業務的良性發展，既取決於企業本身的技術和產品，也取決於企業的生態能力。
作者 | 路遙
編輯 | 余快
樹木的橫截面上，一圈一圈的年輪深諳一顆樹的生命軌跡，它知道樹木的年齡及生長速度，氣候的乾旱亦或寒冷，雨水是否充沛，蟲害和火災是否曾來侵擾。
兩年一度的CPSE安博會是安防行業的橫截面，今天的安博會已越來越不局限於它本身的名字，而是在數字化轉型成為潮湧的當下，化身一場以智慧物聯為主題的博覽會。
如今，大華、宇視、華為等企業紛紛帶著智慧物聯的新面貌回歸，安博會又重新熱鬧起來，那些沉默的智慧物聯設備和解決方案，正迫切要向行業透露一些新的訊息。
智慧物聯的風從哪裡吹來，又將吹向哪裡？
一個新興產業的誕生無外乎源自兩個方面，一是技術創新，二是需求升級。
智慧物聯產業的誕生，一定是把握住了下游應用痛點，觸及了真命題，並解決了真問題。
早期，人們採取的是傳統的數據處理方式，即「傳統人工智慧+物聯網」。
任何一個看似簡單的指令，大體都要經歷三個步驟：先由終端設備採集數據信息，而後傳送至雲端完成數據分析、處理和機器學習，最後回傳結果並執行相應指令。
但由於這種方式高度依賴傳輸和雲端存儲處理，因此存在幾個明顯的弊端：一是傳輸過程和雲端存儲可能存在隱私泄露的風險；二是網絡連接不能頻繁斷開，對穩定性要求很高；三是「數據上傳-雲端處理-下達指令」整個過程較長，容易產生延遲。
隨著各行各業都開始以技術、設備、數據等為核心，追求工具、方法、流程等高效高質量的運作模式，上述弊端進一步暴露。
與此同時，前沿技術端傳來好消息，一邊，AI的門檻極大降低，人力成本下降，算法豐富性增加；另一邊，支撐IoT發展的感知層、傳輸層、應用層迎來技術突破。
需求升級與技術創新的車輪走到了同一個站點，傳統數據處理方式有了更好的替代解法——人工智慧物聯網（AIoT）。
面對同樣一個看似簡單的指令，原來的三個步驟都可以集中到一個邊緣設備上進行，隱私問題、網絡可靠問題、延遲問題隨之迎刃而解。不僅如此，由於邊緣端提前篩選並只傳輸了必要數據給雲端，不僅減少了傳輸和存儲的壓力，還讓價值信息的獲取更加高效，有助於提升用戶體驗。
AIoT的到來意味著人與物、物與物的連接更加智能，其最終目的是「萬物互聯」。
當城市空間以各類智能感知設備為節點，以數據通信為媒介，以大數據分析和人工智慧為手段，織成一張四通八達的網絡時，新的需求、新的方向就會不斷冒出，市場將膨脹至數百倍。
AIoT市場註定了是一塊極大的蛋糕，沒有人能做到一家獨吃，多樣化的需求下，催生出一批接一批入場者。各種硬體、軟體和雲服務與數字化過程中不斷湧現的AIoT新需求相互融合，不斷壯大著AIoT的生態體系，將市場推到了爆發的前夜。
從安防到智慧物聯，一場行業承前啟後的自我進化
AI與物聯網命中注定是要結合的，新的故事產生了，但是用誰的AIoT呢？
近幾年，安防企業正深入智慧物聯領域，成為主力軍。
過去十幾年，國內安防行業相繼解決了「看得見」、「看得清」、「看得懂」的問題。
尤其在解決「看得懂」的問題時，僅通過視頻手段已無法實現，安防企業於是藉助物聯網技術，大大提高了識別的結果和效率。
在這個過程中，人工智慧、大數據、數字通信、AIoT等技術與實體經濟的深度融合，幾乎滲透進了安防企業的全系列產品中，技術創新和產品疊代升級加速。
這一背景下，到去年4月份為止，安防行業的三大主角「海大宇」，都已在年報中將自身定位刷新為「智慧物聯」，並在此後成為對內對外的高頻詞。
那麼，安防企業為什麼能成為AIoT的主力軍？
首先，智能安防是進入智慧物聯市場的絕佳通道。
在AIoT世界，一切智能都要以感知為基礎，其中視頻是數據的一個強入口，源源不斷產生的高質量數據是數字化時代的新的生產要素。安防行業一直在智慧物聯的典型場景中，天然的感知能力，順其自然成為一切智能與數字化的基礎，經過千錘百鍊的視頻能力已成為他們的強項。
其次，安防企業有足夠的能力躋身智慧物聯行業。
從安防廠商，到以視頻為核心的智慧物聯解決方案提供商，到不再只強調視頻，增加非視頻的投入，他們一邊擴充產品線，一邊在智能技術上進一步投入感知智能、認知智能。對智慧物聯行業意義重大的大模型，也早有部署。比如大華，已經利用AIoT和大模型技術，廣泛地感知和連接以視頻為核心的泛在物聯數據，讓客戶獲得高質量的數據資源。
AIoT產業與安防產業極其相似，都是一場事關場景碎片化、硬體製造經驗、整體解決方案的綜合能力的比拼。從安防場景中磨礪出來的傳統安防企業，進入智慧物聯時代有較大優勢。
再者，傳統安防企業已經建立了廣泛的客戶基礎。
面對數字化升級願望迫切的客戶，誰能「多快好省」地落地智慧物聯產品和方案，更穩定的運行設備，誰就能在數字化的落地和升級上快走一步。
在安防行業發展過程中，一些公司已經成長為世界著名品牌，獲得了包括政府機構、企業和消費者的信任，因此客戶更容易接受他們的智慧物聯產品和服務。
