大华股份软件研发部副总裁周淼：AI技术正驱动企业数字化全面升级 | 2025AIPartner大会

see122

2025年是AI应用爆发的元年，当全球AI竞赛步入“中国时刻”，一场深刻的技术变革正悄然改写产业格局。在此关键节点，行业面临核心命题：如何跨越AI技术到规模化应用的鸿沟？下一个颠覆性的AI超级应用将诞生于何处？

4月18日，由36氪主办的2025AIPartner大会于上海模速空间盛大启幕。本次大会以“Super APP来了”为主题，聚焦AI应用对千行百业的颠覆性变革。大会分为“Super App来了”和“谁是下一个超级应用”两大篇章，覆盖“在AI世界中长大”“2025卷AI就卷超级应用”等七大话题，涵盖10+场主题演讲、3场圆桌对话与两大优秀AI案例企业名册发布环节，深度剖析AI技术如何重构商业逻辑、重塑产业格局，探索AI超级应用带来的无限可能。

当日，大华股份软件研发部副总裁周淼带来了《大华星汉大模型在AI Agent 行业化落地的探索与实践》的主题分享。

以下为周淼演讲内容，经36氪整理编辑：

大华股份软件研发部副总裁周淼

大家上午好！我是来自大华股份的周淼。非常荣幸能与各位专家学者交流分享，也衷心感谢 36 氪提供的宝贵机会。今天，我将围绕大华星汉大模型，为大家介绍我们在 AI 领域的探索与实践成果。

纵观产业发展历程，企业数字化升级始终与AI技术的演进紧密相连。从数据来看，全球AI产业规模正以惊人的速度逐年攀升。有趣的是，如果将AI产业的发展与智能手机的进化相类比，会发现二者有着相似的轨迹：2010年iPhone 4的问世，凭借触摸屏技术的突破和生态应用的爆发，重新定义了智能手机，使其从单纯的通信工具转变为数字生活的核心枢纽。那么，AI 领域是否也在重演类似的“iPhone 4 时刻”？在我看来，这一革命性时刻尚未到来，因为目前仍有两个关键条件尚未成熟 ——认知力与智能体。

什么是认知力？简单来说，它代表AI对复杂场景和抽象概念的理解能力。以能源行业为例，传统的表计识别算法依赖刻度和指针的精准定位，一旦表盘受到光线或水渍污染，就可能导致识别失效；而具备高认知力的AI，能够理解表盘与指针的整体关系，即便部分遮挡也能准确读数。

再如餐饮场景中，工作人员将掉落的食物重新装盘的违规行为，过去的算法难以识别连续动作背后的问题；如今，通过认知力的提升，AI可以分析动作逻辑，自动判定操作违规。在安防领域，传统的防溺水监测依赖划定虚拟警戒线，但遇到人员涉水时，可能因误判产生大量无效报警；而新一代AI能够感知人与水的动态关系，精准识别危险行为并触发警报。

这些案例揭示了AI认知力的进化方向：从精准识别走向准确理解，从特定场景应用迈向通用化能力，从静态图像分析升级为动态行为洞察。

基于对认知力和智能体的深入思考，大华推出了星汉大模型三大系列，分别聚焦不同的能力维度：

V 系列视觉大模型：如同“超级眼睛”，擅长超小目标检测、复杂场景识别等任务，能够在海量视觉数据中捕捉关键信息。

M 系列多模态大模型：类似于“大脑中枢”，将视觉与语言深度融合，支持图文互译、连续行为分析，并能自动生成通用算法，解决跨模态理解难题。

L 系列语言大模型：扮演“指挥家”角色，通过语义理解能力，实现工作流调度和任务协同，高效处理自然语言指令。

在 L 系列语言大模型的基础上，我们进一步开发了行业智能体，并将其能力划分为四个层级：

L1 智能问答：AI辅助人类完成碎片化信息整理，最终由人工整合完成任务；

L2 能力增强：在工作流程的关键环节嵌入AI工具，显著提升效率；

L3 业务助手：人与机器紧密协作，AI 具备跨系统操作能力，实现部分业务闭环；

L4 自主智能体：AI 可自主拆解目标、选择工具、监控进度，独立完成复杂任务。

这四个层级并非简单的 “强弱之分”，而是针对不同行业、场景需求的能力适配。

在大华园区管理平台中，我们嵌入了智能体功能。传统模式下，管理者若需分析食堂档口数据，往往依赖预制报表或定制开发；而如今，只需通过自然语言提问，智能体即可自动生成报表，并基于数据分析提供决策建议。又比如，快速定位夜间忘关电源的房间，为节能减排提供精准依据，大幅提升了管理效率。

在能源行业，我们为井下作业监管打造了专业智能体。该智能体深度嵌入管理系统，当检测到工人靠近危险设备时，会立即依据预设预案发出警示，并通过广播系统要求人员撤离；事件结束后，自动生成日志报表，完整记录处置过程，显著提升了安全管理水平。

以城市应急指挥调度为例，智能体在风险管控中发挥着核心作用。当模拟火灾发生时，它能迅速调取周边监控，结合时空信息联动附近应急人员的单兵设备，分配救援任务；同时，通过融合通信系统发起音视频会商，启动应急预案，实现从监测、调度到处置的全流程闭环。这一过程中，人与智能体紧密协作，通过交互确认完成复杂任务。

在构建行业智能体的过程中，我们面临一个核心挑战：不同行业、场景的业务逻辑差异巨大，单一算法难以覆盖所有需求。为此，大华研发了工作流引擎，将现有能力拆解为原子化模块，并提供实时调试、灵活编排和流程回溯功能。当智能体遇到新场景时，可快速调用引擎，动态组合算法和工作流，实现能力的高效适配。

回顾行业发展，过去我们始终以“用户需求”为核心设计产品和系统——思考用户需要何种交互、数据和能力。但随着AI技术向L4自主智能体阶段迈进，当机器能够承担大量复杂任务时，我们或许需要重新审视IT架构的设计逻辑：是否应该以AI为主体构建信息化系统？是否应该将AI视为“合作伙伴”，帮助其更好地理解世界、完成工作？想象未来，当工厂、园区都拥有专属的“智能大脑”，我们或许需要更多地思考：AI需要什么？如何让AI真正成为推动产业升级的核心力量？

今天我的分享就到这里，谢谢大家！

来源：36kr