安防行業(yè)市場(chǎng)分析

安防行業(yè)市場(chǎng)分析1.大模型突破技術(shù)瓶頸，有望加速AI場(chǎng)景落地我們認(rèn)為，AI在安防行業(yè)商業(yè)化落地進(jìn)程中主要存在兩大痛點(diǎn)：第一，傳統(tǒng)機(jī)器學(xué)習(xí)模型精度不足；其次，模型限制成為大數(shù)據(jù)發(fā)展的挑戰(zhàn)之一，模型下游應(yīng)用場(chǎng)景有限。隨著AI時(shí)代到來(lái)，我們看到如下趨勢(shì)：通過(guò)突破技術(shù)端瓶頸，或?qū)@著提高模型精度并降低人工標(biāo)注成本，拓寬下游應(yīng)用領(lǐng)域，加速場(chǎng)景落地。具體而言，（1）圖像機(jī)器學(xué)習(xí)+大小模型協(xié)同進(jìn)化，模型精度將顯著提升；（2）大模型有效降低標(biāo)注成本，助力下游場(chǎng)景日漸豐富；（3）多模態(tài)驅(qū)動(dòng)模型精度提升，音頻技術(shù)助力智能安防。1.1.圖像機(jī)器學(xué)習(xí)+大小模型協(xié)同進(jìn)化，模型精度顯著提升我們認(rèn)為，圖像機(jī)器學(xué)習(xí)+注意力機(jī)制將提高精度并降低人工標(biāo)注成本，通過(guò)大小模型協(xié)同進(jìn)化，拓寬下游應(yīng)用場(chǎng)景。具體而言：（1）在圖像機(jī)器學(xué)習(xí)+注意力機(jī)制賦能下，AI大模型對(duì)于復(fù)雜圖片和場(chǎng)景的識(shí)別能力有望顯著提升，降低人工標(biāo)注成本，提高大模型自我訓(xùn)練的精度；（2）大模型通過(guò)知識(shí)蒸餾、量化等方式，在邊側(cè)將其沉淀的知識(shí)與推理能力向小模型輸出，達(dá)到訓(xùn)練小模型的目的。（3）小模型向大模型反饋算法和執(zhí)行成效，幫助大模型迅速收斂。通過(guò)上述流程，將實(shí)現(xiàn)大小模型在云邊端協(xié)同進(jìn)化。1.1.1.圖像機(jī)器學(xué)習(xí)+注意力機(jī)制實(shí)現(xiàn)降本提精，圖像交互方式或被顛覆Clip模型是OpenAI于2021年初發(fā)布的開(kāi)源神經(jīng)網(wǎng)絡(luò)，在無(wú)需人工標(biāo)注標(biāo)簽的圖像識(shí)別上性能卓越，Clip開(kāi)源的特點(diǎn)或?qū)⒓涌靽?guó)內(nèi)廠商技術(shù)追趕圖像機(jī)器學(xué)習(xí)進(jìn)度，為后續(xù)機(jī)器視覺(jué)大規(guī)模商業(yè)化打下技術(shù)基礎(chǔ)。Clip帶來(lái)圖像機(jī)器學(xué)習(xí)關(guān)鍵節(jié)點(diǎn)，機(jī)器視覺(jué)大規(guī)模商業(yè)化時(shí)間線可參考ChatGPT。Clip技術(shù)突破帶來(lái)迅速的下游應(yīng)用滲透，在Clip發(fā)布兩年后，2022年11月、2023年3月ChatGPT與GPT-4分別發(fā)布，圖像機(jī)器學(xué)習(xí)使得AIGC大規(guī)模商業(yè)化成為了可能。參考ChatGPT，我們認(rèn)為圖像機(jī)器學(xué)習(xí)的技術(shù)觸角有望延展到機(jī)器視覺(jué)2B應(yīng)用端：（1）短期：可實(shí)現(xiàn)降低成本、提高精度；（2）中長(zhǎng)期：人和圖像數(shù)據(jù)的交互方式或被顛覆。短期：圖像機(jī)器學(xué)習(xí)擺脫人工標(biāo)注，將降低標(biāo)注成本、提升識(shí)別精度。1)實(shí)現(xiàn)圖像的機(jī)器學(xué)習(xí)將減少AI圖像視頻判斷對(duì)人工標(biāo)注的依賴，降低數(shù)據(jù)成本。2）在識(shí)別成本下降的同時(shí)，機(jī)器學(xué)習(xí)將會(huì)提升圖像標(biāo)簽的識(shí)別精度，提升數(shù)據(jù)挖掘的維度，無(wú)法被人眼識(shí)別的數(shù)據(jù)將得到被挖掘的可能，拓寬下游機(jī)器視覺(jué)2B應(yīng)用場(chǎng)景。長(zhǎng)期：在攝像頭海量數(shù)據(jù)支持下，AI+安防的交互方式或被顛覆。攝像頭作為目前視頻、圖像信息的重要接收窗口，在日常生活中具備較高覆蓋度，可以從邊端側(cè)為AI分析提供海量數(shù)據(jù)源，是AI自我學(xué)習(xí)視頻圖像數(shù)據(jù)的重要抓手。通過(guò)機(jī)器學(xué)習(xí)，如今已經(jīng)實(shí)現(xiàn)通過(guò)文字描述查找視頻關(guān)鍵幀等應(yīng)用，隨著機(jī)器學(xué)習(xí)技術(shù)的進(jìn)一步迭代，深入挖掘更多圖像視頻的視覺(jué)信息，我們認(rèn)為在AI+安防領(lǐng)域有望創(chuàng)造更多人與深度視覺(jué)數(shù)據(jù)互動(dòng)的方式，如自動(dòng)生成監(jiān)控視頻的文字描述、選擇關(guān)鍵片段替代原視頻等。實(shí)現(xiàn)不同模態(tài)信息提取，注意力機(jī)制助力圖像識(shí)別的機(jī)器學(xué)習(xí)。在圖像的機(jī)器學(xué)習(xí)中，使用了注意力機(jī)制，用于提取圖像和文本的特征表示，從而實(shí)現(xiàn)圖像和文本之間的相似度計(jì)算。模仿人類視覺(jué)選擇性關(guān)注信息、忽略其他可見(jiàn)信息的特點(diǎn)，注意力機(jī)制是一種抑制無(wú)用特征、提高對(duì)有用特征的關(guān)注度的算法。在2017年由Google提出可以實(shí)現(xiàn)注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)架構(gòu)Transformer后，注意力機(jī)制經(jīng)過(guò)發(fā)展，已經(jīng)可以完成音頻、圖像、視頻、自然語(yǔ)言等不同模態(tài)的數(shù)據(jù)特征抓取任務(wù)，實(shí)現(xiàn)了多模態(tài)的信息提取，成為Clip模型為代表的圖像機(jī)器學(xué)習(xí)的重要基礎(chǔ)之一。注意力機(jī)制原理如下：注意力機(jī)制共包含三個(gè)參數(shù)：查詢向量（queryvector），鍵向量（keyvector），和值向量（valuesvector），實(shí)現(xiàn)注意力機(jī)制的核心在于對(duì)于給定輸入圖片，實(shí)現(xiàn)Q、K、V值的不斷重置。以面部識(shí)別為例，將圖像分割成數(shù)個(gè)部分，把各模塊（眼睛、皮膚、胡須等）按序編碼得到一系列Q、K、V向量，依次計(jì)算每一部分Q向量與所有特征K向量（K向量為所有Q向量的集合）的相似度，即注意力權(quán)重系數(shù)，并將系數(shù)與原特征向量V（V在第一次迭代中=K）進(jìn)行加權(quán)求和，重新生成攜帶關(guān)聯(lián)性信息的該特征向量（V^1），例如嘴巴（關(guān)聯(lián)性程度依次為胡須、皮膚等）。