安防自帶AI和物聯的屬性，好比是在安防領域與智慧物聯領域之間架起了一根管道，使前者向後者的過渡變得自然、順暢。
透過安博會，看大華進入智慧物聯的三個「力」
發力AIoT，越來越多人意識到，智慧物聯需要的是確保產品最終實實在在落地到每一個項目上，而不是無效的市場流通。
安博會就像一面鏡子，記錄著過去的足跡，預測著未來的趨勢，更重要的是映照著當下的現實。
在行業演進的大背景下，大華同樣實現了從安防到智慧物聯的轉變，而其實在的轉換成果，也從展會中重點展示的產品上表現出來。
大華此次展檯布局，主要包括六個部分：AIoT技術底層和產品、物聯數智平台、城市業務、企業業務、創新業務、生態合作。
整體來看，這六個部分都包含於大華2021年提出的Think#（#：讀作sharp）戰略中。
簡單來說，Think#戰略就是以物聯數智平台和AIoT為兩條技術橫軸，以城市和企業為兩條業務縱軸，以全感知、全智能、全連接、全計算、全生態的「五全」數智能力為基座，最終和合作夥伴一起向業務輸送物聯價值。
到今年，大華進一步修煉「內功」，在布局智慧物聯新賽道的過程中，鍛造出的三個「力」：技術力和平台力、場景力、生態力。
隨著智慧物聯的崛起，企業們紛紛積極整合新技術，構建平台能力，為用戶提供更全面的安全解決方案，大華也不例外。
在AIoT技術底層和產品上，大華加強構建了三個能力。
一是更廣闊的AIoT能力。大模型出現後，全面感知能力從視覺領域，延伸到非視覺領域，大華在保持以視頻為核心的前提下，也進一步擴展非視頻領域的全面感知能力，同時基於行業大模型推進商業化落地。
比如非視頻領域，大華推出了「音頻事件檢測智能網關ASD8000」，藉助工業聲紋AI聽診技術，可以實現生產設備在線狀態監測、風險預警、異常報警、故障分析診斷，及時處理潛藏的安全風險，減少停機維護時間。
二是更寬泛的以視覺為核心的連接能力。一個重要的動作是，大華成立了未來通信研究院，親自下場做數據通信產品。
對於大華來說，一方面，融合多維數據引擎的「數智網絡」，能夠突破網絡管道價值；另一方面，將數通產品融入自身業務中，可以加強視覺技術與「雲網邊端」更好地結合，提高智慧物聯與傳統製造業等行業的聯接融合能力，並進一步影響產業上下游。
三是面向大模型與數據價值產業的核心布局。即加強大數據能力，以視頻數據為主要內容，建立數據產業的核心實力。
進入智慧物聯時代，傳統視頻業務垂直封閉的打法已不適用。
為此，大華還推出了一個體系化的軟體中台「物聯數智平台」，目前這個平台依託AIoT底層技術實力，形成了物聯底座、數據中台、AI中台、城市平台、企業平台五大「分身」。
立足智慧物聯，深耕千行百業，企業對場景的掌控力至關重要。
大華明白，只有加速擴大與其產品組合，以滿足日益複雜的需求，從而在智慧物聯賽道上嶄露頭角，才能為未來創造更多創新機會。
因此，在橫向上，大華以城市業務和企業業務為主航道，同時覆蓋創新業務；縱向上，深入智慧城市、交管、能源、工業製造、教育、醫療等細分場景，為客戶提供完整的智慧物聯解決方案。
截止目前，大華已經沉澱了8000個細分場景的產品和應用能力，這些漫長年月里積累的一手經驗，都是大華面向未來技術創新和市場需求的強大原動力。
業務的良性發展，不僅取決於企業本身的技術和產品，也取決於企業管理生態的能力。
2023年，被大華定義為「生態年」，公司旨在通過技術共創和商業共享，快速打通行業應用和AIoT硬體，快速聯接數據和智能，打造共建、共贏、共生的智慧物聯生態共同體，全面推動技術進步與行業發展。
大華會發展一批不同行業的深耕夥伴，運用各自的優勢和創新的技術去聯合打造最新的解決方案，利用雙方現有的資源，包括具備的系統、軟體、平台等，去賦能行業，解決不同行業的需求和痛點。
而在其中，最為矚目的無疑是中國移動和大華股份的戰略合作。
大華與中移的合作具備很強的戰略互補性，在業務層面，中國移動具有領先的「連接+算力+能力」信息服務體系，而大華具備豐富的前端設備、視頻聯網中台產品和解決方案，更重要的是豐富的落地經驗，所以大華能夠將大量產品與解決方案向中移動導入，進行互補協同。
結語
經過兩年沉寂，2023年CPSE安博會給了安防行業一次大秀肌肉的機會。
從「安防廠商」，到「以視覺為核心的智慧物聯解決方案提供商和服務商」，再到「智慧物聯AIoT」，大華股份等代表企業展示了從安防走向智慧物聯，是探索轉型過程中的順勢而為。同時，他們探索的身影，也構成了人工智慧產業進一步走向深度落地的剪影。
AIoT打開了安防企業的業務經絡，一方面，海量需求需要具備足夠能力的企業來承接，另一方面，AIoT的市場又足夠大，大到能容納眾多企業，形成產業鏈上下游的精細化分工。
在這一過程中，企業最重要的就是在整個產業鏈找到自己最擅長的角色，占據自己的生態位置。
推薦閱讀
硝煙里的大模型，求變的機器視覺：「數據」決定天花板，「平台架構」是底牌？
鋰電、光伏爆火， 3D 視覺檢測又「支棱」起來了？