AI产业的变化与挑战

2022年ChatGPT面世，至今已三年多，AI产业发生巨大变化。AI多在2C消费者领域发展，政企、行业落地仍面临诸多问题。从硬件看，过去三年强调GPU计算，如今重新审视AI Agent任务编排中CPU使用，关注CPU和GPU在硬件载体上的平衡。技术上，2023年关注提示词工程，2024年希望通过行业知识库让智能体贴近产业，2025年讲长上下文、MoE专家模型节省推理资源，今年以Open Claw为代表的自主AI Agent变普遍，模型与产业连接更紧密、更聪明。从产业角度，把Agent变成大模型作为搜索引擎和工具融入业务流程，产业对AI场景适配诉求超算法本身，但CV和Agent对行业数据及业务流程理解有两大难以跨越的GAP。

大华股份的实践与成果

大华从安防起家进入智慧物联赛道，在CV和AI Agent领域实践丰富。视觉AI方面，2016年基于人像、车辆视图数据结构化让系统“看得清”世界；2023年发布星汉大模型使数智化系统“看得懂”世界；今年推动AI具备“自主认知”物理世界能力，升级构建星汉大模型系列，含V系列（视觉大模型）、L系列（语言大模型）和M系列（多模态大模型）模型集。通过该模型框架，构建全域泛在感知系统，打造自主效率引擎，升级智能体系，提升对物理世界认知效率。智能体方面，2023年发布从L1到L4行业智能体构建逻辑。L1围绕基础大模型实现知识库和智能问答；L2在业务流程中强化视觉、认知、决策、执行等环节；L3是AI参与部分决策，在子业务链路中实现闭环；L4希望对业务环境有深刻理解，自主行动规划并持续进化。从L1到L4，人在与AI Agent协作中参与环节减少，参与更高级别决策。在L4自主AI Agent构建中，基于视图中台和数据中台构建AI Agent Loop智能体框架，实现人和Agent面向行业业务的有效协作。

大模型与行业的连接及挑战

行业中很多人认为大模型通过对话框与智能体交互，但面对物理世界，需要能辅助人的外脑，为用户做静默看护和决策，让用户与数据及业务系统关系产生更深刻变化。大华积累全栈智能硬件载体和各类视觉大小模型，构建“萤火虫”平台沉淀行业Know - how业务组件。大模型深入行业最大鸿沟是连接AI和行业的数据与系统孤岛，需组件化脚手架形成知识资产，让大模型外脑连接用户系统产生乘数效应。

实际应用案例

公共安全领域，景区接到小孩丢失报警，智能体自主设定目标、编排任务，追踪线索、预测轨迹，锁定人体特征后预测行踪方向，定位现场巡逻人员，下发广播等执行单元，深度整合目标设定、视觉识别、任务规划、轨迹追踪预测和行动调度执行等能力。工业巡检Agent，巡检中关注设备质量运行情况、工人操作规范性和服务资质等要素，智能体可对安全场景和资质审核进行专业判断和编排，实现对场景的把控和危险预警，如输电电站场地机器人巡检。森林防火，传统做法需人守林场，发生火情报警后到现场确认。CV和AI Agent有效协作后，可调度摄像头、无人机二次确认，Agent有自主决策能力，灵活处理应急事件，让人在关键时发挥决定性作用。

AI产业分层与发展机遇

业界对AI产业分层，从能源、基础设施到大模型计算范式、工具集成、智能体及产业生态。中国在能源和基础设施方面有效率和成本优势，在大模型和计算范式方面处于追赶地位。大模型能力向行业倾斜，但行业数据和系统仍处于孤岛状态。如Vibe Coding通用业务效率提升明显，但在底层或专业业务中能力受限，原因是行业业务数据不在大模型训练集里。大华在本地化算力、视图解析、行业化智能体、工具集成方面的长期积累，可在保障客户数据安全的前提下构建行业外脑，助力客户商业成功。

未来展望

面向未来，“基模+FDE”将成智能体即软件、模型即软件的范式，硬件从聚焦GPU到CPU并举，这两条技术演进路径将加速AI产业在中国的成熟。AI的终局不是技术刷榜和概念热度，而是让每个行业、每个个体都能享受到智能化带来的真正改变。