电子

AI赋能制造业道路，传统安防龙头估值逻辑切换

技术端：技术升级缓解精度和成本痛点，加速 AI 在安防应用场景落地

传统 AI 模型存在模型精度不足、大数据利用能力不足等限制，导致 AI 在安防行业应用场景受限。随着 AI 时代开启，有望从技术端突破瓶颈，提高模型精度并降低人工标注成本，拓宽下游应用领域，加速场景落地。

（1）图像机器学习 +大小模型协同进化，模型精度显著提升。通过自训练和注意力机制，将图片与结构化数据的关系由人工标记变为机器自主学习，显著提高模型精度并提高下游泛化能力。在算力不足的边侧，大模型通过知识蒸馏等方式达到训练小模型的目的，实现大小模型在边侧的协同进化；（2）大模型有效降低标注成本，利用预训练大模型+下游任务微调的方式，助力下游场景日渐丰富；（3）多模态助力模型精度提升，音频技术助力智能安防，在安防领域广泛运用于安防机器人、智能视频监控。

下游需求： AI 技术深度赋能各行各业，为 B 端带来广阔市场空间

1）工业：智能化转型为安防带来广阔空间。据我们测算，每年在质检有将近
2100 亿的人力成本，汽车、消费电子等行业潜在可替代空间均达到千亿级别。

2）智慧城市：校园/医疗/城市等多场景深度赋能安防。智慧城市辐射多个领域，驱动市场规模超百亿级。视频监控摄像头作为数据核心，为视觉应用厂商带来广阔机遇。

3）煤炭：政策指引+IT 赋能，智慧矿山驱动智慧物联需求。安永预计智慧矿山整体市场规模超万亿元。

4）农业：降本增效+技术进步驱动，潜在可替代成本预计突破万亿，养殖和种植双场景赋能智慧农业。

市场格局：AI 时代开启，安防巨头估值逻辑从传统安防切换至 AI

我们认为，在 AI 时代下，安防行业将呈现强者恒强的发展趋势，海康大华的估值逻辑将从传统安防拓展至 AI。与雪亮工程对比，AI 将为安防行业带来更大空间，龙头受益程度亦会更高。（1）雪亮工程：受政府订单驱动，行业周期性强、空间受限于 G 端、行业格局尚未清晰。雪亮工程后海康大华逐渐占据行业主导地位；（2）AI 时代：随着 AI 赋能各行各业，行业将显著受益于 AItoB 端，行业天花板被打开。我们认为，伴随着 AI 迅速发展，行业马太效应将进一步凸显，海康大华凭借渠道、行业理解、数据等优势有望持续领航。

两大安防巨头核心竞争：（1）渠道：国内外覆盖广泛营销网络，规模优势打造成本壁垒；（2）行业 Know-How：行业理解提高数据精度，是 AI 技术变现的核心能力；（3）数据：数据是 AI 模型构建的基础。安防龙头积累丰富数据资源和价值挖掘能力，有望构建 AI 时代下的数据护城河。

中移动成为大华特有阿尔法，有望实现协同发展。中移动作为运营商龙头，广泛布局视觉 AI，与大华在 AI to B 端高度协同。中移在算力、数据和渠道拥有显著优势，将助力大华渠道下沉，深度赋能大华在 AI 领域发展。

投资建议：建议重点关注：1）安防厂商：大华股份、海康威视、千方科技等安防产业链标的；2）上游关键硬件厂商：富瀚微、寒武纪、舜宇光学等。

风险提示：下游需求不稳定风险、企业技术研发不及预期、供应链安全风险、知识产权风险、主观测算风险。

证券研究报告

2023 年 04 月 09 日

投资评级

行业评级强于大市(维持评级)

上次评级强于大市

作者

潘暕分析师

SAC 执业证书编号：S1110517070005panjian@tfzq.com

许俊峰分析师

SAC 执业证书编号：S1110520110003xujunfeng@tfzq.com

行业走势图

资料来源：聚源数据

内容目录

大模型突破技术瓶颈，有望加速 AI场景落地. .. 5
1.1. 图像机器学习 +大小模型协同进化，模型精度显著提升. ...5
1.1.1. 图像机器学习+注意力机制实现降本提精，图像交互方式或被颠覆 ....5
1.1.2. 大模型+小模型协同进化，在边侧实现模型精度提升. ...7
1.2. 机器学习有效降低标注成本，助力下游场景日渐丰富 ....8
1.3. 多模态驱动模型精度提升，音频技术助力智能安防. ....................... .....9
1.3.1. 多模态模型落地，多维数据提升模型精度. .....9
1.3.2. 音频模态接入，助力智能安防场景落地. .... 10
大模型应用领域不断丰富，打开安防下游市场空间..... ..... 11
2.1. 工业：智能化转型市场广阔，安防迎来全新机遇. .. 12
2.1.1. 人口负增长、老龄化背景下，智能工厂迎来广阔空间. ... 12
2.1.2. 工业智能化转型市场广阔，细分行业潜在可替代空间均可达千亿级别...... 13
2.2. 智慧城市：以摄像头为核心，多领域市场空间达百亿级 . ... 16
2.2.1. 智慧校园应用分为两个场景，中小学市场规模达千亿级. ... 16
2.2.2. 智慧医院涉及三大核心，相关市场规模达 360 亿元. ... 17
2.2.3. 视频监控为智慧城市核心，运营商视联网平台丰富摄像头应用环境 .......... 18
2.3. 煤炭：智慧矿山驱动智慧物联需求.. ..... 19
2.4. 农业：降本增效驱动下，智慧农业前景广阔 .. ... 22
2.4.1. 传统农业规模大，智慧农业发展前景广. . 22
2.4.2. 智慧养殖将实现全流程智能管理，农林牧渔业潜在可替代人力成本已超亿
元...... .. 24
2.4.3. 智慧种植有望实现无人化，潜在可替代种植业人力成本达到千亿. ..... 25
行业格局：AI 时代下，安防两大巨头有望持续领航... ...... 28
3.1. 渠道：全球化营销和渠道优势，品牌效应明显. .. 28
3.2. 技术：数据+行业 Know-How 构建 AI 时代下护城河.. ..... 29
3.2.1. 行业 Know-How：行业理解提升数据精度，助力 AI 技术快速变现.. .... 29
3.2.2. 数据：AI 模型的基础和源泉，安防龙头数据资源优势明显 ..... 30
3.3. 中移动：大华股份特有阿尔法，战投有望实现协同发展. ... 31
3.3.1. 研发端：中移 AI 领域优势明显，深度赋能大华 AI 安防发展. .... 31
3.3.2. 渠道端：运营商龙头企业，助力大华渠道下沉. ... 33
投资建议 .. ... 34
风险提示 ... ... 34

图表目录

图 1：大模型+小模型协同发展流程. .5
图 2：人眼注意力机制示意. .6
图 3：提取图片的文字结构数据示意. ...6
图 4：注意力机制作用示意. ...6
图 5：对具有不同遮挡程度的复杂环境的识别.. ...7
图 6：知识蒸馏示意图. ....8
图 7：三类知识蒸馏的差异. ....8
图 8：传统安防项目落地流程. ....8
图 9：BEiT-3 可迁移到各种视觉、视觉-语言的下游任务. .....9
图 10：谷歌 Palm-E 模型能接收多模态输入 .. .. 10
图 11：整合多模态数据能够有效提高模型精度 .... 10
图 12：包括声纹识别的多模态生物识别技术... .... 11
图 13：百城市公共就业服务机构市场岗位空缺与求职人数的比率.. ......... 12
图 14：2013-2021 年我国劳动力情况（单位：万人） . .... 12
图 15：上海特斯拉超级工厂. ........ 14
图 16：上海特斯拉工厂焊接车间.. .............................................................................. ....... 14
图 17：蓝思云示意图..
图 18：蓝思科技生产车间...
图 19：摄像头实现云边端协同的框架. ..... 19
图 20：中国电信天翼视联网平台布局.. ..... 19
图 21：2016-2022 年中国煤炭行业规上企业营收情况（单位：亿元） ..... 19
图 22：2011-2022 年全国煤矿百万吨死亡率情况.. .. 19
图 23：2018 年世界主要产煤国家煤矿安全生产相关指标. ... 19
图 24：2021E-2022E 中国智慧农业预测规模与农民收入对比 . .. 22
图 25：2018-2022 年中国农林牧渔业增加值以及占 GDP 比重.. .... 22
图 26：智慧农业基本架构... .. 22
图 27：中国智慧农业产业链结构.. .. 22
图 28：牧原智能养殖云平台.. ... 23
图 29：2017-2021 年农林牧渔业城镇单位就业人员平均工资 . .... 24
图 30：2022E-2029E 中国智慧养殖行业市场规模预测 .. .... 24
图 31：三易易美丽牧场智慧养殖解决方案 ...... .... 25
图 32：2019-2021 年粮食作物总人工成本（亿元） ..... 25
图 33 天工智慧种植方案结构图 . ...... 25
图 34：华为农业沃土云平台系统架构..
图 35：超级棉田降本增效对比图.. ..... 26
图 36：AI 视觉解决方案——农业领域.. .... 27
图 37：2015-2018 年海康大华营收（左轴）及同比增速（右轴） ... 28
图 38：2021 年国内以视频监控为主营业务的安防企业营收占比.. ...... 28
图 39：2022 年全球安防“50 强”前十... .... 29
图 40：大华企业平台 3.0..... ..... 30
图 41：大华城市平台 2.0..... ...... 30
图 42：大华股份“一体系，两平台”架构 ..
图 43：大华股份数据中台... ..... 31
图 44：大华股份构建数据大生态. . 31
图 45：“垃圾满溢”算法流程 .. 32
图 46：“垃圾满溢”算法中对图像预处理 . .. 32
图 47：“垃圾满溢”算法中模型推理.. ...... 32
图 48：算力路由原理.. ... 33
图 49：中移动构建面向行业细分领域的位置大数据原子能力体系 ... 33
表 1：对于给定图片（男性肖像），注意力机制的实现过程. ....6
表 2：车间加工中心各工序对表面粗糙度的精度要求.. ...7
表 3：大模型具有的特征与优势 . ....9
表 4：目前主流的多模态大模型 .....9
表 5：包含声音的常见多模态任务. .. 10
表 6：机器人在工业中可能的应用场景 . 12
表 7：2021 年汽车行业主要厂商生产人员情况及人员成本.. ... 13
表 8：特斯拉上海超级工厂制造环节及流程 ... 14
表 9：2021 年消费电子行业主要厂商生产人员情况及人员成本 .. 14
表 10：富士康“灯塔工厂”示范.. .. 15
表 11：蓝思科技智慧工厂应用 . ...... 16
表 12：智能校园相关智能化设备情况.. ... 16
表 13：智能医疗相关智能化设备情况... ... 17
表 14：部分医院智能化升级总花费. .. 18
表 15：智慧矿山相关政策... ...... 20
表 16：大华股份智慧矿山解决方案 ... ..... 21
表 17：2022 年出栏量前 10 的上市猪企人工成本和智慧养殖情况 ... 23
表 18：智慧养殖解决方案.. .. 25
表 19：国内智慧农业先进解决方案 . ... 26
表 20：机器视觉农业应用场景 .............................................................................. .... 27
表 21：雪亮工程时代与 AI 时代对比 . ... 28
表 22：部分安防企业渠道数据统计. ... 28
表 23：中国移动 AI 视觉相关核心能力. ... 31
表 24：中国移动人体姿态行为分析能力和通用场景目标检测能力. ... 32
表 25：中国移动 2022 年个人市场和家庭市场用户. .. 34

1. 大模型突破技术瓶颈，有望加速 AI场景落地

我们认为，AI 在安防行业商业化落地进程中主要存在两大痛点：第一，传统机器学习模型精度不足；其次，模型限制成为大数据发展的挑战之一，模型下游应用场景有限。

随着 AI 时代到来，我们看到如下趋势：通过突破技术端瓶颈，或将显著提高模型精度并降低人工标注成本，拓宽下游应用领域，加速场景落地。具体而言，（1）图像机器学习+大小模型协同进化，模型精度将显著提升；（2）大模型有效降低标注成本，助力下游场景日渐丰富；（3）多模态驱动模型精度提升，音频技术助力智能安防。

