行业背景与痛点 - 超高清摄像头已广泛覆盖城市交通、产业园区、商业综合体等场景，视频成为安防防控与运营决策的核心数据基座 [2] - 数据洪流背后暗藏“存储困局”：约70%的监控视频为静止或低价值画面，与有效内容混存造成存储资源浪费，并推高了硬件采购与机房运维的综合成本 [2] 公司技术演进与积淀 - 海康威视二十余年来以“挖掘视频核心价值”为锚点，持续引领行业创新 [2] - 2015年率先将深度学习算法融入前端设备，开启安防AI时代 [3] - 2017年推出AI Cloud三级架构，破解“算力分散、协同不足”痛点 [4] - 2018年推出AI开放平台，帮助零算法基础客户开发专属行业算法 [4] - 2021年正式投入观澜大模型研发，构建“基础-行业-任务”三级体系 [5] - 核心能力进化聚焦五大维度：从图像结构化标签升级为视频深度语义理解；从单场景判别式模型迭代为视觉多模态大模型；从端侧分布式算力转向云边侧规模化算力部署；从人、车等核心目标识别拓展至全品类长尾物体覆盖；从标签式筛选升级为语义化人机多模态交互 [5] - 服务全球数百万客户，深耕交通、金融、园区、医疗等全场景 [5] 新技术解决方案：观澜编码 - 近日发布观澜编码新技术，旨在打破“画质与存储效率不可兼得”的行业魔咒，提供“降本不降效”的存储优化方案 [2] - 行业主流的传统编码或压缩技术，虽能通过动态调整压缩力度实现30%~70%的存储优化，但存在明显局限：基于物体动静状态的识别易误判非关键动态物体，光线变化也会影响效果，仅适用于简单静止场景 [6] - 观澜编码新技术融合观澜大模型深度理解能力与像素级分割技术，构建“智能识别-精准ROI分割-差异化编码”全链路优化体系 [6] - 在自研观澜视觉大模型加持下，可对人、车、非机动车等高价值关键目标进行精准解析，识别准确率较传统算法大幅提升，最高可同时支持64个目标的识别 [14] - 通过精细化ROI保护分割技术，精确分离前景目标与背景区域：前景采用常规编码保障细节完整，背景实施高效压缩降低存储占用 [14] - 在保证人机非目标质量相当的前提下，码率节省20%—90% [14] 技术核心原理：场景感知 - 观澜编码技术以“场景感知”为核心，构建动态适配的智能编码体系，依托动态与静态感知协同运作 [16] - 动态感知实时捕捉场景运动幅度与细节密度，按最大码率MaxBps百分比分配资源，保障复杂场景画质无损 [16] - 静态感知对静止或低动态画面采用重复帧编码，单帧仅需几十字节，最大化优化存储成本 [16] - 以地铁场景为例：早高峰满码率还原细节，晚间50%压缩平衡画质与效率，凌晨10%压缩最大化存储 [16] 实测效果与效益 - 以2000路规模1080P@2Mbps，90天存储为例，相较于传统编码，观澜智能编码方案实现硬盘数量节省60%，机房空间节省60%，5年电费节省50% [26] 行业影响与公司愿景 - 海康威视始终以“让视频产生更大价值”为初心，推动安防行业从“被动记录”向“主动智能”演进 [34] - 通过AI与编码的深度融合，让视频数据从“海量冗余”变为“精准高效”，为千行百业智能升级注入新动能 [34] - 目前，观澜编码技术已应用于前后端产品，并将于近期进行产品发布 [35]