【经管讲堂·AI经管实践】海康威视半年报：安防巨头向AI转型的战略重塑

事件与实践

2026年7月底，海康威视发布2026年上半年财报，数据显示公司上半年净利润同比增长近四成，在安防行业整体增速放缓的大背景下交出了一份亮眼的成绩单。这份半年报的特殊意义在于，利润增长的驱动力已不再是传统的安防监控硬件销售，而是AI相关业务的大规模商业化。财报显示，海康威视的AI增值服务和智能化解决方案收入占比已突破30%，成为增长最快的业务板块。与此同时，海康威视自研的「观澜」大模型在2026世界人工智能大会（WAIC）上完成首秀后，其商业化路径已趋于清晰——以行业大模型为核心，面向交通、制造、能源等垂直领域提供智能化解决方案。

海康威视的AI转型并非一蹴而就。作为全球安防行业的龙头企业，海康威视在视频监控领域占据超过35%的全球市场份额，但近年来面临多重挑战：国内安防市场趋于饱和，传统硬件毛利率持续下降；国际市场受地缘政治因素影响，部分海外业务受限；行业竞争从硬件参数比拼转向智能化能力较量。在此背景下，海康威视自2023年起启动”AI化”战略转型，将研发投入的重心从视频编解码芯片转向AI推理芯片和视觉大模型，并在组织架构上设立了独立的AI创新业务事业部。「观澜」大模型的首秀和半年报的业绩验证，标志着这一战略转型已进入收获期。

分析

一、战略转型与动态能力理论：传统硬件企业的AI化路径

海康威视的AI转型可以用Teece的”动态能力”（Dynamic Capabilities）理论框架来深入分析。动态能力理论指出，在快速变化的技术环境中，企业的竞争优势不再来自静态的资源拥有，而来自”感知机会、抓住机会和重构资源”三重能力。海康威视的转型过程完整展现了这三个阶段：感知阶段——早在2020年前后，海康威视管理层就已识别到安防行业从”看得见”向”看得懂”演进的趋势，预判纯硬件厂商将面临价值天花板；抓住阶段——2023年正式启动AI转型，通过大规模研发投入和人才引进，快速构建大模型和AI芯片能力；重构阶段——调整组织架构，设立AI创新事业部，将AI能力嵌入传统安防产品线，实现业务模式的系统性升级。

动态能力理论还强调”路径依赖”（Path Dependency）对转型方向的影响。海康威视选择从视觉大模型切入而非通用大模型，正是路径依赖的体现——二十余年的视频数据处理经验积累了海量的视觉场景数据和行业know-how，这些资产决定了其在视觉AI领域具有天然的迁移优势。同样，「观澜」大模型选择面向垂直行业而非通用消费者市场，也是基于海康威视在B端市场的客户关系和行业理解。从战略管理的视角看，这种”能力驱动型转型”比”市场驱动型转型”更加稳健——企业不是追逐热点市场，而是基于已有能力资产寻找最有价值的应用方向。不过，路径依赖也是一把双刃剑：它降低了转型的探索成本，但也可能限制企业跳出既有能力边界的勇气。海康威视能否在AI时代突破”安防”的行业标签，成为更广泛的智能感知平台企业，将取决于其动态能力的持续进化速度。

二、第二曲线创新与业务组合管理：从安防硬件到AI解决方案

海康威视的转型本质上是查尔斯·汉迪提出的”第二曲线”（Second Curve）理论的典型实践。汉迪认为，企业在第一曲线（现有业务）尚未到达顶峰之前，就必须开始培育第二曲线（新业务），否则将面临增长停滞的困境。海康威视在安防硬件业务仍保持盈利时启动AI转型，符合第二曲线理论的最佳时机要求。半年报数据显示，AI增值服务收入占比突破30%，意味着第二曲线已经跨过了早期投入期，开始对整体业绩产生实质性贡献。