1.1. 图像机器学习 +大小模型协同进化，模型精度显著提升

我们认为，图像机器学习+注意力机制将提高精度并降低人工标注成本，通过大小模型协同进化，拓宽下游应用场景。

具体而言：（1）在图像机器学习+注意力机制赋能下，AI 大模型对于复杂图片和场景的识别能力有望显著提升，降低人工标注成本，提高大模型自我训练的精度；（2）大模型通过知识蒸馏、量化等方式，在边侧将其沉淀的知识与推理能力向小模型输出，达到训练小模型的目的。（3）小模型向大模型反馈算法和执行成效，帮助大模型迅速收敛。通过上述流程，将实现大小模型在云边端协同进化。

图 1：大模型+小模型协同发展流程

资料来源：华东政法大学政治学研究院、华东政法大学人工智能与大数据指数研究院、清智机器人 Tsing Robot Center 公众号、天风证券研究所

1.1.1. 图像机器学习+注意力机制实现降本提精，图像交互方式或被颠覆

Clip 模型是 OpenAI 于 2021年初发布的开源神经网络，在无需人工标注标签的图像识别上性能卓越，Clip 开源的特点或将加快国内厂商技术追赶图像机器学习进度，为后续机器视觉大规模商业化打下技术基础。

Clip 带来图像机器学习关键节点，机器视觉大规模商业化时间线可参考 ChatGPT。Clip 技术突破带来迅速的下游应用渗透，在 Clip 发布两年后，2022 年 11 月、2023 年 3 月 ChatGPT与 GPT-4 分别发布，图像机器学习使得 AIGC 大规模商业化成为了可能。参考 ChatGPT，我们认为图像机器学习的技术触角有望延展到机器视觉 2B 应用端：（1）短期：可实现降低成本、提高精度；（2）中长期：人和图像数据的交互方式或被颠覆。

短期：图像机器学习摆脱人工标注，将降低标注成本、提升识别精度。1) 实现图像的机器学习将减少 AI 图像视频判断对人工标注的依赖，降低数据成本。2）在识别成本下降的同时，机器学习将会提升图像标签的识别精度，提升数据挖掘的维度，无法被人眼识别的数据将得到被挖掘的可能，拓宽下游机器视觉 2B应用场景。

长期：在摄像头海量数据支持下，AI+安防的交互方式或被颠覆。摄像头作为目前视频、图像信息的重要接收窗口，在日常生活中具备较高覆盖度，可以从边端侧为 AI 分析提供海量数据源，是 AI 自我学习视频图像数据的重要抓手。通过机器学习，如今已经实现通过文字描述查找视频关键帧等应用，随着机器学习技术的进一步迭代，深入挖掘更多图像视频的视觉信息，我们认为在 AI+安防领域有望创造更多人与深度视觉数据互动的方式，如自动生成监控视频的文字描述、选择关键片段替代原视频等。

实现不同模态信息提取，注意力机制助力图像识别的机器学习。在图像的机器学习中，使用了注意力机制，用于提取图像和文本的特征表示，从而实现图像和文本之间的相似度计算。模仿人类视觉选择性关注信息、忽略其他可见信息的特点，注意力机制是一种抑制无用特征、提高对有用特征的关注度的算法。在 2017 年由 Google 提出可以实现注意力机制的神经网络架构 Transformer 后，注意力机制经过发展，已经可以完成音频、图像、视频、自然语言等不同模态的数据特征抓取任务，实现了多模态的信息提取，成为 Clip 模型为代表的图像机器学习的重要基础之一。

图 2：人眼注意力机制示意

资料来源：fastcompany、天风证券研究所

图 3：提取图片的文字结构数据示意

资料来源：《Show, Attend and Tell: Neural Image Caption Generation withVisual Attention》K Xu、天风证券研究所

注意力机制原理如下：注意力机制共包含三个参数：查询向量（query vector），键向量（keyvector），和值向量（values vector），实现注意力机制的核心在于对于给定输入图片，实现Q、K、V 值的不断重置。以面部识别为例，将图像分割成数个部分，把各模块（眼睛、皮肤、胡须等）按序编码得到一系列 Q、K、V 向量，依次计算每一部分 Q 向量与所有特征 K向量（K 向量为所有 Q 向量的集合）的相似度，即注意力权重系数，并将系数与原特征向量 V（V 在第一次迭代中=K）进行加权求和，重新生成携带关联性信息的该特征向量（V^1），例如嘴巴（关联性程度依次为胡须、皮肤等）。

在识别图片过程中，注意力机制不断选出与此次迭代的V相关性最高的特征，不断更新Q、K、V 直到图像中的所有特征都被识别完毕。例如，在对给定男性肖像图片进行识别时，Transformer 框架将综合重点特征描述，通过多次迭代推导出最终的识别结果：男性。

图 4：注意力机制作用示意

资料来源：《An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale》A Dosovitskiy，天风证券研究所

表 1：对于给定图片（男性肖像），注意力机制的实现过程

输入	初始值	第一次迭代	第二次迭代
查询向量Q	嘴巴	皮肤	胡须
键向量K	嘴巴、胡须、皮肤…	嘴巴、胡须、皮肤…	嘴巴、胡须、皮肤…
值向量V	嘴巴、皮肤、胡须…	嘴巴（胡须、皮肤…）、皮肤、胡须…	嘴巴（胡须、皮肤…）、皮肤（眉毛、嘴巴…）、胡须…
新值向量V1	嘴巴（胡须、皮肤…）、皮肤、胡须…	嘴巴（胡须、皮肤…）、皮肤嘴巴（胡须、皮肤…）（眉毛、嘴巴…）、胡须…
输出	初始值	第一次迭代	第二次迭代
向量识别	嘴巴（胡须、皮肤…）	胡须（皮肤、嘴巴…）	皮肤（眉毛、嘴巴…）
最终识别：男性

资料来源：《An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale》A Dosovitskiy，天风证券研究所

1.1.2. 大模型+小模型协同进化，在边侧实现模型精度提升

传统机器学习模型精度瓶颈明显，复杂场景识别受限。由于数据量不足、特征提取能力不足、模型复杂度不足、计算资源有限等问题，传统机器学习模型往往精度有限、难以处理大规模的数据。当在复杂环境中存在干扰因素时，识别效果往往大打折扣。

例如在工业质检领域，质量检测是制造业生产线中的重要环节，对精度要求尤为严格，通常为微米级别，在半导体等产业甚至达到纳米级别。以车间加工中心为例，各工序精度要求基本在 1-10μm 间。传统机器学习模型存在精度不足、成本过高等痛点，应用效果不佳。

表 2：车间加工中心各工序对表面粗糙度的精度要求

工序	粗加工	半精加工	精加工	高精度
车削	20-10um	10-0.16um		0.04-0.01um
铣削	5-20 u m。	2.5-10um	0.63-5μm
刨削	25-12.5um	6.2-3.2um	3.2-1.6um
磨削		0.16-0.04 μ m		超精密磨削：0.04—0.01μm；镜面磨削：0.01μm以
锂削	下		0.63-0.08um

资料来源：CIMES 北京国际机床工具展公众号、天风证券研究所

大小模型协同进化实现精度提升，使复杂场景精确识别成为可能。（1）在图像机器学习+注意力机制赋能下，大模型对于复杂图片和场景的识别能力将会显著提升，助力模型精度提高；（2）在算力不足的边侧，通过知识蒸馏等方式实现大模型对小模型的训练；（3）小模型向大模型反馈算法和执行成效，帮助大模型迅速收敛。通过上述流程，将实现大小模型在云边端协同进化、实现精度提升。

例如在自动驾驶背景下，车辆需要实时感知周围场景。传统模型下人工标注的信息获取维度单一，处于运动状态下的车辆可能出现相互遮挡等情况，导致无法精准识别并感知周围场景。而在机器视觉充分被数据训练后，海量的多维度数据将会被标注，并给予适量权重，从而使复杂场景的精确识别成为可能。

图 5：对具有不同遮挡程度的复杂环境的识别

Fig.2:Diffrent occlusions levels in OVIs.Unoccluded objectsarecolored green,slightly occluded objectsare colored yellow,and severelyoccluded objectsarecoloredred.

资料来源：《Occluded Video Instance Segmentation: A Benchmark》J Qi、天风证券研究所在大模型监督、训练小模型的过程中，知识蒸馏是主流方法之一。知识蒸馏核心思想是生成一个复杂的大模型，对于同一数据源，小模型以大模型的输出结果或生成的数据标签为目标进行训练。

知识蒸馏可实现大模型能力迁移，在边侧等算力不足区域提高模型精度。（1）提升模型精度：利用已有的更高精度的大模型对小模型进行知识蒸馏，从而得到更高精度的小模型。（2）降低模型时延，压缩网络参数：通过更高精度的大模型对参数量小、时延低的小模型进行知识蒸馏，提高该小模型的精度，从而降低时延。（3）标签之间的域迁移：将两个训练集不同的模型同时蒸馏，可以得到集合两个模型效果的模型，实现了两个不同域的数据集的集成和迁移。

以小米的小爱同学智能音响为例，首先在云上基于大规模数据训练 BERT 大模型，然后再将这个模型作为 teacher 模型，进行模型蒸馏，来训练一个更小的 Albert tiny 模型。最终得到的小模型可以学习到 Bert大模型的知识，在效果没有明显下降的情况下，响应时间降低到 20ms，大幅优化了客户体验。

图 6：知识蒸馏示意图

资料来源：《Knowledge distillation in deep learning and its applications》A
Alkhulaifi、天风证券研究所

图 7：三类知识蒸馏的差异

资料来源：laptrinhx、天风证券研究所

1.2. 机器学习有效降低标注成本，助力下游场景日渐丰富

我们认为，以减少人工标注成本为基础，“预训练大模型+下游任务微调”模式是后续视觉模型大规模应用的重要前提。

传统网络模型训练依赖海量经标注的数据，数据成本较高。由于获取、标注数据成本高，且针对不同行业需要重新收集、标注数据和训练模型，产生大量重复成本。

根据极市平台公众号、得物技术公众号、高工智能汽车公众号总结的 AI 项目通常开发过程，结合 2016 年海康威视在海关便携式审讯设备采购项目中落地流程的实例，项目落地的主要流程包括：确定需求、数据搜集、根据需求和数据设计定制化模型、安装并部署项目、根据实际应用数据优化模型、验收项目、后期运维。项目中依赖人工搜集并标注数据，产生大量成本。此外，需要结合实际部署情况所得数据对模型进行优化，将产生重复成本。

图 8：传统安防项目落地流程

资料来源：极市平台公众号、得物技术公众号、高工智能汽车公众号、中国政府采购网、天风证券研究所

机器学习将有效降低人工标注的数据成本。有 50000 人参与了图片数据库 ImageNet 中1400 万张图片的标注，与此相比，Clip 使用的是互联网上公开的文本-图像对，在标注方面，也利用自监督学习、对比方法、自训练方法以及生成建模等方法减少对人工标注的依赖。在实现图像标签的自动机器学习后，数据人工标注的成本将被大幅降低。

大模型实现自动机器学习之后，可通过知识蒸馏将识别迁移传到至边缘模型，提高模型通用性。我们认为 ChatGPT 的成功，标志着 AI 应用从以专用小模型训练为主的“手工作坊时代”转变为以通用大模型预训练为主的“工业化时代”。1）通过实现机器自动标注数据、高精度带来的数据样本量扩大等因素，人工数据标注的成本大幅降低。2）机器自动标注促使大规模预训练成为可能，提高了基础模型的泛化能力，降低了定制化需求的成本。简而言之，AI 大模型学习了各行各业各类数据，成为具备良好的知识迁移能力的“通才”，只需根据下游应用具体场景对参数进行微调，便可实现靶向高速处理。

