智東西（公眾號：zhidxcom）
作者 | 李水青
編輯 | 漠影
“2024年底DeepSeek爆火很好地教育了一波市場，帶動整個行業的熱度高漲。”大華股份大數據研究院院長周明偉告訴智東西，大量客戶主動要求將大模型與智能體深度嵌入業務鏈，降本增效需求呈現“井噴”之勢。
他坦言，不少客戶寄望于“一個DeepSeek解決所有問題”，大華則引導客戶聚焦技術的能力邊界與可落地的實際價值，推出聚焦垂直場景的智能體產品。
2025年6月，大華股份問數智能體一體機通過中國信通院“大模型驅動的智能數據分析工具”專項測試，其中應用的智能體包括智能問數、知識中樞、通識問答、智能搜圖等不同功能、專長的智能體。用戶通過統一入口提問，即可觸發多智能體協同響應，實現復雜問題的高效和精準解答。
▲大華股份智能體演示視頻
與互聯網、AI獨角獸推出的智能體不同，大華的差異化在于聚焦AIoT垂直領域。其智能體以政企獨有的多模態數據資源，以及深植行業的Know-How為護城河，驗證垂直領域大模型在政企場景的落地路徑。
在市場被DeepSeek“點燃”之前，這家靠智能安防崛起的AIoT巨頭已悄然起跑。 “看到DeepSeek再動就晚了。”周明偉強調，“早在2023年底行業熱潮未起之際，大華便前瞻性布局‘AI for Data’戰略，探索大模型與大數據的融合；2024年初領先行業推出智能體原型，落地客戶側。”
大模型與智能體能給AIoT行業帶來什么樣的變革？大華股份推出的智能體是什么樣的？背后有什么樣的技術亮點和產業邏輯？通過對話周明偉，我們對此進行了深入探討。
一、AIoT革命：行業智能體打通數據價值閉環
“原來查份數據要半天，現在一句話搞定。”周明偉說，“大模型賦予機器語言和推理能力，而智能體如同裝上手腳——讓數據自己‘跑’起來。”
在大華股份的設計中，AIoT智能體不僅能調用大模型，還能將外部實時數據轉化為知識和記憶，把任務規劃很好地銜接起來，這樣就有機會去解決客戶實實在在的問題。
以智能問數智能體為例，其支持多維剖析數據，自動渲染直觀可視化圖表，為用戶提供深度的數據洞察。
今年5月，寧波市公安交通管理研究所搭建的寧波交警“鷹智”大模型v2.0版本，已接入大華問數智能體一體機，其中智能問數智能體可通過自然語言問答方式，實現跨業務、跨系統的數據深度挖掘，高效完成交通領域的大數據自動提取、精準分析與價值洞察。
以交通肇事逃逸、模糊線索追蹤場景為例，原本需人工跨系統篩查數小時的任務，智能體10秒內完成，效率提升超百倍。根據獲得的線索查詢“3月15日00:30左右在興寧路上被抓拍的尾號是7的白色奔馳轎車”，智能問數智能體可精準解析語義指令，快速完成數據篩選、輸出結果。
▲問數智能體一體機使用界面
雖然都叫智能體，但與市面上互聯網大廠、大模型獨角獸推出的不同，大華股份智能體的差異化在于“行業深耕+融合數據”雙輪驅動。
基于高質量多模態數據及數據處理能力、多年積累的政企行業KnowHow，以及自研星漢大模型與DeepSeek等外部模型混合架構支持，大華股份打造了其技術護城河。
眾所周知，早期大模型的“幻覺”都比較嚴重，這對to C場景來說尚可接受，但對to B客戶來講是巨大的信任危機。大華股份推出的智能體通過“大模型+智能體+實時更新數據”，有望解決大模型To B落地的巨大信任危機。
二、數據割裂嚴峻，“賈維斯”級的數據服務如何煉就？
政企行業苦數據割裂久矣，智能體或許是一劑良藥。
數據中臺爛尾，是前些年政企數字化進程中多發的痛心案例。很多企業、政府搭建了數據中臺，將很多數據匯在一塊，然后就沒有后文了。政企普遍完成了數據存儲與線上化管理，但海量割裂的數據正異化成負擔。
周明偉認為，癥結主要就在于“取數難”和“數據質量差”兩個痛點。在多元異構的數據割裂的情況下，即便AI取數難度降低，但80%曾被忽視的數據的質量問題將集中爆發，治理效率成為新瓶頸。
