在AI领域，像海康威视这样的公司并没有能力成为AI技术的领导者，公司也不追求成为AI技术的领导者。公司是一个技术的跟进者，关注各方面的技术。公司的重点是跟进这些技术，整合相关的各种技术而不只是AI技术，来让AI技术更好地产品化、更好更有效的落地，这是公司整个工作的重心。
海康威视总经理胡扬忠向投资者介绍了公司经营情况。2022年，全球宏观经济波动加大、地缘政治错综复杂、制裁打压继续升级；国内受需求收缩、供给冲击、预期转弱等各方面影响，给企业经营带来巨大挑战。海康威视秉承“专业、厚实、诚信”的理念，积极、审慎地应对各种不确定性，报告期内，公司实现营业总收入831.66亿元，比上年同期增长2.14%；实现归属于上市公司股东的净利润128.37亿元，比上年同期下降23.59%。
国内主业三个BG营收总和451.37亿元，同比下降8.41%。其中公共服务事业群PBG实现营收161.35亿元，同比下降15.79%，PBG业务受防控影响最大，公共支出受限，大项目落地较少。其中，2021年四季度公司有确认大项目收入，数据基数较高，2022年底经营环境变化剧烈，导致四季度缺乏开展有效工作的环境，公司认为22年4季度是公司业绩的底部。企事业事业群EBG实现营收165.05亿元，同比下降0.75%，EBG业务表现出较大的韧劲，企业用户的数字化转型动能较高，在地产行业大幅下行，社会经济活力不足的背景下，仍能维持相对稳定的资本支出，其中能源行业增速较快。中小企业事业群SMBG实现营收124.97亿元，同比下降7.36%，SMBG中小企业对经济环境敏感，下半年需求不太活跃，但整体情况还算平稳。
海外主业收入220.32亿元，同比增长16.41%，下半年北美、欧洲业务受通胀、政治打压等方面的影响，业务出现负增长，发展中国家继续保持不错的增速。预期未来发展中国家的收入占比将会进一步提升。
创新业务整体收入150.70亿元，同比增长22.81%，创新业务主要公司表现出较好的发展势头。
毛利率方面，公司2022年整体毛利率为42.29%，在经济弱势的情况下，公司尽力争取营收增长，部分低毛利的业务机会拉低了整体毛利。2023年公司更注重有效益的增长，第一季度毛利回归到45.17%，一方面是部分业务质量向好，另一方面是公司加大降本力度。
费用支出方面，2022年公司人员数量有一定扩张，给利润端带来压力。公司从去年下半年开始已严格控制人数增长，费用支出的刚性是公司要面对的挑战，预计逐季将有所缓解。存货方面，公司继续保持较高的存货水平，以加强公司应对重大不确定性的能力。公司应收、应付款项随业务规模增长。
现金分红方面，2022年公司的分红预案是每10股派发现金红利7元，派发的现金红利约65.55亿元，占比2022年归母净利润51.06%。
汇率方面，公司2022年汇兑收益4.28亿元。目前公司已保持多币种结算，减少单一外币结算比例太大带来的不确定性。
经营性现金流方面，2022年公司经营性现金流占净利润比例79.2%，2022年末现金及等价物398.15亿元人民币，公司资金储备较为充足。当前国内经济处于复苏向上的过程中，公司努力夯实业务基础，注重营收质量，争取有效益的增长。在海外国家，公司将根据经济发展环境和地缘政治环境决定资源投入力度。虽然过去两年环境变化较大，但公司的业务布局优势、行业竞争地位依然保持。2023年一季度公司营收162.01亿，比去年同期下降1.94%。从2022年一季度到2023年一季度的5个季度，各季度营收的同比增速分别为：18.11%，4.13%，3.39%，-9.10%，-1.94%，各季度归母净利润的同比增速分别为5.29%，-19.41%，-31.29%，-31.50%，-20.69%。2023年一季度相对于2022年各季度的营收、净利润逐季下降的趋势已明显收敛，整体趋势向好。企业的数字化转型势头较好，EBG已率先恢复正增长。海外市场受政治因素、通胀等方面影响，整体出现负增长，但部分发展中国家需求情况尚可。截止目前，二季度国内增长情况较好，公司相信2023年会逐季向上。