图 9：BEiT-3 可迁移到各种视觉、视觉-语言的下游任务

资料来源：微软亚洲研究院公众号、天风证券研究所

表 3：大模型具有的特征与优势

大模型具有的特征	能实现的成果	具体说明
涌现性	强化技术的融合	有效集成自然语言理解处理等多个人工智能核心研究领域的多项技术，实现1+1>2的融合式涌现
扩展性	解决传统AI的问题	大模型能够有效支撑智能终端、平台、系统等产品应用落地，解决壁垒多、部署难等问题
复合性	增强AI的能力	在海量通用数据上预训练以具备多种基础能力，摆脱传统人工智能能力碎片化、作坊式开发的局限

资料来源：清智机器人 Tsing Robot Center 公众号、华东政法大学政治学研究院、华东政法大学人工智能与大数据指数研究院、天风证券研究所

1.3. 多模态驱动模型精度提升，音频技术助力智能安防

1.3.1. 多模态模型落地，多维数据提升模型精度

多模态时代开启，目前文本-图像模型为主。多模态机器学习旨在建立能够处理和关联来自多种模态的信息的模型，常见的模态包括视觉、文字、声音等。2023 年以来，各科技巨头纷纷推出多模态大模型，包括谷歌 PaLM-E、微软 KOSMOS-1、GPT-4 和百度文心一言等。目前多模态大模型以文本-视觉领域为主，实现了视觉对话、视觉解释、AI 生成图像等突破。未来多模态模型或将逐步接入音频、视频等模态形式，进一步丰富数据类型。

表 4：目前主流的多模态大模型

模型	在多模态领域的突破	模型参数量
谷歌PaLM-E	PaLM-E不仅可以指导机器人完成各种复杂的任务，还可以生成描述图像的语言	5620亿
微软 KOSMOS-1	能够原生处理广泛的感知密集型任务，如视觉对话、视觉解释、视觉问答、图像字幕、简单的数学方程式、OCR 和带描述的零样本图像分类	16亿

GPT-4	接受文本和图像提示，与纯文本设置并行，允许用户指定任何视觉或语言任务	未公布
百度文心一言	具有生成文本、图片、音频和视频的能力	未公布

资料来源：《PaLM-E: An Embodied Multimodal Language Model》D Driess、文心大模型公众号、《Language Is Not All You Need: Aligning Perception with Language Models》S Huang、新智元公众号、智东西公众号、天风证券研究所

图 10：谷歌 Palm-E 模型能接收多模态输入

资料来源：《PaLM-E: An Embodied Multimodal Language Model》D Driess、天风证券研究所

多模态模型通过输入多维数据提升模型精度。通过利用来自多种不同来源的信息，这些信息可以相互补充和增强，从而提高模型的性能。具体而言，（1）多模态可以得到更加全面、准确的特征表示。（2）减少单个模态的不确定性，提高模型的鲁棒性。（3）扩展模型的应用范围，使其适用于多任务场景。例如，将图像和文本等多种模态的信息结合起来可以提高图像检索、图像标注等计算机视觉任务的准确性。

图 11：整合多模态数据能够有效提高模型精度

Table3 Comparisonamongtheperformancesof theconsidered prognosticmodels.
Sources of information				MAE	MSE MRE [%]	Training time [s]
Image	Inspectionrecord	Numerical data		MAE	MSE MRE [%]	Training time [s]
>>>	vV		The proposed method	3.20	45.57		17912
			Weightedaverageofthreeone-branchDNs	6.15	107.13	6.76 18.26	17607
			Two-branchDNN(image+numericaldata)	7.74	93.76	13.24	17071
			Two-branchDNN(text+numericaldata)	3.66	54.14	7.67	543
			Two-branchDNN(image+text)	6.90	156.80	16.06	17548
			One-branch DNN (image)	16.74	414.73	40.33	16988
			One-branch DNN (text)	4.91	106.43	10.68	589
			One-branch DNN(numericaldata)	8.31	110.48	15.50	30
			SVM	6.93	78.58	13.10	7
			RF	4.80	61.78	9.82	6

资料来源：《A multi-branch deep neural network model for failure prognostics based on multimodal data》Z Yang、天风证券研究所

1.3.2. 音频模态接入，助力智能安防场景落地

声音通过与其他模态信息结合，能够提高人机交互和人脸识别的效率、精确度，在安防领域广泛运用于安防机器人、智能视频监控。

多模态结合，声音技术助力智能安防。声音是视觉以外获得信息的最重要渠道，将声音与视觉、文字等模态相结合能够提升人机交互的精确度与效率。常见的包含声音的多模态应用场景可以分为 “文字-音频”，“视觉-音频”，“视觉-文字”三类。在安防领域，声音与其他模态相结合的主要应用有安防机器人和智能视频监控。

表 5：包含声音的常见多模态任务

模态转换类型	具体分类	详细描述
Language-Audio（文字- 音频）	Text-to-Speech Synthesis	给定文本，生成一段对应的声音
Language-Audio（文字- 音频）	Audio Captioning	给定一段语音，生成一句话总结并描述主要内容给定视频及语音进行语音识别
Vision-Audio（视觉-音频）	Audio-Visual Speech Recognition（视听语音识别） Video Sound Separation （视频声源分
	离）	给定视频和声音信号（包含多个声源），进行声源定位与分离
	Image Generation from Audio Speech-conditioned Face generation	给定声音，生成与其相关的图像给定一段话，生成说话人的视频
	Audio-Driven 3D Facial Animation	给定一段话与3D人脸模版，生成说话的人脸3D动
		画
Vision-Language（视觉- 文字）	Image/Video-Text Retrieval （图（视频）文检索）	图像/视频与文本的相互检索
	Image/Video Captioning（图像/视频描述）	给定一个图像/视频，生成文本描述其主要内容
	Visual Question Answering（视觉问答）	给定一个图像/视频与一个问题，预测答案
	Image/Video Generation from Text	给定文本，生成相应的图像或视频

资料来源：远识资本公众号，天风证券研究所

人机交互核心技术，语音识别推动智能安防机器人发展。语音识别技术作为人机交互最为核心的落地技术，在安防行业主要应用在以智能巡检机器人为代表的安防机器人身上。安防机器人能通过内置的麦克风接受外界声音，并对人声进行识别和理解，一旦读懂“人声”背后有疑似危险行为，将自动触发报警系统进入防御状态，从而对目标人物起到安全防护的作用。

智能视频监控迈入全新发展领域，多模态生物识别技术是关键。以人脸识别技术为核心的视频监控是安防行业的主要应用，用智能语音技术辅助人脸识别，使得视频监控更为智能化。例如，通过智能语音识别技术中的声纹识别，将说话人声纹信息与已知用户声纹进行1:1 比对验证和 1:N 的检索，能辨认和确认说话者的身份，提升人脸识别的准确率。

图 12：包括声纹识别的多模态生物识别技术

资料来源：CTI 论坛公众号、天风证券研究所

2. 大模型应用领域不断丰富，打开安防下游市场空间

我们认为，随着技术端的突破，AI 将赋能各行各业，有望为安防行业带来万亿潜在可替代市场空间。具体可以从工业、智慧城市、煤炭和农业四个行业来看：

（1）工业：智能化转型为安防带来广阔空间。据我们测算，每年在质检方面有将近 2100亿的人力成本，汽车行业、消费电子等行业潜在可替代空间均有望达到千亿级别。

机器人	介绍	应用场景	应用领域

（2）智慧城市：校园/医疗/城市等多场景深度赋能安防。智慧城市辐射多个领域，驱动市场规模超百亿级。视频监控摄像头作为数据核心，为视觉应用厂商带来广阔机遇。

（3）煤炭：政策指引+IT 赋能，智慧矿山驱动智慧物联需求。安永预计智慧矿山整体市场规模超万亿元。

（4）农业：降本增效+技术进步驱动，潜在可替代成本预计突破万亿，养殖和种植双场景赋能智慧农业。

2.1. 工业：智能化转型市场广阔，安防迎来全新机遇

人口“负增长”叠加“老龄化”背景下，工业生产人工成本高涨，工业智能化转型市场空间潜力跃增。从应用场景看，单质检行业潜在可替代空间即可达到 2100 亿；从细分行业来看，汽车行业、消费电子行业等潜在可替代空间均可达千亿级别。

2.1.1. 人口负增长、老龄化背景下，智能工厂迎来广阔空间

人口“负增长”+“老龄化”趋势下人工成本高企，工厂智能转型迎来机遇。未来人口增速及结构发生变化，总体趋势为人口“负增长”+“老龄化”。根据人社部数据，市场岗位空缺与求职人数的比率从 2017 年 Q1 的 1.13 上升至 2021 年 Q3 的 1.53，劳动力市场供给整体呈逐年下降的趋势。我们认为在这样的背景下，企业人工成本持续高涨，工厂智能化转型或将迎来广阔的空间和机遇。

图 13：百城市公共就业服务机构市场岗位空缺与求职人数的比率

资料来源：人社部，天风证券研究所

图 14：2013-2021 年我国劳动力情况（单位：万人）

资料来源：国家统计局，天风证券研究所

我们认为，机器视觉精度提高+AI 赋能，将拓宽机器视觉工业场景，助力工厂智能化转型。机器视觉的主要功能有视觉测量、视觉引导、视觉检测，机器视觉的应用提高了工业生产中的柔性和自动化程度，在生产中极大地减少了人工的使用，并提高和保证了生产的质量。AI 视觉算法配合工业相机可实现生产自动化；而具备视觉分辨能力的机器人可以持续高效的完成重复动作，极大提高了生产效率。

以质检为例，我们认为整个质检市场广阔，经初步估算，现有质检工人工资约 2100 亿。根据前瞻产业研究院的数据，每天产线上进行目视检查的工人按 350 万来测算；根据 BOSS直聘注册用户提供的质检员薪酬数据，薪资水平按 60252 元/年来测算。工业质检是工业生产中最重要的环节之一，也是智能制造转型升级的重要突破口。然而目前人工质检常会出现检查效率低、审核质量不稳定、人力成本大及招聘难的问题。AI 视觉可以完成工业智能运维中的外观异常检测、仪表示数异常检测，帮助实现预测性维护和智能运维；也可以独立应用于生产环节的质量质检、产品和组件装配检查等。

表 6：机器人在工业中可能的应用场景

法奥意威焊接机器人，搭配末端焊枪，实现了焊接行业的革新，能适应多场景下的焊接需求，多类型的焊接工艺包降低编程难度，快速上手，解决小批量多种类编程复杂等问题，切实保护焊接工人身体健康。	焊接应用码垛应用	化工行业，尤其是移动焊接产线，具有焊接需求的高重复性应用场景。可为 PCB、电子等行业进行
配天机器人。超高速桌面型机器人；IP67高防护等级；隐藏式IO 航插设计，气路、IO分离式接口设计，有效避免高凸的航插对外挂设备的干扰；安装孔位加深、加倍，高速运转下外挂线束贴合机身更牢固。多可协作机器人3D 扫描检测主要	质检应用	上下料、搬运、分拣作业。在逆向造型、质量控制、产
应用于逆向工程及检测领域。该 demo 采用机器人搭载末端3D 激光扫描仪，通过机器人的运动，使 3D 扫描仪稳定且完整的扫描工件表面，并生成工件表面模型。珞石柔性协作机器人xMate采用全	装配应用	品设计等方面对行业发展有着巨大意义。变速箱、精密零件等柔顺精
状态反馈的直接力控制技术，在确保位置高精度的同时兼顾高动态力控与柔顺控制能力，利用先进的力控搜索规划完成变速箱变速机构精密装配工作。		细装配应用场景。

资料来源：维科网机器人公众号，天风证券研究所

2.1.2. 工业智能化转型市场广阔，细分行业潜在可替代空间均可达千亿级别

降本驱动下，汽车行业潜在可替代空间可达千亿级别。汽车行业是劳动密集型产业，据我们测算，表 7 中绝大部分企业生产员工占总员工的比例都超过了 50%，十家主要厂商生产人员的人工成本将近 800 亿，根据 Wind 显示，截至 2021 年底，我国汽车行业有 2994 家公司，因此合理推算行业生产人员的人工成本每年可达到千亿级别。我们认为随着工厂逐步实现智能化转型、工业机器人渗透率不断提高，生产员工有望可以逐步实现替代，从而大大减少企业的生产成本。