在識(shí)別圖片過(guò)程中，注意力機(jī)制不斷選出與此次迭代的V相關(guān)性最高的特征，不斷更新Q、K、V直到圖像中的所有特征都被識(shí)別完畢。例如，在對(duì)給定男性肖像圖片進(jìn)行識(shí)別時(shí)，Transformer框架將綜合重點(diǎn)特征描述，通過(guò)多次迭代推導(dǎo)出最終的識(shí)別結(jié)果：男性。1.1.2.大模型+小模型協(xié)同進(jìn)化，在邊側(cè)實(shí)現(xiàn)模型精度提升傳統(tǒng)機(jī)器學(xué)習(xí)模型精度瓶頸明顯，復(fù)雜場(chǎng)景識(shí)別受限。由于數(shù)據(jù)量不足、特征提取能力不足、模型復(fù)雜度不足、計(jì)算資源有限等問(wèn)題，傳統(tǒng)機(jī)器學(xué)習(xí)模型往往精度有限、難以處理大規(guī)模的數(shù)據(jù)。當(dāng)在復(fù)雜環(huán)境中存在干擾因素時(shí)，識(shí)別效果往往大打折扣。例如在工業(yè)質(zhì)檢領(lǐng)域，質(zhì)量檢測(cè)是制造業(yè)生產(chǎn)線中的重要環(huán)節(jié)，對(duì)精度要求尤為嚴(yán)格，通常為微米級(jí)別，在半導(dǎo)體等產(chǎn)業(yè)甚至達(dá)到納米級(jí)別。以車間加工中心為例，各工序精度要求基本在1-10μm間。傳統(tǒng)機(jī)器學(xué)習(xí)模型存在精度不足、成本過(guò)高等痛點(diǎn)，應(yīng)用效果不佳。大小模型協(xié)同進(jìn)化實(shí)現(xiàn)精度提升，使復(fù)雜場(chǎng)景精確識(shí)別成為可能。（1）在圖像機(jī)器學(xué)習(xí)+注意力機(jī)制賦能下，大模型對(duì)于復(fù)雜圖片和場(chǎng)景的識(shí)別能力將會(huì)顯著提升，助力模型精度提高；（2）在算力不足的邊側(cè)，通過(guò)知識(shí)蒸餾等方式實(shí)現(xiàn)大模型對(duì)小模型的訓(xùn)練；（3）小模型向大模型反饋算法和執(zhí)行成效，幫助大模型迅速收斂。通過(guò)上述流程，將實(shí)現(xiàn)大小模型在云邊端協(xié)同進(jìn)化、實(shí)現(xiàn)精度提升。例如在自動(dòng)駕駛背景下，車輛需要實(shí)時(shí)感知周圍場(chǎng)景。傳統(tǒng)模型下人工標(biāo)注的信息獲取維度單一，處于運(yùn)動(dòng)狀態(tài)下的車輛可能出現(xiàn)相互遮擋等情況，導(dǎo)致無(wú)法精準(zhǔn)識(shí)別并感知周圍場(chǎng)景。而在機(jī)器視覺(jué)充分被數(shù)據(jù)訓(xùn)練后，海量的多維度數(shù)據(jù)將會(huì)被標(biāo)注，并給予適量權(quán)重，從而使復(fù)雜場(chǎng)景的精確識(shí)別成為可能。在大模型監(jiān)督、訓(xùn)練小模型的過(guò)程中，知識(shí)蒸餾是主流方法之一。知識(shí)蒸餾核心思想是生成一個(gè)復(fù)雜的大模型，對(duì)于同一數(shù)據(jù)源，小模型以大模型的輸出結(jié)果或生成的數(shù)據(jù)標(biāo)簽為目標(biāo)進(jìn)行訓(xùn)練。知識(shí)蒸餾可實(shí)現(xiàn)大模型能力遷移，在邊側(cè)等算力不足區(qū)域提高模型精度。（1）提升模型精度：利用已有的更高精度的大模型對(duì)小模型進(jìn)行知識(shí)蒸餾，從而得到更高精度的小模型。（2）降低模型時(shí)延，壓縮網(wǎng)絡(luò)參數(shù)：通過(guò)更高精度的大模型對(duì)參數(shù)量小、時(shí)延低的小模型進(jìn)行知識(shí)蒸餾，提高該小模型的精度，從而降低時(shí)延。（3）標(biāo)簽之間的域遷移：將兩個(gè)訓(xùn)練集不同的模型同時(shí)蒸餾，可以得到集合兩個(gè)模型效果的模型，實(shí)現(xiàn)了兩個(gè)不同域的數(shù)據(jù)集的集成和遷移。以小米的小愛(ài)同學(xué)智能音響為例，首先在云上基于大規(guī)模數(shù)據(jù)訓(xùn)練BERT大模型，然后再將這個(gè)模型作為teacher模型，進(jìn)行模型蒸餾，來(lái)訓(xùn)練一個(gè)更小的Alberttiny模型。最終得到的小模型可以學(xué)習(xí)到Bert大模型的知識(shí)，在效果沒(méi)有明顯下降的情況下，響應(yīng)時(shí)間降低到20ms，大幅優(yōu)化了客戶體驗(yàn)。1.2.機(jī)器學(xué)習(xí)有效降低標(biāo)注成本，助力下游場(chǎng)景日漸豐富我們認(rèn)為，以減少人工標(biāo)注成本為基礎(chǔ)，“預(yù)訓(xùn)練大模型+下游任務(wù)微調(diào)”模式是后續(xù)視覺(jué)模型大規(guī)模應(yīng)用的重要前提。傳統(tǒng)網(wǎng)絡(luò)模型訓(xùn)練依賴海量經(jīng)標(biāo)注的數(shù)據(jù)，數(shù)據(jù)成本較高。由于獲取、標(biāo)注數(shù)據(jù)成本高，且針對(duì)不同行業(yè)需要重新收集、標(biāo)注數(shù)據(jù)和訓(xùn)練模型，產(chǎn)生大量重復(fù)成本。根據(jù)極市平臺(tái)公眾號(hào)、得物技術(shù)公眾號(hào)、高工智能汽車公眾號(hào)總結(jié)的AI項(xiàng)目通常開(kāi)發(fā)過(guò)程，結(jié)合2016年海康威視在海關(guān)便攜式審訊設(shè)備采購(gòu)項(xiàng)目中落地流程的實(shí)例，項(xiàng)目落地的主要流程包括：確定需求、數(shù)據(jù)搜集、根據(jù)需求和數(shù)據(jù)設(shè)計(jì)定制化模型、安裝并部署項(xiàng)目、根據(jù)實(shí)際應(yīng)用數(shù)據(jù)優(yōu)化模型、驗(yàn)收項(xiàng)目、后期運(yùn)維。項(xiàng)目中依賴人工搜集并標(biāo)注數(shù)據(jù)，產(chǎn)生大量成本。此外，需要結(jié)合實(shí)際部署情況所得數(shù)據(jù)對(duì)模型進(jìn)行優(yōu)化，將產(chǎn)生重復(fù)成本。機(jī)器學(xué)習(xí)將有效降低人工標(biāo)注的數(shù)據(jù)成本。有50000人參與了圖片數(shù)據(jù)庫(kù)ImageNet中1400萬(wàn)張圖片的標(biāo)注，與此相比，Clip使用的是互聯(lián)網(wǎng)上公開(kāi)的文本-圖像對(duì)，在標(biāo)注方面，也利用自監(jiān)督學(xué)習(xí)、對(duì)比方法、自訓(xùn)練方法以及生成建模等方法減少對(duì)人工標(biāo)注的依賴。在實(shí)現(xiàn)圖像標(biāo)簽的自動(dòng)機(jī)器學(xué)習(xí)后，數(shù)據(jù)人工標(biāo)注的成本將被大幅降低。大模型實(shí)現(xiàn)自動(dòng)機(jī)器學(xué)習(xí)之后，可通過(guò)知識(shí)蒸餾將識(shí)別遷移傳到至邊緣模型，提高模型通用性。