“2025（第二十三届）水业战略论坛”上，从精E20环境平台智能规划中心AI解决方案总监战凯以《两山智联®视频智能V2.0(大模型版)：“快而准”的准识助力智视频智能安全管控》为题，系统性拆解了云边端协同架构下的跨场谷歌站群源码技术闭环，并首次公开“两山智联®视频智能V2.0（大模型版)”在水务行业的景融规模化落地路径。

在运营为王的模型时代，水务行业面临效率提升与风险管控的视频水务双重挑战，智能化转型成为破局关键。驱动

随着视频监控的革新普及，全国大量公共区域及水务设施已完成覆盖，从精据不完全统计双百跨越标杆水厂便部署了33类视频智能技能，准识助力智视频分析技术已成为行业标配、跨场并得到了行业内认可。景融如何借助视频智能赋能行业发展，模型成为业界同仁面临的视频水务一道必选题。

在“2025（第二十三届）水业战略论坛”上，驱动E20环境平台智能规划中心AI解决方案总监战凯以《两山智联®视频智能V2.0(大模型版)：“快而准”的视频智能安全管控》为题，系统性拆解了云边端协同架构下的技术闭环，并首次公开“两山智联®视频智能V2.0（大模型版)”在水务行业的规模化落地路径。

战凯

1.0阶段小模型奠基，覆盖三大核心场景

2023年，E20环境平台与百度智能云联合推出了两山智联视频智能1.0版本。针对供水、污水、谷歌站群源码垃圾焚烧领域，双方共同开发了25项行业技能，并且有17个项目成功落地。

战凯表示，视频智能的技术演进植根于小模型积累，受限于小模型的局限性，在实际应用中会偶发误报存在。

例如夜晚场景中灯光被错误标注为火焰，地面反光被识别为积水，施工工人被误判为人员倒地等。为提升系统准确率、解决误报问题，需采集大量负样本数据。然而，与正样本相比，负样本数量少，采集工作艰巨。尽管系统准确率已达行业领先的 90% - 95%，但客户期望达到 100% 的准确率，每一张误报图片都会影响客户使用体验。

战凯首先感谢了过去一年多亲密合作的用户，让1.0版本得到快速落地和完善。在1.0实践应用阶段，E20与用户始终保持密切沟通，水务集团也对双方的合作给与了高度信任和支持，在过程中积极反馈助力技术迭代。

“尽管技术迭代与用户反馈持续推动优化，小模型的技术瓶颈仍是误报难根治的核心症结。”战凯强调。

因其底层逻辑依赖单帧抽样分析——从每秒24帧视频中截取单帧进行特征点匹配，这一机制在复杂现实场景中易受环境干扰：低光照导致图像模糊、非常规视角引发特征偏移、动态遮挡与背景噪声形成干扰信号。

因此突破环境敏感性与特征泛化能力的天花板，需系统性重构算法架构。

技术攻坚：多模态大模型破解行业痛点

在小模型推进缓慢的情况下，技术瓶颈亟待突破。随着技术发展，大模型的出现带来了转机。

2017 年 Transformer 架构出现，大模型开始进入人们的视野；2022 年 ChatGPT 出现，使大模型应用成为可能；2023 年中期 GPT4V 出现，首次实现了图像和文本两个模态的交互；到 2024 年初 GPT4O出现，真正实现了视频、音频、图像甚至其他感知的多模态交互，经过一年发展，国内很多厂商也实现了多模态大模型的落地。

多模态大模型在视觉识别上优势显著。大语言模型能理解并归纳文本内容，同样，多模态大模型也能解读图像信息。在复杂场景中，小模型可能需十几个要素来识别图片内容，而大模型通过分析图像内容就能准确判断。

例如火烧云照片，小模型可能因特征值匹配烟火而误报火灾，多模态大模型却能准确解释这是自然景象。在实际测试中，小模型将灯误识别为烟火，多模态大模型则正确识别出是监控拍摄的夜景，还能解析画面中特定区域的反光和光线折射效果。

