截至2025年底，中国公路总里程接近558万公里，其中农村公路471万公里，占比超过八成。高速公路和城市主干道有信号灯、护栏、电子监控层层覆盖，农村公路的条件相对简陋，大量路段没有信号灯，急弯、陡坡、无灯控的岔路口比比皆是。
过去十年，中国道路交通安全的整体水平持续提高，但改善的分布并不均匀。
城市主干道和高速公路受益于信号系统、护栏、智能监控的大规模部署，事故率下降明显；而弯道、坡道、平交路口这类视距受限的路段，可用的技术手段多年来几乎没有更新。
而道路上部署的电子设备大致经历了三个阶段。
第一阶段是凸面镜和标识牌，属于被动提示，效果取决于驾驶员是否留意；第二阶段是视频监控，摄像头部署到路口和路段，能够记录事故过程，但对事故预防的作用有限，且在雨雪、大雾、夜间条件下画面质量大幅下降；第三阶段是多种感知手段的协同，单靠摄像机在雨雾和夜间看不清，单靠雷达又分辨不出目标的外形，两类设备各有各的短板。
近年开始有厂商将毫米波雷达与摄像机集成在一台设备中，雷达负责在恶劣天气下持续测距和测速，摄像机负责在条件允许时提供清晰画面，一套AI算法将两路信号融合，判断路口来的是车辆还是行人、距离多远、朝哪个方向移动，随即在路边屏幕上发出预警。
设备的角色从记录事故变成了预防事故。
这类雷视一体机已应用于急弯预警、盲区预警、行人过街预警等场景，国内最早将这一品类做到规模化落地的厂商之一，是海康威视（002415.SZ）。
从视频监控起家的海康威视，现在已有30000多种产品，涌现出了大量像雷视一体机这类不只是“看”的感知产品，它们还可以“听、触、嗅”。
7月17日，海康威视第一次参加在上海举办的世界人工智能大会。
海康展出了名为观澜的大模型技术体系，覆盖可见光、红外、X光、毫米波、音频、光纤等多类感知信号，并发布《海康观澜大模型白皮书》。白皮书给观澜的定位是，源自物理世界的大模型。
观澜这个名字取自《孟子·尽心上》的“观水有术，必观其澜”，意思是看水有讲究，要看它的波澜。海康希望机器能够解读的，是各类感知信号中的万千细节，钢水的温度、皮带的震颤、安检仪里的回波、气体泄漏时空气的扰动，从这些信号中认出真实世界正在发生什么。
此前，机器在物理世界中承担的角色以采集为主，摄像机记录画面，传感器采集信号，理解和判断的工作更多留给人完成。
而观澜体系，是让机器在采集信号的同时完成理解，并据此自主做出响应。
面向物理世界的模型
海康的观澜大模型体系和人们熟悉的通用大模型，是两样不同的东西。
豆包、ChatGPT这类模型面向数字世界中的通用任务，追求一套模型应对尽量多的提问；观澜面向的是钢厂、机场、港口、化工厂这些日常运转的行业现场，是一套扎根具体行业的模型体系，覆盖从可见光到红外、从毫米波到光纤、从音频到X光的多种感知模态，模型的数量和种类远超一般认知中“一家公司出一个通用大模型”的印象。
这种定位决定了海康的做法。
不少公司提供大模型，是开放一个接口，怎么和业务对接由客户自行解决；海康把模型直接集成进产品，从内置推理能力的摄像机，到边缘计算设备，再到云端的智能体平台，模型不是独立售卖的商品，而是产品能力的一部分。
到目前，观澜的能力已嵌入上千款软硬件产品，覆盖90多个子行业、2000多个细分场景。换句话来说，基于海康的思路，它卖的不是大模型的概念，而是更好用、更能解决问题的产品、解决方案，客户为产品买单，不为概念买单。
计算机视觉技术兴起之初，业界一度认为，算法识别率更高的公司将主导安防市场。
数年之后，真正拉开距离的并非算法本身，而是能否将算法转化为规模化落地的产品，能装进有竞争力的软硬件，能在千行百业各不相同的现场稳定运行。
这是一整套系统工程，不是单点的技术较量。
在海康，感知与AI这两项技术，是打通物理世界与数字世界的桥梁。在海康最新发布的白皮书中，将两者的关系描述为一个飞轮：传感器采集的信号越丰富、越精准，模型能读到的物体形状、材质、温度、位置、运动就越全面；模型将这些物理世界的规律学进去，又反过来优化感知算法、指导传感器的设计，让前端采集得更准确。
