2024年大华股份研究报告：多模态大模型赋能，视觉龙头再启航

1 以视频为核心的智慧物联领军人，广业务矩阵打造平台龙头

1.1 安防后端起家，立足 AIoT、物联数智两大战略

业务矩阵广泛，以视频为核心的智慧物联龙头。公司是全球领先的以视频为核心 的智慧物联解决方案提供商和运营服务商，以 AIoT 和物联数智平台两大技术战 略为支撑，聚焦城市和企业两大业务方向，持续加大对“全感知、全智能、全链 接、全计算、全生态”的“五全”能力基座投入与建设，在传统安防增速放缓的 背景下，不断拓展传统安防边界，较早布局智能物联和大数据等新兴业务，业务 板块已覆盖至机器视觉机器人、智慧生活、汽车电子、智慧安检、智慧消防、智 慧存储、热成像等领域。同时，公司积极打造开发、合作、共赢的数字技术生态， 坚定推动从数字基础设施、行业范式应用、算法能力到数据智能向合作伙伴及行 业开发者全面开放。

回顾公司的发展历程： 2001-2008 年:公司安防起家，从后端向前端市场转型。2001 年 3 月，傅利泉、 陈爱玲夫妇和朱江明投资设立大华股份的前身——杭州大华信息技术有限公司， 依靠 DVR 产品进入安防领域，布局后端产品；2008 年，公司成功登陆 A 股市场， 开始横向扩张产品线，推出“大安防”系列产品，并顺利完成从后端存储类产品 向前端摄像机等产品的转型。 2009-2014 年：产品迭代，把握高清化技术浪潮。受安防行业第一次技术周期（全 IP、高清化监控技术推广）的影响，2011 年前后公司推出全系列 CMOS 和 CCD 高 清网络摄像机，踏入视频监控高清化的技术浪潮。

2015 年至今：横向拓宽产品布局，纵向做深场景价值，定位从传统安防转向以视 频为核心的智慧物联厂商。安防行业第二次技术周期（智能化）来临，公司进行 战略调整，目标定位以视频为核心的智慧物联解决方案提供商和运营服务商。 2015 年起，大华成立消费者业务品牌“乐橙”，提供家庭和商铺用摄像机等安防 产品，拓展布局 C 端客户，并拓展新兴领域产品布局；2017 年提出“全智能、全 计算、全感知、全生态”AI 战略，智慧物联产品逐步走向成熟；2021 年 10 月， 提出 DahuaThink 战略，2023 年 3 月中国移动入股公司，战略合作前景广阔。 2015 年起雪亮工程伴随公司成长。“雪亮工程”是以县、乡、村三级综治中心为 指挥平台、以综治信息化为支撑、以网格化管理为基础、以公共安全视频监控联 网应用为重点的“群众性治安防控工程”。2015 年底，部分地区已经开始推动“雪 亮工程"，2016 年 10 月，全国社会治安综合治理创新工作会议提出了“雪亮工 程”，2018 年被写入中央一号文件，2019 年再度被写入中央一号文件，目标是到 2020 年实现公共安全视频监控建设联网应用"全域覆盖、全网共享、全时可用、 全程可控"，全面实现平安乡村建设。在“雪亮工程”对视频监控的大规模需求下， 公司实现了快速成长。

1.2 管理层经验丰富，中移动入股增强业务协同

股权结构集中，中移动成为第二大股东，为民企大华增添央企背景。截至 2023 年 8 月 25 日，董事长傅利泉先生持有 31.08%股权，仍为公司控股股东、实际控制 人；中国移动入股后成为公司第二大股东，持股比例 8.90%，为民企大华增添央 企背景；陈爱玲女士同傅利泉为一致行动人，持有公司 2.16%股权；公司管理层 （傅利泉、陈爱玲、朱江明、吴军）共同持股 40.20%，整体股权结构较为集中。

中国移动于 2023 年 3 月通过接受公司定向发行股票的方式成为公司第二大股东， 持股比例 8.90%。具体细则如下：1）发行价格及数量：17.40 元/股，数量为 2.93 亿股，实际募集资金净额 50.89 亿元，限售期 36 个月；2）认购方式：中国移动 以现金方式认购股票；3）募集资金用途：投入智慧物联解决方案研发及产业化项 目、杭州智能制造基地二期建设项目、西安研发中心建设项目、大华股份西南研 发中心新建项目及补充流动资金；4）验资情况：2023 年 3 月 24 日，国信证券 （保荐人）将募集资金净额划入大华股份专用账户。

董事长勤恳创业，研发团队实力强劲。公司核心人员在业内拥有 10 余年从业经 验，协作覆盖从视频采集、传输到存储、控制和分析及平台应用一体化布局，团 队实力强劲。董事长带领大华团队不懈努力、不断创新，公司取得了长足的发展， 从创业时的几个人发展到目前 2500 多人的规模，逐步成为中国最具技术水平和 规模实力的安防视频产品研发制造商之一。董事长傅利泉先生勤恳创业，至今已 获多项殊荣，为安防十大领军人物之一。高级副总裁、交付与服务中心总经理李 智杰先生曾任华为技术工程师、代表处交付与服务部长、国家交付代表地区部交 付副总裁。此外，公司研发团队负责人为刘明先生，06 年起便在公司入职，研发 经验丰富，公司研发人员占比达 50%，为公司产品迭代与矩阵拓新奠定良好基础。

1.3 战略调整+行业回暖，业绩重拾增长势头

公司营收及扣非归母净利的表现自上市以来可分为三个阶段： 1）2008-2018 业绩高速增长期:十年间受益于国内政策红利，“平安城市”、“智 慧城市”和“雪亮工程”等多项政府工程开展，公司视频监控领域业务呈现爆发 式增长，营收从 2018 年的 6.32 亿元增至 2018 年的 236.66 亿元，CAGR 高达 43.66%；同期扣非归母净利从 0.98 亿元增至 24.95 亿元，CAGR 为 38.22%。 2）2018-2020 时代红利消退，增长放缓期：自 2018 下半年起，宏观经济增速下 行，政府投资紧缩，叠加原先工程“平安城市”、“雪亮工程”等大型建设项目 的阶段性完工，加上疫情时代到来，安防行业面临热度消退，公司营收增速也在 2018 年进入拐点，呈明显放缓趋势，2020 年营收 264.66 亿元，CAGR 仅 5.8%； 2020 年扣非净利润为 27.35 亿元，CAGR 仅 4.7%。 3）2021 至今：战略调整期：2021 年 10 月，公司提出 DahuaThink 战略，聚焦城 市、企业两大业务战略，坚定 AIoT、物联智数平台两大技术战略，构建“五全” 能力基座，融合技术与应用，释放物联价值。2022 年实现营收 305.65 亿元，同 比下滑 6.91%，扣非归母净利为 15.81 亿元，同比下滑 49.07%，主要系政府抗疫 支出增长，弱化安防支出。2023 年呈复苏趋势，23H1 营收同比增长 3.88%至 146.34 亿元，扣非归母净利同比高增 39.75%至 17.55 亿元。我们认为，随着经济复苏带来安防景气度回暖，同时行业进入 AI 催化期，叠加中国移动入股落地带来协同 效应，公司有望进入新一轮发展阶段。

