专访格灵深瞳CEO吴一洲：AI浪潮持续更迭，但视觉市场依然大有可为

在刚刚结束的2026世界人工智能大会（2026WAIC）期间，格灵深瞳以生态合作的形式，在百度、海光信息和瑞芯微的展位上展示了其视觉智能工坊VE²S，以及它在视频解析、泛安防和工业质检等场景中的应用。吴一洲分享了关于公司战略转型、产品定位、行业生态的思考。

问：你现在对视觉市场还是充满信心吗？

吴一洲：空间非常大。整个数字孪生和世界模型的基础建设领域还有很大的发展潜力。想想智慧城市的演进路径：1.0时代，满大街做的是信息化；2.0时代引入大数据；到了3.0时代，可能满大街都是机器人，而这些机器人都需要“脑子”。再看AIoT，以前的IoT是“死”的，设备只能被动响应。现在AIoT可以让一切都“活”起来——温度高了它自己会去调节，以前还得手动调或者写死规则，现在整个系统可以真正实现生态化运转。你的环境会变成一个有机环境，能做的事情非常多。这就是物理AI和世界模型的关键所在，就像一个游戏化的世界。而这里面，视觉和IoT的能力都是必不可少的。

问：本届WAIC上，格灵深瞳为什么把VE²S-GBOX作为最具象的展示重点？

吴一洲：视觉智能工坊VE²S其实是我们现有所有产品的底座，也是我们深耕视觉领域十多年视觉算法的精华沉淀。这次我们对它进行了彻底升级。它是一套面向真实行业场景打造的AI原生视觉智能产品体系，打通了数据采集、智能标注、模型训练、算法运营、边缘部署、业务反馈与模型迭代，帮助客户围绕自身业务，持续生产、运营和优化视觉智能能力。在这套体系中：MENTOR算法训练中心面向云端或中心侧，负责数据处理、模型训练、效果评测与算法持续迭代；EXPERT算法运营中心承接算法全生命周期运营，将通用模型能力转化为适配客户业务的专属算法；GBOX边缘智算盒子则进入靠近摄像头、产线和设备的业务现场，完成设备接入、数据采集、边缘推理、事件判断、结果回传与数据回流。三者共同形成一条从“现场运行—数据回流—算法迭代—再部署”的持续进化链路，也构成了视觉智能工坊VE²S的端到端产品体系。在这个VE²S工坊里，我们完整实现了两个层面的“端到端”：一是从技术到产品的端到端，二是从方案到落地的端到端。换句话说，无论客户需要什么——算法的训练、算法的运营，还是真正执行落地的边缘智算盒子——全都可以在这里找到。

问：从传统计算机视觉到多模态大模型，格灵深瞳的核心竞争力发生了什么样的变化？

吴一洲：我们是最早一批在视觉基座模型领域沉淀并持续发力的团队之一。格灵深瞳的多模态大模型GLINT-VL，相关成果先后在全球知名多模态开源社区LLaVA发布，并以LLaVA-OneVision-1.5和LLaVA-OneVision-2.0的名义全面开源，面向全球开发者开放使用。目前很多合作伙伴一直在使用我们相关的开源模型。这说明我们从一开始就在视觉与多模态这个垂直领域里持续深耕，从未偏离自己的技术主线。

问：从“2+2”升级到“2+X”，你提到核心是“将同一套能力复制到更多行业”。目前VE²S在产品化、标准化方面的进展如何？规模化复制的最大瓶颈是什么？

吴一洲：所有的算法本身都很难做到标准化复制，正因为如此，我们才做了视觉智能工坊VE²S。我们的目的不是把算法结果本身标准化——那个结果就像装修一样，每家每户的需求各不相同，不同环境下的软装硬装也千差万别，注定难以统一。我们做的是把整个视觉算法的生产过程和落地过程，进行标准化和工具化。通过将这一过程流程化、标准化，我们在降本增效方面取得了不错的效果，至少现在可以承接各类需求。纯视觉的瓶颈还是比较窄，它只是端侧应用中的一个点。未来，VE²S还将进一步拓展AIoT的能力，把视觉感知与更多现场设备、业务系统连接起来。这个架构的好处就在于，一旦标准建立起来，它的延展性就自然显现出来了。以前我们可能只专注于某一个环节，而现在有了这个基础，未来的扩展空间就打开了。

