■原題：AIGC、大模型、生態...這次的宇視不低調
■記者：秀松
“生態為先，繁榮共生”代表了宇視的信心、底氣、技術和積累。“改變舊格局、發現新藍海、提升運作效率、拓寬產品線”，宇視將堅持這四件大事，和合作伙伴一起，再合力拼搏二三十年。
5月的烏鎮，天氣爽朗，溫度不冷不熱。
西柵大街上車水馬龍，人頭攢動。
河岸兩旁樹影斑駁，風移影動，花朵繽紛，珊珊可愛。
街邊的客棧中，樂隊奏響了春天的贊歌，鳥兒在河面輕輕一點，碧波便蕩漾起來了。
歷史與商業交融，人與自然和諧共生，各得其所。
這是烏鎮的景，也是烏鎮的生態。
當AIoT的風吹到烏鎮，一幅關于AIoT的生態圖正在被構建。
解決方案供應商、工程商、分銷商…他們是這幅生態圖的重要組成部分，同樣是這幅圖的創作者。
宇視也是其中之一。
5月9日，宇視舉辦了AIoT合作伙伴峰會，核心主題便是“生態為先 · 繁榮共生”。
在宇視眼里，服務生態伙伴已經成為基本的業務基調。
那么為何宇視如此強調“生態”？
從第一性原理出發，不難找到答案：時代變了。
一、舊秩序將崩塌、新格局被塑造
2023年上半年最熱門的話題莫過于ChatGPT。
ChatGPT4.0問世之后 ，人們看到了通用型人工智能的希望。
一時間，多模態大模型成為資本寵兒，國內互聯網大廠、行業巨頭們紛紛表示跟進。
在ChatGPT之外，Meta開源的SAM（Segment Anything Model）無異于在CV行業投下了一枚重磅炸彈。
對于AIoT行業而言，ChatGPT大模型、SAM模型等AI技術的涌現與應用，本質上降低了算法開發門檻，是一次影響深刻的“技術平權”。
此前，AI技術雖然很fancy，也很有效，但不實用。
原因在于：一方面，AI算法開發門檻太高，屬于資金、人才密集型行業，重金之下，對應的算法產品、解決方案價格高昂，工程商們根本用不起；另一方面，AI公司的算法離場景還有一段距離，很難真實解決用戶的場景痛點，工程商們也用不上。
大模型、SAM模型則大大縮小了AI公司和工程商們的差距。
原來以“小模型+大樣本”的算法生產模式，變成了以“大模型+小樣本”。新模式并不需要龐大的數據量，數據標注成本、算法訓練成本大幅降低。
這意味著，算法開發能力較弱、甚至沒有算法開發能力的工程商們，不必雇傭大量的算法工程師，也可直接通過大模型來完成AI算法開發和交付，只需要針對性調優，喂食行業場景化數據，便能形成屬于自身的算法解決方案。
亦即，AI技術將不再是AI公司、行業巨頭們的專屬。
這就好比汽車出現以后，轎子這種達官貴人的專屬出行方式便被淘汰。大家都乘坐在一輛車上，沒有身份之別，沒有等級差異，每個人都能去自己想去的遠方。
當AI技術差距逐漸縮小時，AIoT行業舊有的秩序將被顛覆，形成新的格局。
過去幾年，AIoT行業高度內卷，渠道商互搶渠道、分銷商互搶市場、解決方案商互卷產品，整個行業都在拼命內卷，以前40%毛利率的項目沒人做，現在30%的毛利率工程商們搶著做。
市場環境不好，大家都要吃飯，蛋糕就那么小，誰不內卷誰挨餓。
然而，當AI平權之后，這種內卷將成為過去式。
因為技術催生了新業態，新業態產生新價值，蛋糕在不斷做大。
舉個例子：在古代，鐵犁尚未發明之前，人們會為了一塊土地而爭執乃至械斗，往往沒有好結果。而鐵犁問世后，開荒拓土變得更加容易，原本荒瘠的土地也可以種植農作物，械斗事件便大大減少了。
具體到AIoT行業，過去一段時間，玩家們都在安防、交通等少數幾個場景里面卷，因為這些場景計算機視覺最容易落地。
現在，伴隨著AI技術的迭代，AI將能夠在更多的IoT場景落地，也就是更多的荒土地被開墾出來，玩家們可以做更多的業務，也有技術能力做更多的業務。
大家都有的吃，自然而然就不卷了。
換言之，技術平權打破了以往的內卷局面，產生的新業態將推動玩家們朝著共同創造業務的格局邁進。
二、新格局、新機會
科學技術是第一生產力，生產力決定生產關系。
ChatGPT大模型、SAM模型的涌現，本質上是技術對生產力的一次革命，進而推動了AIGC這種生產方式的進化，最終導致生產關系的變化。
《資本論》中提到：蒸汽機的出現，生產方式發生了根本性改變，機器大生產代替了手工作坊，工業時代隨之來臨，市場上出現了新的業務、新的生產關系，以及新的商業模式。
作為一種全新的內容生產方式，AIGC的出現，如同移動互聯網，給AIoT帶來了諸多變化。
首先是新業態。
AI可以基于已有的數據，按需生成人們想要的內容。
這意味著，數據的價值將被進一步挖掘。
以前的數據是為了訓練模型，現在的數據一部分是訓練模型，一部分是直接作為數據資產來產生數據運營服務。
打個比方，攝像頭捕捉到的圖像數據，之前只用于更好的訓練視覺算法。