我們認(rèn)為ChatGPT的成功，標(biāo)志著AI應(yīng)用從以專用小模型訓(xùn)練為主的“手工作坊時(shí)代”轉(zhuǎn)變?yōu)橐酝ㄓ么竽Ｐ皖A(yù)訓(xùn)練為主的“工業(yè)化時(shí)代”。1）通過(guò)實(shí)現(xiàn)機(jī)器自動(dòng)標(biāo)注數(shù)據(jù)、高精度帶來(lái)的數(shù)據(jù)樣本量擴(kuò)大等因素，人工數(shù)據(jù)標(biāo)注的成本大幅降低。2）機(jī)器自動(dòng)標(biāo)注促使大規(guī)模預(yù)訓(xùn)練成為可能，提高了基礎(chǔ)模型的泛化能力，降低了定制化需求的成本。簡(jiǎn)而言之，AI大模型學(xué)習(xí)了各行各業(yè)各類數(shù)據(jù)，成為具備良好的知識(shí)遷移能力的“通才”，只需根據(jù)下游應(yīng)用具體場(chǎng)景對(duì)參數(shù)進(jìn)行微調(diào)，便可實(shí)現(xiàn)靶向高速處理。1.3.多模態(tài)驅(qū)動(dòng)模型精度提升，音頻技術(shù)助力智能安防1.3.1.多模態(tài)模型落地，多維數(shù)據(jù)提升模型精度多模態(tài)時(shí)代開(kāi)啟，目前文本-圖像模型為主。多模態(tài)機(jī)器學(xué)習(xí)旨在建立能夠處理和關(guān)聯(lián)來(lái)自多種模態(tài)的信息的模型，常見(jiàn)的模態(tài)包括視覺(jué)、文字、聲音等。2023年以來(lái)，各科技巨頭紛紛推出多模態(tài)大模型，包括谷歌PaLM-E、微軟KOSMOS-1、GPT-4和百度文心一言等。目前多模態(tài)大模型以文本-視覺(jué)領(lǐng)域?yàn)橹?，?shí)現(xiàn)了視覺(jué)對(duì)話、視覺(jué)解釋、AI生成圖像等突破。未來(lái)多模態(tài)模型或?qū)⒅鸩浇尤胍纛l、視頻等模態(tài)形式，進(jìn)一步豐富數(shù)據(jù)類型。多模態(tài)模型通過(guò)輸入多維數(shù)據(jù)提升模型精度。通過(guò)利用來(lái)自多種不同來(lái)源的信息，這些信息可以相互補(bǔ)充和增強(qiáng)，從而提高模型的性能。具體而言，（1）多模態(tài)可以得到更加全面、準(zhǔn)確的特征表示。（2）減少單個(gè)模態(tài)的不確定性，提高模型的魯棒性。（3）擴(kuò)展模型的應(yīng)用范圍，使其適用于多任務(wù)場(chǎng)景。例如，將圖像和文本等多種模態(tài)的信息結(jié)合起來(lái)可以提高圖像檢索、圖像標(biāo)注等計(jì)算機(jī)視覺(jué)任務(wù)的準(zhǔn)確性。1.3.2.音頻模態(tài)接入，助力智能安防場(chǎng)景落地聲音通過(guò)與其他模態(tài)信息結(jié)合，能夠提高人機(jī)交互和人臉識(shí)別的效率、精確度，在安防領(lǐng)域廣泛運(yùn)用于安防機(jī)器人、智能視頻監(jiān)控。多模態(tài)結(jié)合，聲音技術(shù)助力智能安防。聲音是視覺(jué)以外獲得信息的最重要渠道，將聲音與視覺(jué)、文字等模態(tài)相結(jié)合能夠提升人機(jī)交互的精確度與效率。常見(jiàn)的包含聲音的多模態(tài)應(yīng)用場(chǎng)景可以分為“文字-音頻”，“視覺(jué)-音頻”，“視覺(jué)-文字”三類。在安防領(lǐng)域，聲音與其他模態(tài)相結(jié)合的主要應(yīng)用有安防機(jī)器人和智能視頻監(jiān)控。人機(jī)交互核心技術(shù)，語(yǔ)音識(shí)別推動(dòng)智能安防機(jī)器人發(fā)展。語(yǔ)音識(shí)別技術(shù)作為人機(jī)交互最為核心的落地技術(shù)，在安防行業(yè)主要應(yīng)用在以智能巡檢機(jī)器人為代表的安防機(jī)器人身上。安防機(jī)器人能通過(guò)內(nèi)置的麥克風(fēng)接受外界聲音，并對(duì)人聲進(jìn)行識(shí)別和理解，一旦讀懂“人聲”背后有疑似危險(xiǎn)行為，將自動(dòng)觸發(fā)報(bào)警系統(tǒng)進(jìn)入防御狀態(tài)，從而對(duì)目標(biāo)人物起到安全防護(hù)的作用。智能視頻監(jiān)控邁入全新發(fā)展領(lǐng)域，多模態(tài)生物識(shí)別技術(shù)是關(guān)鍵。以人臉識(shí)別技術(shù)為核心的視頻監(jiān)控是安防行業(yè)的主要應(yīng)用，用智能語(yǔ)音技術(shù)輔助人臉識(shí)別，使得視頻監(jiān)控更為智能化。例如，通過(guò)智能語(yǔ)音識(shí)別技術(shù)中的聲紋識(shí)別，將說(shuō)話人聲紋信息與已知用戶聲紋進(jìn)行1:1比對(duì)驗(yàn)證和1:N的檢索，能辨認(rèn)和確認(rèn)說(shuō)話者的身份，提升人臉識(shí)別的準(zhǔn)確率。2.大模型應(yīng)用領(lǐng)域不斷豐富，打開(kāi)安防下游市場(chǎng)空間我們認(rèn)為，隨著技術(shù)端的突破，AI將賦能各行各業(yè)，有望為安防行業(yè)帶來(lái)萬(wàn)億潛在可替代市場(chǎng)空間。具體可以從工業(yè)、智慧城市、煤炭和農(nóng)業(yè)四個(gè)行業(yè)來(lái)看：（1）工業(yè)：智能化轉(zhuǎn)型為安防帶來(lái)廣闊空間。據(jù)我們測(cè)算，每年在質(zhì)檢方面有將近2100億的人力成本，汽車行業(yè)、消費(fèi)電子等行業(yè)潛在可替代空間均有望達(dá)到千億級(jí)別。（2）智慧城市：校園/醫(yī)療/城市等多場(chǎng)景深度賦能安防。智慧城市輻射多個(gè)領(lǐng)域，驅(qū)動(dòng)市場(chǎng)規(guī)模超百億級(jí)。視頻監(jiān)控?cái)z像頭作為數(shù)據(jù)核心，為視覺(jué)應(yīng)用廠商帶來(lái)廣闊機(jī)遇。（3）煤炭：政策指引+IT賦能，智慧礦山驅(qū)動(dòng)智慧物聯(lián)需求。安永預(yù)計(jì)智慧礦山整體市場(chǎng)規(guī)模超萬(wàn)億元。（4）農(nóng)業(yè)：降本增效+技術(shù)進(jìn)步驅(qū)動(dòng)，潛在可替代成本預(yù)計(jì)突破萬(wàn)億，養(yǎng)殖和種植雙場(chǎng)景賦能智慧農(nóng)業(yè)。2.1.工業(yè)：智能化轉(zhuǎn)型市場(chǎng)廣闊，安防迎來(lái)全新機(jī)遇人口“負(fù)增長(zhǎng)”疊加“老齡化”背景下，工業(yè)生產(chǎn)人工成本高漲，工業(yè)智能化轉(zhuǎn)型市場(chǎng)空間潛力躍增。從應(yīng)用場(chǎng)景看，單質(zhì)檢行業(yè)潛在可替代空間即可達(dá)到2100億；從細(xì)分行業(yè)來(lái)看，汽車行業(yè)、消費(fèi)電子行業(yè)等潛在可替代空間均可達(dá)千億級(jí)別。2.1.1.