智慧物联产品及方案贡献主要营收，创新业务增速较快。2023 年上半年，按产品 分类，智慧物联产品及方案占比 83%，是公司营收的最主要来源；创新业务占比 15%，是营收增长最快的业务，创新业务的发展大幅拓宽了公司智慧物联的航道， 成为公司保持高速前进的重要推动力。按事业群分类来看，公司境内业务占比 53%， 其中 TO B 业务占比 26%，增速较快系客户对数字化升级改造的意愿较为强烈；TO G 端业务相对平稳，营收占比 14%。

毛利率与净利率稳中有升。公司毛利率及净利率的表现较为稳定，体现出公司较 强的韧性及对费用的管控能力。2023年上半年，公司毛利率和净利率分别为42.8% 和 13.9%，同比增长 4.9pcts 及 6.5pcts，主要系降低了低毛利工程、硬盘类业 务占比，同时受益于供应链降本工作取得良好进展。我们认为，随着高毛利的海 外业务收入占比提升以及创新业务规模扩大带来规模效应，推动毛利率提高，公 司利润率有望稳步增长。

三费管控下维持平稳，研发投入逐年攀升。三费方面，公司销售和管理费用率一 直较为稳定。此外，受汇率波动影响，汇兑收益增加导致 2022 年及 23H1 的财务 费用率转为负值。研发费用方面，公司注重研发投入，持续加强对人工智能、云 计算和大数据、5G 等核心技术的投入和软件能力的建设，2022 年和 23H1，公司 研发投入分别为 38.83 亿元和 18.15 亿元，研发费用率分别为 12.70%及 12.40%。 我们认为，大华较高的研发投入能保证公司产品创新与迭代能力，是公司收入持 续增长的重要基础。

2 多模态行业大模型赋能 N 场景应用，中移动入股发挥协同效应

2.1 AI 赋能安防从看得清到看得懂，从传统安防到智慧物联

AI 赋能安防从“看得清”到“看得懂”，传统安防逐步转变为智能物联。安防视 频监控分为“看得见”、“看得清”、“看得懂”三个阶段。以中国为例，在第 一阶段“看得见”中，主要的驱动力是以视频作为常见事件的证据形式，作为安 检侦破的重要线索，目前全国已经基本实现了主要城市街区的无死角监控；在第 二阶段“看得清”中，主要的驱动力为十三五规划、十九大报告、公安部雪亮工 程以及《超高清视频产业发展行动计划》等，高清实时编码 SoC 芯片成为市场主 流助力高清需求实现；在第三阶段“看得懂”中，AI 的发展使得安防系统从被动 的记录和查看转化为“事前有预警、事中有处置、事后有分析”，车牌识别发展 为车辆数据结构化分析、人脸检测发展到人脸比对、目标全结构化分析、行为处 事检测分析等新技术逐步落地，强大算力运行 AI 算法，运用海量数据，使得行 业边界逐渐模糊，需求也从安全转变为降本增效，传统安防逐步扩大范围，转向 智慧物联大行业。

2.2 微调后的多模态行业大模型+边侧小模型助力智慧安防发展

目前主流的分散的 AI 小模型存在泛用性弱，多次开发成本高的问题，智慧物联 时代需要大模型来助力行业发展。目前泛安防领域的人工智能主要是基于小模型 的专业算法（如车牌检测、人脸识别、行为分析等），可靠性和准确性很高，但 是缺乏泛用性，在场景发生变化时无法复用，需要多次开发，重新设计算法，宇视研究院院长谢会斌表示小模型 AI 算法对碎片化的需求的满足程度不足 10%， 基于大模型大概率能到 50%。 根据《2018 年安防 AI 人工智能工程化白皮书》，以建设 1000 路规模的高清安防 监控系统和 1000 路高清 AI 人脸识别系统为例，“安防+AI”的建设成本相比“传 统”安防高 73%，主要系前端成本高了 225%（AI 算法多布局在此），且多出了基 础管理平台、对外接口服务、视图分析部分及大数据研判部分的成本。总结看来 分散的小模型的专用算法的技术、时间、经济成本均较高，对碎片化满足程度低。 我们认为，传统安防已经发展为以视频为核心的智慧互联，下游应用呈指数式增 长，基于小模型的专用算法无法满足需求，需要大模型的泛化能力助力行业发展。

通用大模型 V.S.微调后的行业大模型？根据中国信通院、腾讯云和腾讯标准发 布的《行业大模型标准体系及能力架构研究报告》，通用大模型在多任务与领域 上可表现出较好性能，但无法精准解决行业的特定需求与问题。通用大模型如果 想在特定行业中发挥 SOTA 模型效果，其参数数量会比同样效果的行业大模型多 数十倍、甚至百倍，根据 OpenCSG，在特定的垂直应用中，通用大模型千亿甚至 万亿参数达到的效果，垂直大模型百亿参数也可以达到，成本相对较低，相比 ChatGPT 的 10 亿人民币以上的硬件投入（仅训练），彭博金融大模型硬件端投入 仅约 1200 万元（仅训练）。以工业领域为例，该场景需求中精准测量、缺陷检测 等功能可以通过结合视觉能力、各类型装备实现，在大模型基础上用更小样本的 训练,可实现更加快速和准确的识别，且成本和效果平衡，有助于商业化落地。 以近期北大的 ChatLaw 为例，该团队构建了口语化咨询诉求到法律专业词汇抽取 模型，在检索端结合关键词+向量检索技术，依靠 13B 的模型在 2000 条司法问答 数据中，Elo 评分机制下得分超越 gpt4。其表现优于 gpt4 的一大原因是构建了 类似于国家司法考试的多项选择题来训练本文的模型，这也表明了基于对细分行 业的场景需求，选择细分行业的数据进行训练即可使得其表现优于通用的大模型。

单模态 V.S.多模态？在智慧物联的时代，数据呈现着多模态及复杂关联的特性， 如文本、图像、声音等，根据机器学习杂货铺 3 号店公众号，视频动作识别技术 在泛安防有着广泛的使用场景，由于摄像头需要部署在各个地点，摄像机姿态各 有不同，需要多视角挖掘共同表征，因此泛安防对于多视角视频识别与分析有更 急切的需求，而视频理解存在数据集缺少，视频语义复杂多变，视频多模态语义 融合，非线性流的视频理解等多种问题。在多模态模型下，对于标注的精准性要 求更低，可以使用弱标注的图片描述数据，语义更为通用，且可以改善长尾问题， 输入多模态数据可提高模型精度，对语义相近的场景更加友好，减少误判，因此 我们认为，多模态模型将更适合智慧物联。