表 7：2021 年汽车行业主要厂商生产人员情况及人员成本

	公司名称	生产人员数	生产人员占比	人员成本（亿元）
整车	比亚迪	216674	75%	225
	广汽集团	57960	60%	55
	长安汽车	27504	65%	49
	长城汽车	31363	40%	51
	上汽集团（母公司）	4925	33%	9
	东风汽车	2511	52%	5
零部件	潍柴动力	25283	59%	144
	华域汽车	25826	48%	76
	均胜电子	35994	83%	72
	宁德时代	65364	78%	91

资料来源：各公司年报，天风证券研究所

自动化工厂为特斯拉打造生产壁垒，2022 年毛利率远超比亚迪。比亚迪 2022 全年销量180 万辆，毛利率 20.39%；特斯拉 2022 全年销量 131 万辆，毛利率 28.5%，特斯拉比体量大的比亚迪毛利高出 8 个百分点。我们认为特斯拉高毛利的背后与其工厂制造的自动化程度高是密不可分的，自动化是整个工业生产降本的关键逻辑。

特斯拉超级工厂运营下的生产效率直接决定整车制造成本。1）同一产线生产多个系列产品，摊薄成本，提升毛利。同一汽车平台产线，如果能够实现生产多个系列产品，随着销量的攀升，固定成本的投入会被摊薄，毛利空间更大、定价策略也更加灵活。以上海工厂生产的 Model 3 和 Model Y 为例，这两款车型是特斯拉的主力产品，也出自同一平台。

2）工厂自动化程度高，机器人是特斯拉产能提升的关键。汽车生产的整个流程分为冲压、焊接、涂装、总装四个板块，特斯拉将其全部集中到一个大的厂房里面。生产线上装配有大量美的旗下库卡公司的机器人，在 Model 3 电动汽车进行量产的关键时期，机器人能很好完成制造生产线上的点焊、激光焊接、装配材料等任务。这样做的应用成效也非常明显，Model 3 和 Model Y 的产量曾在一个季度内增长了 70%以上，目前上海占特斯拉全球产量一半，2021 年特斯拉上海工厂年产值高达 47 万台，2022 年年产能则超过了 75 万辆。

图 15：上海特斯拉超级工厂

资料来源：AutoLab 公众号、天风证券研究所

图 16：上海特斯拉工厂焊接车间

资料来源：天风证券研究所

表 8：特斯拉上海超级工厂制造环节及流程

环节	流程
冲压	一体式压铸技术使得后底板能够“一键成型”，上海特斯拉超级工厂就可以在180 秒内实现由原料直接加工成型。车间输出高集成的部件会通过传送装置运输到焊接的车间。
焊接	生产线上的左、右、上三个方位都布有焊接机器人同时工作，三个维度的布置不仅充分利用空间还大大提升了生产效率。
涂装	机器人会使用激光扫描的方式来检查焊接的质量和尺寸。通过质检后的车身就会送进涂改车间，由机械臂进行自动化涂装。
搬运	期间所有物件的转运都由自动转运车完成，另外会有机器人扫描车身组装线，确保最终成品符合设计规范，把误差保持在0.15 毫米范围内。

资料来源：AutoLab 公众号，天风证券研究所

智能转型、降本驱动下，消费电子行业潜在可替代空间也可达千亿级别。消费电子行业同样是劳动密集型企业，据我们测算，表 9 中十家主要厂商生产人员成本达 623 亿，根据wind 显示，截至 2021 年底，我国消费电子行业有 3527 家公司，因此合理推算行业生产人员的人工成本每年可达千亿级别。

表 9：2021 年消费电子行业主要厂商生产人员情况及人员成本

公司名称	生产人员人数	生产人员占比	人员成本（亿元）
工业富联	125699	65%	152
立讯精密	192873	85%	132

蓝思科技 124946 80%	94
歌尔股份 69815 573%	55
领益智造 67874 85%	53
闻泰科技 18453 58%	31
鹏鼎控股 24406 62%	24
长盈精密 17602 60%	22
东山精密 14041 70%	28
环旭电子 16163 65%	23

资料来源：各公司年报，天风证券研究所

富士康作为消费电子行业龙头，智能工厂建设成效显著。富士康是全球电子科技制造服务领域唯一拥有 4 座 WFE 灯塔的企业。制造业“灯塔工厂”即在第四次工业革命尖端技术应用整合工作方面卓有成效，堪为全球表率的领先企业。

表 10：富士康“灯塔工厂”示范

灯塔工厂	介绍
富士康深圳龙华工厂	主要生产智能手机组件、精密刀具等，它可实现从采购、物料准备、物料统计、叫料到生产、包装、良率、库存、出货速度等的端到端、全产业链的自动化控制。数字化改造前，工厂正常运作需工人338人，改造后，工人数量降低至18人；改造后工厂生产效率提高了30%，库存周期降低了15%。
富士康成都厂区主要生产笔记本电脑、平板电脑、智能手表等，面对快速增长的业务需求和熟练工人的匮乏，其采用了混合现实（MR）、人工智能（AI）和物联网（IoT）等技术，使生产效率提高了200%，设备综合效率提高了17%。
富士康武汉厂区	主要生产台式电脑、服务器等，为了满足客户对更大程度的定制及更短的产品订单交期需求，该厂区利用尖端的先进分析技术、柔性自动化技术重新设计制造系统，使生产率提高了86%，质量损失减少了38%，并将订单交货周期缩短29%。
富士康郑州厂区面对技术工人短缺、产业质量稳定性及不确定性需求等问题上，工厂采用柔性自动化将生产率提高102%，并利用数字化和人工智能技术将质量缺陷减少38%，综合设备效率提高27%，同时以数字化打通“六流”（人流、物流、过程流、技术流、信息流、资金流），实现数据驱动各个运营环节的价值协同。

资料来源：富士康公众号，天风证券研究所

蓝思科技入选工信部示范工厂，工厂智能化程度高，显著提高绩效。蓝思科技的生产基地里没有流水线上大量操作的工人，取而代之的是机械手。所有工序都由计算机控制的机器人、CNC 设备、AGV 和自动化仓库设备来操作。目前蓝思科技内部有生产设备数万台，需要对设备的物联集成以及设备状态、位置、加工工艺等参数进行采集与程序管理，将传感器采集到的工业数据传输至云平台，实现生产制造过程智能化。2021 年，在智能转型中，蓝思科技显示元器件智能工厂绩效得到改善，劳动生产率提升 12.18%，质量损失率下降 5.6%，单位品综合能耗下降 5%。

图 17：蓝思云示意图

图 18：蓝思科技生产车间

资料来源：TUBOT 协作机器人公众号，天风证券研究所

资料来源：长沙发布公众号，天风证券研究所

表 11：蓝思科技智慧工厂应用

应用场景	智能化转型	绩效
镀膜设备	早期镀膜需要工人用肉眼观察玻璃颜色的变化，通过颜色变化判断镀膜时间手动镀膜，而导入自动镀膜机以后，只需设置好参数，机器通过自主判断完成镀膜工艺。	大大节省了人工成本与时间成本。
蓝宝石长晶车间	车间内上干台设备的运行状态全部连线到了云端服务器，可以从手机APP 用户端，实时查看长晶炉目前的各1:3；保证生产品质的同时缩短晶体生长时间并种运行参数、长晶重量等数据。	车间的人员数量与生产线数量比从3:1降到有效降低了能源耗用。

资料来源：TUBOT 协作机器人公众号，天风证券研究所

2.2. 智慧城市：以摄像头为核心，多领域市场空间达百亿级

多个下游市场规模超百亿级，视觉应用厂商机遇广阔。智慧城市辐射数字产业多个领域，智慧交通、智慧校园、智慧物流、智慧政务等，其中视频监控摄像头是数据核心，为视觉应用企业带来发展机遇。

2.2.1. 智慧校园应用分为两个场景，中小学市场规模达千亿级

以智慧校园为例，中小学升级需求集中在智慧教学、智慧安防两个场景，经我们估计市场空间将达到 1000 亿元量级。

智慧校园可分为智慧教学和智慧安防两大应用场景。智慧教学：场景集中在教室内，可以通过 1）课堂摄像头采集人体行为数据，如听讲、举手、交头接耳等，量化课堂教学过程，为教学质量评估提供客观依据。2）摄像头感知光线，实现教室灯光智能管控，降低能耗，保护视力。智慧安防：场景集中在校园内，如 1）智能门锁可以为宿舍、教室等提供集中门锁权限，实现更高精度的身份识别，提升安全系数。2）在校门口等重点区域，利用摄像头的智能识别功能，叠加深度学习技术，实现刷脸进校、以图搜图、机器巡更等应用。

据智慧校园相关招投标数据，我们认为中小学的智慧校园市场空间在 1000 亿元量级。通过对各地智慧校园相关招投标公告的收集整理，我们估计新建高中学校的智能化设备支出为 1000 万元，已有中小学智能化升级改造支出约为 50-500 万元。据中华人民共和国教育部数据，截至 2021 年，我国共有中小学 21 万所，按每所学校 50 万元的改造支出计算，则智能校园的市场空间为 1000 亿元，与艾瑞咨询以及业内预期基本一致，叠加我国职业技术学校、高等教育学校、新建中小学的智慧校园相关需求，预计市场规模将达到 1500 余亿以上。

表 12：智能校园相关智能化设备情况

应用场景	设备类型	设备名称	单价（元）	用途	数量
辅助教学	摄像头类	网络枪型摄像机	525	常见摄像头，通过AI场景算法，在教室、走廊实现物品遗留/消	1间教室1-2个

行为分析摄像头		1760	失，场景变更，人脸检测等功能行为分析专用摄像头，采用视觉深 1间教室2个
非摄像头类	电子班牌	2100	度学习算法，对师生课堂行为进行实时分析识别，用于学生点名、辅助教学随身班牌，通过云服务器实现支持1间教室1个，
	智慧黑板	26000	身份核验、家校互通等功能，家长、老师、学生信息实现一体化管理智能化教学设施，通过场景识别，	学校内可额外设置 1间教室1-2个
	智慧校园综合管理平台	35000	根据教室灯光调整屏幕亮度，集智能系统、白板书写、音响等为一体统筹全校智慧校园数据，提供数据	1座学校1个
校园安防摄像头类非摄像头类	人脸识别摄像机	5000	可视化等管理服务，全面掌控校园情况通过 AI算法，提供出入口、重要	1座学校多个，
	门禁管理系统	35000	场所的人脸识别进出服务	视实际情况而定通过接入多种智能门锁设备，为学1座学校1-3个
	出入校管理系统	24500	生宿舍、实验室、办公室、教室、机房等提供集中的门锁权限管控校园安全管控通过校园出入口、重点区域进行智能监控，叠加人脸识	1座学校1个
	宿舍安全管理系统24500		别摄像机，实现异常自动告警，统筹全校人员留校离校情况利用智能识别、深度学习、AR等技术构建统一管理平台，提供宿舍	等1座学校1个
	室外人脸闸机组件	3400	实时安全情况监管智慧校园硬件，提供凭人脸识别结	1座学校多个，
			果放行功能，是实现软件分析结果的基础	视实际情况而定

资料来源：山东头社区配套学校、广东仲元中学第二校区等招投标公告、天风证券研究所

2.2.2. 智慧医院涉及三大核心，相关市场规模达 360 亿元

在智慧医院领域，目前的解决方案涉及智慧服务、智慧医疗、智慧管理等三大核心，相关市场规模可达 360 亿量级。

现有智慧医院的解决方案以智慧服务、智慧医疗、智慧管理为核心。已经实现 1）动态配置病区通行限制，针对特殊患者单独设置通行策略，无需护士人工确定陪护人员和探视时间。2）对于精神病院、养老院、康复中心等地的特殊患者，依托 RFID 定位技术，结合物联感知设备进行实时安全性监测。3)通过 AI 视觉设备在医疗作业中实现手术目标识别、视觉病灶分析，自动搜集患者身体情况，实现信息的互联互通。

