一句话查数据，效率提升百倍！对话大华股份周明伟解局AIoT智能体落地潮

游戏天地 2025年08月12日 12:13 1 admin

智东西

作者 | 李水青

编辑 | 漠影

“2024年底DeepSeek爆火很好地教育了一波市场，带动整个行业的热度高涨。”大华股份大数据研究院院长周明伟告诉智东西，大量客户主动要求将大模型与智能体深度嵌入业务链，降本增效需求呈现“井喷”之势。

他坦言，不少客户寄望于“一个DeepSeek解决所有问题”，大华则引导客户聚焦技术的能力边界与可落地的实际价值，推出聚焦垂直场景的智能体产品。

2025年6月，大华股份问数智能体一体机通过中国信通院“大模型驱动的智能数据分析工具”专项测试，其中应用的智能体包括智能问数、知识中枢、通识问答、智能搜图等不同功能、专长的智能体。用户通过统一入口提问，即可触发多智能体协同响应，实现复杂问题的高效和精准解答。

大华股份智能体演示视频

与互联网、AI独角兽推出的智能体不同，大华的差异化在于聚焦AIoT垂直领域。其智能体以政企独有的多模态数据资源，以及深植行业的Know-How为护城河，验证垂直领域大模型在政企场景的落地路径。

在市场被DeepSeek“点燃”之前，这家靠智能安防崛起的AIoT巨头已悄然起跑。 “看到DeepSeek再动就晚了。”周明伟强调，“早在2023年底行业热潮未起之际，大华便前瞻性布局‘AI for Data’战略，探索大模型与大数据的融合；2024年初领先行业推出智能体原型，落地客户侧。”

大模型与智能体能给AIoT行业带来什么样的变革？大华股份推出的智能体是什么样的？背后有什么样的技术亮点和产业逻辑？通过对话周明伟，我们对此进行了深入探讨。

一、AIoT革命：行业智能体打通数据价值闭环

“原来查份数据要半天，现在一句话搞定。”周明伟说，“大模型赋予机器语言和推理能力，而智能体如同装上手脚——让数据自己‘跑’起来。”

在大华股份的设计中，AIoT智能体不仅能调用大模型，还能将外部实时数据转化为知识和记忆，把任务规划很好地衔接起来，这样就有机会去解决客户实实在在的问题。

以智能问数智能体为例，其支持多维剖析数据，自动渲染直观可视化图表，为用户提供深度的数据洞察。

今年5月，宁波市公安交通管理研究所搭建的宁波交警“鹰智”大模型v2.0版本，已接入大华问数智能体一体机，其中智能问数智能体可通过自然语言问答方式，实现跨业务、跨系统的数据深度挖掘，高效完成交通领域的大数据自动提取、精准分析与价值洞察。

以交通肇事逃逸、模糊线索追踪场景为例，原本需人工跨系统筛查数小时的任务，智能体10秒内完成，效率提升超百倍。根据获得的线索查询“3月15日00:30左右在兴宁路上被抓拍的尾号是7的白色奔驰轿车”，智能问数智能体可精准解析语义指令，快速完成数据筛选、输出结果。

问数智能体一体机使用界面

虽然都叫智能体，但与市面上互联网大厂、大模型独角兽推出的不同，大华股份智能体的差异化在于“行业深耕+融合数据”双轮驱动。

基于高质量多模态数据及数据处理能力、多年积累的政企行业KnowHow，以及自研星汉大模型与DeepSeek等外部模型混合架构支持，大华股份打造了其技术护城河。

众所周知，早期大模型的“幻觉”都比较严重，这对to C场景来说尚可接受，但对to B客户来讲是巨大的信任危机。大华股份推出的智能体通过“大模型+智能体+实时更新数据”，有望解决大模型To B落地的巨大信任危机。

二、数据割裂严峻，“贾维斯”级的数据服务如何炼就？

政企行业苦数据割裂久矣，智能体或许是一剂良药。

数据中台烂尾，是前些年政企数字化进程中多发的痛心案例。很多企业、政府搭建了数据中台，将很多数据汇在一块，然后就没有后文了。政企普遍完成了数据存储与线上化管理，但海量割裂的数据正异化成负担。

周明伟认为，症结主要就在于“取数难”和“数据质量差”两个痛点。在多元异构的数据割裂的情况下，即便AI取数难度降低，但80%曾被忽视的数据的质量问题将集中爆发，治理效率成为新瓶颈。

