“工程化”能力背后是一个复杂而综合的软件、硬件、数据、算法等综合技术体系的建设，以及行业-区域销服网络的不断优化，此外还有技术与营销之间良好的互动促进。这其实是一个系统性的能力建设，算法在其中仅是一个环节，算法不能弱，但不能替代硬件、软件、数据等技术点的投入，更没法替代行业、区域资源的沉淀。我们在未来还要更进一步加强这个系统的建设，我们相信这是取胜的关键。
海康威视1月26日发布投资者关系活动记录表，投资者关系活动主要内容介绍：
问：现在市场对2022年的大环境有一些担忧，考虑到去年上半年的基数比较高，对后面季度的发展趋势是否有一个展望和预判?
答：把一个企业的经营拆到以季度为单位去看的时候，季度数据呈现出来更多的是经营的结果，而不能说是目标的分解，季度时长确实是太短了。我们大部分的业务举措都是以年为单位，有些举措甚至是以好几年作为周期的。关于对宏观周期性的担忧，海康发展到这样一个规模，我们确实也不能豁免周期下行对企业产生的一些压力，但我们不是孤立的存在于市场上的，众多实体经济的参与者面对的情况都类似，整个经济体应该都面临基数的影响。
观察海康可能首先要认识到，公司业务的稳定性比较强，我们国内有政府有商业，国内之外还有海外，主业之外还有创新业务，这几块放在一起就像是阻尼器相互调节，整体上呈现出来最大特点是稳定。外界波动总会存在的，国内经济预期不好没错，但海外这两年的展望更好，疫情影响已经逐渐减小，而新业务的强劲增长是5-10年高确定性的，业务的组合会平抑波动。即使是在三个BG之中，经济体成长乏力但政策端也会加大财政支出，反过来财政端收缩的前提也一定是经济基本面逐渐恢复活力。
根本上来说我们所要追求的，是让这个行业在经济体里做到相对高增长，我们在行业里面份额可以持续提升。行业层面有智能化的大趋势在，竞争层面公司技术布局与业务沉淀持续领先，至于天气怎么变化，是次要的问题，谢谢。
问：2020年报致股东的信讲了未来三年是公司的发展机遇期，股权激励计划也定了四年不低于15%复合增长的目标，面对这样一个新的大环境，我们对整个发展的判断或者指引上面会不会有一些新的思考?
答：我们去年在年报上面讲未来三年是机遇期，这个判断仍然没有改变，我们对这个产业未来的可为空间还是非常有信心的。但是因为企业在经营过程当中会受到外部环境的影响，所以有时候机遇变现的过程会有曲折，以前看是时常发生的，在未来回看当下应该也一样，保持平常心聚焦当下应该做的事比较重要。
营业收入复合增长率不低于15%的激励目标，目前我们没有调整的计划，既然目标定下来，不管环境好坏一点，我们都会全力以赴。目前公司内部各方面管理都比较平稳，尽管会遇到宏观上面产生的一些困难，但是我们也在找各种各样的机会来平衡，海康的产品线这么多，行业线也多，东方不亮西方亮，总会有一些机会能够在环境不太好的时候变现的。
问：公司研发费用、研发强度、支出的方向和之前的区别是什么?公司也越来越重视软件这一块，请问软件对应的研发会是怎么样的规划，谢谢。
答：研发费用这几年确实涨了一些，2018年之前我们平均的研发费用与销售相比大概是7-8%，18年之后逐年往上，去年是10%多。18年之后由于美国实体清单的影响，对于美国物料，公司做了较多的替代和重新设计，这方面也消耗掉一些研发资源。2020年，原材料市场变得紧张，物料紧张问题导致为了能够获得相对比较充足的物料供给，我们需要开源，开拓更多的原材料供应商。切换不同物料要解决应用上一致性的问题，在设计方案上也会需要一些调整，这方面也会消耗掉研发资源。
软硬融合是海康的特点，其中，我们会持续保持硬件的优势，硬件产品丰富，能够给用户提供更多的选择，包括产品种类和性价比;我们软件的竞争优势也在一点点的呈现。不论软硬件，都是不断需要迭代升级的，所以这方面的投入还会不断持续下去，跟随业务一同增长。
过去几年提的研发下沉，已经完成了一些，有些先行区域对用户的项目支撑能力已经改善了很多;还有一些前期需求不太突出的区域，随着业务进展后续也会有资源下沉。另外，因为海外现在的增长不错，所以海外软硬件的投入未来也是会持续增长的。
所以总体是两大类，一类是支持为中长期的规划进行投入，另一类是保持现有业务布局下的规模扩张带来的投入，谢谢。
问：人工智能在物联网行业里落地的过程中我们能看到，碎片化是行业的特点，但是在技术上能不能把方案做得更标准化，未来定制化与规模化的平衡该怎么掌握?
答：随着这两年的发展，对于超大数据集的拟合能力是在提升的，因此人工智能的泛化能力是有所提升的，算法本身在逐渐进步。但是哪怕是做了这样子的工作，不同的行业、不同的解决方案中，人工智能仍然需要做很多行业化的优化。
不可否认的是行业中人工智能的需求是碎片化的，碎片化这个特点是业务本身的长期特性，要做业务都回避不了。碎片化场景下算法怎么适应不同场景?这是过去这些年我们一直在思考的问题，所以海康做了自己的人工智能开放平台，这也是一个国家级的人工智能开放创新平台。在这个平台上，我们把很多人工智能的训练能力、部署能力都向行业客户赋能，我们的行业客户只需要想明白自己的需求，掌握自己的素材，就可以在我们的平台上构建自己的人工智能能力。这应该是未来几年人工智能领域比较突出的一个应用形式。
问：AI算法落地，比拼的核心能力是工程化或者落地的能力，未来在基础算法升级，开放平台加持的背景下，工程化的难度是否会降低呢?
答：从过去几年人工智能的发展来看，它在产业里面成功落地，所需要的能力其实是比较综合的。首先需要的基础算法的能力，比如大型训练系统的搭建能力、数据的获取、虚拟数据的生成、神经网络构建和优化的能力等各种跟数据相关的能力。当这些能力都具备以后，如何跟行业结合?如何在硬件产品上将AI能力部署下去?如何在软件端将智能能力融合到物联网的解决方案中?这些能力都非常关键。所以我们看到过去几年在人工智能落地做得比较好的公司，它的综合能力是比较强的，除了算法的构建、大型训练系统的搭建、算法的优化等能力之外，产品化能力和解决方案的搭建能力也非常重要。
这当然也可以说是“工程化”能力，但要认识到这几个字的背后是一个复杂而综合的软件、硬件、数据、算法等综合技术体系的建设，以及行业-区域销服网络的不断优化，此外还有技术与营销之间良好的互动促进。这其实是一个系统性的能力建设，算法在其中仅是一个环节，算法不能弱，但不能替代硬件、软件、数据等技术点的投入，更没法替代行业、区域资源的沉淀。我们在未来还要更进一步加强这个系统的建设，我们相信这是取胜的关键。
