5月29日，2026网易创新企业大会在杭州盛大开幕。大会以“智行合一”为主题 ，汇聚千余名AI产业链的行业专家 ，共同探寻AI在千行百业中的落地路径 。大华股份总裁赵宇宁应邀出席大会，发表《视觉智能 ╳ AI Agent：融智于视 ，重构行业价值》主题演讲 。
大会上，赵宇宁表示 ，从“看得清 ”到“看得懂 ” ，再到“迈向自主认知”，大华股份持续推进视觉智能技术演进 ，让 AI 能力不断深入真实行业场景。面向 AI 走向产业腹地的新阶段 ，大华立足行业积累与核心感知能力，将场景 Know-how、数据基础 、产品能力与 AI 大模型深度融合 ，打造面向行业的智能体 ，推动 AI 从技术演示走向价值闭环，赋能城市高效治理与企业运营提质增效 。
以下为整理后的赵宇宁演讲实录：
各位伙伴 、各位朋友 ，大家上午好 ，非常高兴受邀参加网易创新企业大会 。今天主要分享一下大华在 AI 方面做出的一些探索和创新，以及我们如何实现 AI 价值的落地。
近两年 ，AI以前所未有的速度爆发式发展 ，也大幅改变着我们的工作和生活 。从底层算力、大模型，到数据质量 ，再到各行业的落地实战效果 ，AI 的技术演进和应用价值正在逐步显现 。自2023 年以来，基础算力 、模型持续快速发展 ，一些基础模型甚至以三个月为周期迭代 ，许多过去难以实现的想法正在不断变为现实。
但基础模型能力强，并不意味着一定能真正发挥价值 。模型再好 ，如果不能与行业业务场景相结合 ，也很难转化为实际生产力 。
AI 的火热已经毋庸置疑，AI算力规模加速扩大，AI应用百花齐放 ，与此同时词元经济也在蓬勃发展。但我们也要看到AI产业发展“冰 ”的一面：AI场景化价值落地 、产业规模化发展依然任重道远 。个人消费侧的 AI 应用 ，更多是带来体验的提升，但要实现真正的价值变现并不容易 。相比之下 ，在城市治理和企业生产运营场景下 ，客户具有更明确的付费能力和付费意愿，但整体仍处于探索阶段 ，价值难量化、商业模式不清晰 、算力空转与资源利用率不足等问题依然存在。
因此 ，AI 产业的发展重点，正在从“比参数 、比 Demo ”转向“比落地、比价值闭环 、比 ROI 、比行业理解”。真正决定 AI 能否产生价值的 ，不只是模型本身 ，而是能否抓住真实业务场景，形成高质量数据支撑 ，并将对工作流的理解转化为与大模型深度结合的行业能力 。
大华整体业务主要聚焦两大核心方向：一是助力城市实现更高效的治理 ，二是推动企业提升安全水平与运营效率 。支撑这一业务布局的重要能力之一，正是大华持续深耕数十年的多维感知能力。
多年来，大华的感知能力已从视频感知拓展至音频、声波 、X光 、雷达、声纹等多维感知 ，持续推动感知智能化演进 。依托对千行百业的深度理解 ，大华在城市业务领域，聚焦公共安全、交管 、大交通 、泛政府等行业 ，已积累 5000 多个行业场景、打造 120 多个解决方案；在企业业务领域 ，围绕电力 、石化 、工业制造、文教卫 、金融等行业，积累 3000 多个行业场景 、打造 180 多个解决方案 。
面向 AI 时代 ，大华正将深厚的行业积累和沉淀、高质量多维感知核心能力与AI大模型能力深度融合 ，构建起一套云边端一体化的行业智能体，真正实现感知 、理解 、决策、执行的全链路闭环 ，推动AI场景化 、价值化落地。
大华 AI 能力发展经历了一个“三级跳 ”：从 “看得清“到“看得懂 ” ，再到现在“迈向自主认知”，逐步具备提前预警 、辅助决策 ，以及一定程度上的自主执行能力 。
2023年 ，我们推出了星汉大模型，围绕语言、多模态、视觉三大方向持续布局，全方位升级AI应用与场景化落地能力 。
在语言大模型上 ，我们推动系统从简单的人机交互走向人机协作 ，依托深厚的行业知识沉淀与业务理解，让数据发挥更大作用。
在多模态大模型上 ，我们推动 AI 从“对象识别 ”走向“场景理解 ” ，让AI不再只是识别单一对象，而是理解完整的业务过程与具体场景 。例如在餐厅场景中 ，食物掉落后又被捡起放回盘中 ，原来AI只能看动作并不能判断有无违规，但大模型可以理解完整过程 ，并判断其属于不合规行为 。再如防溺水管理 ，传统方式需要通过划线 、画方格界定水面，但水位会随着天气变化而改变 ，可能导致圈定范围出现偏差。通过大模型可以自动进行水位判断和圈定范围调整 ，实现对真实环境变化的自适应，消除环境变化带来的影响 。
在视觉大模型上，我们重构视觉识别底层逻辑 ，以视觉特征为基准 ，实现更强的泛化能力和万物识别能力 。过去，视频智能主要识别人脸 、车牌；如今 ，鞋子、背影 、体态 、局部特征等更多视觉信息都能被泛化识别。过去往往需要完整图像才能进行识别 ，现在局部特征也可能成为有效线索。