人口負(fù)增長(zhǎng)、老齡化背景下，智能工廠迎來(lái)廣闊空間人口“負(fù)增長(zhǎng)”+“老齡化”趨勢(shì)下人工成本高企，工廠智能轉(zhuǎn)型迎來(lái)機(jī)遇。未來(lái)人口增速及結(jié)構(gòu)發(fā)生變化，總體趨勢(shì)為人口“負(fù)增長(zhǎng)”+“老齡化”。根據(jù)人社部數(shù)據(jù)，市場(chǎng)崗位空缺與求職人數(shù)的比率從2017年Q1的1.13上升至2021年Q3的1.53，勞動(dòng)力市場(chǎng)供給整體呈逐年下降的趨勢(shì)。我們認(rèn)為在這樣的背景下，企業(yè)人工成本持續(xù)高漲，工廠智能化轉(zhuǎn)型或?qū)⒂瓉?lái)廣闊的空間和機(jī)遇。我們認(rèn)為，機(jī)器視覺(jué)精度提高+AI賦能，將拓寬機(jī)器視覺(jué)工業(yè)場(chǎng)景，助力工廠智能化轉(zhuǎn)型。機(jī)器視覺(jué)的主要功能有視覺(jué)測(cè)量、視覺(jué)引導(dǎo)、視覺(jué)檢測(cè)，機(jī)器視覺(jué)的應(yīng)用提高了工業(yè)生產(chǎn)中的柔性和自動(dòng)化程度，在生產(chǎn)中極大地減少了人工的使用，并提高和保證了生產(chǎn)的質(zhì)量。AI視覺(jué)算法配合工業(yè)相機(jī)可實(shí)現(xiàn)生產(chǎn)自動(dòng)化；而具備視覺(jué)分辨能力的機(jī)器人可以持續(xù)高效的完成重復(fù)動(dòng)作，極大提高了生產(chǎn)效率。以質(zhì)檢為例，我們認(rèn)為整個(gè)質(zhì)檢市場(chǎng)廣闊，經(jīng)初步估算，現(xiàn)有質(zhì)檢工人工資約2100億。根據(jù)數(shù)據(jù)，每天產(chǎn)線上進(jìn)行目視檢查的工人按350萬(wàn)來(lái)測(cè)算；根據(jù)BOSS直聘注冊(cè)用戶提供的質(zhì)檢員薪酬數(shù)據(jù)，薪資水平按60252元/年來(lái)測(cè)算。工業(yè)質(zhì)檢是工業(yè)生產(chǎn)中最重要的環(huán)節(jié)之一，也是智能制造轉(zhuǎn)型升級(jí)的重要突破口。然而目前人工質(zhì)檢常會(huì)出現(xiàn)檢查效率低、審核質(zhì)量不穩(wěn)定、人力成本大及招聘難的問(wèn)題。AI視覺(jué)可以完成工業(yè)智能運(yùn)維中的外觀異常檢測(cè)、儀表示數(shù)異常檢測(cè)，幫助實(shí)現(xiàn)預(yù)測(cè)性維護(hù)和智能運(yùn)維；也可以獨(dú)立應(yīng)用于生產(chǎn)環(huán)節(jié)的質(zhì)量質(zhì)檢、產(chǎn)品和組件裝配檢查等。2.1.2.工業(yè)智能化轉(zhuǎn)型市場(chǎng)廣闊，細(xì)分行業(yè)潛在可替代空間均可達(dá)千億級(jí)別降本驅(qū)動(dòng)下，汽車行業(yè)潛在可替代空間可達(dá)千億級(jí)別。汽車行業(yè)是勞動(dòng)密集型產(chǎn)業(yè)，據(jù)我們測(cè)算，絕大部分企業(yè)生產(chǎn)員工占總員工的比例都超過(guò)了50%，十家主要廠商生產(chǎn)人員的人工成本將近800億，根據(jù)Wind顯示，截至2021年底，我國(guó)汽車行業(yè)有2994家公司，因此合理推算行業(yè)生產(chǎn)人員的人工成本每年可達(dá)到千億級(jí)別。我們認(rèn)為隨著工廠逐步實(shí)現(xiàn)智能化轉(zhuǎn)型、工業(yè)機(jī)器人滲透率不斷提高，生產(chǎn)員工有望可以逐步實(shí)現(xiàn)替代，從而大大減少企業(yè)的生產(chǎn)成本。自動(dòng)化工廠為特斯拉打造生產(chǎn)壁壘，2022年毛利率遠(yuǎn)超比亞迪。比亞迪2022全年銷量180萬(wàn)輛，毛利率20.39%；特斯拉2022全年銷量131萬(wàn)輛，毛利率28.5%，特斯拉比體量大的比亞迪毛利高出8個(gè)百分點(diǎn)。我們認(rèn)為特斯拉高毛利的背后與其工廠制造的自動(dòng)化程度高是密不可分的，自動(dòng)化是整個(gè)工業(yè)生產(chǎn)降本的關(guān)鍵邏輯。特斯拉超級(jí)工廠運(yùn)營(yíng)下的生產(chǎn)效率直接決定整車制造成本。1）同一產(chǎn)線生產(chǎn)多個(gè)系列產(chǎn)品，攤薄成本，提升毛利。同一汽車平臺(tái)產(chǎn)線，如果能夠?qū)崿F(xiàn)生產(chǎn)多個(gè)系列產(chǎn)品，隨著銷量的攀升，固定成本的投入會(huì)被攤薄，毛利空間更大、定價(jià)策略也更加靈活。以上海工廠生產(chǎn)的Model3和ModelY為例，這兩款車型是特斯拉的主力產(chǎn)品，也出自同一平臺(tái)。2）工廠自動(dòng)化程度高，機(jī)器人是特斯拉產(chǎn)能提升的關(guān)鍵。汽車生產(chǎn)的整個(gè)流程分為沖壓、焊接、涂裝、總裝四個(gè)板塊，特斯拉將其全部集中到一個(gè)大的廠房里面。生產(chǎn)線上裝配有大量美的旗下庫(kù)卡公司的機(jī)器人，在Model3電動(dòng)汽車進(jìn)行量產(chǎn)的關(guān)鍵時(shí)期，機(jī)器人能很好完成制造生產(chǎn)線上的點(diǎn)焊、激光焊接、裝配材料等任務(wù)。這樣做的應(yīng)用成效也非常明顯，Model3和ModelY的產(chǎn)量曾在一個(gè)季度內(nèi)增長(zhǎng)了70%以上，目前上海占特斯拉全球產(chǎn)量一半，2021年特斯拉上海工廠年產(chǎn)值高達(dá)47萬(wàn)臺(tái)，2022年年產(chǎn)能則超過(guò)了75萬(wàn)輛。智能轉(zhuǎn)型、降本驅(qū)動(dòng)下，消費(fèi)電子行業(yè)潛在可替代空間也可達(dá)千億級(jí)別。消費(fèi)電子行業(yè)同樣是勞動(dòng)密集型企業(yè)，據(jù)我們測(cè)算，十家主要廠商生產(chǎn)人員成本達(dá)623億，根據(jù)wind顯示，截至2021年底，我國(guó)消費(fèi)電子行業(yè)有3527家公司，因此合理推算行業(yè)生產(chǎn)人員的人工成本每年可達(dá)千億級(jí)別。富士康作為消費(fèi)電子行業(yè)龍頭，智能工廠建設(shè)成效顯著。富士康是全球電子科技制造服務(wù)領(lǐng)域唯一擁有4座WFE燈塔的企業(yè)。制造業(yè)“燈塔工廠”即在第四次工業(yè)革命尖端技術(shù)應(yīng)用整合工作方面卓有成效，堪為全球表率的領(lǐng)先企業(yè)。藍(lán)思科技入選工信部示范工廠，工廠智能化程度高，顯著提高績(jī)效。藍(lán)思科技的生產(chǎn)基地里沒(méi)有流水線上大量操作的工人，取而代之的是機(jī)械手。所有工序都由計(jì)算機(jī)控制的機(jī)器人、CNC設(shè)備、AGV和自動(dòng)化倉(cāng)庫(kù)設(shè)備來(lái)操作。目前藍(lán)思科技內(nèi)部有生產(chǎn)設(shè)備數(shù)萬(wàn)臺(tái)，需要對(duì)設(shè)備的物聯(lián)集成以及設(shè)備狀態(tài)、位置、加工工藝等參數(shù)進(jìn)行采集與程序管理，將傳感器采集到的工業(yè)數(shù)據(jù)傳輸至云平臺(tái)，實(shí)現(xiàn)生產(chǎn)制造過(guò)程智能化。