Q：如何去看待跟公司相关度比较高的CV大模型，SAM模型，甚至到更广普的一些通用模型，对公司这个行业的发展，包括商业模式、竞争格局等带来的影响，公司有什么样的准备和应对？
A：最近几年在人工智能领域，大模型是一个比较明确的技术发展趋势，因此公司研究院在几年前就开始研发视觉大模型技术。现在公司的大模型技术已经到了多模态大模型的研发阶段，公司的多模态大模型包括视觉、语音、文本等多模态信号的融合训练及处理。
为了支持大模型的研发，海康也自建了业内一流的数据中心，公司构建了千卡并行的训练能力，并且面向智能安防的场景，公司训练了百亿级参数的大模型，公司知道现在大模型的部署应用成本是较高的，所以面向这种部署应用成本较高的限制，公司在大模型的算法架构上进行了研发。在算法上公司基于基础大模型，研发了更高效的行业模型，在架构上公司应用云、边、域的智能物联系统架构，实现信息的多级处理，达到成本与效果的均衡。这类多模态的大模型的智能感知认知能力，使得公司的智能系统具备了更强的泛化能力，能够更好的去理解和响应用户的需求。目前公司的多模态大模型已经在公司的AI开放平台上上线，它使得公司能够更好的去理解现场更加复杂场景下的视频内容，使得公司视频信息的提取的精确度有了量级上的提升，另外它使公司数据标注的工作的自动化程度大幅的提升，标注的效率提升了一个量级。目前公司AI的开放平台已经在100多个行业的智能化的产业升级中获得了应用，并支持了15,000多家用户。
现在从大模型的发展趋势来说，现在大模型的研发在全世界是呈现一个百花齐放的态势，并且展示出很强的能力。公司认为在面向垂直领域应用的时候，结合高质量的领域数据及领域知识所训练的行业大模型，其性能及实施成本都会具有优势。举个例子来说，彭博社利用其在金融领域多年的积累，构建了500亿参数的BloombergGPT，该模型在金融领域取得了很好的效果。海康威视在智能物联领域具有20多年的积累，相信公司的大模型开发会给会为公司带来更多的优势，为用户提供更好的服务。
公司认为在AI领域过去有大量的技术开源，这种开源工作大幅度加速了这个行业的进步，降低了技术的门槛，提升了技术的下限。但是另外一方面，公司认为这个领域的应用，达到SOTA(State of the Art)的性能模型往往是需要一些专业的数据和领域知识的积累的。SAM模型在发布之初公司就关注到了，并且也进行了系统性的评测，公司的结果显示相对于公司专业领域的应用来说，它的性能跟公司的专业模型还是有一定差距的。
最后公司在领域方向是会持续的投入，公司也会高度的关注业界大模型的发展状况，积极的与国内的企业、高校、开源社区开展合作，共建良好的大模型生态，为公司的用户提供更好的服务。
Q：在响应提高整个央国企的发展质量，进一步提升价值，推动整个公司往更高体量发展的大的背景下面，公司有一些什么样的思路和展望。
A：公司在2021年的致股东中提到未来三年是海康的机遇期，这几年的确出现了很多的变化，2021年还是不错的，2022年没想到有这么大的一个动荡，这是对环境变化判断的不足。从公司角度来说，竞争环境是在改善的，但是政治环境不是很好，比如美国的打压，环境不是那么好，这是第一个方面。
第二个方面，公司的能力是在提升的，业务的选择、技术的方向也是比较清晰的，公司从可见光到毫米波、到远红外、到X光、到声波，这些技术都在逐步落地，包括去年公司EBG业务表现还不错也与这些技术的落地都有很大的关系。其实在2020年、2021年的时候有一些特别的机遇期，包括人体测温,在2022年人体测温市场恢复平静之后，EBG依然表现的不错，这是公司一个综合能力的反映。