（1）多模态可缓解长尾的标签标注压力。以 YouTube 视频数据为例，YouTube8M 数据集具有 6.1M 的视频量，共 3862 个标签，平均每个视频有 3 个标签，呈现明 显的长尾分布。Instructional 数据集在 WikiHow 中挑选了 23,611 个 howto 任 务，为检索词 query 在 YouTube 上进行搜索，生成大规模的带噪声的文本-视频 样本用于多模态任务预训练，我们可以看到 112 个大类的 howto 视频也呈现长尾 分布，这类广泛存在的长尾现象使得事无巨细的样本标注不可行。文本-视觉之 间语义的桥梁分为语义对齐（Semanticalignment）和语义融合（Semanticfusion）， 通过语义对齐完成视觉元素映射（基础视觉语义），并通过基础视觉语义的融合 形成复杂视觉语义与抽象的视觉氛围，在多模态融合方法中，模型可以通过场景 描述文本““treesina'wintersnowstorm”学到“tree”的概念，还有可能学到 “snowstorm”，以此来缓解长尾问题导致的标签标注压力。

（2）多模态数据可提升模型精度。以田间作物产量预测为例，相关研究团队通 过融合基于无人机的多模态数据（融合基于无人机的 RGB、高光谱近红外（HNIR） 和热成像图像）进行田间作物产量预测，提出了 MultimodalNet 的新型模型，融 合效果精度高于任意单一模态。

微调后的多模态行业大模型+边侧小模型或将是未来几年最适合智慧物联的形式。 在上文中我们已经解决了“为什么智慧物联时代需要多模态的行业大模型”的问 题，但单纯依靠云端的多模态行业大模型会存在一些问题。大模型规模较大，难 以部署在边缘设备上，只能以云的形式提供服务，但云有较高的时延，一线生产 中的数据处理和控制等网络主要是内网，需要更加稳定的网络和及时的处理，将 这类需求送至云端并不合适，且由于本地数据量大，全部“上云”成本高企且存 在隐私风险。边侧算力不足无法运行大模型，但是可以通过知识蒸馏等方法，用 teacher 模型训练 student 模型，用教师模型的输出作为软标签来指导学生模型 的学习，且能较好保全原有模型的功能，实现云边协同，保证私域安全性以及更好的实时性。基于上文的分析，我们认为，微调后的多模态行业大模型+边侧小模 型或将是未来几年最适合以视频为核心的智慧物联行业的形式。

云边协同的例子：以联想的边缘云架构为例，其提供软件定义的经济高效、可靠 安全、云边协同、可远程远离的边缘计算基础设施，边侧可为客户提供垂直场景 的智能化转型方案，提供丰富的应用支持，可支持远程全栈智能运维，实现偏远 现场边缘无人值守等，边缘训练一体机可基于少量样本训练模型，实现领域自学 习和本地更新。

自动驾驶领域大模型“教”小模型实现效果提升的例子：百度利用文心大模型自 动驾驶感知的技术提升车载小模型的感知能力，基于蒸馏和伪标注方案，将大模 型的 Detectionhead 作为小模型的初始化，提升训练的效率和效果。在远视距 3D 感知中，绿色的框是现实真实场景，红色框是预测的，大模型帮助小模型有效提 升了感知、预测车辆的距离的实现效果。

回顾谷歌与 OpenAI 的 AI 之战，我们看到在谷歌 Gemini 与 OpenAI Gobi 酝酿发 布下，多模态模型之战已经点燃： Google DeepMind 成立加速 AI 发展。谷歌在 2023 年 4 月宣布将 Google Brain 和 DeepMind 合并为一个新的部门，名为 Google DeepMind，加速通用人工智能 的发展，并引领突破性的 AI 产品研究和进步，Google DeepMind 的团队汇集 AI 领域的两个领先研究团队，DeepMind 在 2022 年 5 月推出了“通才”AI 智能体 Gato，可以处理多种数据类型、完成多种任务、拥有多种形态，玩各种雅达利游 戏、为图片生成字幕、与人对话、用机械臂搭建积木，还能根据不同的情境选择 输出文本、关节力矩、按钮按压或其他 token，具有多模态模型的良好积累。

谷歌多模态、高效集成模型 Gemini 预计于 2023Q4 推出。谷歌联合创始人谢尔 盖·布林（Sergey Brin）重返工作岗位，亲自参与 Gemini 训练，全新 Gemini 模 型将结合进AlphaGo和大语言模型，实现系统解决问题和规划能力的大幅度增强。 谷歌表示后续 Gemini 经过微调后可以如 PaLM 2 在各种尺寸和功能中使用，未来 在企业服务、医疗用例方面还拥有巨大的潜力。劈柴表示 Gemini 和 Bard 融合的最终版本将成为“令人惊叹的通用个人助手”，充分结合文本和图像的优势。2023 年 9 月，谷歌已对一些外部公司开放多模态大模型 Gemini 的功能，预计 Gemini 将于 2023Q4 正式推出，TO B 销售助力谷歌云追赶微软云。

专有数据训练 Gemini，减少幻觉出现。根据 SemiAnalysis，Gemini 在新的 TPUv5 Pod 上进行训练，算力高达~1e26 FLOPS，是 GPT-4 算力的五倍，训练数据利用了 大量谷歌消费产品（搜索、Youtube93.6 亿分钟的视频字幕）的专有数据，总数 据集规模约为 GPT-4 的两倍，Gemini 把音频和视频集成到模型自身，形成多模态 能力，使得幻觉更少。

为应对谷歌 Gemini 强有力竞争，OpenAI 加急训练多模态大模型 Gobi。2023 年 3 月，OpenAI 发布的 GPT-4 已经融入了部分多模态功能，可支持图像输入，OpenAI 将其提供给了为盲人或低视力者开发技术的 Be My Eyes，目前准备在更大范围 内推出 GPT-Vision。2023 年 9 月 25 日，OpenAI 宣布推出两项新功能，扩展人们 与其最新、最先进的模型 GPT-4 交互的方式：能够询问有关图像的问题并使用语 音作为查询的输入，这标志着 GPT-4 转变为多模态模型 GPT-4V(ision)。据 The Information 报道，OpenAI 即将发布代号为 Gobi 的下一代多模态大语言模型，Gobi 设计之初即为多模态模型，我们看到多模态大模型已经成为目前主流的技术 发展趋势，随着谷歌 Gemini 与 OpenAI Gobi 酝酿发布下，多模态模型之战已经 点燃，我们认为未来将有更多的多模态大模型发布。

除谷歌与 OpenAI 外，Meta 发布 AnyMAL 助力多模态在元宇宙产品线以及其他消 费市场应用： AnyMAL 实现图像/视频/音频/IMU 运动传感器数据等多模态数据转换，创造新的 SOTA。Meta 推出经过训练的多模态编码器集合 AnyMAL（Any-Modality Augmented Language Model），可实现各种模态（包括图像、视频、音频和 IMU 运动传感器 数据）的数据转换至 LLM 的文本嵌入空间，数据集包含包含 2 亿张图像、220 万 段音频、50 万 IMU 时间序列、2800 万段视频等多种模态数据，利用图像、视频、 音频跨三种模式的多模态指令集对模型进行微调。AnyMAL 创造了新的 SOTA：在 VQAv2 上提高了 7.0%的相对准确率，在零误差 COCO 图像字幕上提高了 8.4%的 CIDEr，在 AudioCaps 上提高了 14.5% 的 CIDEr。从 AnyMAL 的输出示例来看， 除了简单的 QA 外，还能很好的解决灵感与建议、创新写作、图像字幕、隔行扫描 形式、音频信号推理、运动传感器推理等多种不受拘束的任务。