2021年，在智能轉(zhuǎn)型中，藍(lán)思科技顯示元器件智能工廠績(jī)效得到改善，勞動(dòng)生產(chǎn)率提升12.18%，質(zhì)量損失率下降5.6%，單位品綜合能耗下降5%。2.2.智慧城市：以攝像頭為核心，多領(lǐng)域市場(chǎng)空間達(dá)百億級(jí)多個(gè)下游市場(chǎng)規(guī)模超百億級(jí)，視覺(jué)應(yīng)用廠商機(jī)遇廣闊。智慧城市輻射數(shù)字產(chǎn)業(yè)多個(gè)領(lǐng)域，智慧交通、智慧校園、智慧物流、智慧政務(wù)等，其中視頻監(jiān)控?cái)z像頭是數(shù)據(jù)核心，為視覺(jué)應(yīng)用企業(yè)帶來(lái)發(fā)展機(jī)遇。2.2.1.智慧校園應(yīng)用分為兩個(gè)場(chǎng)景，中小學(xué)市場(chǎng)規(guī)模達(dá)千億級(jí)以智慧校園為例，中小學(xué)升級(jí)需求集中在智慧教學(xué)、智慧安防兩個(gè)場(chǎng)景，經(jīng)我們估計(jì)市場(chǎng)空間將達(dá)到1000億元量級(jí)。智慧校園可分為智慧教學(xué)和智慧安防兩大應(yīng)用場(chǎng)景。智慧教學(xué)：場(chǎng)景集中在教室內(nèi)，可以通過(guò)1）課堂攝像頭采集人體行為數(shù)據(jù)，如聽(tīng)講、舉手、交頭接耳等，量化課堂教學(xué)過(guò)程，為教學(xué)質(zhì)量評(píng)估提供客觀依據(jù)。2）攝像頭感知光線，實(shí)現(xiàn)教室燈光智能管控，降低能耗，保護(hù)視力。智慧安防：場(chǎng)景集中在校園內(nèi)，如1）智能門鎖可以為宿舍、教室等提供集中門鎖權(quán)限，實(shí)現(xiàn)更高精度的身份識(shí)別，提升安全系數(shù)。2）在校門口等重點(diǎn)區(qū)域，利用攝像頭的智能識(shí)別功能，疊加深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)刷臉進(jìn)校、以圖搜圖、機(jī)器巡更等應(yīng)用。據(jù)智慧校園相關(guān)招投標(biāo)數(shù)據(jù)，我們認(rèn)為中小學(xué)的智慧校園市場(chǎng)空間在1000億元量級(jí)。通過(guò)對(duì)各地智慧校園相關(guān)招投標(biāo)公告的收集整理，我們估計(jì)新建高中學(xué)校的智能化設(shè)備支出為1000萬(wàn)元，已有中小學(xué)智能化升級(jí)改造支出約為50-500萬(wàn)元。據(jù)中華人民共和國(guó)教育部數(shù)據(jù)，截至2021年，我國(guó)共有中小學(xué)21萬(wàn)所，按每所學(xué)校50萬(wàn)元的改造支出計(jì)算，則智能校園的市場(chǎng)空間為1000億元，與業(yè)內(nèi)預(yù)期基本一致，疊加我國(guó)職業(yè)技術(shù)學(xué)校、高等教育學(xué)校、新建中小學(xué)的智慧校園相關(guān)需求，預(yù)計(jì)市場(chǎng)規(guī)模將達(dá)到1500余億以上。2.2.2.智慧醫(yī)院涉及三大核心，相關(guān)市場(chǎng)規(guī)模達(dá)360億元在智慧醫(yī)院領(lǐng)域，目前的解決方案涉及智慧服務(wù)、智慧醫(yī)療、智慧管理等三大核心，相關(guān)市場(chǎng)規(guī)?？蛇_(dá)360億量級(jí)。現(xiàn)有智慧醫(yī)院的解決方案以智慧服務(wù)、智慧醫(yī)療、智慧管理為核心。已經(jīng)實(shí)現(xiàn)1）動(dòng)態(tài)配置病區(qū)通行限制，針對(duì)特殊患者單獨(dú)設(shè)置通行策略，無(wú)需護(hù)士人工確定陪護(hù)人員和探視時(shí)間。2）對(duì)于精神病院、養(yǎng)老院、康復(fù)中心等地的特殊患者，依托RFID定位技術(shù)，結(jié)合物聯(lián)感知設(shè)備進(jìn)行實(shí)時(shí)安全性監(jiān)測(cè)。3)通過(guò)AI視覺(jué)設(shè)備在醫(yī)療作業(yè)中實(shí)現(xiàn)手術(shù)目標(biāo)識(shí)別、視覺(jué)病灶分析，自動(dòng)搜集患者身體情況，實(shí)現(xiàn)信息的互聯(lián)互通。據(jù)醫(yī)院相關(guān)智能化產(chǎn)品招投標(biāo)情況，預(yù)計(jì)市場(chǎng)規(guī)模為360億元。根據(jù)搜集整理的醫(yī)院相關(guān)招投標(biāo)情況，我們發(fā)現(xiàn)依據(jù)醫(yī)院的規(guī)模，視覺(jué)領(lǐng)域智能升級(jí)的費(fèi)用在20-880萬(wàn)元之間浮動(dòng)。2021年全國(guó)共有3.6萬(wàn)余家醫(yī)院，若僅考慮公立與民營(yíng)醫(yī)院，以每家醫(yī)院100萬(wàn)的中位數(shù)支出測(cè)算，則僅醫(yī)療領(lǐng)域視頻安防的升級(jí)市場(chǎng)空間就為360億量級(jí)。2.2.3.視頻監(jiān)控為智慧城市核心，運(yùn)營(yíng)商視聯(lián)網(wǎng)平臺(tái)豐富攝像頭應(yīng)用環(huán)境視頻監(jiān)控領(lǐng)域是智慧城市建設(shè)的核心，相關(guān)應(yīng)用效果未達(dá)預(yù)期。中星技術(shù)總工程師施清平認(rèn)為，在智慧城市的構(gòu)想中，城市中的視頻監(jiān)控?cái)z像頭起到了80%以上的真實(shí)數(shù)據(jù)采集功能，是不可或缺的感知層硬件。但受制于1）目前城市中部署的攝像頭算法精度不足，大部分城市處于S1、S2階段；2）智慧城市的實(shí)現(xiàn)有賴于城市運(yùn)營(yíng)服務(wù)與發(fā)展建設(shè)的結(jié)合，專業(yè)的城市運(yùn)營(yíng)將加強(qiáng)城市智能化建設(shè)的體驗(yàn)感；使得單獨(dú)的攝像頭無(wú)法替代智慧城市成網(wǎng)體系，應(yīng)用效果未達(dá)預(yù)期。豐富攝像頭應(yīng)用環(huán)境，運(yùn)營(yíng)商搭建視聯(lián)網(wǎng)平臺(tái)。為使攝像頭視頻資源發(fā)揮更大應(yīng)用效果，中國(guó)電信構(gòu)建了天翼視聯(lián)網(wǎng)平臺(tái)，在視聯(lián)網(wǎng)中，中國(guó)電信整合了攝像頭等監(jiān)控系統(tǒng)，將視頻內(nèi)容直接上傳到云端。視聯(lián)網(wǎng)實(shí)現(xiàn)了全國(guó)一張網(wǎng)統(tǒng)管所有視頻內(nèi)容，無(wú)需部署本地視頻網(wǎng)絡(luò)，推動(dòng)了攝像頭智能看家、攝像頭監(jiān)督廚房險(xiǎn)情等的應(yīng)用，成為了繼移動(dòng)網(wǎng)、寬帶網(wǎng)、物聯(lián)網(wǎng)、衛(wèi)星網(wǎng)之后的“第五張網(wǎng)”。