我们为什么需要大模型？ - 安防知识网

大模型化身为“百变战士”，成为多个行业推进人工智能落地应用的核心产品和工具。

　　自2016年开始，安防以其天然的“感知”能力和海量数据池的属性，成为AI技术的首批“练兵场”，由此也开启了AI在包括安防在内的千行百业融合应用的热潮。

　　千行百业对 AI 的需求海量而碎片化，没有标准化通用的解决方案，每个细分场景的需求满足往往都需要定制化的开发。

　　而在传统深度学习算法开发过程中，存在数据采集困难、算法泛化性能差等问题，算法开发周期往往以季度计，无法满足 AI 快速落地的需求。

　　随着人工智能技术的发展，传统深度学习算法在安防场景中的局限性愈发凸显。算法通用、场景不通用，无法以较低的边际成本解决场景碎片化的问题，同时针对边端算法受限、内存受限等问题也限制了AI的进一步普及与落地。

　　2023年，大模型的概念开始席卷人工智能产业，大家普遍认为大模型将是人工智能的下一代技术形态。

　　相比之下，大模型则有着更好的泛化能力，有望进一步突破传统算法的精度与数据局限，也能解决传统深度学习算法的数据依赖问题，在此基础上不仅能够降低训练研发成本，还可实现在垂直场景中的快速落地。

　　2024年，从爆火的ChatGPT到Sora，大模型正冲向边缘侧、端侧设备，从而重构千行百业，小到一个摄像头，大到一个个物联网场景。一时间，大模型化身为“百变战士”，成为多个行业推进人工智能落地应用的核心产品和工具。

　　我们都有所耳闻大模型卓越的效能表现，一个模型之所以“大”，在于其规模宏大，无论是样本数据还是学习量，都达到前所未有的规模和强度。这使得人工智能算法在性能上实现质的飞跃。这种提升主要体现在两个方面：

　　首先，是AI本身效果的提升。当学习样本数量充足时，AI 算法通过大量训练，能获得比以往更精准、更深入的理解。这种训练效果与样本数量和学习深度密切相关。过去，受算法和运行方式限制，无法达到大规模训练效果。但在大模型概念下，训练数据量和次数能提升千万倍，极大提高了 AI 算法的效果。

　　其次，大模型强化了 AI 的反馈机制，增强了逻辑推理和数据关联的能力。在边缘计算和云计算的背景下，大模型提供了更强大的数据收集和学习能力，使不同区域、不同场景下的应用能更有机地融合环境信息和学习样本，推动了“云脑”概念的实现。

　　大模型的普遍优势

　　无论是通用大模型还是行业大模型，现阶段的大模型产品，普遍从泛化能力、计算能力、应用场景等方面实现了质的提升。

　　1、强大的学习能力：大模型拥有更多的参数和更复杂的结构，可以更好地拟合数据，从而使得大模型能够更准确地捕捉和理解数据的内在规律和模式。

　　2、优秀的泛化能力：大模型通常具有更好的泛化能力，能够在新的、未见过的数据上表现出色。

　　3、高效的计算能力：大模型的参数数量庞大，但通过采用分层设计和分布式训练等技术，可以在现有的硬件设备上进行高效地训练。这使得大模型在实际应用中能够更快速地适应和响应各种任务需求。

　　4、广泛的应用场景：大模型可以应用于各种领域，如自然语言处理、图像处理、游戏AI等。它们可以处理复杂的任务，如机器翻译、语音识别、图像分类等，为各行各业提供强大的技术支持。

　　5、推动技术进步和创新：大模型的应用和发展推动了人工智能技术的进步和创新。它们为各种复杂任务提供了更好的解决方案，同时也催生了新的应用场景和商业模式。

　　行业大模型的涌现

　　如果说2023年是通用大模型诞生元年，2024年则是行业大模型的涌现之年。通用大模型普遍是AI技术能力大模型，拥有良好的计算能力和学习能力，但距离不同行业终端用户的需求还存在着较大差异，无法实现精准定制。