图像标题生成表现、多模态推理任务人工评估胜率优于基线。我们看到 AnyMAL13B 和 AnyMAL-70B 性能差距较小，底层 LLM 能力对图像标题生成任务影响较小， 两个变体在 COCO 和标有「详细描述」任务（MM-IT-Cap）的 MM-IT 数据集上表现 均明显优于基线。在多模态推理任务的人工评估中，AnyMAL 性能强劲，与人工标 注的实际样本的差距较小，完整指令集微调的模型表现出最高的优先胜率。

VQAv2 提高 7.0%的相对准确率，音频字幕生成能力优秀。我们看到 AnyMA 在 6 个 不同的 VQA 数据集(H-Meme:hate Meme, S-QA: Science QA)上基于 Zeroshot image 的 QA 结果，与基线视觉语言模型相比，AnyMAL 展示了具有竞争力的多模 态推理能力，VQAv2 提高 7.0%的相对准确率，在视频 QA 中的 STAR 中 AnyMA 表现 也较为优秀。从 AnyMAL 的音频字幕生成能力来看，AnyMAL 的表现明显优于 CIDEr +10.9pp，SPICE +5.8pp，支持多音道音频字幕生成能力，如婴儿哭泣和女性说话 同时进行。

Meta 发布 AnyMAL，研究成果有望整合入元宇宙产品线。AnyMAL 于 2023 年 9 月 28 日发布，而 Meta Quest 3 于同日发布，两者在时间上相近，且 Meta Quest 3 可收集多模态数据，将真实世界和虚拟世界无缝融合，实现 Meta Reality 体验， 我们认为 AnyMAL 相关研究成果有望为 Meta 的元宇宙产品线提供支持并应用到消 费者市场。

2.3 为什么有望实现大模型商业化最佳效果的将是行业的传统龙头？

行业大模型的训练需要长久的数据及行业 know-how 的积累。以彭博金融大模型 为例，该模型参数为 500 亿，为了训练该模型，彭博准备了 7000 亿 token 的数 据（实际使用 5690 亿 token），其中 48.73%的数据来自公共数据，（网页爬虫等 混合数据），51.27%的数据为彭博自有的金融数据，这些数据源于彭博社 40 多 年的积累;以 ZMO.AI 为例，其训练数据来自 ZMO 自有的 6000 万高清营销照片数 据集，公司用多年在营销领域的 know-how 和专业场景数据才使得该垂类模型表 现真实、可控。如果要从外获得高质量的数据则成本十分高昂且难以获得，还可 能存在不可预测的情况，均会影响算法的准确性和鲁棒性。因此高质量的垂直行 业数据、基于专业知识的微调以及对齐能力对于行业大模型的构建非常重要。

行业大模型的训练与运行需要较高的成本，体量较小、缺少商业落地场景或是商 业落地场景较少的公司难以稳定盈利，较难维持大模型的持续投入。根据 BaihaiIDP 公众号，LLaMA 使用了 1.4 万亿个 token 的训练数据集，总大小为 4.6TB，训练最大的65B模型需要使用2048块NVIDIAA100训练21天,GoogleCloud 对于此 GPU 的提供费用为 3.93 美元/小时，LLaMA 模型训练一次即需要 460 万美 元，成本十分高昂。SemiAnalysis 指出 OpenAI 每天运行 ChatGPT 的成本可能高 达 70 万美元。我们认为，虽然行业大模型的成本相较于通用大模型低很多，但 也不是缺少商业化落地场景、收入体量较小、难以稳定盈利的公司能长久承受的。

中国智能安防企业分为三种类型：1）传统型：海康威视、大华股份；2）算法型 人工智能厂商：商汤科技、旷视科技、云从科技、依图科技；3）平台型互联网龙 头：华为、百度等。传统的安防龙头重视边缘计算，优势在于渠道积累、海量数 据与全套产品解决方案，具备广泛的商业化落地场景；AI 算法提供商主要是布局 云端算法，通过芯片主攻 IPC 以布局中心控制系统，主要优势在于分析；平台型 企业具有较深的行业渠道，能吸引合作伙伴打造更大的泛安防生态圈。我们认为， 中国传统安防大厂可以基于规模优势、丰富的商业化落地场景、长久的行业高质 量数据积累以及行业 know-how 实现大模型最佳的商业化效果。

中国传统安防大厂 V.S.算法型人工智能厂商？1）在成本和商业落地端：大模型 训练和运行均需要高昂的成本，商汤作为算法型人工智能厂商中收入体量最高的 企业，其 2022 年的收入仅大华的 12%，海康的 4%，一直承受着亏损的压力，且 其并不只是专注于安防行业，SenseCore 商汤大装置 AI 云、SenseAutoV2X 商汤 绝影车路协同、SenseMAP 商汤多体智能平台、SenseCare“智慧诊疗”平台等也 是持续烧钱的业务，精力的分散也使得其难以在泛安防利用大模型实现稳定盈利， AI 需要与真实的商业落地场景结合才能发挥其最大的效用，而传统安防大厂数十 年的产业积累使得其具备丰富的商业落地场景；2）在高质量数据和行业 knowhow 端：传统安防大厂数十年应用端的数据与经验积累也是人工智能独角兽难以相比的。因此在成本、商业落地、数据积累、行业 know-how 积累等四个方面，中 国传统安防大厂均优于人工智能厂商，因此我们认为，中国传统安防大厂更好的 实现行业大模型的商业化效果。

中国传统安防大厂 V.S.平台型互联网龙头？华为等互联网龙头具有较深的全行 业渠道优势，生态伙伴众多，商业化落地场景并不是大问题，华为盘古大模型 3.0 能赋能千行百业，在 L1 场景大模型中，已能涵盖政务、金融、制造、药物分子、 矿山、铁路、气象等行业，平台型互联网龙头的主要优势在于基于大模型构建泛 安防伙伴圈，但其弱势在于细分行业的积累时间短于传统的安防大厂（华为在 2012 年开始正式进军安防领域，海康、大华均为 2001 年），在安防业务上的体 量也相对小一些（海康、大华分别为全球安防的第一、第二）。因此我们认为， 中国传统安防大厂能更好的实现行业大模型的商业化效果。