问：格灵深瞳在机器人感知与控制技术方面有布局，但公司公告明确表示“不直接从事物理AI的产品及业务”。在具身智能热潮下，格灵深瞳的定位和边界是什么？视觉智能与物理AI的交叉点在哪里？

吴一洲：格灵深瞳不直接从事物理AI的产品及业务，目前的核心策略是与众多具身智能领域的厂商进行协同合作。我们先为他们提供“脑子”，也就是眼睛部分的分析能力，这是我们切入的核心环节。因为“脑子”涵盖的范围很广，包括控制、听觉、视觉、语言等多个方面，我们先在视觉分析这一块与他们协同。至于后续是否要展开更广泛的布局，会视时机再做决策。

问：你上任后着力降低对大客户的依赖，2025年农行以外客户收入占比已超90%。这个客户结构调整的过程，最大的挑战是什么？从“单一大客户”到“多元化客户”，公司内部的能力建设做了哪些改变？

吴一洲：客户的调整还没有结束。做新客户最难的地方在于建立信任和前期投入，这是一个长周期的过程。毕竟我们做的是to B业务，而to B的投入不是一天两天就能见效的，目前仍在持续加大。要让公司变成产品驱动型的组织，产品要具备高效率、快速迭代的能力，以及面向多场景的扩展潜力。只有先把产线和组织调整到位，客户拓展才能走得通。否则，因为原有的组织模式、行为方式和思维惯性都是围绕单一客户形成的，这种惯性很难打破。因此，这本质上是整个公司的改革，而不只是一个单点上的调整。

问：公司2025年毛利率下降约19个百分点，你曾解释这是业务结构优化的必经阶段。从你的角度看，毛利率的“U型回升”大概什么时候会出现？标志性拐点是什么？

吴一洲：毛利率下降主要出自两个因素：一个是市场环境的问题，部分项目还在承压，这是行业普遍面临的难题，我们选择不做财务修饰，用最原始的业绩直面市场；二是因为我们还处于新客户拓展的阶段，需要一定的时间建立稳定的基础客户，要抢夺客户就必须在价格上做出让步，对利润的追求并不是最主要的，to B的生意就是这样。此外，目前整个市场对于AI的销售模式也还处于混战状态，虽然大家都说AI的附加值很高，但真正落到采购层面，比如服务器这些硬件，并没有想象中那么乐观。至于毛利率提升的拐点，我认为取决于两个要素：一是整个行业在应用侧真正蓬勃发展起来，而不再是僧多粥少的状态，但这是一个客观的外部因素，我们不能过度依赖它，它可能只起到百分之二三十的作用；二是我们自己在客户层面建立起真正的根据地，做到深度耕耘，这才是我们能把控的核心。

问：在AI2.0的发展潮流中，AI1.0时代的AI公司其实现在在市场上的声量都不算大，格灵深瞳如何看待和应对这个问题？

吴一洲：我觉得“江山代有人才出”挺好的，这代表的是整个AI浪潮的整体繁荣。大语言模型的发展现在明显在推动多模态的进步，不管是当年的DeepSeek，还是后来的MiniMax，包括现在的智谱，都在把市场整体推高推大，这是好事。鱼池大了，江湖河海大了，里面的生态才能更丰富。如果大家只是互相盯着谁好谁不好，争论1.0、2.0的路线，我觉得都还太早。说不定下一代具身智能又能把我们再推一波。当然在整个浪潮里，坚定自己做的东西很重要。我们像是设计师，设计师的主理人团队是核心，市场上那些做橱柜的可能会变、品牌会变，但设计和落地团队始终会存在，所以摆正自己的位置很重要。