据医院相关智能化产品招投标情况，预计市场规模为 360 亿元。根据搜集整理的医院相关招投标情况，我们发现依据医院的规模，视觉领域智能升级的费用在 20-880 万元之间浮动。2021 年全国共有 3.6 万余家医院，若仅考虑公立与民营医院，以每家医院 100 万的中位数支出测算，则仅医疗领域视频安防的升级市场空间就为 360 亿量级。

表 13：智能医疗相关智能化设备情况

安防智能化设备名称	用途	数量	单价（元）
红外半球摄像机	常见摄像头，通过AI场景算	根据医院规模而定，多为498

	法，在病房、走廊实现物品遗留 /消失，场景变更，人脸检测等功能	数百个
400 万红外定焦枪型网络摄像机	常见摄像头，配备定焦镜头，对根据医院规模而定，多为 695 焦更快，同样支持 AI 场景算法功能	数百个
视频存储服务器	实现医院视频数据的本地保存，对关键重要的视频提供对实时加锁，保证相关视频数据的安全	1-2台 105000
综合分析管理平台服务器（人脸及行为分析）	提供比摄像头更强大的智能算法1-2 台分析能力，可以完成普通人脸、异常人脸和相邻人脸检测，支持区域入侵、徘徊检测等功能	37000
安防设备融合服务器（独立物理设备）	完成智能化安防设备的统一调配，支持AR全景，完成视频监控、通信等资源的可视化指挥调度	1-2台 36000
室内道闸(含门禁控制器、读卡器模块)	根据人流量实现通行模式自动调节，支持闯入自动报警，为医院安防的基础要件	根据医院规模而定 11600-17500
分体式高清视频会议终端	通过部署视频会议终端设备实现根据医院规模而定手术直播、云会诊等远距离医学操作演示	20500

资料来源：大华股份官网，洛阳市第五人民医院、荆州市第三人民医院、山东大学齐鲁医院、济南市儿童医院招投标公告，天风证券研究所

表 14：部分医院智能化升级总花费

医院名称	智能视觉系统采购总价（万元）	招标时间
北京清华长庚医院	886.6	2023.02
郑州市第七人民医院	316	2022.11
某医院院区（未公开）	247.3	2022.12
西安市第三医院	195	2022.09
昆明市儿童医院	163.7	2022.02
容县人民医院	124	2022.05
郴州市第一人民医院儿童医院	89.9	2023.03
郑州大学第一附属医院	45	2022.08
天津医科大学中新生态城医院	19.9	2021.11
信阳市人民医院	19	2022.09

资料来源：各医院招投标公告，天风证券研究所

2.2.3. 视频监控为智慧城市核心，运营商视联网平台丰富摄像头应用环境

视频监控领域是智慧城市建设的核心，相关应用效果未达预期。中星技术总工程师施清平认为，在智慧城市的构想中，城市中的视频监控摄像头起到了 80%以上的真实数据采集功能，是不可或缺的感知层硬件。但受制于 1）目前城市中部署的摄像头算法精度不足，大部分城市处于 S1、S2 阶段；2）智慧城市的实现有赖于城市运营服务与发展建设的结合，专业的城市运营将加强城市智能化建设的体验感；使得单独的摄像头无法替代智慧城市成网体系，应用效果未达预期。

丰富摄像头应用环境，运营商搭建视联网平台。为使摄像头视频资源发挥更大应用效果，中国电信构建了天翼视联网平台，在视联网中，中国电信整合了摄像头等监控系统，将视频内容直接上传到云端。视联网实现了全国一张网统管所有视频内容，无需部署本地视频网络，推动了摄像头智能看家、摄像头监督厨房险情等的应用，成为了继移动网、宽带网、物联网、卫星网之后的“第五张网”。

目前中国电信已发力整合监控摄像头等视频设备，并提供加装 AI 摄像头的服务，旷视、萤石、大华等公司已成为中国电信合作伙伴。十四五期间，中国电信将基于视联网实现超过亿台视频终端接入，促进 AI+安防产业发展，视觉厂商或将因此受益。

图 19：摄像头实现云边端协同的框架

资料来源：艾瑞咨询公众号、天风证券研究所

图 20：中国电信天翼视联网平台布局

资料来源：澎湃、《IT 时报》公众号 vittimes、天风证券研究所

2.3. 煤炭：智慧矿山驱动智慧物联需求

在煤炭领域，安全生产问题偕同政策指引、IT 技术进步，共同驱动智能矿山需求增长，安永预计未来国内所有矿山的智能化改造成本可达万亿。大华为煤炭行业提供智慧物联解决方案，可运用于煤矿的智能可视化和智能生产调度。

安全生产挑战仍存，煤炭企业亟需智能化转型。煤炭仍是我国的主体能源，据中国煤炭工业协会统计，全国规模以上煤炭企业营业收入 4.02 万亿元，同比增长 19.5%。我国煤矿安全生产形势依然严峻，与发达国家相比仍处于较低水平。2022 年，全国共发生煤矿事故 168起、死亡 245 人，同比分别上升 85%和 38%，全国煤矿百万吨死亡率为 5.4%，同比上升 1pct。相比之下，2020 年美国因煤矿安全生产事故造成的死亡人数仅为 5 人，百万吨死亡率为1%。因此，我们认为煤炭企业亟需建设集成应用各类传感感知、信息通讯、自动控制、智能决策等先进智能化技术，提升矿山安全水平。

图 21：2016-2022 年中国煤炭行业规上企业营收情况（单位：亿元）

资料来源：北极星能源网，《2022 煤炭行业发展年度报告》，天风证券研究所

图 22：2011-2022 年全国煤矿百万吨死亡率情况

资料来源：北极星火力发电网，智研咨询，天风证券研究所

图 23：2018年世界主要产煤国家煤矿安全生产相关指标政策指引+IT 赋能，智慧矿山前景广阔。（1）国家相关政策积极推动智能化技术与煤炭产业融合发展，煤矿无人化、数字化、智能化成为大势所趋。（2）物联网、AI、大数据、云计算、5G 等新技术已经形成完整的信息化网络，助推着更便捷、更迅速的物联采集、数据传输、数据存储及数据应用，能够帮助煤炭行业提高开采生产运输效率，优化能源管理流程，降低开采成本和损耗，增加能源供给。

国家	矿工数量/万人	死亡人数/人	死亡事故起数/起	煤炭产量/亿	百万吨死亡率	千人死亡率
澳大利亚	5.41	1		5.750	0.002	0.02
加拿大	0.69	0	0	0.620	0	0
英国	0.06	0	0	0.026	0	0
德国	2.50	1	1	1.690	0.006	0.04
美国	8.27	12		6.860	0.016	0.15
南非	9.00	9		2.590	0.035	0.10
波兰	8.57	15		1.220	0.123	0.17
俄罗斯	14.60	17	5	4.390	0.039	0.12
印度	30.50	58	52	6.750	0.080	0.19
中国	249.00	333	224	36.800	0.093	0.13

资料来源：贺佑国等.世界煤炭工业发展综论[J].中国煤炭，2021，47(1): 126-135.doi!10.19880/j.cnki.ccm.2021.01.019,
中国煤炭网，天风证券研究所

表 15：智慧矿山相关政策

时间	政策文件	主要内容
2015 2016	《关于开展机械化换人、自动化减人“科技强安专项行动的通知》《国家创新驱动发展战略纲要》	以机械化生产替换人工作业、以自动化控制减少人为操作，大力提高企业安全生产科技保障能力。加快工业化和信息化深度融合，把数字化、网络化、智能
		化、绿色化作为提升产业竞争力的技术基点，构建结构合理、先进管用、开放兼容、自主可控、具有国际竞争力的现代产业技术体系
	《信息化和工业化融合发展规划（2016-2020年）》	发展核心工业软硬件。突破虚拟仿真、人机交互、系统自治等关键共性技术发展瓶颈，夯实核心驱动控制软件、实时数据库、嵌入式系统等产业基础
	《“十三五”国家信息化规划》	推进信息化和工业化深度融合。在推进实施“中国制造 2025”过程中，深化制造业与互联网融合发展，加快构建自动控制与感知技术、工业软硬件、工业云与智能服务平台、工业互联网等制造业新基础，建立完善智能制造标准体系，增强制造业自动化、数字化、智能化基础技术和产业支撑能力
2017	《能源技术革命创新行动计划(2016-2030 年)》《单班入并超干人矿井科技减人工作方案》	提出到2030年重点煤矿区基本实现工作面无人化的规划目标深入推进“机械化换人、自动化减人”力争到2018 年底
		所有干人矿井下井人数减少30%以上，单班下井人员或少到千人以内，科技支择作用显著增强，安全生产基础保障能力大幅提升。
	《安全生产“十三五”规划》	推进煤矿安全技术改造；创建煤矿煤层气(瓦斯)高效抽采和梯级利用、粉尘治理，兼并重组煤矿水文地质普查，以及大中型煤矿机械化、自动化、信息化和智能化融合等示
	《煤矿安全生产“十三五”规划》	范企业；建设智慧矿山。推进煤矿机械化自动化、信息化、智能化改造。优化煤矿采掘部署和生产系统。小型矿井加快机械化改造，实现采
2020	《关于加快煤矿智能化发展的指导意见》	掘机械化；大中型矿井推进通风、提升、运输等系统自动化改造，无人工作面、无人值守等，发展大型高效集约化矿井和大型露天煤矿，提升煤矿综合机械化和自动化水平。将人工智能、工业物联网、云计算、大数据、机器人、智
	《有色金属行业智能工厂(矿山建设指南(试行)》	能装备等与现代煤炭开发利用深度融合，形成全面感知、实时互联、分析决策、自主学习、动态预测、协同控制的智能系统、加快生产煤矿智能化改造，提升新建煤矿智能化水平。充分考虚矿山实际情况，明确企业智能化建设重点，新建
		矿山直接进行智能化规划与设计，在产矿山有序推进智能化改造坚持整体规划，围绕有色金属智能矿山建设主要环节和重点领域，分步实施。坚持创新引领，数据驱动。推动 5G 新技术与有色矿山的融合创新：应用大数据、人工智能、边缘计算等技术提升信息系统学习与认知的能力，利用ARNR等技术形成人机混合增强智能。
2021	《煤矿智能化建设指南(2021年版)》《煤炭工业“十四五”安全高效煤矿建设指导意见》	深入落实“四个革命，一个合作”能源安全新战略，坚持新发展理念，加快新一代信息技术与煤炭产业深度融合，推进煤炭产业高端化、智能化、绿色化转型升级，实现煤炭开采利用方式的变革，提升煤矿智能化和安全水平，促进煤炭行业高质量发展。到 2025年，服务于煤炭工业生态优先、绿色低碳、安全
2023	《煤矿安全改造中央预算内投资专项管理办法》	智能的高质量发展目标，安全高效煤矿的生产布局将更加科学合理，安全生产持续向好，效率效益显著提升，智能化建设迈上新台阶，关键核心技术装备实现重大突破，绿色开发和清洁低碳利用取得积极进展拟对符合条件的煤矿安全改造项目给予资金支持。鼓励推
		广应用煤矿智能化、自动化技术装备和信息基础设施，促进煤炭生产方式创新变革。对于大型风电光伏基地送受两端地区的煤矿、智能化建设示范煤矿等项目予以重点支持。单个项目中央预算内投资补助比例最高达项目总投资的 25%，补助额度不超过3000 万元。

资料来源：安全监管总局规划科技司，国家能源局，国家发改委，信息技术发展司，中国政府网等，天风证券研究所

煤矿智能化浪潮下，大华提供智慧矿山解决方案。大华立足视觉感知技术，融合热成像，视频 AI，融合通信，UWB定位等先进技术优势，提供了煤矿监控和融合通信的综合解决方案，可广泛运用于煤矿的智能可视化和智能生产调度。