从业务组合管理的角度看，海康威视面临的挑战是如何在第一曲线和第二曲线之间实现资源平衡和协同增效。传统的BCG矩阵将业务分为”明星、现金牛、问题、瘦狗”四类，海康威视的安防硬件业务目前处于”现金牛”位置——市场增长放缓但现金流稳定；而AI解决方案业务则处于”明星”位置——高增长且需要持续投入。关键的管理决策在于：从现金牛业务中抽取多少资源投入明星业务？抽取过少会导致AI转型节奏落后于竞争对手，抽取过多则可能削弱传统业务的竞争力。海康威视的选择是”嵌入式转型”——不将AI业务完全独立，而是将其作为传统安防产品的增值层，通过”硬件+AI”的组合方案提升整体客单价和客户粘性。这种策略既保护了第一曲线的现金流，又为第二曲线提供了真实的客户场景和数据反馈，实现了两条曲线的协同共生。从Ansoff矩阵的视角看，这是一种”产品开发+市场渗透”的组合策略——在现有市场中向现有客户推介升级的AI化产品。

三、垂直大模型与行业知识壁垒：观澜大模型的商业化逻辑

「观澜」大模型选择垂直行业路线而非通用大模型路线，是一个具有深刻商业逻辑的决策。从”知识壁垒”（Knowledge Barrier）理论的视角分析，通用大模型市场的竞争已经高度同质化，OpenAI、Google、国内百度阿里等巨头在通用能力上形成寡头格局，后来者很难通过技术追赶获得差异化优势。而垂直行业大模型的竞争逻辑完全不同——其核心竞争力不在于模型参数规模，而在于行业数据的深度和领域知识的精度。

海康威视在交通、制造、能源等垂直领域积累了大量场景化数据，包括视频监控数据、传感器数据、运营管理数据等，这些数据是训练高质量行业大模型的关键素材。更重要的是，海康威视拥有将这些数据与行业业务流程深度结合的know-how——知道哪些数据对特定场景有价值、模型输出如何嵌入业务系统、AI决策的误差容忍度如何设定等。这种”数据+知识”的双重壁垒，是通用大模型厂商难以快速复制的。从商业模式的角度看，观澜大模型的商业化路径是”模型即服务”（MaaS）的垂直化实践：不是向所有行业提供同一个模型，而是针对每个行业定制专门的模型和解决方案，通过深度服务绑定客户关系。这种模式的客单价和客户粘性远高于通用API调用模式，但也面临着交付成本高、规模化速度慢的挑战。海康威视需要建立标准化的行业模型交付流程，将定制化服务中的通用部分抽象为可复用的模块，才能在保持深度的同时实现规模化扩张。

启示

海康威视的AI转型案例为传统科技企业提供了三点重要启示。第一，AI转型不是对现有业务的否定，而是对现有业务的增值和延伸。嵌入式转型策略——将AI能力注入传统产品线——比另起炉灶的独立转型更加稳健，既能保护现金流基础，又能为AI业务提供真实场景验证。第二，垂直大模型是传统行业企业切入AI赛道的最优路径。与其在通用大模型的红海中与巨头竞争，不如利用行业数据资产和领域知识壁垒，在垂直市场建立差异化优势。第三，战略转型的时机选择至关重要。在第一曲线尚处盈利期时启动第二曲线培育，企业拥有充足的资金和战略耐心；等到第一曲线衰退时才被迫转型，往往已丧失转型的最佳窗口。海康威视的转型时点选择，体现了管理层对产业周期的前瞻性判断。

思考

1. 海康威视的”嵌入式转型”策略虽然稳健，但也可能导致AI业务长期依附于安防硬件母体，难以独立成长为真正的AI平台企业。企业应当在什么条件下将第二曲线业务拆分独立运作，又应当在什么条件下保持嵌入式发展？拆分与整合的决策依据是什么？
2. 观澜大模型的垂直化路线依赖海康威视在安防领域积累的场景数据。但如果未来通用大模型的能力进化到足以覆盖大多数垂直场景需求，海康威视的垂直壁垒是否会被”降维打击”？垂直大模型的护城河能维持多久？
3. 海康威视在国际化进程中面临地缘政治制约，AI业务是否会成为新的制裁焦点？在AI技术出口管制趋严的趋势下，中国AI企业的全球化战略应当如何调整——是坚持出海还是在本土市场深耕？两种路径的风险收益如何评估？

关键词：AI转型、战略重塑、安防行业
来源：海康威视2026年半年报及WAIC公开信息 | 整理：经管讲堂