隨著多模態大模型的出現，這些數據本身可用于生成更多的圖像內容，當碎片化數據通過AI技術生成結構化數據時，那么新的價值點也一并衍生出來了。
其次是新的生產關系。
大模型在解決長尾需求時，所需的場景標注數據量更小、開發周期更短，做細分行業算法和業務軟件的成本更低。
這樣一來，工程商通過大模型也可以擁有貼近場景的核心算法，一定程度上擺脫了對算法供應商的依賴。
工程商與解決方案供應商之間的關系，也不再是單純的甲乙方商品采購，而變成了解決方案供應商提供基礎算法平臺（工具），工程商購買平臺（工具）后開發自身的產品，雙方的關系也更趨近于“平等”。
最后是商業模式。
前面提到，AIGC帶來了數據價值的變化、工程商業務的變化以及新的生產關系。
當這些市場變量發生化學反應時，市場上也將出現新的商業模式。
比如，圍繞數據資產，可產生存儲、運輸、保護、交易等業務，而每一個業務都對應不同的商業模式。
又比如，生產關系調整之后，工程商的角色發生變化，舊有的利益分配體系將被顛覆，市場將根據企業所處的鏈條，重新分配利益，身處其中的玩家們，必然也會隨之調整經營策略。
在AIGC這種新的內容生產方式的變革之下，市場對于玩家們的機會是平等的，不論是解決方案供應商，還是工程商，都可以從新的業態里邊尋找機會點，走出新的商業模式。
而這取決于公司的基因與定位。
三、宇視的「退」與「進」
作為AIoT產品與解決方案供應商，宇視給自身的定位很清晰：服務伙伴。
一直以來，宇視都在強調“永遠不做系統集成，也永遠不做工程項目。承諾永遠不變”。
這實際上是宇視「退」的一面：不與伙伴搶生意，而與伙伴做生意。
在AIGC浪潮之下，宇視又退了一步：構建AIGC智能底座，賦能渠道合作伙伴。
此話何解？
宇視要做AIoT行業的基礎設施，讓合作伙伴用得上，而不是一個完整的產品。
也可以這么理解，宇視造了一個車的底盤，底盤上面裝兩個人，是跑車；裝五個人，是轎車；裝一車貨，是卡車。
各種車的用途不一樣，但底盤是相通的。
宇視提供底盤以及技術支持，合作伙伴要造什么樣的車，由后者自行決定。
為何要這樣做？
因為合作伙伴靠近數據、靠近場景（業務）、靠近用戶。
以數據為例，用戶出于安全性考慮，數據要么保存在本地，要么部署在私有云上，解決方案供應商很難拿到這部份數據，更不要說利用數據產生價值。而工程商們有資質、客戶信任，能夠挖掘這部份數據的價值。
但工程商們遇到的問題在于，即便能拿到數據，卻不會用。
宇視便提供這樣一套能力底座，讓工程商不需要從0開始，而是在底座的基礎上，根據客戶的需求、場景的不同，開發有自身核心技術的產品，從而解決此前工程商只能搬箱子的問題。
這一招，看似是退，實則在進。
宇視如果像工程商一樣去做具體的項目，去觸及用戶、開發場景產品，戰線勢必拉得太長，需要調動龐大的資源，并且有一些能力宇視并不擅長，這種打法無異于明珠暗投。
基于此，宇視選擇退到幕后 ，給合作伙伴提供技術底座、產品等支持，在后方支援前線。
一來，宇視可以將更多的人財物力放到技術、產品研發，在核心技術實力上更進一步；二來，賦能合作伙伴，同樣能夠收獲累累碩果。
這招以退為進，實際上是宇視對「生態」的深刻理解：共創業務，共享價值。
同時，宇視還「進」了兩步。
一步是進到下沉市場，通過子品牌“阿宇”覆蓋C4-C7縣鎮市場。
和宇視主品牌不同，阿宇在產品設計上更加符合縣域鄉村的交通、種植、看家護院等視頻需求，并且性價比高、穩定性、環境適應性強。
過去一年，在宇視和一二級經銷商的共同推動下，阿宇在市鎮一級建設的門店已有數千家，滲透率進一步提升。
另一步是領先行業發布了大模型“梧桐”。
這與一向務實的宇視作風有些出入，在很多人的印象中，宇視乃至整個行業都極為低調，不追求熱點和概念，只做自己擅長的事。
“梧桐”恰好反映出了宇視的另一面——擁抱新技術、擁抱新變化。
這種“進”，既是適應時代，也是自我內心性的變革驅動。
「退」與「進」構成了真實的宇視：在技術、產品上不斷進取，而在服務合作伙伴時選擇退一步，讓合作伙伴受益成長。
當行業進步時，身處在浪潮中的宇視，也必須順勢而上、順勢而進。
總結
每一次技術革命，都將給行業帶來顛覆性影響，從來沒有人可以置身事外。
一家公司可以在技術、產品上有足夠的領先，但其商業模式的成功，一定靠的是整個行業的進步。
獨行雖疾，但眾行至遠。
AIGC風潮涌起，各行各業都感受到了時代變化。
AIoT生態，需要解決方案供應商、工程商們一起構建。
宇視顯然已經為此做好了準備。
正如張鵬國所言：“改變舊格局、發現新藍海、提升運作效率，拓寬產品線。”
宇視將堅持這四件大事，和合作伙伴一起，再合力拼搏二三十年。
[出處] 秀松, AIGC、大模型、生態...這次的宇視不低調. AI掘金志, 2023-05-11
浙公網安備 33010802004032號