大华AI能力正在各行各业场景中加速落地 。我们并不追求千行百业的业务覆盖，而是优先聚焦各领域里核心度最高、行业痛点最突出的场景 ，针对性打造专属行业垂类大模型 ，把行业做深 、把价值做实 。
公共安全
借助视图大模型，人员走失找回更迅速
节假日期间 ，人员走失是公共安全管理中的高频问题。传统主要依靠人工查看视频 、判断轨迹 ，对完整图像和完整特征依赖较高 。现在，大模型可以基于个性化描述和局部特征快速生成线索 ，例如“5月7日在步行街 ，穿黑白格子、独自走的小孩”，通过自然语言理解与智能识别，综合衣服图案 、鞋帽 、背影、背景等线索 ，快速定位目标轨迹 ，让视频中的更多信息被有效利用，提升找人效率 。
智慧交管
借助语言大模型 ，助力城市通勤更畅通
信号机调优是城市通勤是否顺畅的关键。过去信号优化主要依赖交通专家经验 。现在 ，通过知识萃取和 AI Agent，可以将大量路口优化经验沉淀到大模型算法中 ，用自然语言交互代替复杂操作流程 ，辅助信号调优 。在浙江等地已有案例实践，相关应用落地后 ，城市拥堵指数下降 ，通行效率得到大幅提升。
智慧交通
借助多模态大模型，让交通出行更安全
在高速公路等场景中 ，抛洒物 、行人闯入 、轮胎脱落等事件如果不能及时发现 ，极易引发二次事故，造成重大交通安全隐患 。而传统视频智能分析多为单点告警，误报较多、复核压力大 。现在 ，通过多元融合和时空关联 ，可将无效报警压降70%。同时，关联预警 Agent可融合多维路况信息并匹配预案 ，让应急处置从分钟级缩短到秒级 。在山东某高速 ，通过对视频进行大模型二次研判，上线首月无效报警减少60%以上 ，应急响应效率从平均 3 分钟提升到5 秒 ，真正把事故风险消灭在萌芽状态 。
公共民生
借助音视频融合大模型，生物多样性保护更科学
在野生动物保护场景中 ，监测区域往往位置偏远、识别难度高 ，过去较依赖专家判断。如今，通过音视频双模态感知与推理大模型 ，可以将原本需要专家完成的识别工作 ，转化为护林工也能看懂的监测结果。目前，大华已沉淀 1000 余种长期物种库记忆认知能力，助力生态保护工作更加智能 、科学 。在四川某自然保护区 ，大华运用大模型 ，实现20余种珍稀物种的动态分布监测，真正做到底数清 、情况明 。
智慧零售
数字督导员工 ，助力门店管理提效升级
在零售场景中 ，门店运营面临两类核心问题：一是门店数量多，人工巡店覆盖不足；二是经营问题难以分析。围绕安全、消防 、服务 、运营等高频巡检项 ，我们通过细节小模型与多模态大模型提升AI巡检能力 ，实现自动识别、自动巡检和自动分析 。同时，基于客流转化漏斗 、顾客行为 、停留时长、讲解过程等信息 ，帮助门店快速定位经营问题 。目前相关能力已在汽车门店等场景落地 ，助力经营管理提效。
安全生产
隐患“智 ”理，赋能企业安全生产
在煤炭 、电力等高风险行业 ，安全隐患往往不只体现在单一表面动作上 。通过多摄相机 、多模态大模型 ，并结合穿戴识别、烟火识别等模型进行二次研判，我们可以从多场景 、多细节中发现潜在风险，实现提前预警 ，帮助企业从“看到表象 ”走向“识别本质风险” 。
智慧金融
大小模型协同 ，提升网点巡检效率
在金融场景中，网点对员工行为合规要求高 ，但海量视频中真正异常的情况占比很低 ，形成“海量数据”和“有限人力 ”之间的矛盾。通过大小模型协同，小模型先对人 、车、行为等数据进行筛查和结构化 ，大模型再根据任务规则进行精准识别 ，自动完成巡检、检测和结果呈现，帮助管理者更高效地发现问题 。
智慧园区
依托大模型 ，提升园区全域智慧治理能力
园区管理中 ，人员复杂 、事件分散，传统系统易误报 ，处置效率有限 。我们通过融合图片 、地点、时间 、文本等多类向量数据 ，并结合多模态大模型决策，系统可以实现秒级检索，快速定位遗失物品 、陌生目标轨迹等信息 ，推动园区管理向更智能、更高效的方向升级。
任何新技术的发展都会经历期望膨胀期 ，AI也不例外，未来AI技术能否可持续 、稳步发展 ，关键在于能否实现产业规模化落地 。
如果企业无法将 AI 转化为实际价值 ，反而可能在算力 、存储等成本上升中承压 。因此，企业用好 AI ，需要结合自身能力积累 ，聚焦核心战略控制点，并与AI技术深度融合 ，发挥AI的乘数效应。
未来 ，大华将持续利用对业务场景的深度理解，以视觉感知为核心的多维感知能力 ，并融合AI技术 ，打造面向行业的AI Agent。同时，我们将进一步强化工程化能力，保障AI 有效落地 ，构建从业务闭环驱动、场景匹配部署到现场优化实施的工程化体系 ，打通从算法模型到系统工程的全链路落地，真正建立完善的工程化体系 ，实现AI从技术化向场景化 、价值化转变 。
最后 ，祝愿大家能把握住AI发展的浪潮，用好 AI ，为企业更快 、更高质量发展添砖加瓦 。谢谢大家。