第三个方面，海康本身也到了一个转折期，公司内部运营、管理等各方面的能力都在提升，处于上升的趋势，所以对机遇期的基本判断公司认为还是没有错。在这样的一个全球化政治、经济的影响之外，这几年可能还会有一些的困难，但这些困难对于培养和打造公司持续上升的能力以及长期发展还是比较好的，公司在感知的能力，在MEMS技术、在信号处理、设备类别的丰富程度，包括在AI上的能力、营销的能力以及适应外部变化的能力都在提升。所以即使未来两三年或甚至三四年还可能遇到这样或那样的困难，走过这一段困难的时间后，相信海康的发展会持续向好。
Q：现在市场上有一种观点，凭借大模型或者说其他一些开源的AI技术，公司的竞争对手就可以在更大的机会上去突破公司之前建立的技术壁垒，并且他们觉得会使得整个竞争格局走向分化，想听一听公司对这个问题的看法。
A：首先现在大模型呈现的能力，尤其是它在AGI上面呈现的能力，让大家看到未来会有更强的泛化能力，也会有更多的应用价值的输出，这一点现在看起来这个趋势是比较明显的。但是另外一方面公司也看到大模型它本身它是一个人类的数据和知识的凝练，对人类的任务进行响应的一个过程。因此公司认为在面向于垂直领域的时候，这种高质量的领域数据和领域知识都会产生巨大的价值，这一点在以往的许多学术论文以及一些竞赛上公司都可以看到，SOTA的人工智能的结果，往往不是一些通用的模型能获得的，往往是结合了一些领域数据和领域知识的模型才能获得。刚才也提到了类似于像彭博社的BloombergGPT在金融领域的效果，也提到了SAM的分割模型在公司的领域里面的一些效果，这些都验证了这样的结果。
对于海康威视来说，公司是在比较早的时间就识别到了大模型的发展趋势，公司很早就做了视觉大模型，由于公司海康的技术架构是发展全面感知的智能物联的架构，因此公司也在比较早的时间就做了多模态大模型的研发。多模态大模型里面，它是把视觉、雷达、声音、文本、X光各种模态的信息都根据任务的需要来进行融合及训练。公司觉得大模型开源的态势，首先它会让人工智能的应用更让广大的客户接受，整个智能物联、人工智能的蛋糕会越做越大，对于像海康这样具有多模态的大模型能力，以及具有全面感知的产品线，另外公司又有物联网领域二十多年领域知识的积累，我相信在这样的技术趋势下，公司的技术结合会给公司的用户带来更多的价值和优势。
Q：市场现在也很关心公司各个BG今年整个景气度的展望，能否帮忙从订单或者商机的角度讲一下今年是否能够看到比较明确的提升趋势。
A：市场肯定很关注经济复苏的情况，从整个大环境来看，从去年的二季度开始，商机数受到一些遏制，三季度四季度是逐季下滑的，直到今年一季度受影响还没结束，过了春节以后才看到一些商机在逐步增加，目前来看可能还是要到今年的5月份才会有比较明朗的趋势。现在这个时候看每个BG由于周期不一样反应出来的情况也会不同。比如说SMBG主要针对于小商户、小工厂、小企业、小单位，所以一般情况下SMBG反应会比较快，它的决策链条比较短，如餐饮、旅游的恢复增长会直观的带动公司业务的增长或波动。EBG的决策相比PBG的决策还是要快一些，PBG的决策更慢，特别是一些地方政府在资金的压力上面，政府发债也需要时间，所以PBG得恢复看起来相对更缓一些，大致的情况是这样子。
Q：关于公司的竞争优势，一个是体现在公司在很多垂直领域数据的积累上，另外一个是体现在公司的渠道壁垒上。大家现在也都很关注AI在一些具体应用场景的落地情况，想请教一下公司渠道壁垒被突破的可能性?
A：在垂直行业里面，公司所处的行业是一个场景化的解决方案，不同的行业所处的场景差异比较大。打个比方，比如说公司做个细的行业，需要把这个细分行业的各个环节打开,根据各个环节的场景特点，要解决的问题，来提供解决方案。
公司说的渠道是通过分销商、代理商、集成商、工程商、安装商等一些中间环节，最后再到用户，这个通道需要建立长期的磨合，需要建立信任，这个过程是需要时间的。不像在消费行业，可能因为一个广告或者一个市场的运作，就能带来很大改变。所以渠道的培育是一个要花很长时间建立信任的过程。
Q：能否定性、定量的给大家分析一下大模型对公司业务的帮助?比如模型能减少多少比例的定制化，或者能减少多少人力的支出?