面对数据沼泽，大华试图用“贾维斯”级智能助理破局——让数据从负担变为流动的资产。

贾维斯，漫威电影宇宙中钢铁侠的AI助手，是很多人对智能体的终级想象。“从企业角度来说，如果别人有这个贾维斯了，我们还是用自己双手在地里‘锄禾日当午’的话，肯定会被淘汰的。”周明伟说。

这非简单工具升级，而是依托一个全维度的“五全”技术基座，如同智能体的‘骨骼系统’”，构建彻底释放数据价值的企业终身式助理：

全感知：通过视觉、多频谱、时间、空间等多维融合应用，保持产品与技术的场景精准适配，构建一套行业领先的全方位感知体系，在数字世界真实呈现物理世界；

全智能：面向行业需求，为实现从感知智能到数据智能，再到业务智能的闭环，基于算法、大数据和业务平台，构建了一套自治系统，实现客户数据价值挖掘和智能决策；

全连接：构建适应多元化场景需求的数据连接体系，夯实物联感知和信息互联相融合的数据价值连接基础，持续提升物联感知接入与集成能力；

全计算：全面实现包括图像算力、AI 算力、通用算力等计算资源化，统一调度协同端边云算力和算法，构建一套全网计算架构体系；

全生态：全面开放业务、软件、算法、硬件等合作生态，构建共建、共赢、共生的生态圈，打造智慧物联生态共同体。

为了深化“五全”能力，大华股份进行了大规模研发投入。根据财报，2024年大华股份研发投入达42.13亿元，同比增长6.2%，营收占比超13%。

从技术投资图谱来看：聚焦数据智能，大华股份依托云原生、大数据框架、异构融合计算、数据中台等技术，提供视图和信息融合，集成、治理、开发、服务等一站式数据智能底座；基于AI、图数融合、数据挖掘、知识图谱等技术深入挖掘视图数据内涵，大华股份还构建了图数融合高价值数仓，释放数据价值。

未来，智能体将进一步连通互动，向数据服务的贾维斯更进一步。据悉，大华股份正加速智能问数、知识中枢、通识问答、智能搜图等智能体融合协作，推动AIoT从“单点智能”迈向“群体智能”，唤醒更多沉睡数据的价值。

三、AI 3.0生存之道：立足数据资产，渐进式释放

从部署智能体到构建企业的“贾维斯”，周明伟并不主张“一步到位”。

“由点及面，小步快跑。我们最怕客户‘梭哈’式投入，半年不见效就放弃。”周明伟建议企业从可量化的小场景切入。例如某能源企业，先从单台设备故障预测起步，验证价值后逐步扩展至全局能效优化，最终实现数据资产滚雪球式增值。

“数字化转型没有万能药，每次聚焦解决1-2个问题，让效果说话。”周明伟说。

在AI 2.0时代，计算机视觉技术催生智能安防行业繁荣，却也留下“时代的眼泪”——高昂投入与碎片化场景的错配，让一批AI企业陷入困境。周明伟直言教训：“客户只为可量化的业务价值买单，而非技术本身。”

随着AI 3.0时代开启，数据智能如何避免重蹈覆辙？周明伟指出两大生存法则：

1、泛化能力是底线：客户期望AI如人类般适应碎片化场景。“初期‘三板斧’可行，但若无法持续突破业务边界，终将被淘汰。”

2、普惠决定生命力：技术必须下沉到千元级终端。“AI 2.0时，当普通摄像头都能加载AI算法，才是行业变革的真正起点。”

而实现这两点，需要企业“躬身入局”：这也是融入到大华股份工程师骨髓里的理念。在过去数十年里，周明伟及其团队坚持走进每一个具体场景，目前已将AIoT、AI、软件运营技术落地到了全国几百个城市的千行百业。

“我们的政企客户有大量的数据，其中百分之七八十都是视频物联数据，在这种场景之下怎么让数据更好地服务用户，是我们思考的事。”周明伟说，“我们不做底层模型军备竞赛，目标是用最小算力解决客户最大痛点。”

结语：数据驱动×智能体：政企决策链的重构时刻

当DeepSeek点燃政企AI热情时，大华股份选择了一条更艰难的路：不做大模型军备竞赛，而是躬身潜入千行百业的场景深水区。

当行业不少选手沉迷于参数竞赛时，大华的选择揭示AI 3.0的本质：用垂直场景的“数据驱动×智能体”小闭环验证价值，让数据从负担变为资产。这或许是对普惠AI的重新定义。

新版本“友信红包扫雷挂”（详细透视教程）-哔哩哔哩

ICT巨头转身AI“交钥匙商”：中兴全栈技术输出，打造国家队新质生产力

发表评论