表 16：大华股份智慧矿山解决方案

方案名称	方案介绍	方案价值	方案应用
大华煤矿监	结合公司的视频物联网、人工智能、融合通信、云服务等先进	统一的、标准化接口	煤矿智能可
控综合解决方案	技术，助力矿区园区建设、安消监控、“三违”治理、皮带检测、动环监控等业务场景进行智能化建设，通过企业智能物联	一体化综合管控平台人工智能辅助决策	视化项目
	综合管理平台，实现对矿区子系统整合、数据信息融合处理和控制，通过平台实现统一业务数据展现、统一权限管理、统一管理业务流程，满足安全、生产、管理等业务需求，提升优化
大华煤矿融	基于大华 KTJ矿用调度通讯，围绕应急指挥、视频监控、人员定一网融合		煤矿智能化
	业务流程
合通信解决方案	位、会议等多种功能合一、覆盖井上井下场景的可视化指挥调度方案。以统一指挥、专常兼备、反映灵敏、上下联动、平战结合需求为目标，构建基于事前智能预警、事中快速处置、事后评估优化的一体化全流程闭环应急管理机制，在突发事件预警、上报、响应、指挥等各个环节实现及时有效的可视化指挥，满足突发事件现场实时图像传送和视频会商的快速响应需求。	多级组网事件回溯智能联动远程诊断／决策融合调度	生产调度系统
合通信解决方案		多级组网事件回溯智能联动远程诊断／决策融合调度

资料来源：大华股份官网，天风证券研究所

煤矿智能化改造成本超万亿，智慧矿山蕴含一定潜能。根据中国煤炭工业协会于 2023 年发布的《2022 煤炭行业发展年度报告》统计，全国煤矿数量在 4,400 座以内。根据安永测算，已有单矿井的智能化改造费用在 1.49-2.63 亿元。考虑到不同产能的改造金额不同，安永预计智慧矿山整体市场规模超万亿元。

2.4. 农业：降本增效驱动下，智慧农业前景广阔

在农业领域，降本提效需求协同技术进步共同驱动智慧农业规模增长，我们预计潜在可替代成本突破万亿。大华提出智慧农业解决方案，通过视频 AI 及物联网技术落地种养场景，节约人力成本，实现精细化管理，中移动加入后有望进一步开拓智慧农业空间。

2.4.1. 传统农业规模大，智慧农业发展前景广

传统农业人力成本达万亿，智慧农业占比不足 1%，种植业和养殖业存在广泛渗透机会。我们估计 2022 年农民可支配收入达 9.89 万亿，传统农业蕴含一定的潜在可替代成本。在此背景下，智慧农业发展前景广阔。

图 24：2021E-2022E 中国智慧农业预测规模与农民收入对比

图 25：2018-2022 年中国农林牧渔业增加值以及占 GDP 比重

资料来源：农业行业观察公众号，国家统计局，天风证券研究所
资料来源：国家统计局，天风证券研究所

图 26：智慧农业基本架构

智慧农业促进降本增效，但传感器应用渗透率不到 1%。根据中国信息通信研究院和中国人民大学，智慧农业是新一代信息技术与农业决策、生产、流通交易等深度融合的新型农业生产模式与综合解决方案，能实现精细化生，节省人力成本。但传感器技术的应用渗透率低，关键技术精度不够，有较大增长空间。

图 27：中国智慧农业产业链结构

资料来源：中国信通院、天风证券研究所

资料来源：青澜实业公众号、天风证券研究所

以养猪业为例，养殖成本达万亿，智慧养猪可通过机器替代人工实现降本增效截至 2021年，我国约有 2600 万户生猪养殖场，我们估计养殖成本预计达 1.62 万亿，其中前 10 大猪企人力成本为 453 亿元。与国外相比，每斤猪料成本是美国的 2 倍，人力成本是美国的 5倍。智慧农业渗透后将实现自动化养猪，用机器代替人工，年出栏生猪 1 万头的猪场每年可节省人力成本 12 余万元。

以牧原为例，（1）智能化养猪减少约 40 万人力，提高劳动效率 35%。采用数字化智能养猪系统后，饲养员人均年饲养商品猪出栏量达行业平均数2倍。智能化猪舍根据猪舍内温度，自动调节热交换风机的开启功率、定频风机的开启数量、滑窗开度，实现自动化养殖；（2）自主研发养猪机器人每年节省人工费用 6000 余万元，实现机器替代人工。机器人与 18.3万个智能终端和 5800 台独立机器人协作，年加工饲料 80 万吨，饲喂装备投资 2.8 亿元，为常规饲料厂投资的一半，投入成本大大减少。

图 28：牧原智能养殖云平台

资料来源：农业行业观察公众号，天风证券研究所

表 17：2022 年出栏量前 10 的上市猪企人工成本和智慧养殖情况

企业名称	员工数量（人）	人员成本（亿元）	人员成本/ 营业收入	智慧养殖举措
牧原股份	137520	147.52	18.68%	针对猪舍环境无人智能控制、生猪健康自动识别预警、福利养殖设施装备和猪场生物安全与工程防疫等关键技术进行攻关；通过开发物联网平台把前端智能设备采集的数据进行统一汇总处理，建立大数据分析模型
温氏股份	43965	69.03	10.63%	借力信息技术，推广安装洗消中心智能监控，实现人员、物资进出两大防疫关键点的有效管控；构建种场数字化运营管理平台，推广应用智慧养殖平台、生物安全智能管控系统
新希望	80168	103.60	8.20%	围绕生猪全生命周期生产过程的标准体系搭建，覆盖从配种到断奶过程中的主要生产事件，通过建立标准化的养殖管理流程规范，生成智能化的生产计划，达到实现养殖业务全程的事先计划、事中控制与事后分析
正邦科技	22088	46.18	9.69%	建立智能供料系统、猪场智能环控系统、猪场智能防非系统；设立智能环控、智能供料供水、智能防非、智能环保、智能健康管理等项目组
傲农生物	12386	13.81	7.65%	推动“猪”产业链与互联网、大数据、人工智能新一代信息技术深度融合，围绕“饲料生产、生猪养殖、食品加工、原料贸易”等业务主线，打造一个全链条智能化信息化服务平台
大北农	20067	23.12	7.38%	建成“数据+电商+金融”为底层的生猪产业数字生态平台“猪联网 5.0”；用智慧养猪生态路由的方式，融合、搭载、服务行业中优秀的智能设备及 AI算法，为猪场提供全程智能化解决方案
天邦食品	11263	17.08	16.25%	全面使用育肥猪只电子芯片耳标，通过设备自动扫描记录猪只身份，实现溯源管理；进行大量图像识别、人工智能及物联网在智能化养殖上的应用研究
中粮家佳8965 康		11.51	8.70%	应用屠宰信息化系统，生产过程中每个环节都采用电子标记的方式对产品进行定位和跟踪，最终实现从生猪、白条、分割品、小包装等过程的全程跟踪与追溯
唐人神	10963	12.67	5.83%	通过猪场健康智能评估技术、遗传智能育种技术、远程智能诊断技术、营养与价值智能创造分析技术、数据采集与智能控制技术、猪场系统管理智能技术等六大智能养猪技术的研究
天康生物	5669	8.56	5.43%	通过建立成本大数据分析及预警平台，将成本层层拆解细化，找到降成本的技术点、项目点和控制点

资料来源：猪场动力网公众号，各公司年报，IT 桔子公众号，中国猪业公众号，天风证券研究所
注：表中为 21 年财务数据

2.4.2. 智慧养殖将实现全流程智能管理，农林牧渔业潜在可替代人力成本已超亿元

农林牧渔业总工资达亿元，智慧养殖快速发展实现降本提效。2021 年农林牧渔业城镇单位就业人员总工资达 471.4 亿元，且平均工资有逐年上升趋势，我们预计未来农林牧渔业人力成本会继续上升。我们认为，在人力成本增加，智慧养殖发展的双重驱动下，企业寻求智慧养殖解方案，减少人力投入，实现全流程管理。

图 29：2017-2021 年农林牧渔业城镇单位就业人员平均工资

资料来源：国家统计局，天风证券研究所

图 30：2022E-2029E 中国智慧养殖行业市场规模预测

资料来源：观研报告网，农业行业观察公众号，中国智慧养殖行业发展深度调研与投资趋势预测报告（2022-2029 年），天风证券研究所

智慧养殖实现机器替代人力，存在潜在可替代成本。京东农牧提出智能养殖解决方案，该方案能降低大中型养殖企业人工成本 30%，降低全行业养殖业成本至少 500 亿元/年。方案独创养殖巡检机器人、饲喂机器人、3D 农业级摄像头等先进设备，实现养殖业自动化、智能化，降低劳动力投入。

智慧养殖提升安全管理效率，实现全流程智能管理。北方某养殖企业利用大华数智化能力将违规事件统计频次由平均 2 天/次缩短为平均 2 小时/次，生物安全违规事件检出率提升90%，生物安全管理效率提升 50%。通过全流程、全闭环的数智化监管方式，对进出养殖场的“、车、猪、物”洗消、跨区和作业等进行管理，提高效率。

图 31：三易易美丽牧场智慧养殖解决方案

表 18：智慧养殖解决方案
资料来源：大华股份公众号，天风证券研究所

代表企业	具体内容
阿里云	AI养猪解决方案。以大数据、云计算和人工智能技术为支撑，在养猪行业打造场景化实用性AI产品体系，满足不同养殖场景的多元需求
京东农牧	“Al神农大脑”+“ToT神农物联网设备”+”SaaS 神农系统”三大模块智能养殖解决方案。部署完成1年内可以将养殖人工成本诚少30%-50%左右，降低饲料使用量8%%-10%，并且平均缩短出栏时间5-8天
网易	网易味央。应用现代化农业技术，智能化运作，6个人管理2万头猪
睿畜科技	种猪、商品猪生产管理方案。基于猪群连续生长曲线与农场环境数据，不断优化词喂标准和环境参数，降低出栏日龄、料肉比与疫病发生几率
科大讯飞	集养殖舍内外硬件、场区网络生活区中控管理软件、监控平台和云服务等搭建于一体的智慧养殖解决方案。基于讯飞自主研发的语音识别和图像识别等核心技术，为养殖业提供客能化较硬件解决方案。在养殖方向拥有发明专利15项实用新型专利8项、10项软件著作权
海康威视	智慧农业大数据平台实现可视化和远程智能管理；智能环控、AI巡检预警和智能能耗管理等系统的应用提高养殖场的管理效率
大华股份	精准监测，远程可控：通过前后端设备联动，对视频范围内养殖猪的数量、猪苗生长情况、工作人员的饲喂管理进行有效统计、实时监测、高效调度；借助前端智能化技术，对出入口区域进行入侵、聚集等行为监测，实时对其进行结构化分析；构建智能出猪系统，销售智能监管系统数据采集：通过大华双目热成像相机，测温精度可达±1℃，实时精准检测猪舍内猪体体温；借助特殊的猪体结构算法，采集猪体轮廓测算体重，准确掌握生猪出栏情况，远程监测生猪生长发育智慧养殖大数据平台：一图集成猪场全方位信息，辅助管理者对养殖场进行全方位、场景数据化监管

资料来源：华经产业研究院公众号，大华股份智慧企业公众号，海康威视公众号，天风证券研究所

2.4.3. 智慧种植有望实现无人化，潜在可替代种植业人力成本达到千亿

粮食作物人工成本达千亿，智慧农业促进无人化种植，降低人力成本，提高种植质量和效率。我们测算，2021 年粮食作物总人工成本达 7.3 千亿，种植业人力成本投入大。以水稻生产为例，2020 年国内人工成本占比 41%，远高于美国 10%和日本 26%，机械相关费用占比 18%，远低于美国的 38%和日本的 42%。为减少人工成本支出，提高种植效率，国内先进企业以数字技术和智能装备赋能农业种植全过程。

图 32：2019-2021 年粮食作物总人工成本（亿元）

图 33天工智慧种植方案结构图

资料来源：EPS 数据，国家统计局，天风证券研究所
注：人工成本为稻谷、小麦、玉米人工成本均值

资料来源：百度技术培训中心公众号，天风证券研究所

智慧种植实现全过程管理，减少人力投入。中移动助力延津县小麦种植，每年节省人工成本 65%，提升亩均粮食产量 30%，提升亩均收入 1 倍，全过程助力种植智能决策。播种前，5G+智慧农业管理平台模拟地块产量，科学推算种子、水、肥、药的需求量；生长期间，动态监管农作物生长环境，通过数据分析与决策科学推荐小麦生长需求符合的灌溉、施肥、施药策略；收获期，运用遥感信息和作物生长模型，精准预估小麦成熟度。