面對數據沼澤，大華試圖用“賈維斯”級智能助理破局——讓數據從負擔變為流動的資產。
賈維斯，漫威電影宇宙中鋼鐵俠的AI助手，是很多人對智能體的終級想象。“從企業角度來說，如果別人有這個賈維斯了，我們還是用自己雙手在地里‘鋤禾日當午’的話，肯定會被淘汰的。”周明偉說。
這非簡單工具升級，而是依托一個全維度的“五全”技術基座，如同智能體的‘骨骼系統’”，構建徹底釋放數據價值的企業終身式助理：
全感知：通過視覺、多頻譜、時間、空間等多維融合應用，保持產品與技術的場景精準適配，構建一套行業領先的全方位感知體系，在數字世界真實呈現物理世界；
全智能：面向行業需求，為實現從感知智能到數據智能，再到業務智能的閉環，基于算法、大數據和業務平臺，構建了一套自治系統，實現客戶數據價值挖掘和智能決策；
全連接：構建適應多元化場景需求的數據連接體系，夯實物聯感知和信息互聯相融合的數據價值連接基礎，持續提升物聯感知接入與集成能力；
全計算：全面實現包括圖像算力、AI 算力、通用算力等計算資源化，統一調度協同端邊云算力和算法，構建一套全網計算架構體系；
全生態：全面開放業務、軟件、算法、硬件等合作生態，構建共建、共贏、共生的生態圈，打造智慧物聯生態共同體。
為了深化“五全”能力，大華股份進行了大規模研發投入。根據財報，2024年大華股份研發投入達42.13億元，同比增長6.2%，營收占比超13%。
從技術投資圖譜來看：聚焦數據智能，大華股份依托云原生、大數據框架、異構融合計算、數據中臺等技術，提供視圖和信息融合，集成、治理、開發、服務等一站式數據智能底座；基于AI、圖數融合、數據挖掘、知識圖譜等技術深入挖掘視圖數據內涵，大華股份還構建了圖數融合高價值數倉，釋放數據價值。
未來，智能體將進一步連通互動，向數據服務的賈維斯更進一步。據悉，大華股份正加速智能問數、知識中樞、通識問答、智能搜圖等智能體融合協作，推動AIoT從“單點智能”邁向“群體智能”，喚醒更多沉睡數據的價值。
三、AI 3.0生存之道：立足數據資產，漸進式釋放
從部署智能體到構建企業的“賈維斯”，周明偉并不主張“一步到位”。
“由點及面，小步快跑。我們最怕客戶‘梭哈’式投入，半年不見效就放棄。”周明偉建議企業從可量化的小場景切入。例如某能源企業，先從單臺設備故障預測起步，驗證價值后逐步擴展至全局能效優化，最終實現數據資產滾雪球式增值。
“數字化轉型沒有萬能藥，每次聚焦解決1-2個問題，讓效果說話。”周明偉說。
在AI 2.0時代，計算機視覺技術催生智能安防行業繁榮，卻也留下“時代的眼淚”——高昂投入與碎片化場景的錯配，讓一批AI企業陷入困境。周明偉直言教訓：“客戶只為可量化的業務價值買單，而非技術本身。”
隨著AI 3.0時代開啟，數據智能如何避免重蹈覆轍？周明偉指出兩大生存法則：
1、泛化能力是底線：客戶期望AI如人類般適應碎片化場景。“初期‘三板斧’可行，但若無法持續突破業務邊界，終將被淘汰。”
2、普惠決定生命力：技術必須下沉到千元級終端。“AI 2.0時，當普通攝像頭都能加載AI算法，才是行業變革的真正起點。”
而實現這兩點，需要企業“躬身入局”：這也是融入到大華股份工程師骨髓里的理念。在過去數十年里，周明偉及其團隊堅持走進每一個具體場景，目前已將AIoT、AI、軟件運營技術落地到了全國幾百個城市的千行百業。
“我們的政企客戶有大量的數據，其中百分之七八十都是視頻物聯數據，在這種場景之下怎么讓數據更好地服務用戶，是我們思考的事。”周明偉說，“我們不做底層模型軍備競賽，目標是用最小算力解決客戶最大痛點。”
結語：數據驅動×智能體：政企決策鏈的重構時刻
當DeepSeek點燃政企AI熱情時，大華股份選擇了一條更艱難的路：不做大模型軍備競賽，而是躬身潛入千行百業的場景深水區。
當行業不少選手沉迷于參數競賽時，大華的選擇揭示AI 3.0的本質：用垂直場景的“數據驅動×智能體”小閉環驗證價值，讓數據從負擔變為資產。這或許是對普惠AI的重新定義。