A：海康在人工智能方面已经钻研了非常久了，在大模型上线后，它会对原来人工智能的算法模型进行升级，升级以后公司看到性能有大幅度的提升。以前，公司提供的功能是对视频、图像、多模态信息的理解，后来基于公司的多模态大模型，信息提取的精确度提升了一个量级以上，也就是说在保证信息提取识别率相等的情况下，误报率可能会降低一个量级，这能极大的提升算法在复杂场景下的泛化能力和响应速度。
人工智能是基于大数据的，所以数据的准备和标注是非常关键的。公司现在主要是基于大模型在做自动化的标注，标注的效率也提升了一个量级以上，也就是说用同样的人力投入，标注的数量可以提升10倍。
人工智能的应用场景非常多，有各种定制化的需求，所以面向千行百业中人工智能升级的定制化需求时，公司当时就走了AI开放平台的路线，希望基于一个底层的人工智能基础平台，为千行百业服务，能够让千行百业提取行业性算法模型，用相对可控的人员增长，满足持续增长的用户需求。公司的AI开放平台已经服务了100多个行业、15,000多个用户，每个行业的智能化场景非常多，智能化需求也非常多样化，我相信这是由于底层模型的加持，谢谢。
Q：公司一季度的毛利率已经有了明显的回升，能否展望一下今年的毛利率趋势?
A：毛利率受很多因素影响，对海康来说，不同产品线、不同区域、不同行业都会对毛利率带来影响。毛利率是企业在行业内综合竞争力的体现，也与公司的业务选择有关系。
现在大家都在谈内卷，不论是新经济还是传统产业，都有内卷现象，最直接的表现就是毛利率下降。怎么减少毛利率的波动，企业能做的事情就是创新，技术创新是影响毛利率的主要因素。在环境发生变化的时候，你是不是能比竞争对手做的更好一些，你的产品、综合能力是不是更强一些，最后会反映在毛利率上。
A：现在技术热点很多，一波一波的出现，对于大模型未来会怎么演变、怎么落地，可能大家都在观察。我个人的判断是基于公网的、集中式的、在云中心有大型处理能力的模式下，超大模型是有一定的优势的。但是对于行业，我认为仍旧应该是云边融合的模式，也就是边缘节点、边缘域、云中心的组合，因为在很多的封闭网络，不太可能建超强的计算能力，也没有必要去建超强的计算能力，软硬一体的模式至少在行业和大量的垂直市场上依然是主流。出于安全和其他很多方面的考虑，物联网和互联网还是有很大的不同。
Q：过去几年EBG在比较动荡的经济环境下表现出了韧性，未来三年，公司在数字化领域的布局会更多倾向于细分领域的拓宽吗?会通过大模型实现降本增效吗?
A：企业数字化的动力是很强的，也是很直接的，看投入产出比和投资收益。但它还是场景化的、行业垂直的、细分的，针对特定的场景进行的数字化改造。现在的数字化需求会更深入，那么做方案的时候，大模型有一定的帮助的同时，也有实施成本的问题，有数据安全的问题，有企业信息私密性的问题，所以很多信息会在局域网或者专网上，或者在一个特定的环境下用一种特定的方式去做，不太会在公司所想象的通用超大模型上。超大模型的技术在细分市场怎么用，这是公司现在要进一步深入去研究的事情，新的技术到来对公司产业的影响，我认为短期不会很快，公司保持投入和观察。
Q：对于海康来说，公司进一步提高自己的CV能力后，怎么样更好的跟创新业务去做一些结合?比如说公司除了安防以外，也有机器视觉，机器人还有像医疗的一些业务，公司是怎么样去形成更好的协同作用?
A：首先公司说到SAM做的segmentation，其实是CV里面一个比较基础的任务。CV里面除了segmentation，还要做detection,classification,tracking等等，有非常多的任务。刚才我在前面的回答里也说到了，现在这样开源的技术的确是一个百花齐放的态势，把整个行业的人工智能力也好，CV的能力也好，都大幅度的提升了。公司觉得首先是一件好事，因为把整个经济领域里面对于人工智能的认同，和在产业的使用都扩大了。但另外一方面公司也深刻的认识到，人工智能要在垂直领域有比较好的应用，一定要有行业领域的知识和一些数据，之前的很多测试都说明了这一点。公司现在对于不同的行业，底部是有一个基础的模型，无论是CV也好，还是多模态也好，公司都有底部的模型。有了这样底部的模型作为foundation以后，上面再去生长一些行业的模型，加入一些行业的知识，能够更快的、更高效的去生成一些行业的应用，公司之前也都是这样子做的。作为海康来说，智能感知和智能认知是公司过去这些年一直去积累的能力，公司其他的一些创新业务，他们中间毫无疑问也会有人工智能的应用。无论是、医疗、或者说x光的安检，这些产业里的产品线，包括行业的应用，对于人工智能的诉求一点都不比安防产业少。所以，公司会在底层技术层面去跟他们沟通或者提供一些支持，他们在上面用他们的产业的知识，包括系统的要求去构建他们的能力，谢谢。
Q：从应用的角度上，从过去到现在，比如说从公司的一些财务指标上，或者从量上，从可以看到的数据上，怎么去看算法工程化的能力的增强带给公司业务或者是收益上的提升?