感知喂养模型，模型反哺感知，两者彼此推高，形成持续上升的循环。
海康将自己此次参展的主题定为“观万物之澜，兴百业之智”，观的就是物理世界中这些由不同信号构成的万千气象，兴的就是千行百业的智能化。
这个循环在毫米波上体现得尤为明显。
早期的毫米波设备，识别依赖于有限的二维数据，导致大量有效信息流失。而以三维全息数据作为输入后，感知精度大幅提升，使毫米波大模型能够从三维信号中提取更多信息，检出率和检准率大幅提升。而毫米波大模型的能力增强后，又进一步反哺指导毫米波设备的数据采集，让数据的价值更高。
不只一种模态
摄像机、安检门和测温仪执行的都是识别任务，依赖的却是三种互不相通的物理过程，可见光成像记录物体表面的反射，X光成像利用射线穿过不同材质时的衰减差异，红外测温捕捉物体自身的热辐射。
通用大模型难以覆盖物理世界，原因在于它们的训练语料来自互联网文本，而毫米波回波、光纤振动、红外热辐射这些物理信号，在互联网上根本不存在，必须由专用的传感器在现场采集，再由针对性训练的模型来解读。
观澜要做的，不是一个基础模型，是一套能读懂这些物理信号的模型体系。
毫米波能穿透衣物成像，又不产生电离辐射，是人体安检的主流技术路线。
业内通行的做法，是将扫描得到的三维全息数据压缩为二维图像后再作识别，藏匿物的空间信息在压缩过程中大量损失。
观澜的毫米波大模型直接以三维全息数据为输入，配合自研的感知无损压缩技术，降低海量信号的存储与传输负担，违禁品检出率较传统小模型提升7.4%，检准率提升9.8%，海康由此成为业内首家通过民航最高等级A3认证（毫米波人体成像设备的最高安全等级）的厂商。
X光大模型采取相同的思路。
不同材质对射线的吸收能力由原子序数决定，安检图像上的颜色便来自这一物理量；观澜的X光大模型不读渲染后的图像，直接以标注原子序数的原始探测数据为输入，材质信息不在成像环节流失。
将原始信号直接交给模型处理，这一做法贯穿观澜的多种感知模型，为的是尽可能保留物理世界的信息。
毫米波和X光之外，观澜还覆盖了激光信号。
钢铁厂、港口的散货转运依赖长距离皮带输送机，输送机上有大量托辊（承托皮带的滚轴），托辊出了故障如果发现不及时，整条输送线就要停下来检修。传统的办法是人工沿线巡听，几十公里的廊道走一遍耗时费力。
海康的做法是把铺设在廊道上的光纤变成一条连续工作的激光传感器，通过听诊光纤探头采集托辊声音，沿光缆传输至主机，全天候智能诊断托辊的运行状态，故障误报数量降低约七成。
化工领域的气体泄漏同样是肉眼难以察觉的隐患，海康基于激光吸收光谱技术的气云成像遥测仪，能让不可见的泄漏气体在画面中显形，泄漏识别率提升至90%以上。
海康还将多种信号放进同一个模型进行跨模态融合，判断精度高于一种信号单独工作的结果。
真实世界的需求高度碎片化，现场的算力条件千差万别，云端规模的模型无法直接部署到一台台设备中。
海康的应对是云边端灵活部署，算力充裕的场景在云端运行，在现场则下沉至边缘设备和终端，按不同场景搭配不同的协同方式。
海康将观澜体系的优势概括为四个字，多、快、准、省。多，指感知信号的种类多、覆盖的行业和场景广；快，指快速开发和部署、敏捷响应；准，指通过直读原始信号、跨模态融合等方式持续提升识别的精确度；省，指端边云按需部署、推理优化，相比通用模型在算力和成本上更为经济。
海康威视所搭建的这套体系的积累可以追溯到2006年组建的算法团队，近六年公司累计研发投入594.54亿元，观澜大模型在中国信通院可信AI大模型能力评测中获得模型开发能力的业内首个5级评分。
被重新做过的产品
大模型进入海康的产品线后，可以用新技术解决更多老问题，一批老产品率先发生了变化。
传统的周界摄像机误报率较高，树叶晃动、光线闪烁都可能触发报警，部分用户直接关闭了全部报警功能。
而集成了观澜大模型的周界摄像机能够过滤掉这些干扰，复杂场景下的误报率降低90%以上，给用户带来了真正的实用价值。
文搜系列带来的变化更为鲜明。
