行业迈向智能化，打开智能物联增长空间。
企业数字化转型逐步向千行百业渗透。根据华为《工业数字化2030》报告，行业数字化进程逐步由信息密集型企业向支柱性工业、消费与服务业扩散；其中，技术密集、固定资产投入高、大规模和高精度生产、流程标准化的行业如半导体、汽车等其盈利能力与数字化投入高度正相关，数字化起步最早、转型最为成熟；对于如轨道交通、3C 与家电、机械与设备等行业数字化带来产品开发与生产流程优化，成为跟随者已具备一定数字化基础。
随着行业智能化，智能化解决方案价值量持续提升。企业数字化从营销数字化、支撑系统数字化、生产系统数字化向价值量链数字化重构方向演进。以某新能源制造企业智能化解决方案为例，其业务需求由视频监控向安消一体业务再到智能制造发展，对应业务价值量由 18 年 110 万元+增加至21-22 年合计2500万元+。
数字化解决方案的潜在价值对应近 27 万亿美元。根据华为的数据，制造业、金融保险、零售、能源电力等产业的数字化潜在价值均在2 万亿美元以上；以作为支柱性工业的制造业为例，多为重资产企业，且流程复杂，需要在制造、运输、管理等多个环节进行数字化应用以实现降本增效，转型诉求强，数字化创造的潜在价值达 6 万亿美元。
行业智能化框架沿数据收集、传递、预处理、计算到应用反馈的路径展开：底层为感知层，通过各类传感器终端对光、电、声音等外界物理量进行多维度数据收集，以支持后续的信息处理；将收集的数据通过联接层的网络进行终端与数据中心以及中心之间或内部的传输，完成数据上传与分发；此外，需建立算力、海量数据存储与计算框架作为底座以支撑数据用于大模型与边缘域的高性能存算网协同；在此底座基础上，海量数据运输汇聚到平台层，通过数据治理、模型训练最终服务于应用的构建；通过 AI 大模型最终实现行业智能化解决方案落地。
行业智能化由行业大类领域、细分区域到生产经营单元展开。以大型集团企业为例，在总部之下围绕某个子领域成立一系列的区域性组织（企业），最终具体业务将落到执行单位进行生产与经营；相应地，构建企业智能化可分为总部到单元的三个层级，生产与经营部分包含了终端感知；依此架构，数据量逐层多样化。
高质量数据为行业智能化的核心要素，决定了行业大模型的训练与推理质量。行业应用场景碎片化且企业的非通用数据难以获取是过去部分制约行业智能化的原因；而大模型的训练与推理都需要高质量的行业数据，尤其是来自工控系统、物联网设备等 OT（Operational Technology）设备产生的数据，而通常部分仪表设备老旧无法产生智能化输出或仅支持本地互连，因此将不同协议的边缘设备进行协同，实现数据可以顺利直采与流转是构建大模型竞争力的重要一环；最终，由数据带来的大模型升级亦将惠及同行，实现数据-模型-应用的飞轮迭代。
使能工具是行业智能化落地的关键，AI 开发平台加速工程化。预训练后的大模型高效的开发效率需要一系列开发工具链支撑，行业用户利用工具自行定制化开发，反过来用户案例促进开发工具加速迭代；因此平台需要支持零基础、零代码开发，而数据需要与 AI 平台的互访，在多引擎间高效流转以加速大模型迭代。以海康威视 AI 开放平台为例，零基础用户可通过平台开发自己行业的智能算法、智能硬件产品和解决方案，完成数据采集与标注、模型训练、硬件适配等AI 全流程落地。
企业选择多样化，解决方案提供者需在应用、平台、数据、基础与设备多维开放。由于企业在智能化设计是对应用、平台、数据与设备会采用多样化的供应商选择，因此解决方案设计者如海康、华为等企业需做到全面开放。以海康威视为例，应用能力方面，面向边缘节点应用、边缘域应用、云中心应用和互联网运营应用提供智能应用开放平台以支撑全域智能应用场景；平台方面建立了智能网络、视频融合赋能、一体化运维服务、资源管理调度、空间信息服务及AI 开放平台；数据能力方面建设了面向全行业的物信融合数据资源平台；在基础平台方面，提供云计算、云存储与大数据基础平台；在设备端开放全系列物联设备接口。
智能化赋能行业，AI 作为效率提升的有效手段被逐步应用。在日常生活中，人工智能翻译支撑跨语言、跨文化的高效沟通；在工业制造领域，AI 的融入可实现更高程度的自动化和智能化，应用场景包含“研产供销服”各个环节；在工业制造领域，AI 的应用为生产流程优化与成本降低提供了可能。
随着行业向智能化升级，数据分散为制约数字化的主因。以制造业企业为例，企业已逐步完成了自动化升级并进行联网信息化，提升了生产运行效率。但由于装置和业务板块往往为垂直系统建设，数据集往往分立存在，若要对各环节数据进行整合、分析与有效输出，进一步支撑多业务联动和决策则需统一的平台建设；而制造业往往生产流程长，场景多且杂，考虑投入成本，制造企业往往在数字化阶段止步，导致早期“作坊式”AI 模式无法规模化应用。
行业智能化开发者根据业务边界确定服务范围。行业智能化开发者如华为、海康威视等企业可根据自身硬件（芯片、边缘设备）、软件、网络基础设施等业务边界为用户提供不同范围的智能化服务。以华为为例，在算力方面的服务包括通过昇腾 AI 算力、OceanStor 存储与星河 AI 智算网络等硬件能力构筑的算力底座支持，为行业用户提供算力平台与 AI 服务，同时可为客户开放向多用户提供AI算力租用；通过多用户叠加的数据治理提供开发平台，协助用户使能应用的落地；或给客户提供一站式解决方案 MaaS（Model as Service）模式。
行业参与者其业务既有重叠又有合作。以华为为代表的具备软件、网络、硬件能力的参与者，以海康威视、大华股份等业务随安防形式由视频物联逐步向全面智能化延伸的参与者，以及在行业智能化各环节的独立软件公司、系统集成商等，各参与者业务既有重叠又有补充，因此以海康威视的业务模式为例，在产品、服务、方案上公司与硬件开发商、独立软件开发商、算法厂商、基于AI 开放平台打造商用算法的组织、大数据厂商等开放、合作，给客户以多样的解决方案选择。
小颗粒场景需铺开营销网络，大颗粒业务侧重大模型、基础设施等业务能力建设。随视频的功能由监控走向物联，对应业务群体由政府为主向企业转变，以华为为代表的具备软件、网络等基础能力的参与者与以海康威视、大华等业务随视频监控向智能化延伸的参与者业务重叠度逐渐增加。在碎片化业务中，海康等企业基于视频物联建立的全面营销网络具备客户和数据积累的护城河；在颗粒度较大如智慧城市等业务中，以华为为代表的厂商具备基础设施能力与通用软硬件能力，在搭建底座架构方面具备服务优势；各参与者互相开放，既有竞争又有合作。