A：大家总是希望有一个很明确的数据，可能想看到马上带来的变化，公司从过去到现在也没有披露过AI相关的收入，但其实公司差不多从15年开始做AI到现在也有7、8年的时间了，公司回顾一下，对海康来说，如果不做AI的话，我可以说，现在的海康肯定是完全不一样的，公司的收入情况肯定是比较糟糕的，不会有这些年收入的增长。正因为做了AI，可以用AI技术帮用户解决某些方面的问题，获得业务收入增长。
可能从现在来看，未来10年可能公司还是比较乐观的，其实还是有些很多的问题公司到现在还是解决不了，所以海康的业务也在发生一些变化：原来关注的目标检测、目标识别和分类以及一些行为分析，现在往另外一个方向走，比如说公司对于物质的特性、物质的成分和属性的分析。比如说公司现在的做远红外的时候，做热成像时也用了AI的技术，来做的更加精准一些；比如说公司用高光谱的相机在做水质的分析；公司也在激光相关的检测产品中，用AI的技术，做空气中某些成分的分析；比如说公司用光学的方式来做煤质的燃值、水分、灰分等分析；公司还用AI的技术探测压力、流量等等其他方面。
大家对超大模型的反响很轰动，但其实这些年公司不断地经历新的技术，就像10年前一样，看到AI技术的时候公司都很兴奋，实际上落地是一个漫长的过程，所以今天来看这些超大模型的时候，我还是在想管理学里面有一句话，公司往往高估一年的变化，往往低估十年的变化，这是一个长期的、漫长的、持续的过程，公司看得到这些技术带来的变化，但是公司也知道落地的过程中有非常多困难要克服。你刚才讲的从AI到感知智能到认知智能，到这些工程化落地等方面，它在很多地方带来改变的时候可能和早期的预期是不一样的，它的着力点可能都是不一样的。所以，在这上面大家要讲带来直接的财务上的影响，公司没有这个能力来盘算今年会带来多大影响，或者看到的AI对业务带来多大的变化，但公司也是相信3年、5年、8年、10年，它会带来很大的影响和变化。
Q：基于上一个问题，随着数据量、感知能力上面的提升，就意味着硬件也要升级，包括传感器或者是半导体一些相关的芯片的升级，所以想请问在硬件的升级和目前国产化的布局是怎么样?。
A：硬件上可能公司现在受到很多的制约，制约是多方面的，当然可能作为博弈来看，我相信这个问题总能解决。回过来想说整个电子产业的发展，可能在2000年开始到2010年，我觉得是中国的电子产业的终端产品设计能力快速增长的十年。03年04年05年，国内的这些手机厂商买国外的设计方案到国内来做一些汉化，做一些菜单的、UI的调整和优化。后来到了差不多2010年左右，中国在手机上面的设计能力已经完全具备了。其实其他产业也一样，包括公司做安防、做视频监控也是这么一个过程，九十年代的时候基本上都进口，2000年国内开始自主设计，像海康这样的从板卡到DVR，到后来的摄像机里面的ISP等技术都自己掌握。在过去的10年里面，2010年到2020年这一段时间，中国厂商在芯片的设计能力是快速增长的。公司在早期的时候，用飞利浦，用TI，用英特尔，用三星等等这些公司的芯片来做终端产品，现在除了通用的DDR，flash这些以外——其实现在flash国内也做得非常不错了，DDR也有一些突破——其他的基本上都是国内公司设计的了，从核心部件像镜头、sensor、到SoC、再到相关的周边的小器件，基本上都是中国公司设计。
这里面有一些还需要到台积电、到三星去流片，有一些28纳米、14纳米甚至7纳米的芯片。未来10年相信国内在制造业上面会有一个比较大的突破，在的制程、制造上获得比较大的突破。对于装备、材料、工艺、工具、核心部件，未来10年这些能力我认为会有大幅度的提升，产业也逐步的落地。大家还可能关心的，像AI的高性能的计算，公司现在做不到，但我相信一定的时间，这些问题总会解决掉，用新的技术新的方式可能也会绕开过去的一些技术上需要更大投入的障碍。所以在这上面它是不断迭代的，之所以中国在电子产业有这样一个增长，还是因为本土市场的需求，我觉得中国还是一个全球接下来单一的最大的一个消费市场，正因为有这个需求在，它能带动产业的发展，一步一步拉动上游产业的发展。