此前从大量监控录像中查找丢失物品，需要报案人提供尽量精确的线索，具体到几点几分、什么视频点位，再由人力逐段排查，一次查找耗费十几个小时是常事。
应用结构化或目标识别算法的传统智能监控，视频检索依赖人脸比对和关键词标签，一旦目标没有正面画面或标签不全，检索便难以进行。观澜将多模态大模型集成到文搜产品后，用户只需一句自然语言描述，例如“穿黄色衣服、拎着行李的男子”，系统即可从海量视频中秒级定位目标。
文搜系列2025年开始规模化落地，一年之内海内外销售超过10万套，海外与国内同步放量。
在城市交通管理中，大模型技术同样在解决以往的顽疾。例如，机动车超员超载问题，过去没有特别好的手段来解决，只能依赖民警在路面执法检查。在观澜大模型的加持下，通过特征级感知技术深度赋能道路卡口识别准驾车型，并通过侧面透窗抓拍技术实现超员人数感知，精准定位疑似超员车辆。近年来，该应用先后在云南曲靖、四川眉山、甘肃兰州等城市落地，执法有效率达到90%以上。
再比如大货车闯红灯行为检测，由于大货车长通常在12-18米之间，传统的路口停止线20米立杆的电子警察，很难完整检测大货车闯红灯行为。海康通过大模型赋能新型电子警察装备，通过提升纵向分辨率以及特征匹配技术，实现从车头-车身-车尾的完整违法行为的全过程识别和取证，先后在宁波、金华、泰安、郑州、南京等百余座城市落地，根治大货车闯红灯治理顽疾。
这几类产品的变化，反映的是一种共同趋势。
安防长期被视为增长见顶的行业，大模型进入之后，存量市场中出现了新的增量，老产品因为好用和效率价值重塑而被重新采购，过去无法覆盖的需求因为技术到位而被打开。
安全生产领域同样受到这一轮技术变化的影响，能解决更多以往的难点问题。
动火、登高、起重等特种作业风险集中，监管部门对作业过程的合规性要求严格，企业一旦发生安全事故，面临的不只是人员伤亡和经济损失，还有停产整顿的行政处罚。
长期以来，现场安全监管依赖安全员定时巡检，巡检覆盖不到的时段和区域处于无人值守状态。固定摄像头虽然能够记录画面，但只能事后回看，无法在风险发生时及时干预。海康的主动视觉作业监管枪球提供了一种不同的思路。
设备接受任务指令后，自主巡查作业区域，全景镜头覆盖半径60米范围，感知人员分布及潜在风险，联动细节球机自动变倍聚焦，对焦点区域持续分析。依托大模型，设备能够判断动火、登高等作业类型，识别未佩戴安全帽、未系安全带、防护面罩缺失、皮肤裸露等各类违章项，发现风险即时上报。
在某钢铁厂的炼钢作业区，部署后整体误报率下降99.45%。过去，这类安全监管设备的采购多由政策法规驱动；如今越来越多企业开始主动下单，原因很简单，安全事故的代价远高于设备投入，一次停产整顿的损失足以覆盖多套设备的采购成本。
类似的变化也在其他行业现场发生。海康位于桐庐的制造基地生产摄像机部件补光灯，装配过程包含14道工序，标准作业规范此前依靠人工抽检监督，抽检覆盖不到的工位只能事后追溯。工业大模型接入后逐道比对工序执行，多条产线检测准确率稳定在95%以上，海康既是方案的提供者，又是第一个用户。
苏州张家港地处长江冲积平原，林地块状分散，与江堤、村镇交错分布，防火只能依靠大量视频监控点位加人工研判，传统算法误报率居高不下，值守人员的主要精力消耗在逐条排除误报上。
接入多模态研判大模型后，全年无效告警减少94%，人工研判工作量下降95.5%。
湖北宜化的磷化工装置上，数百个阀门、管线和储罐分散在厂区各处，介质涉及高温与腐蚀，人工定时巡检在两次巡检之间留有空白，700余个AI监测点位接入后，巡检从间隔式改为全天候连续监测。钢厂、林区、化工厂、制造基地，每一类现场的工况和需求都不相同。
海康能在这些差异巨大的环境中同时部署大模型并保持稳定运行，依靠的是二十余年在产品、模型、部署和行业经验上的系统性积累。
从一台路口的雷视一体机，到安检口的毫米波设备，到工厂里的主动巡查装置，再到从亿级视频中几秒锁定目标的文搜系统，观澜体系正在重新定义海康威视产品线的能力边界。
对一家体量已过千亿的公司而言，新的增长既来自于新的赛道，也来自于将手中已有的东西，用AI重做一遍。