2.4 公司行业大模型即将孵化，巨灵 AI 开放平台发挥杠杆效应

大模型应用的效果与数据、模型、算法均息息相关，大华优质算法与深厚数据助 力大模型落地。大模型通过强算法，如 Transformer+RLHF+prompt 等，大的模型 参数量以及强大的硬件算力，实现技术涌现。定义数据集为 D，模型决定了假设 空间 H，算法即如何在指定的假设空间 H 中去搜索最佳假设以拟合 D。以下图为 例，在数据量充分的时候，最小化 hI 得到的 R(hI)就可以提供对 R(h*）的一个 良好近似，在数据量少的时候经验风险项和期望风险项可能会有较大的距离；模 型决定了 H 整体和最优 h 冒的距离，算法决定了如何搜寻 h*，因此三者密不可 分。我们认为，大华在算法端和数据端均具有较深厚的积累，优质算法和数据也 可以更好的训练模型，使得整体大模型呈现效果更佳，目前公司大模型即将孵化， 有望迎来 AI 估值切换。

千种算法实战经验，巨灵 AI 开放平台发挥杠杆效应。（1）丰富算法实践：大华 过去几年累计发布了 1200 多种行业领先算法、230 余个行业算法方案，覆盖 100 多个细分行业，依托算法仓实现算子算法分离，构筑云边端的算法、算力和数据 协同；（2）高效行业软件平台：公司搭建行业软件平台，构建“G、B、F、M”（G 共性基础层、B 领域基础层、F 领域特性层、M 融合业务层）四层完整组件化体系， 多组件拼装实现客户定制化需求；（3）开放算法生态：公司自研巨灵 AI 开放平 台，包含算法研发工程体系、弹性分布式训练框架、模型优化和部署框架，面向 开发者，高效支持海量碎片化场景化需求，该平台可赋能 AI 开发能力较弱的公 司，提供 300 个多个典型场景商用算法方案，支持客户使用自有数据，训练场景 定制的私有算法，JinnStudio 已在云睿公有云和企业私有化解决方案中落地，实 现公司碎片市场的高质量有效触达和持续扩容。

建立大数据研究院，深度挖掘数据价值。大华股份设立大数据研究院，是大华的 五大研究院之一，是浙江省首批大数据省重点企业研究院，深耕视频物联，进行 数据采集、存储、分析、查询、管理端到端的创新优化，打造懂行业的数据库， 该数据库 23 年已通过中国信通院的“可信数据库”评测认证，获得行业与用户 的广泛认可。以浙江某交管项目为例，公司利用云计算与大数据能力构建交管业 务管理模型，打造智能、融合、协同、高效、立体、可视的智慧交通管理体系。 我们认为，公司以数据为基础、以业务为牵引，以物联数据驱动业务创新，在千 行百业的沉淀与 20 余年的积累下，具备扎实的数据价值挖掘能力、丰富的行业高质量数据以及行业 know-how，数据积累+优质算法推动大模型落地，大模型落 地也将反过来赋能数据积累与算法优化，实现良性循环。

从实际应用来看，公司行业大模型已在电力、城市治理两个行业跑通，预计年底 至明年初实现商用，通用识别率大幅提升。1）以电力为例：公司表示行业大模型 已经大幅提升了准确率和泛化能力，在电力行业可实现所有表计识别，通用识别 率从 85%-87%提升至目前的 97%；2）以城市治理为例：目前可以通过描述的方式 解析、识别视频内容，通过目标+属性的描述识别垃圾桶是否满盖、路面摊位侵 占、井盖破损情况等，并且能实现原本 CNN 难以实现的功能，如机动车道树木倒 伏、消防柜设施破损情况、绿化带护目设施破损缺失等；3）整体上来看，公司大 模型还具有零样本学习能力，输入图片即可实现目标定位，如测输电站和输电线 上的垃圾袋、气球、鸟巢等。公司行业大模型将在各个应用中持续做深做宽。

2.5 中移动 TO G/B/C 深度赋能大华，有望迎来协同发展

从技术/研发角度看，中移动在 AI 三要素：算法、算力、数据均有强大的优势。 1）算力：公司除了通用算力外，也部署了很多智算，目前公司累计投产算力服务 器超 80.4 万台，算力规模达到 9.4EFLOPS。除此之外，公司正规划建设亚洲最大 的智算中心；2）算法：公司现在有一支专门做模型算法的团队，人数达 1500 余 人，已经积淀了 370 多项 AI 能力，去年赋能价值达 39 亿元；3）数据：公司拥 有海量数据，23 年 8 月 30 日发布 7 个网络智能化高质量开放数据集，助力我国 网络+AI 技术融合创新发展；除此之外，中移动梧桐大数据平台规模超 6 万个节 点，日采集数据量超过 5.5PB，日处理数据量数十 PB，价值数据规模超 650PB。 中移动利用算力、应用算法，海量数据进行深度加工处理，已拥有对 AI 进一步 发展的能力。

中移动在 TO G、B 端项目具有丰富的中标经验，市占率第一。分渠道角度看，中 移动具备央企背景，在政企项目中中标占比最高，2022 年中标占比 44%，中标金 额 653 亿元，其中超过 5000 万的超级大单项目 147 单，而电信/联通/广电分别 仅为 101 单/69 单/32 单，中移动项目质量较为优质。2022 年金额最大单「黑龙 江省政务大数据中心黑龙江省数字政府建设项目（第一批）总集成采购计划」由 中移动拿下，价值 8.48 亿元，主要内容为智慧政务与大数据。23H1 中移动政企 收入达 1044 亿元，政企客户达 2430 万家，TO G 市场中超 300 万人民币的大单超 1000 个。中移动在 B/G 项目中具备丰富的中标经验，市占率领先，不断强化“网 +云+DICT”一体化拓展，充分发挥云网资源禀赋优势，我们认为中移动有望发挥 运营商在链路、算力、服务能力上的优势，为民企背景的大华赋能，而大华可发 挥在产品、解决方案上的优势，双方形成互补。

中移动客群庞大、渠道网络优质，有望与大华在中小企业业务与乐橙智慧家居业 务中形成协同效应。（1）家庭市场：中移动积极推进千兆驱动宽带领先、内容驱 动大屏领先、平台驱动 IoT 领先、生态驱动 HDICT 领先“四领先”工程，2023H1 家庭宽带用户达到 2.55 亿，千兆家庭宽带客户达 6036 万，渗透率达 23.7%，移 动高清客户达 2.01 亿，总收入 649 亿元，家庭客户综合 AQPU 达 43.3 元；（2） 个人市场：移动深化“连接+应用+权益”融合运营，个人市场 23H1 收入达 2594 亿元，触达客户 9.85 亿，其中 5G 客户 7.22 亿，权益融合客户 3.26 亿，移动云 盘客户 1.76 亿，5G 高清通话客户 1.01 亿，ARPU 达 52.4 元。移动的下沉渠道和 广泛客群配合大华前端产品侧的积累，在家庭和中小企业端双方协同打造支持全 彩高清双向对讲、结构化多算力等 AI 前端设备，在看家护院、平安乡村等业务 场景广泛应用，目前在广东、浙江、四川、广西、贵州、陕西、辽宁、湖南等多 个省份已实现规模化，服务客群超 500 万。