　　行业大模型成为各行各业产品技术提供商追逐的热点。行业大模型即利用大模型技术，针对特定数据和任务进行训练或优化，形成具备专用知识与能力的大模型及应用。与通用大模型相比，行业大模更专注于提高性价比、增强专业性并保障数据(特别是私有数据)的安全性。

　　在实际应用方面，数字原生行业(如各类互联网应用)是行业大模型应用的先行者，传统行业中生产性服务业(广告、金融等)进展相对快，而重资产行业(建筑、制造、能源等)进展相对慢。

　　安防作为一个特殊的行业领域，在AIoT技术的加持下，近些年，正在从传统安防业务转向场景数字化业务，千行百业的数字化应用需求，也更加强调了针对性行业大模型的必要性，这也是安防及AIoT企业陆续发力行业大模型的重要出发点。

　　从目前行业市场的情况看，和人工智能时代一样，以海康威视、大华股份、宇视科技为代表的“安防+AI”企业以及以商汤、云从、依图为代表的“AI+安防”企业依然是大模型时期的主流玩家。

　　海康的“观澜”、大华的“星汉”、宇视的“梧桐”，商汤“日日新”、云从的“从容”、依图“天问”，这些大模型产品目前已经在企业的安防及非安防业务中发挥着重要作用，并且随着终端行业用户需求的不断提出，实现着持续性的产品迭代。

　　一定程度上，大模型作为人工智能技术的集大成者，不仅改变着厂商产品的形态与功能，也在重塑着垂直行业的商业模式。

　　以安防行业为例，传统的安防产品往往以“标准化产品”为主，难以满足用户日益增长的个性化需求。而行业大模型的出现，使得“定制化+系统集成+服务”的商业模式成为可能。企业可以根据客户的具体需求，利用大模型进行深度定制，开发出符合特定场景的安防解决方案。这种定制化服务不仅提升了产品的市场竞争力，还增强了客户粘性，为企业带来了稳定的收入来源。

微信图片_20240809175456.jpg

MaaS模式成趋势

　　这种服务模式即MaaS模式，模型即服务(MaaS，Model as a Service)，是指将人工智能(AI)算法模型以及相关能力进行封装，以服务的形式对用户提供，其核心目标是降低人工智能技术使用门槛，控制应用建设成本，简化系统运维管理复杂度，提升人工智能技术的综合应用效能，从而加速“人工智能+”进程。

　　MaaS成为大模型规模化落地的催化剂。MaaS围绕低技术门槛、模型可共享、应用易适配三大特性，提供包括平台服务、模型服务、数据集服务、AI应用开发服务在内的全栈服务，一方面有助于解决模型服务规模化生产面临的成本高、技术门槛高等问题，另一方面帮助提升基于大模型的AI应用开发效率，适配企业规模化场景需求。

　　AI产业正在经历前所未有之大变革，通过MaaS将模型服务供给各行各业将成为大势所趋。当前的MaaS落地主要集中于MaaS体系构建，未来将从模型服务水平提升、模型能力扩充、应用能力创新等方面进一步筑牢MaaS体系，为“人工智能+”广泛落地提供便捷路径。

　　可以预见，通用大模型+行业大模型协同将成为场景化落地的重要方式，通过将大模型的通识能力与小模型的专业能力相结合，使模型服务更加精准地满足应用需求，为应用开发提供更强大、更灵活的AI能力。

　　随着各行各业数字化转型的加速，安防产业正呈现出从硬件销售模式转向以服务为核心的MaaS(Mobile as a Service)模式。MaaS模式通过提供移动设备及其相关服务的集成解决方案，为安防产业带来了新的商业模式和增长点。

　　与此同时，新需求驱动安防产品、技术、方案交付方式的变革，同时也将带来产业生态合作模式、业务领域的创新和突破。

　　结语

　　任何一项技术的螺旋上升，势必将和行业应用融合生成产业新的风向和轨迹，而产业中的每个人，都将是这场变革的见证者。