目前中國(guó)電信已發(fā)力整合監(jiān)控?cái)z像頭等視頻設(shè)備，并提供加裝AI攝像頭的服務(wù)，曠視、螢石、大華等公司已成為中國(guó)電信合作伙伴。十四五期間，中國(guó)電信將基于視聯(lián)網(wǎng)實(shí)現(xiàn)超過(guò)億臺(tái)視頻終端接入，促進(jìn)AI+安防產(chǎn)業(yè)發(fā)展，視覺(jué)廠商或?qū)⒁虼耸芤妗?.3.煤炭：智慧礦山驅(qū)動(dòng)智慧物聯(lián)需求在煤炭領(lǐng)域，安全生產(chǎn)問(wèn)題偕同政策指引、IT技術(shù)進(jìn)步，共同驅(qū)動(dòng)智能礦山需求增長(zhǎng)，安永預(yù)計(jì)未來(lái)國(guó)內(nèi)所有礦山的智能化改造成本可達(dá)萬(wàn)億。大華為煤炭行業(yè)提供智慧物聯(lián)解決方案，可運(yùn)用于煤礦的智能可視化和智能生產(chǎn)調(diào)度。安全生產(chǎn)挑戰(zhàn)仍存，煤炭企業(yè)亟需智能化轉(zhuǎn)型。煤炭仍是我國(guó)的主體能源，據(jù)中國(guó)煤炭工業(yè)協(xié)會(huì)統(tǒng)計(jì)，全國(guó)規(guī)模以上煤炭企業(yè)營(yíng)業(yè)收入4.02萬(wàn)億元，同比增長(zhǎng)19.5%。我國(guó)煤礦安全生產(chǎn)形勢(shì)依然嚴(yán)峻，與發(fā)達(dá)國(guó)家相比仍處于較低水平。2022年，全國(guó)共發(fā)生煤礦事故168起、死亡245人，同比分別上升85%和38%，全國(guó)煤礦百萬(wàn)噸死亡率為5.4%，同比上升1pct。相比之下，2020年美國(guó)因煤礦安全生產(chǎn)事故造成的死亡人數(shù)僅為5人，百萬(wàn)噸死亡率為1%。因此，我們認(rèn)為煤炭企業(yè)亟需建設(shè)集成應(yīng)用各類傳感感知、信息通訊、自動(dòng)控制、智能決策等先進(jìn)智能化技術(shù)，提升礦山安全水平。政策指引+IT賦能，智慧礦山前景廣闊。（1）國(guó)家相關(guān)政策積極推動(dòng)智能化技術(shù)與煤炭產(chǎn)業(yè)融合發(fā)展，煤礦無(wú)人化、數(shù)字化、智能化成為大勢(shì)所趨。（2）物聯(lián)網(wǎng)、AI、大數(shù)據(jù)、云計(jì)算、5G等新技術(shù)已經(jīng)形成完整的信息化網(wǎng)絡(luò)，助推著更便捷、更迅速的物聯(lián)采集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲(chǔ)及數(shù)據(jù)應(yīng)用，能夠幫助煤炭行業(yè)提高開(kāi)采生產(chǎn)運(yùn)輸效率，優(yōu)化能源管理流程，降低開(kāi)采成本和損耗，增加能源供給。煤礦智能化浪潮下，大華提供智慧礦山解決方案。大華立足視覺(jué)感知技術(shù)，融合熱成像，視頻AI，融合通信，UWB定位等先進(jìn)技術(shù)優(yōu)勢(shì)，提供了煤礦監(jiān)控和融合通信的綜合解決方案，可廣泛運(yùn)用于煤礦的智能可視化和智能生產(chǎn)調(diào)度。煤礦智能化改造成本超萬(wàn)億，智慧礦山蘊(yùn)含一定潛能。根據(jù)《2022煤炭行業(yè)發(fā)展年度報(bào)告》統(tǒng)計(jì)，全國(guó)煤礦數(shù)量在4,400座以內(nèi)。根據(jù)測(cè)算，已有單礦井的智能化改造費(fèi)用在1.49-2.63億元。考慮到不同產(chǎn)能的改造金額不同，安永預(yù)計(jì)智慧礦山整體市場(chǎng)規(guī)模超萬(wàn)億元。2.4.農(nóng)業(yè)：降本增效驅(qū)動(dòng)下，智慧農(nóng)業(yè)前景廣闊在農(nóng)業(yè)領(lǐng)域，降本提效需求協(xié)同技術(shù)進(jìn)步共同驅(qū)動(dòng)智慧農(nóng)業(yè)規(guī)模增長(zhǎng)，我們預(yù)計(jì)潛在可替代成本突破萬(wàn)億。大華提出智慧農(nóng)業(yè)解決方案，通過(guò)視頻AI及物聯(lián)網(wǎng)技術(shù)落地種養(yǎng)場(chǎng)景，節(jié)約人力成本，實(shí)現(xiàn)精細(xì)化管理，中移動(dòng)加入后有望進(jìn)一步開(kāi)拓智慧農(nóng)業(yè)空間。2.4.1.傳統(tǒng)農(nóng)業(yè)規(guī)模大，智慧農(nóng)業(yè)發(fā)展前景廣傳統(tǒng)農(nóng)業(yè)人力成本達(dá)萬(wàn)億，智慧農(nóng)業(yè)占比不足1%，種植業(yè)和養(yǎng)殖業(yè)存在廣泛滲透機(jī)會(huì)。我們估計(jì)2022年農(nóng)民可支配收入達(dá)9.89萬(wàn)億，傳統(tǒng)農(nóng)業(yè)蘊(yùn)含一定的潛在可替代成本。在此背景下，智慧農(nóng)業(yè)發(fā)展前景廣闊。智慧農(nóng)業(yè)促進(jìn)降本增效，但傳感器應(yīng)用滲透率不到1%。智慧農(nóng)業(yè)是新一代信息技術(shù)與農(nóng)業(yè)決策、生產(chǎn)、流通交易等深度融合的新型農(nóng)業(yè)生產(chǎn)模式與綜合解決方案，能實(shí)現(xiàn)精細(xì)化生，節(jié)省人力成本。但傳感器技術(shù)的應(yīng)用滲透率低，關(guān)鍵技術(shù)精度不夠，有較大增長(zhǎng)空間。以養(yǎng)豬業(yè)為例，養(yǎng)殖成本達(dá)萬(wàn)億，智慧養(yǎng)豬可通過(guò)機(jī)器替代人工實(shí)現(xiàn)降本增效截至2021年，我國(guó)約有2600萬(wàn)戶生豬養(yǎng)殖場(chǎng)，我們估計(jì)養(yǎng)殖成本預(yù)計(jì)達(dá)1.62萬(wàn)億，其中前10大豬企人力成本為453億元。與國(guó)外相比，每斤豬料成本是美國(guó)的2倍，人力成本是美國(guó)的5倍。智慧農(nóng)業(yè)滲透后將實(shí)現(xiàn)自動(dòng)化養(yǎng)豬，用機(jī)器代替人工，年出欄生豬1萬(wàn)頭的豬場(chǎng)每年可節(jié)省人力成本12余萬(wàn)元。以牧原為例，（1）智能化養(yǎng)豬減少約40萬(wàn)人力，提高勞動(dòng)效率35%。采用數(shù)字化智能養(yǎng)豬系統(tǒng)后，飼養(yǎng)員人均年飼養(yǎng)商品豬出欄量達(dá)行業(yè)平均數(shù)2倍。智能化豬舍根據(jù)豬舍內(nèi)溫度，自動(dòng)調(diào)節(jié)熱交換風(fēng)機(jī)的開(kāi)啟功率、定頻風(fēng)機(jī)的開(kāi)啟數(shù)量、滑窗開(kāi)度，實(shí)現(xiàn)自動(dòng)化養(yǎng)殖；（2）自主研發(fā)養(yǎng)豬機(jī)器人每年節(jié)省人工費(fèi)用6000余萬(wàn)元，實(shí)現(xiàn)機(jī)器替代人工。