中移动 TO G/B/C 深度赋能大华，有望迎来协同发展。大华拥有 500 多个解决方 案,覆盖 8000 多个应用场景、3 万多种产品，在行业中有丰富的实践、数据积累， 视觉技术领先，当下行业大模型也即将跑通，未来对于碎片化场景的解决能力会 更强，而中移动具备算力和大数据优势，且为央企背景，其在雪亮工程等政企业 务中的中标金额市占率第一，政企客户数不断提升，渠道优质，覆盖面广。我们 认为中移动与大华优势互补，有望形成协同效应。

3 业务分析：智慧物联解决方案平台化，助力稳健增长

从传统安防龙头到平台型智慧物联方案提供商，从供给导向→需求导向转变。公 司产品矩阵丰富，软硬件全布局：硬件层面，公司产品以“全感知、全智能、全 连接、全计算、全生态”为基座，布局终端设备（前端摄像机）、边缘处理（边 缘智能计算产品，如“睿思”系列 IVSS 等，以及网络传输和安全产品等）、云中 心（服务器）等；在软件层面，公司具备“一体系、两平台”，即“物联数智中 台体系”+“城市平台、企业平台”，并通过大华万象平台赋能合作伙伴。公司的 平台化布局并非是单纯软硬件产品层面的平台化布局，公司的平台化是产品+解 决方案的双重平台化，成功解决下游行业碎片化的痛点，摆脱对工程商的依赖， 提高产业链话语权，大华让下游碎片化从一个痛点变成公司的壁垒，从 TO G、TO B、TO SMB 以及 TO C（创新业务中的乐橙）角度，以需求为导向，提供不同的解 决方案，公司已完成从传统安防龙头到平台型智慧物联方案提供商的转变。

3.1 TO G 业务:乘行业回暖春风，四大类应用助力城市智能化

3.1.1 行业：疫情弱化+政策推动智慧化助力 TO G 端回暖

疫情影响弱化下 TO G 客户安防投资有望回暖。根据《2021-2022 年度中国安防行 业调查报告》，2021 年政府类安防项目招标数量为 2613 个（yoy+27%），招标项 目金额合计 748.9 亿元（yoy+14%）,中标数量为 2650 个，（yoy+19%），中标项 目金额合计 743.9 亿元（yoy-4%），在过亿的项目中，智慧城市相关项目（智慧 城市、数字政府、城市大脑）中标金额 17.1 亿元，占比最大，为 29.9%，TO G 端 安防市场整体平稳发展。22 年政府重心虽然在防疫，但中标金额增加，根据研观 天下，2022 年 1-11 月累计招标项目数 1912 个（yoy-17%），累计招标项目金额为 727.9 亿元（yoy+11%）；累计中标项目数 1923 个（yoy-18%）；累计中标项目 金额为 684.5 亿元（yoy+7%），2023 年之后随着疫情弱化，政府重心从抗疫转移， 对安防投资的力度有望增加。

平安城市、雪亮工程后新型智慧城市稳步推进，数字经济政策催化新型智能城市、 交通等项目进一步发展。21 年国务院发布《“十四五”数字经济发展规划》，“十 四五”时期，我国数字经济转向深化应用、规范发展、普惠共享的新阶段，22 年 《“十四五”现代综合交通运输体系发展规划》提出要提升交通运输数字化智能 化发展水平，破除制约交通运输高质量发展的体制机制障碍；23 年国务院发布 《数字中国建设整体布局规划》，《规划》提出，到 2025 年，基本形成横向打 通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展，将数 字中国建设工作情况作为对有关党政领导干部考核评价的参考，等等一系列的政 策推动新型智能城市、交通等项目发展。

3.1.2 公司：四大类应用解决方案横纵发展，助力多元场景价值实现

依托 AIoT 与物联数智平台，助力城市平台 2.0 与 N 业务落地，实现社会安全、 城市有序、治理提效、绿色惠民。横向拓展应用领域，纵向做深各场景价值，从 智慧城市、智慧交管、智慧交通、社会治理、公共与民生、智慧应急、城市停车 7 个大场景出发，不断拓展各个场景的细分应用，提供完善的政府级解决方案。

（1）社会安全：公司从公共安全、交通安全、生活安全、生产安全四个方面提供 全方位的解决方案。

（2）城市有序：公司以数字化技术赋能城市交通秩序治理、轨道车站运营管理、 铁路牵引变电所智慧值守等场景。

（3）治理提效：公司针对城市运行“一网统管”、城市精细化治理、基层治理、 社区治理等应用场景，提供了一系列的解决方案。其中，城市精细化治理解决方 案主要涵盖街面管理、城市环卫、综合治理等领域，通过智能监测预警，有效地 解决了城市内涝、垃圾分类、街面违停、出店经营、渣土车抛洒滴漏、私搭乱建、 井盖丢失等治理难题。

（4）绿色惠民：公司绿色惠民方案聚焦自然生态和行政服务，为生态保护、耕地 红线守护、水利数字孪生、智慧养老、食品监管等提供了解决方案。

公司 TO G 业务稳步发展，23 年逐渐进入复苏通道。2019-2021 年公司 TO G 业务 较为稳定，营收分别为 59.3/56.7/58.5 亿元，2022 年 TO G 业务受到政府开支向 抗疫转移，安防项目落地推迟等的影响,且传统的公安、交警行业线受影响更大, 下滑较为严重，营收仅 43.3 亿元（yoy-26.1%），2023H1 公司 TO G 业务已经逐 渐恢复，营收为 20.8 亿元（yoy+2.5%）,公司在面临阶段性的财政困难时，依靠 其深厚的方案经验和敏锐的商机感知能力，抓住结构性的机会，与政府业务的重 点调整保持同步，优化资源配置，在公共民生、大交通等领域实现了良好的增长， 未来随着政府财政弱化抗疫，支出向公共安全转移，在公共民生、大交通、水利 等的数字化转型需求下，公司 TO G 业务有望进入复苏通道。

3.2 TO B 业务：企业数字化转型进行中，1+5+2+N 解决方案直击碎片化需求

3.2.1 行业：提效降本需求下，企业数字化投资意愿提升

企业数字化投资意愿提升，8 成企业关注数字化的直接财务回报。根据埃森哲 《2022 企业数字化转型指数》，有 59%的企业高管表示未来 1-2 年会增加数字化 投入，其中，增加 15%以上投资的人数为 33%，相比 21 年提升 9pcts，企业数字 化转型意愿提升，其中，8 成企业关注数字化项目的直接财务回报，这也给数字 化系统的适用性、易用性和功效性提出了挑战，而适用于每个行业、甚至每个企 业的方案差距均较大，因此，企业客户的下游碎片化程度也高于政府客户，完整 的解决方案将使得每个细分数字化系统更加统一，数据复用性提高，从而提高效 率、降低成本，带来财务回报。 以浙江杭州德意智家股份有限公司和宁波雅戈尔集团为例，德意智家生产管理部 经理表示“一期工厂实现年产量 200 万台，产能为之前的 4 倍，人力却减少了约 2/3，原本需要二三十人的涂装车间和包装车间，现在减少到 4 人”；雅戈尔表示 “2021 年，这里共生产 17.8 万套西服，相比智能改造之前产能提高 30%，一件 成品的反应速度由 15 天缩减至 7 天；批量订单的生产周期由 45 天缩减至 32 天； 高级定制的生产周期由 15 天缩减至 5 天”，我们不难发现，数智化改造能够带 来生产效率提高、人工成本的节约，实现直接的财务回报。

