，要从早期普遍强调技术优势，过渡到更加注重产品化、更加融合生态、更加解决实际问题的商业化发展阶段。AI 商业化落地需要算法/产

2、品/系统/解决方案的整体交付。四个层级具体定义见下图。我们发现，在先前的技术驱动阶段被过分强调的 AI 算法，实际上很难直接解决现实中的问题。部分简单业务应用中，方案或系统的重要性或降低，算法+产品即可满足需求;但越复杂的应用，系统平台和整体解决方案对最终效果的影响越大。且相比于标准化和数量有限的算法，越到上层，定制化和复杂程度就越高，也越需要 AI 厂商具备更深入的行业Know-How、更丰富的系统设计开发经验。在这一方面，AI 领军公司(如海康)具备明显的先发优势，而机器视觉四小龙等年轻的 AI 公司则急需补上短板。因此算法远非解决问题的完整答案，所谓“软件定义一切”的思路将不可避免被证伪

3、。以电力行业 AI 应用为例，这是典型的复杂场景。下图显示了 AI 算法(中间圆环部分)、产品/系统(两侧小字部分)、解决方案(两侧大字部分)的详细组成。可见，从算法到可交付的解决方案，实际有很大的跨越，也就是“实验室-商业社会鸿沟”。产品/方案设计需要大量行业 Know-How，这是 AI 公司商业落地能力分化的关键。如煤炭领域的痛点是控制生产风险、降低环境破坏;石化领域痛点是工艺传承、安全生产;电子领域痛点是产品迭代快、劳动力密集。需要 AI 企业针对每个行业深入分析痛点和应用场景，并给出相应的 AI 落地方案。若要成为覆盖多领域的 AI 领军，需要足够的人员深入一线，通过多个案例积累经验。在这个过程中，类似海康威视以中台形式将行业 Know-How沉淀为可复用的软件模块，则能够大幅降低后续类似项目的落地成本。