機(jī)器人與18.3萬(wàn)個(gè)智能終端和5800臺(tái)獨(dú)立機(jī)器人協(xié)作，年加工飼料80萬(wàn)噸，飼喂裝備投資2.8億元，為常規(guī)飼料廠投資的一半，投入成本大大減少。2.4.2.智慧養(yǎng)殖將實(shí)現(xiàn)全流程智能管理，農(nóng)林牧漁業(yè)潛在可替代人力成本已超億元農(nóng)林牧漁業(yè)總工資達(dá)億元，智慧養(yǎng)殖快速發(fā)展實(shí)現(xiàn)降本提效。2021年農(nóng)林牧漁業(yè)城鎮(zhèn)單位就業(yè)人員總工資達(dá)471.4億元，且平均工資有逐年上升趨勢(shì)，我們預(yù)計(jì)未來(lái)農(nóng)林牧漁業(yè)人力成本會(huì)繼續(xù)上升。我們認(rèn)為，在人力成本增加，智慧養(yǎng)殖發(fā)展的雙重驅(qū)動(dòng)下，企業(yè)尋求智慧養(yǎng)殖解方案，減少人力投入，實(shí)現(xiàn)全流程管理。智慧養(yǎng)殖實(shí)現(xiàn)機(jī)器替代人力，存在潛在可替代成本。京東農(nóng)牧提出智能養(yǎng)殖解決方案，該方案能降低大中型養(yǎng)殖企業(yè)人工成本30%，降低全行業(yè)養(yǎng)殖業(yè)成本至少500億元/年。方案獨(dú)創(chuàng)養(yǎng)殖巡檢機(jī)器人、飼喂機(jī)器人、3D農(nóng)業(yè)級(jí)攝像頭等先進(jìn)設(shè)備，實(shí)現(xiàn)養(yǎng)殖業(yè)自動(dòng)化、智能化，降低勞動(dòng)力投入。智慧養(yǎng)殖提升安全管理效率，實(shí)現(xiàn)全流程智能管理。北方某養(yǎng)殖企業(yè)利用大華數(shù)智化能力將違規(guī)事件統(tǒng)計(jì)頻次由平均2天/次縮短為平均2小時(shí)/次，生物安全違規(guī)事件檢出率提升90%，生物安全管理效率提升50%。通過(guò)全流程、全閉環(huán)的數(shù)智化監(jiān)管方式，對(duì)進(jìn)出養(yǎng)殖場(chǎng)的“、車、豬、物”洗消、跨區(qū)和作業(yè)等進(jìn)行管理，提高效率。2.4.3.智慧種植有望實(shí)現(xiàn)無(wú)人化，潛在可替代種植業(yè)人力成本達(dá)到千億糧食作物人工成本達(dá)千億，智慧農(nóng)業(yè)促進(jìn)無(wú)人化種植，降低人力成本，提高種植質(zhì)量和效率。我們測(cè)算，2021年糧食作物總?cè)斯こ杀具_(dá)7.3千億，種植業(yè)人力成本投入大。以水稻生產(chǎn)為例，2020年國(guó)內(nèi)人工成本占比41%，遠(yuǎn)高于美國(guó)10%和日本26%，機(jī)械相關(guān)費(fèi)用占比18%，遠(yuǎn)低于美國(guó)的38%和日本的42%。為減少人工成本支出，提高種植效率，國(guó)內(nèi)先進(jìn)企業(yè)以數(shù)字技術(shù)和智能裝備賦能農(nóng)業(yè)種植全過(guò)程。智慧種植實(shí)現(xiàn)全過(guò)程管理，減少人力投入。中移動(dòng)助力延津縣小麥種植，每年節(jié)省人工成本65%，提升畝均糧食產(chǎn)量30%，提升畝均收入1倍，全過(guò)程助力種植智能決策。播種前，5G+智慧農(nóng)業(yè)管理平臺(tái)模擬地塊產(chǎn)量，科學(xué)推算種子、水、肥、藥的需求量；生長(zhǎng)期間，動(dòng)態(tài)監(jiān)管農(nóng)作物生長(zhǎng)環(huán)境，通過(guò)數(shù)據(jù)分析與決策科學(xué)推薦小麥生長(zhǎng)需求符合的灌溉、施肥、施藥策略；收獲期，運(yùn)用遙感信息和作物生長(zhǎng)模型，精準(zhǔn)預(yù)估小麥成熟度。智慧種植實(shí)現(xiàn)智能化管理，提高種植質(zhì)量和效率。大華助力中科康成育苗產(chǎn)業(yè)園實(shí)現(xiàn)大棚智能化改造，種苗存活率提高10%，人員工作效率提高30%。通過(guò)智能化感知系統(tǒng)實(shí)現(xiàn)環(huán)境智能化、可視化展現(xiàn)，實(shí)時(shí)感知并匯聚環(huán)境因素，通過(guò)數(shù)據(jù)中心分析和展示，并利用智慧化管理平臺(tái)遠(yuǎn)程操控前端智能設(shè)備。隨著大華引入中移動(dòng)作為戰(zhàn)略投資者，作為國(guó)內(nèi)安防監(jiān)控龍頭企業(yè)和傳感器概念上市企業(yè)，有望彌補(bǔ)傳感器滲透不足等問(wèn)題，與中移動(dòng)在智慧農(nóng)有廣闊合作空間。機(jī)器視覺(jué)技術(shù)扮演“機(jī)器代人”的催化劑角色，節(jié)約勞動(dòng)力，實(shí)現(xiàn)農(nóng)業(yè)精準(zhǔn)化和自動(dòng)化。以云南省昆明市某產(chǎn)業(yè)園草莓智慧管控云服務(wù)托管系統(tǒng)為例，該系統(tǒng)基于機(jī)器視覺(jué)的草莓生長(zhǎng)狀態(tài)識(shí)別系統(tǒng)，解決草莓生長(zhǎng)狀態(tài)識(shí)別和辨認(rèn)完全依靠種植者經(jīng)驗(yàn)的問(wèn)題，首次提出基于知識(shí)圖譜的設(shè)施草莓智慧管控決策方法，方法的標(biāo)準(zhǔn)化知識(shí)庫(kù)隨著知識(shí)的積累和數(shù)據(jù)的增加，決策方法會(huì)更加精準(zhǔn)，從而實(shí)現(xiàn)種植的智能化和自動(dòng)化，節(jié)省人力成本，提高農(nóng)品質(zhì)量。3.行業(yè)格局：AI時(shí)代下，安防兩大巨頭有望持續(xù)領(lǐng)航我們認(rèn)為，在AI時(shí)代下，安防行業(yè)將呈現(xiàn)強(qiáng)者恒強(qiáng)的發(fā)展趨勢(shì)。與雪亮工程對(duì)比，AI將為安防行業(yè)帶來(lái)更大空間和發(fā)展機(jī)遇，龍頭企業(yè)受益程度亦會(huì)高于雪亮工程時(shí)代。（1）雪亮工程時(shí)代：受政府大訂單驅(qū)動(dòng)，安防企業(yè)迎來(lái)機(jī)遇，但行業(yè)具有周期性強(qiáng)、項(xiàng)目周期長(zhǎng)、市場(chǎng)集中于G端的特點(diǎn)，行業(yè)格局尚未清晰。?？荡笕A在雪亮工程后占據(jù)行業(yè)主導(dǎo)地位，推動(dòng)安防行業(yè)格局進(jìn)入穩(wěn)定期。以大華為例，從2015年?duì)I收體量101億元增長(zhǎng)至2018年237億，CAGR達(dá)32.92%。（2）AI時(shí)代：AI賦能各行各業(yè)，AItoB市場(chǎng)廣闊。AI時(shí)代下，降本增效驅(qū)動(dòng)邏輯順暢，有望通過(guò)新領(lǐng)域滲透、傳統(tǒng)領(lǐng)域替代兩條路徑打開(kāi)行業(yè)天花板，具有空間廣闊、周期性減弱的特點(diǎn)。我們認(rèn)為伴隨著AI的快速發(fā)展，安防行業(yè)馬太效應(yīng)凸顯，?？