不同行业的企业数字化发展进程不同，呈现数字化渐次落地的特点，数实融合领 域正快速扩展。根据腾讯研究院的《数字化转型指数报告 2023》，数字化转型指 数由基础设施层、平台层、应用层三个层次的指数加权平均得到，不同行业的数 字化发展进程不同，金融、行业工具、电商数字化指数规模最大，其中金融行业 在指数规模第一的情况下依旧保持了 30%左右的高速增长，制造业规模第五，增 速接近 40%，位列第二，显示了数实融合正快速发展，且其尚有较大的增长空间， 企业数字化意愿提升+渗透空间仍足，能满足企业端碎片化需求的解决方案提供 商有望迎来持续发展。

3.2.2 公司：1+5+2+N 解决方案直击企业碎片化需求

企业的特异性需求相较政府端更加明显，公司具备 1+5+2+N 的解决方案框架，即 1 套统一框架服务数智化转型业务、5 大能力中台构建内在引擎、2 大平台支持 企业 N 类应用，其中物联中台可解决连接设备种类多+集团化联网规模问题，数 据中台可解决数据规模大、种类多+业务认知数据问题，智能中台可通过 AI 解决 通用场景和个性化场景的智能化落地问题，交互中台可解决数字化转型价值具象 化问题，开放中台主要解决生态构建问题；两大平台即本地化部署的“浩睿”平 台和云端部署的“云睿”平台，在存量业务的基础上挖掘可复制、可推广的数智 化业务场景，围绕优化安全体系、提高生产效率、辅助经营管理等客户价值实现，在工厂、医院、学校、园区、化工等 3000 多个行业场景中，形成可落地、可量 化、可计算的平台化多元可复制的解决方案。

（1）优化安全体系：公司在优化安全体系应用下主要围绕人员安全、设备设施 安全、生产环境安全、公共秩序安全四大类场景。

（2）提高生产效率：公司从园区数字化运营管理、工厂数字化升级等多场景助 力企业数智化升级。

（3）辅助经营管理：公司主要围绕园区数据可视化、大楼能源高效利用、景区运 营管理、连锁店客流统计等场景。

受益于企业客户数字化改造意愿提升+解决方案丰富多样，公司 TO B 业务表现优 于 TO G 业务。2019-2021 年公司 TO B 业务快速增长，营收分别为 54.7/67.6/86.2 亿元,CAGR 达 25.6%，2022 年 TO B 业务受到疫情影响，企业客户资本开支放缓， 略下滑至 82.7 亿元（yoy-4.1%），2023H1 公司 TO B 业务已经逐渐恢复，营收为 38.6 亿元（yoy+9.0%）,各业务线增长良好，工商企业、能源板块增速领先，我 们认为受益于客户对数字化升级改造的意愿持续提升，加之公司解决方案赋能百 业，结构分散，且大企业经营稳定性较强，具备较好的抗周期性，公司 TO B 业 务有望持续稳健增长。

3.3 TO SMB 业务：赋能合作伙伴，分销打通中小企业市场

3.3.1 行业：中小企业数字化转型有望迎来持续布局期

中小企业数字化转型程度低，数字化转型有必要且有空间。中小企业是数量最大、 最具活力的企业群体，是我国实体经济的重要基础，贡献了 50%以上的税收、60% 以上的 GDP、70%以上的技术创新、80%以上的城镇就业、90%以上的企业数量，但 其抗风险能力较弱，需要通过数字化转型提高经营效率、降本增效与完善防范机 制。中小企业目前数字化投入不足，根据埃森哲中国，其他企业在对产品和服务 进行数字化升级方面和领军企业有 8 倍差距，根据四维赋能对江苏、山东、浙江、 广东等地区 2608 家中小企业（共 18 个行业、每个行业超 50 家）的调查，89%的 中小企业仍处数字化转型探索阶段，8%的中小企业处于践行阶段，仅 3%的中小企 业处于数字化转型的深度应用阶段。我们认为目前中小企业数字化程度仍然很低， 具有较大提升空间（数字化转型有空间），且其转型对增加抗风险能力等有较大 意义（数字化转型有必要）。

政府政策推动+中小企业发展指数回升，中小企业数字化转型有望迎来持续布局 期。从政策角度来看，中共中央、国务院、发改委等部门发布一些列文件推动中 小企业数字化转型，如《提升中小企业竞争力若干措施的通知》表示要打造 100 个可复制场景、《关于开展财政支持中小企业数字化转型试点工作的通知》表示 要先打造 4000~6000 家“小灯塔”企业作为数字化转型样本等；从中小企业整体 发展情况来看，随着扩内需、减税费、促民企、活资本等一系列经济稳增长政策 出台实施，23 年 8 月中小企业发展指数为 89.4，连续三个月回升，高于 22 年同 期，与 21 年同期持平，工业和部分服务业恢复明显，中小企业发展信心提振，逐 渐进入复苏通道，我们认为中小企业在行业景气度回升下投入提升，加之政策推 动，中小企业数字化转型有望迎来持续布局期。

3.3.2 公司：基础方案标准化+综合方案多样化，赋能合作伙伴实现渠道下沉

公司广布渠道突破下沉市场，把握经济复苏的前哨兵，拥抱广大中小企业，立足 需求差异更大的碎片化市场，以“云商与合作伙伴数字化营销服务平台体系”， 赋能千行百业。在应用场景和方案上，根据我们对大华云商平台的观察，公司主 要布局智慧建筑、公共民生、农业养殖、综合通用、文教卫、工商企业、智慧能 源、社会治理、智慧交通、智慧·交管、钢铁有色矿业 11 个大场景，官网共 92 个示范方案，覆盖 5000 余个场景，平台包括近万个接入层设备，可接入视频、门 禁控制系统、可视对讲系统、公共广播系统，消防系统、传输系统、停车管理、 显示系统、充电桩系统等各大类产品。在渠道构建上，公司整合交付中心和运营 中心资源，不断构建渠道生态，输出标准化的项目，赋能合作伙伴，把握中国经济毛细血管，横向拓宽管道覆盖面，纵向做深管道覆盖深度，助力中小企业数智 化转型升级。