可见，多模态大模型在理解和解析复杂视觉信息方面能力卓越，能够有效解决小模型在视频智能应用中面临的误报难题。

场景落地：全链路赋能水务智能化

随着技术发展，E20两山智联团队推出了两山智联®视频智能V2.0（大模型版）。

该版本在端侧配备智能分析一体机，通过小模型实现快速且低成本的秒级抽帧分析。前端完成识别后，借助智联盒将预警信息传送至云侧，由两山智联视频智能运维平台进行事件处理及应用场景服务。同时，大模型平台负责提升分析准确性并应对复杂场景。

技术升级后，两山智联®视频智能系统v2.0（大模型版）应运而生。此版本以 “准、活、简” 三大核心能力为突破点，深度融合云边端协同架构，全面优化智能识别与场景适配效率。

“准”大模型复判提高识别准确率≧99%

前端部署轻量化小模型实现毫秒级抽帧与秒级初判，通过智能分析一体机覆盖全厂区，完成基础检测后，由云端大模型对预警结果二次校验（如跌倒行为确认、标志物精准识别等），结合与百度联合训练专属多模态大模型，准确率突破99%甚至100%，专属模型一键调用百度智能云平台，解决复杂场景误报难题。

“活”零代码AI技能编排，灵活适配现场管理需求

以污水处理厂为例，工作人员卸药操作有位置、持料管、穿防护服等多个要求，属于复杂场景。以往实现此类复杂场景识别需开发代码、编写底层逻辑，而现在通过平台的可视化编排，配置好逻辑规则就能实现，即基于平台可完成针对复杂场景的技能编排。

“简”算法能力工程化，内置丰富的产线，周期短、效果优

算法能力工程化，内置丰富的产线，周期短、效果优。传统新模型从 0 到 1 开发，需设计方案、进行大量数据标注（提供大量正、负样本），还要做训练、封装、测试等，不仅需要专业算法工程师，耗时两到四周，且需大量图片（行业标准是五千张正样本、一千张负样本），准确率还未必能达到要求。平台内置的产线利用其他行业成熟模型，基于其底层逻辑类似的特点进行调优生成新模型，大幅降低了投入成本和时间。比如广东自来水公司，在购置我们的视频智能平台并接受简短培训后，其团队仅用一个月时间就成功开发出了检测物资的算法，并已经正式上线运行。

效能延续更快、更准、更多应用场景1.0基因与2.0创新的融合

2.0 版在保留 1.0 版优势项目的基础上，具备了“准”、“活”、“简”的特点。

1.0版具有“快”和“多”的特点。对于一百个摄像头，1.0版无需代码，五天内就能完成连接、技能编排及配置。此外，一台标准视频分析一体机能并发解析100个摄像头，实现秒级抽帧，每个摄像头可配备10项技能，叠加起来可达一千项。在当前技术条件下，一台一体机处理一千个并发，性价比极高。

2.0版不仅延续了“快”与“多”的能力，在准确性方面也表现卓越。

战凯表示，E20两山智联团队一直重视提高视频智能本身的识别准确率，经调研发现，很多场景都需要视频技术的支持。例如巡检场景，若视频识别准确率达到100%，就能用于识别设备状态和读数；在有限空间作业等危险场景中，100%的准确率也能保障作业安全和效果。未来，希望视频智能除了应用于识别领域，还能融入更多管理和业务场景。

基于这样强大的技术平台，E20两山智联团队相信能够开展更多富有成效的工作。因此，两山智联团队发出号召，诚邀行业伙伴共同参与创新，E20将凭借先进的技术实力，结合客户在不同场景下的需求，除已提供25种基于安全的通用场景，在业务、设备和生产工艺等方面，也蕴含着巨大的创新空间。战凯表示，期待与行业同仁携手，，共同开发出更多、更好的模型，并将这些模型应用到行业中，推动整个行业的进步与发展。05写在最后

战凯在论坛中回顾了过去一年与客户深度互动的实践历程，强调技术落地离不开行业伙伴的信任与反馈。为回馈用户支持，他表示针对老客户，承诺免费提供2.0版本升级及现场部署服务，最大限度降低迭代成本；面向新客户，则推出前十名订单九折优惠，并可自主选择百度智能云·一见开发训练平台三个月试用或定制技能开发支持，以降低智能化转型门槛。

卓越同行，智赢未来。战凯相信，在水务同仁的支持和两山智联的不断探索下，智能化事业必将取得显著成就。