Q：请问公司在AI方面的技术路线，和国外公布的大模型技术路线的差异?未来公司会去融合这方面最新的技术，还是专注在垂直领域继续发展现有技术路线?以满足未来客户提出的需求。
A：过去这些年，人工智能技术的趋势和要素比较明确，即由海量的数据、海量的运算所驱动。随着运算能力、数据的增加，人工智能的泛化能力和能力都大幅度地增加。公司在这一波人工智能浪潮之初，就比较清晰地认知到这种趋势。因此，公司一直在面向这种趋势进行技术研发，构建基础能力，例如更大规模和更深的网络、更强的并行能力、更强的、更强的数据生成和数据标注的能力等。公司参加了各种不同领域的人工智能的国际竞赛，也获得了很好的成绩。
公司是一家面向智能物联的公司，要为智能物联行业服务，就要对场景有更全面的感知能力。面向全面感知的战略，公司构建了全面的面向智能物联应用的能力，公司构建了非常多的感知技术，从可见光拓展到了红外、X光、声音等，这些都使得公司对智能物联场景的感知能力更强，公司还会面向更微观的世界去构建感知能力。
面向这种全面感知能力的构建，一方面，公司构建了各种器件的能力、算法的能力和产品的能力。另一方面，AI能力从研发到最终产业落地，还有很多的工作要做。从技术的成功到商业的成功这个过程中，还有产品和系统的很多问题要解决。
因此，公司建立了云、边、域的智能物联架构，并基于这样的架构来构建公司的很多能力。一方面，这样的架构使得整个信息实现分层次地处理，极大地降低了信息传输和处理对计算能力和传输能力的要求，能够以比较低的代价为用户提供更强的智能物联的能力。另一方面，面向垂直领域，高质量的领域模型和领域知识非常重要，公司不仅打造面向垂直领域的解决方案，也打造垂直领域的智能能力和垂直领域的智能模型。
面对人工智能全球化、大模型、全面发展和开源的态势，一方面，公司在人工智能、大模型方向持续保持高度投入；另外一方面，公司拥抱全球人工智能百花齐放的态势，积极地与国内高校和开源社区合作，通过这样多方位的投入，去共建公司大模型的服务能力。
在AI领域，像海康威视这样的公司并没有能力成为AI技术的领导者，公司也不追求成为AI技术的领导者。公司是一个技术的跟进者，关注各方面的技术。公司的重点是跟进这些技术，整合相关的各种技术而不只是AI技术，来让AI技术更好地产品化、更好更有效的落地，这是公司整个工作的重心。公司会跟进各项技术的演变，技术的落地还面临很多挑战，公司的重心在AI技术的落地上面，公司自己是这样的定位。
公司AI的能力从2015年开始不断积累，在2018年推出AI开放平台，2019年科技部授予公司国家级人工智能开放创新平台的荣誉。在这些年的AI技术发展中，公司的模型规模一直在变大，并没有一个明确的指标，说到哪一年为止就是大模型，或者多大的规模算大模型，应该说这些年公司一直在致力于把公司的模型能力做泛化，不断增强。模型的参数和训练能力的要求在日新月异的快速增长。
公司现在构建了千卡并行的能力，训练了百亿级参数的模型，它是公司基础的多模态模型，在这个模型之上公司会生成面向各个行业的应用。公司没有跟Open AI合作，但是公司会去拥抱开源的技术和能力，和国内的企业、高校做合作，公司也是一直保持开放的合作态度。
对海康来说，公司专注的是AIOT，是不同客用户的各种特殊的场景，要在很多专用的场景下，在封闭的场合下解决问题。如果有些应用超出AIOT，客用户需要在那个场景下面，借助开放的通用平台去做，公司可能就会从应用的角度出发来解决问题，也会接入类似于GPT这样的通用平台，并不会所有的事情都坚持自己做，还是从商业的角度，从解决用户的问题的角度出发来选择合适的应用模式。