荡笕A憑借其核心競(jìng)爭(zhēng)有望持續(xù)領(lǐng)航。3.1.渠道：全球化營(yíng)銷和渠道優(yōu)勢(shì)，品牌效應(yīng)明顯安防龍頭營(yíng)銷網(wǎng)絡(luò)覆蓋國(guó)內(nèi)外，規(guī)模優(yōu)勢(shì)打造成本壁壘。目前安防企業(yè)正積極推動(dòng)渠道下沉和海外渠道拓展。2021年，?？稻硟?nèi)外營(yíng)收占比分別為73%和27%，大華境內(nèi)外營(yíng)收占比分別為59%和41%。截至2021年底，大華在國(guó)內(nèi)設(shè)有32個(gè)省區(qū)級(jí)辦事處，海外門店總數(shù)達(dá)5000家，同比2020年增長(zhǎng)112%。品牌效應(yīng)顯著，在G端和B端等大客戶中積累良好口碑。以大華為例，作為國(guó)家高新技術(shù)企業(yè)，大華股份連續(xù)13年被列入國(guó)家軟件企業(yè)百?gòu)?qiáng)，是中國(guó)智慧城市建設(shè)推薦品牌和中國(guó)安防最具影響力的品牌之一。由科技媒體a&s《安全自動(dòng)化》發(fā)布的“2022全球安防50強(qiáng)”排行榜單中，大華股份以50多億美元的銷售額穩(wěn)居第二，拉開(kāi)第三名將近20億美元，大華的企業(yè)實(shí)力、品牌地位等得到進(jìn)一步的鞏固和加強(qiáng)。3.2.技術(shù)：數(shù)據(jù)+行業(yè)Know-How構(gòu)建AI時(shí)代下護(hù)城河我們認(rèn)為，數(shù)據(jù)和行業(yè)Know-How是AI技術(shù)落地及變現(xiàn)的基礎(chǔ)，?？荡笕A憑借優(yōu)勢(shì)可構(gòu)筑AI時(shí)代下護(hù)城河。（1）數(shù)據(jù)：數(shù)據(jù)是AI模型落地的基礎(chǔ)，安防龍頭數(shù)據(jù)資源優(yōu)勢(shì)明顯；（2）行業(yè)Know-How：豐富行業(yè)理解將提升數(shù)據(jù)精度，助力技術(shù)快速變現(xiàn)。智慧物聯(lián)等行業(yè)碎片化程度高，對(duì)行業(yè)的理解、解決方案的積累對(duì)于實(shí)現(xiàn)技術(shù)變現(xiàn)尤為關(guān)鍵。3.2.1.行業(yè)Know-How：行業(yè)理解提升數(shù)據(jù)精度，助力AI技術(shù)快速變現(xiàn)我們認(rèn)為，行業(yè)Know-How是技術(shù)變現(xiàn)的基礎(chǔ)，助力數(shù)據(jù)精度提升。由于安防行業(yè)具有碎片化的特點(diǎn)，AI技術(shù)落地需要依賴對(duì)細(xì)分行業(yè)具有深刻理解。安防龍頭多年以來(lái)積累了大量行業(yè)Know-How和解決方案，為技術(shù)商業(yè)化落地提供了基礎(chǔ)。以大華為例，通過(guò)企業(yè)平臺(tái)3.0和城市平臺(tái)2.0，打造具有行業(yè)Know-How的數(shù)智中臺(tái)。（1）ToB：洞察業(yè)務(wù)細(xì)分場(chǎng)景超3000個(gè)，開(kāi)發(fā)業(yè)務(wù)組件1000余個(gè)、累計(jì)形成行業(yè)解決方案超300個(gè)。（2）ToG：大華在城市治理、應(yīng)急指揮、交通、港口、生態(tài)環(huán)境等行業(yè)，悉細(xì)分場(chǎng)景超5000個(gè)、開(kāi)發(fā)業(yè)務(wù)組件超800個(gè)，推出行業(yè)解決方案200個(gè)。夯實(shí)數(shù)字底座和中臺(tái)能力，提高行業(yè)理解轉(zhuǎn)換為商業(yè)價(jià)值的能力。（1）底層數(shù)據(jù)上，大華更加注重?cái)?shù)據(jù)融合和架構(gòu)融合，從數(shù)據(jù)儲(chǔ)存、數(shù)據(jù)治理、數(shù)據(jù)分析和數(shù)據(jù)安全多環(huán)節(jié)夯實(shí)數(shù)字底座能力。（2）整體設(shè)計(jì)：大華不僅僅是針對(duì)云端的大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)一個(gè)治理活動(dòng)，而是在囊括端、邊、云多個(gè)軟硬件環(huán)節(jié)的整個(gè)網(wǎng)路中進(jìn)行布局，從而提高公司的數(shù)字中臺(tái)能力。3.2.2.數(shù)據(jù)：AI模型的基礎(chǔ)和源泉，安防龍頭數(shù)據(jù)資源優(yōu)勢(shì)明顯安防行業(yè)積累大量數(shù)據(jù)資源，是AI模型的構(gòu)建和落地的核心。據(jù)統(tǒng)計(jì)，2025年全球數(shù)據(jù)圈將達(dá)到175ZB，數(shù)據(jù)資源是AI模型搭建的基礎(chǔ)，安防龍頭將在AI時(shí)代下凸顯其商業(yè)價(jià)值。安防龍頭構(gòu)建智能數(shù)據(jù)中臺(tái)，數(shù)據(jù)搜集和價(jià)值提取能力優(yōu)勢(shì)明顯。數(shù)據(jù)中臺(tái)的本質(zhì)是大數(shù)據(jù)的延伸，是打通數(shù)據(jù)孤島、實(shí)現(xiàn)數(shù)據(jù)互通，實(shí)現(xiàn)數(shù)據(jù)智能化的手段。通過(guò)數(shù)據(jù)中臺(tái)的建設(shè)，可以實(shí)現(xiàn)：1）看現(xiàn)在：對(duì)現(xiàn)有的數(shù)據(jù)進(jìn)行治理，形成資產(chǎn)；2）看未來(lái)：對(duì)數(shù)據(jù)進(jìn)行分析提煉，以支撐業(yè)務(wù)的決策。以大華股份為例，大華行業(yè)化數(shù)據(jù)中臺(tái)在全國(guó)多個(gè)地市落地，其中在某地市的公安系統(tǒng)建設(shè)的數(shù)據(jù)中臺(tái)，大華擁有超過(guò)3000多億感知數(shù)據(jù)。大華通過(guò)數(shù)據(jù)中臺(tái)，面向客戶實(shí)現(xiàn)多警種的數(shù)據(jù)共享，以及通過(guò)數(shù)據(jù)整合，有效消除了數(shù)據(jù)壁壘，并且通過(guò)模型大幅度提升各種的業(yè)務(wù)實(shí)戰(zhàn)能力。3.3.中移動(dòng)：大華股份特有阿爾法，戰(zhàn)投有望實(shí)現(xiàn)協(xié)同發(fā)展我們認(rèn)為，中國(guó)移動(dòng)在AI領(lǐng)域布局清晰，將從研發(fā)、渠道等維度深度賦能大華。3月30日，大華股份向中國(guó)移動(dòng)非公開(kāi)發(fā)行股票計(jì)劃落地，本次發(fā)行共2.93億股，實(shí)際募資資金凈額50.9億元。在本次定增后，中國(guó)移動(dòng)預(yù)計(jì)成為公司第二大股東，占比8.81%。我們認(rèn)為，定增落地有望助力中國(guó)移動(dòng)與公司實(shí)現(xiàn)全面戰(zhàn)略協(xié)同，推動(dòng)大華在AI領(lǐng)域加