公司 SMB 解决方案多样，且可通过基础解决方案的叠加形成综合解决方案，具有 跨行业的复用性。以中小商超综合管理解决方案为例，该方案通过对基础视频监 控、智能人员检测识别、声光警戒、声磁防盗防损、广告信息发布、安消融合、 考勤管理、客流统计等解决方案集成，解决防盗防损难、营销转化难、服务过程 监督难等问题，同时其可应用于商超的出入口、收银台、服务台、仓库、办公室 等场景；以中小工厂综合管理解决方案为例，该方案同样也集成了基础视频监控、 出入口人车通行管理、智能人脸检测识别、声光警戒、考勤门禁管理等多种基础 解决方案，对公司各地点全面覆盖，并通过 H1 一体机对视频、门禁、停车场、周 界智能报警接入等管理。我们认为公司通过较为标准化的基础解决方案叠加形成 SMB 综合解决方案，并可形成丰富多样的衍生方案，部分具备跨行业的复用性， 加之生态伙伴群不断扩大，分销可有效解决中小企业更加碎片化的应用场景。随 着政策推动、中小企业信心恢复下数字化转型趋势不断加深+公司解决方案不断 增加，未来有望迎来各行业多点开花。

4 第二增长曲线：创新业务+海外市场增添新动能

4.1 创新业务：机器视觉+智能家居+热成像业务引领增长

围绕公司能力圈，7 大创新业务为公司增加活力与成长动力。目前公司通过 7 个 子公司开拓发展创新业务，布局工业视觉与仓储物流（华睿科技，21 年计划分拆 上市）、民用智慧物联网（华橙网络，TO C）、热成像（华感科技）、智能车载 （华锐捷）、智慧消防（华消科技）、智能安检（华视智检）、智慧存储（华忆 芯）。公司 7 大创新业务中发展较好的为机器视觉（从中国稳步走向日本、韩国、 南亚、欧洲和北美等区域）、智能家居（全球范围业务布局）与热成像，其余应 用主要在导入阶段。

4.2 海外业务：行业贝塔+三大优势赋能，纵深扩展高毛利海外市场

4.2.1 行业：全球增速高于中国，享受海外行业红利

全球视频监控市场达 252 亿美元，海外市场引领增长。根据 Omida，2022 年全球 视频监控市场规模达 252 亿美元（yoy-1.2%），除中国外的海外市场受益于 ASP 提升与出货量增长，市场规模同比提升 17.7%，主要系社会经济活动及商贸往来 恢复，疫情期间积压订单释放，需求强劲反弹。Omida 预计全球监控市场规模 2027 年将达 382 亿美元，2022-2027CAGR 为 8.6%，除中国外的海外市场增速将达 10%， 在政府投资以及大规模基础设施建设带动下，中东、非洲、拉丁美洲以及东南亚 地区将引领市场增长。

智慧城市发展从欧美等发达地区逐渐扩展到中东以及东南亚地区： （1）中东：根据 ALPHA 工场，中东智慧城市发展呈指数级增长，阿联酋马斯达尔 城市等几个智慧城市已经发展起来，沙特阿拉伯公布了“线”(TheLine)新智能城 市的计划，是耗资 10000 亿美元的特大城市 NEOM 开发项目的一部分；卡塔尔卢 塞尔（Lusail）出台数字战略以促进数字经济增长；

（2）东南亚：a）越南：2021 年 1 月 1 日起，越南实施了新的公私合作投资法 （PPP 法），这是越南首次将智慧城市作为国家法律规定的重点发展方向。胡志 明市从 2022 年开始加快数字化转型的步伐，力争在 2025 年前建成至少 2 个创新 技术中心、实现全国农村地区的宽带网络覆盖、提升数字经济在国内生产总值中 的占比至 20%。到 2030 年，越南将全面实现 5G 网络覆盖，为 2045 年成为亚洲智 慧制造、服务和创新创业的领导者之一奠定基础；b）泰国：2018 年，泰国成立 了国家智慧城市指导委员会，制定了国家智慧城市的发展蓝图。2019 年，泰国在 7 个省份中建设了 10 个智慧城市，目标是在 2032 年之前，让泰国成为东盟智慧 城市的发展中心，并培育出 3 个世界级的智慧城市。泰国还将进一步扩大智慧城 市的规模和质量，争取在 2036 年后，拥有世界排名前十的智慧城市。东南亚智 慧城市发展大，具备政府支持政策。

4.2.2 公司：产品矩阵拓新+供应链安全稳定+渠道分级铺开助力海外业务发展

行业β下三大优势赋能，收入提升+利润优化构筑第二增长曲线。公司产品及解 决方案覆盖海外 180 个国家及地区，公司致力于推动渠道精准下沉,提高项目业 务市场占比,同时不断扩展门禁会议、白板、显控、数通产品等新业务产品,助力 海外业务持续高质量发展，在收入端，公司 18-22 年海外收入 CAGR 达 14.5%，远 高于中国大陆的 1.2%，公司 23H1 海外市场营收为 68.62 亿元（yoy+6.5%），在 整体经济下行中保持了收入增长，海外多市场扩容提升公司收入水平。在利润端， 公司2023H1海外业务毛利率高达47.34%，相比中国大陆的38.87%高出8.47pcts， 海外业务收入占比不断提升，推动公司利润结构优化。海外市场收入提升+优化 利润，已成为公司的第二增长曲线。

优势 1#产品与解决方案：丰富产品矩阵满足多元化需求，因地制宜致力差异化。 在软件端，公司成立了独立的海外软件研发团队，进行了研发资源的专项加强； 在智慧消防领域，公司陆续发布多款海外认证产品，品牌力逐渐被海外客户认可； 在 TO C 端，华橙网络根据海外客户的使用和消费习惯，因地制宜致力场景差异 化，在美洲、亚洲拓展海外增值服务，截至 22 年报，乐橙云全球 AIoT 设备接入 数整体增长超 30%，全球用户注册数增长整体超 40%，其中海外用户增长超过 100%。 公司不断深化业务机会，加强解决方案与本地的市场的适配，逐步提高解决方案 占海外市场收入的占比，充分展现了公司因地制宜、直击差异化需求的战略优势。

优势 2#供应链与客户服务：海外本地化制造与仓储物流运作保证供应链安全与 稳定性，供应安全+稳定性+快速响应服务带来客户满意度与粘性。公司在产品开 发伊始就减少了有断供风险的物料，从源头上增加供应链的稳定性，并致力于供 应商多元化，除此之外，公司还加强了供应商管理体系，增强了海外本地原材料 采购的能力，三管齐下提升海外供应链安全性与稳定性；在物流仓储方面，公司 导入生产自动化设备及管理信息化系统、欧洲供应中心新建子 HUB、海外子仓导 入标准化仓储系统等，完善合规，提升效率水平。除供应链稳定与安全外，公司 也注重客户服务，在海外六大区驻点服务重大项目和重点客户，为海外客户提供 更加专业、可靠、易用的软件服务，更快响应海外客户软件需求。供应安全+稳定 性+快速响应服务带来客户满意度与粘性。

优势 3#渠道：销售网络全面铺开，把握中高端客户利基市场，渠道精准下沉增添 新动能。公司在海外已经建立了广泛的分销网路，面对海外中、高端的城市客户 与行业客户开展解决方案销售和服务，抓好重点市场与重点客户，在把握中高端 客户利基市场的情况下进行分销下沉，通过客户分级、精准投入与营销扩大客群， 增加可触达消费者数量，打破原有市场天花板。

编辑：火腿肠