智慧种植实现智能化管理，提高种植质量和效率。大华助力中科康成育苗产业园实现大棚智能化改造，种苗存活率提高 10%，人员工作效率提高 30%。通过智能化感知系统实现环境智能化、可视化展现，实时感知并汇聚环境因素，通过数据中心分析和展示，并利用智慧化管理平台远程操控前端智能设备。随着大华引入中移动作为战略投资者，作为国内安防监控龙头企业和传感器概念上市企业，有望弥补传感器渗透不足等问题，与中移动在智慧农有广阔合作空间。

图 34：华为农业沃土云平台系统架构

图 35：超级棉田降本增效对比图

资料来源：极飞智慧农业管理后台、极飞科技公众号，天风证券研究所
资料来源：华为中国政企业务公众号，天风证券研究所

表 19：国内智慧农业先进解决方案

代表方案	具体内容
华为农业沃土云平台	大数据AI分析决策支持系统、土壤改良大数据管理系统、精准种植管理系统、精准作业管理系统、病虫害预警诊断管理系统、智慧农业视频云管理平台、农业云计算中心、指挥调度服务中心等，实现农业生产环境的智能感知、智能预警、智能分析、智能决策和专家在线指导
智能农机自动导航技术	丰疆智能高速插秧机实现无人驾驶行进、插秧，根据北斗卫星图和预先设定的参数完成自动转向等工作，精确度达到厘米级，但需要人工补充秧苗雷沃智慧示范农场实现全流程无人化、自动化；基于北斗卫星定位系统、通过无线自组网络连接的无人驾驶收割机与无人驾驶卸粮车
极飞科技	极飞科技在新疆尉犁县正式启动国内首个无人化棉花农场实验项目“超级棉田“，借助机器人、人工智能等高科技手段挑战管理3000 亩高标准棉田，验证无人化管理模式应用于大规模
海康威视	况；虫情测报系统实现远程实时查看虫情信息与作物生长状况；智慧农业大数据平台汇集信息，实现设施栽培环境数据管理可视化和远程智能管理
	种植全流程让种植管理不受地域限制全面管理，确保储存、转运安全，建设智慧粮库全程监测食品健康：全程可视+线上公开直播

资料来源：《智慧农业的发展现状与研究》韩守振等，AI 芯天下公众号，海康威视公众号，大华股份公众号，天风证券研究所

机器视觉技术扮演“机器代人”的催化剂角色，节约劳动力，实现农业精准化和自动化。以云南省昆明市某产业园草莓智慧管控云服务托管系统为例，该系统基于机器视觉的草莓生长状态识别系统，解决草莓生长状态识别和辨认完全依靠种植者经验的问题，首次提出基于知识图谱的设施草莓智慧管控决策方法，方法的标准化知识库随着知识的积累和数据的增加，决策方法会更加精准，从而实现种植的智能化和自动化，节省人力成本，提高农品质量。

图 36：AI视觉解决方案——农业领域

资料来源：艾瑞咨询公众号，天风证券研究所

表 20：机器视觉农业应用场景

应用场景	具体内容
种子和果实分级检测	通过图像处理无损地提取水果的形状、颜色和大小，并制定相应的评分标准规则。基于机器视觉的自动分拣系统快速不间断地进行水果的品质分析，用于各种柑橘类水果，橘子、苹果，油棕类水果，草莓、芒果、柠檬、枣子等，节省时间，减少人工劳动
杂草和虫害监测	利用机器视觉技术可以快速识别农作物和虫害分布，自动进行最佳喷洒用药的剂量和路径规划，提高90%的除虫害效率。加州大学戴维斯分校开发自动除草系统，通过使用机器视觉系统的检测和× 射线清除番茄茎附近生长的杂草，改善番茄生长条件
重型农机设备自动化	机器视觉技术有助于创造全新一代的农机设备。我国目前茶叶采摘和用工的矛盾已经成为茶叶产业发展的瓶颈，利用计算机视觉系统识别茶树嫩芽并实现定位采摘的方法，不仅可以保证叶片的完整性，还能使整个采摘过程完全自动化，节省大量人力物力
植保无人机	在棉花种植过程中，装载机器视觉识别系统的植保无人机能实现对棉花等农作物的高效低公害施
	药，不仅可以避免碾压破坏掉棉花徒增多余的损失，还能识别不同田地的地形和农作物分布，自动
	设置最佳的喷水撒药用量和运作轨迹。原本每667m2需要30L药水喷洒，现在只需要1L。一台植
	保无人机每小时可以完成2～10hm2农田作业，一个工作人员就能控制2～5台无人机

资料来源：数据智农公众号，天风证券研究所

3. 行业格局：AI 时代下，安防两大巨头有望持续领航

我们认为，在 AI 时代下，安防行业将呈现强者恒强的发展趋势。与雪亮工程对比，AI 将为安防行业带来更大空间和发展机遇，龙头企业受益程度亦会高于雪亮工程时代。

（1）雪亮工程时代：受政府大订单驱动，安防企业迎来机遇，但行业具有周期性强、项目周期长、市场集中于 G 端的特点，行业格局尚未清晰。海康大华在雪亮工程后占据行业主导地位，推动安防行业格局进入稳定期。以大华为例，从 2015 年营收体量 101 亿元增长至 2018 年 237 亿，CAGR 达 32.92%。

（2）AI 时代：AI 赋能各行各业，AI to B 市场广阔。AI 时代下，降本增效驱动逻辑顺畅，有望通过新领域渗透、传统领域替代两条路径打开行业天花板，具有空间广阔、周期性减弱的特点。我们认为伴随着 AI 的快速发展，安防行业马太效应凸显，海康大华凭借其核心竞争有望持续领航。

表 21：雪亮工程时代与 AI时代对比

	雪亮工程	AI时代
周期性	受政府大订单驱动，周期性较强，项目周期长；	AI赋能各行各业，周期性减弱，表现出较强韧性;
市场空间	为安防行业带来发展机遇，但市场空间集中于G端；	Al to B 打开行业天花板，降本增效驱动下空间广阔；
行业格局	雪亮工程前格局尚未稳固，清晰度不高；雪亮工程后头部效应显著，行业格局逐渐稳定。	渠道、Know-How、数据等头部优势凸显，行业格局将维持稳定。
头部受益程度	大华：2015年营收体量101亿元，2018年增长至 237亿，CAGR 达 32.92%;	AI 赋能下，海康大华依靠核心优势有望优先受益；

资料来源：法安网公众号、北拓工程检测公众号、Wind、天风证券研究所

图 37：2015-2018 年海康大华营收（左轴）及同比增速（右轴）

资料来源：Wind、天风证券研究所

图 38：2021 年国内以视频监控为主营业务的安防企业营收占比

资料来源：中安网、天风证券研究所

3.1. 渠道：全球化营销和渠道优势，品牌效应明显

安防龙头营销网络覆盖国内外，规模优势打造成本壁垒。目前安防企业正积极推动渠道下沉和海外渠道拓展。2021 年，海康境内外营收占比分别为 73%和 27%，大华境内外营收占比分别为 59%和 41%。截至 2021 年底，大华在国内设有 32 个省区级办事处，海外门店总数达 5000 家，同比 2020 年增长 112%。

表 22：部分安防企业渠道数据统计

序号	企业渠道数据统计	21年海外业务营收占比
1	海康威视	截至 2021年公司已在国际及港澳台地区设立66个分支机构，为150 27% 多个国家和地区提供本地化服务。
2	大华股份	截至2021年底，公司在国内设有32个省区级办事处，海外全年新增 41% 2600余家大华元素/形象店，门店总数达5000家
3	干方科技	截至2021年底，已在全国成立80多个二级办事处，全国范围内覆盖一19.67% 级经销商 400+，认证工程商3000+，二级认证工程商 5000+。
4	高新兴	截至2021年底，销售网络覆盖全国31个省市自治区，173+个地市级服9.43% 务网点，20余个省级驻外办事机构。

资料来源：各公司年报、Wind、天风证券研究所

品牌效应显著，在 G 端和 B端等大客户中积累良好口碑。以大华为例，作为国家高新技术企业，大华股份连续 13 年被列入国家软件企业百强，是中国智慧城市建设推荐品牌和中国安防最具影响力的品牌之一。由科技媒体 a&s《安全自动化》发布的“2022 全球安防 50强”排行榜单中，大华股份以 50 多亿美元的销售额稳居第二，拉开第三名将近 20 亿美元，大华的企业实力、品牌地位等得到进一步的巩固和加强。

图 39：2022年全球安防“50强”前十

2022 2021 S50	Company S50		Head- 2021Rev- enue(Uss quarters Millon)
0	HikvisionDigitalTechnology	China	10,097.0
2 2	Dahua Technology	China	5,089.2
③	Assa Abloy (Electromechanical and Electronic Locks)	Sweden	3.320.4
4	Axis Communications	Sweden	1,362.9
5 5	Motorola Solutions (VideoSecurityandAccess Control)	U.S.	1,226.0
6 6	UniviewTechnologies	China	941.3
7 7	TiandyTechnologies	China	825.1
8	Allegion (ElectronicProductsandAccessControl)	U.S.	602.2
10 9	Hanwha Techwin	Korea	593.4
10	11 Aiphone	Japan	473.4

资料来源：中部数字安博会公众号、《安全自动化》、天风证券研究所

3.2. 技术：数据+行业 Know-How 构建 AI 时代下护城河

我们认为，数据和行业 Know-How 是 AI 技术落地及变现的基础，海康大华凭借优势可构筑 AI 时代下护城河。（1）数据：数据是 AI 模型落地的基础，安防龙头数据资源优势明显；（2）行业 Know-How：丰富行业理解将提升数据精度，助力技术快速变现。智慧物联等行业碎片化程度高，对行业的理解、解决方案的积累对于实现技术变现尤为关键。

3.2.1. 行业 Know-How：行业理解提升数据精度，助力 AI技术快速变现

我们认为，行业 Know-How 是技术变现的基础，助力数据精度提升。由于安防行业具有碎片化的特点，AI 技术落地需要依赖对细分行业具有深刻理解。安防龙头多年以来积累了大量行业 Know-How 和解决方案，为技术商业化落地提供了基础。

以大华为例，通过企业平台 3.0 和城市平台 2.0，打造具有行业 Know-How 的数智中台。（1）To B：洞察业务细分场景超 3000 个，开发业务组件 1000 余个、累计形成行业解决方案超 300 个。（2）To G：大华在城市治理、应急指挥、交通、港口、生态环境等行业，悉细分场景超 5000 个、开发业务组件超 800 个，推出行业解决方案 200 个。

图 40：大华企业平台 3.0

资料来源：大华股份公众号、天风证券研究所

图 41：大华城市平台 2.0

资料来源：大华股份公众号、天风证券研究所

夯实数字底座和中台能力，提高行业理解转换为商业价值的能力。（1）底层数据上，大华更加注重数据融合和架构融合，从数据储存、数据治理、数据分析和数据安全多环节夯实数字底座能力。（2）整体设计：大华不仅仅是针对云端的大数据平台实现一个治理活动，而是在囊括端、边、云多个软硬件环节的整个网路中进行布局，从而提高公司的数字中台能力。

图 42：大华股份“一体系，两平台”架构

资料来源：大华股份 2020 年年报、天风证券研究所

3.2.2. 数据：AI 模型的基础和源泉，安防龙头数据资源优势明显

安防行业积累大量数据资源，是 AI 模型的构建和落地的核心。据 IDC 统计，2025 年全球数据圈将达到 175ZB，数据资源是 AI 模型搭建的基础，安防龙头将在 AI 时代下凸显其商业价值。

安防龙头构建智能数据中台，数据搜集和价值提取能力优势明显。数据中台的本质是大数据的延伸，是打通数据孤岛、实现数据互通，实现数据智能化的手段。通过数据中台的建设，可以实现：1）看现在：对现有的数据进行治理，形成资产；2）看未来：对数据进行分析提炼，以支撑业务的决策。

以大华股份为例，大华行业化数据中台在全国多个地市落地，其中在某地市的公安系统建设的数据中台，大华拥有超过 3000 多亿感知数据。大华通过数据中台，面向客户实现多警种的数据共享，以及通过数据整合，有效消除了数据壁垒，并且通过模型大幅度提升各种的业务实战能力。

图 43：大华股份数据中台

资料来源：CPS 中安网公众号、天风证券研究所

图 44：大华股份构建数据大生态

资料来源：CPS 中安网公众号、天风证券研究所

3.3. 中移动：大华股份特有阿尔法，战投有望实现协同发展

我们认为，中国移动在 AI 领域布局清晰，将从研发、渠道等维度深度赋能大华。3 月 30日，大华股份向中国移动非公开发行股票计划落地，本次发行共 2.93 亿股，实际募资资金净额 50.9 亿元。在本次定增后，中国移动预计成为公司第二大股东，占比 8.81%。我们认为，定增落地有望助力中国移动与公司实现全面战略协同，推动大华在 AI 领域加速布局。

3.3.1. 研发端：中移 AI 领域优势明显，深度赋能大华 AI 安防发展

中国移动在视觉 AI、算法、数据等多方面拥有优质资源，战略协同将打开大华在 AI 安防领域广阔空间。中国移动作为我国运营商龙头企业，2022 年实现营收 9373 亿元（+10.5%），归母净利润达 1255 亿元（+8.0%）。中国移动目前在算力、AI 视觉、数据和 AI 落地等方面均有明显优势：

1）AI 视觉：中移积极布局 AI 视觉领域，与大华高度战略协同。中移动搭建 AI 视觉能力中台，目前已具备人脸应用、人体分析、图像语义理解、视频内容挖掘和 3D 视觉等核心技术。AI 视觉可有效提升事件发现效能，搭载 AI 算法的一网统管事件发现中心可做到超15%的事件自动发现。截至 22 年 7 月，中移雄安产业研究院在城市治理领域已积累 17 类算法模型，包括打架斗殴检测、机动车/非机动车违停检测、道路垃圾检测等。

表 23：中国移动 AI 视觉相关核心能力

核心能力	细分领域	主要应用领域
人脸应用	人脸检测和属性分析、人脸对比1：1、人脸识别1：N、活体检测、人脸关键点、人脸聚类	基于中国移动深度学习能力的人脸识别技术，广泛应用于社区、零售、楼宇等行业，满足用户对于身份核验、人员快速通行、目标人员追踪等业务需求；
人体分析	手势识别、人体检测与属性分析、人流量分析、行为分析	基于中国移动深度学习能力的人体识别技术，准确识别图像中的人体相关信息，广泛应用于社区安防、家庭智能、娱乐等场景
图像语义理解	场景识别、物体识别、菜品识别、宠物识别、OCR 识别、车牌识别	通过多维度的图像AI识别技术，对视频及图片进行智能分析，准确输出图像内容分析结果，广泛应用于园区入口管理、智能相册、智能搜索、用户精准推送等领域
	视频内容挖掘视频结构化分析、视频内容审核、短视频标签、视频摘要	通过多维度的AI视频梳理技术，对视频内容进行分析和提取，可提高用户随视频搜索和管理的便捷性
3D视觉	三维物体识别与跟踪、活体人脸检测、三维人脸重建、三维场景重建	结合视频结构光技术，通过对真实场景下的人脸、人体及物体的深度信息提取，进行三维模型重建与定位，可赋能家庭互动

娱乐游戏、家庭机器人及 AR/VR 等应用

资料来源：中国移动 AI 视觉能力中台官网、天风证券研究所

以垃圾满溢为例，当前此算法模型准确率为 98.5%，主要包括算法流程设计、数据处理、模型构建、模型训练、模型推理五大流程：

（1）算法流程设计：采用检测区域圈选、视频图像抽帧、图像预处理、模型推理 4 步法输出检测结果；（2）数据处理：3 万张训练数据+5 千张测试数据作为训练源，使用 Mosaic、Mixup、Cutout 等多种算法对图像进行预处理，提高数据的多样性；（3）模型构建：根据垃圾满溢问题的特点，增添了 C3、BiFPN 等算法模块；（4）模型训练：在训练过程中通过调节学习率，运用多尺度训练的方式，提升网络模型的稳定性；（5）模型推理：在推理阶段采用模型集成、后处理 DIOU-NMS 等多种方式，优化结果。

我们认为，垃圾满溢等算法模型以视觉为核心，与大华有高度协同效应。垃圾满溢在输入端和对图像进行预处理都离不开图像视觉能力，而大华作为安防厂商在视觉能力上积累了量优势，二者战略协同有助于实现强强联合，推动大华在 AI 安防领域的发展。

图 45：“垃圾满溢”算法流程

资料来源：移动 Labs 公众号、天风证券研究所

图 46：“垃圾满溢”算法中对图像预处理

资料来源：移动 Labs 公众号、天风证券研究所

图 47：“垃圾满溢”算法中模型推理

资料来源：移动 Labs 公众号、天风证券研究所

中移动视觉 AI 能力将有效拓宽安防边界，助推大华安防应用场景落地。中移动目前在视觉 AI 方面形成了人体姿态行为分析能力、通用场景目标检测能力。通过两大能力将有效提对图像、视频等形式的具体场景的分析能力，赋能大华在安防领域应用场景落地。

表 24：中国移动人体姿态行为分析能力和通用场景目标检测能力

核心能力	具体说明
人体姿态行为分析能力	抽烟行为识别：识别抽烟行为，并输出烟头、香烟烟雾位置摔倒行为识别：识别行人目标摔倒行为，并输出摔倒行人目标位置
	睡岗行为识别：识别睡岗行为，并输出睡岗目标位置徘徊行为识别：识别徘徊，并输出单帧目标位置、目标徘徊轨迹
通用场景目	目标检测定位
标检测能力	目标分类
	目标区域入侵检测

资料来源：中国移动智慧中台官网、天风证券研究所

2）算力：规模达 8.0 EFLOPS，构建“算网一体”原创技术体系。“4（热点区域）+N（中心节点）+31（省级节点）+X（边缘节点）”集约化梯次布局，对外可用 IDC 机架达到 46.7万架，算力规模达到 8.0 EFLOPS。23 年 3 月，由中国移动主导推进的“算力路由”工作组在国际互联网标准化组织（IETF）成功获批，目前“算力路由”已被验证可在全局时延优化和系统处理容量上实现约 30%的性能提升。

图 48：算力路由原理

资料来源：移动 Labs 公众号、天风证券研究所

3）数据：数据价值挖掘能力突出，中移动发布梧桐大数据平台，赋能各行各业。作为通信运营商的中国移动为“人民群众的 24 小时数字生活”提供了强力支撑。当前，中国移动梧桐大数据平台数据规模已累计超 600PB，日采集量超 5.5PB，日处理量超 27PB，集群规模全球领先。面向金融、政务、交通等 9 大类行业，服务 6 万多个企业客户，梧桐大数据提了 150 多个产品和解决方案，用数智化能力赋能各行各业。

图 49：中移动构建面向行业细分领域的位置大数据原子能力体系

资料来源：中移大数据公众号、天风证券研究所

3.3.2. 渠道端：运营商龙头企业，助力大华渠道下沉

运营商龙头企业，渠道网络下沉乡镇，助力大华拓展业务网络。2019 年拥有实体渠道布点

60 万（包括营业厅+加盟店+授权店），全渠道月均触达近 5 亿客户，触达量超 15 亿人次。2022 年，公司移动客户数量达 9.75 亿，家庭宽带客户为 2.44 亿，政企数量为 2320 万。通过中移动遍布市/县/镇的营销渠道，大华可触达下沉客户群体，弥补公司在国内渠道网络上的不足。

表 25：中国移动 2022 年个人市场和家庭市场用户

细分领域	用户类型	用户数量（亿）	净增（亿）
个人市场	移动客户	9.75	0.18
	权益融合客户	2.87	0.96
	移动云盘月活用户	1.66	0.31
	5G新通话高清视频用户	0.92	0.27
家庭市场	家庭宽带客户	2.44	0.26

资料来源：中国移动年报、天风证券研究所

4. 投资建议

建议重点关注：

1）安防厂商：大华股份、海康威视、千方科技等；

2）上游关键硬件类：芯片：富瀚微、寒武纪；关键零组件厂商：舜宇光学等。

我们认为，AI to B 的视觉应用或将大幅提高生产力、革命性颠覆生产关系，最终赋能各行各业。我们坚定认为传统安防企业，如大华股份，整体估值逻辑或将会从传统的安防切换至 AI。

5. 风险提示

下游需求不稳定风险：后疫情时期，经济复苏强度和节奏仍然不明显，可能存在“强预期，弱现实”的风险；相关政策也存在落地情况不及预期的风险。

企业技术研发不及预期：视频监控行业技术更新换代极为迅速。若公司不能紧跟行业技术发展趋势，将面临因无法保持持续创新能力导致市场竞争力下降的风险。

供应链安全风险：全球大宗商品价格持续上升，原材料价格波动，可能对公司采购成本造成压力，存在采购困难或成本上涨的风险。

知识产权风险：公司全球化战略及自主品牌战略的推进，将有可能导致公司面临产权保护及专利侵权等方面的知识产权风险，并有可能带来商务关系、舆论环境波动及法律诉讼事件增多、费用成本上升等风险。

主观测算风险：本文测算具有一定主观性，仅供参考。

分析师声明

本报告署名分析师在此声明：我们具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，本报告所表述的所有观点均准确地反映了我们对标的证券和发行人的个人看法。我们所得报酬的任何部分不曾与，不与，也将不会与本报告中的具体投资建议或观点有直接或间接联系。

一般声明

除非另有规定，本报告中的所有材料版权均属天风证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）及其附属机构（以下统称“天风证券”）。未经天风证券事先书面授权，不得以任何方式修改、发送或者复制本报告及其所包含的材料、内容。所有本报告中使用的商标、服务标识及标记均为天风证券的商标、服务标识及标记。

本报告是机密的，仅供我们的客户使用，天风证券不因收件人收到本报告而视其为天风证券的客户。本报告中的信息均来源于我们认为可靠的已公开资料，但天风证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供客户参考，不构成所述证券买卖的出价或征价邀请或要约。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成的一切后果，天风证券及/或其关联人员均不承担任何法律责任。

本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，天风证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。

天风证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。天风证券没有将此意见及建议向报告所有接收者进行更新的义务。天风证券的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。

特别声明

在法律许可的情况下，天风证券可能会持有本报告中提及公司所发行的证券并进行交易，也可能为这些公司提供或争取提供投资银行、财务顾问和金融产品等各种金融服务。因此，投资者应当考虑到天风证券及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突，投资者请勿将本报告视为投资或其他决定的唯一参考依据。

投资评级声明

类别	说明	评级	体系
股票投资评级	自报告日后的6个月内，相对同期沪深300指数的涨跌幅	买入	预期股价相对收益20%以上
		增持	预期股价相对收益10%-20%
		持有	预期股价相对收益-10%-10%
行业投资评级	自报告日后的6个月内，相对同期沪深300指数的涨跌幅	卖出强于大市	预期股价相对收益-10%以下预期行业指数涨幅5%以上
		中性	预期行业指数涨幅-5%-5%
		弱于大市	预期行业指数涨幅-5%以下

天风证券研究

北京	海口	上海	深圳
北京市西城区佟麟阁路36号	海南省海口市美兰区国兴大	上海市虹口区北外滩国际	深圳市福田区益田路5033号
邮编：100031 邮箱：research@tfzq.com	道3号互联网金融大厦	客运中心6号楼4层	平安金融中心71楼
	A栋23层2301房	邮编：200086	邮编：518000
	邮编：570102	电话：(8621)-65055515	电话：(86755)-23915663
	电话：(0898)-65365390	传真：(8621)-61069806	传真：(86755)-82571995
	邮箱：research@tfzq.com	邮箱：research@tfzq.com	邮箱：research@tfzq.com

电子

天风证券-电子行业深度研究：AI赋能制造业道路，传统安防龙头估值逻辑切换-230409.pdf