1. 大模型突破技术瓶颈，有望加速 AI 场景落地我们认为，AI 在安防行业商业化落地进程中主要存在两大痛点：第一，传统机器学习模型精度不足；其次，模型限制成为大数据发展的挑战之一，模型下游应用场景有限。随着 AI 时代到来，我们看到如下趋势：通过突破技术端瓶颈，或将显著提高模型精度并降低人工标注成本，拓宽下游应用领域，加速场景落地。具体而言，（1）图像机器学习+大小模型协同进化，模型精度将显著提升；（2）大模型有效降低标注成本，助力下游场景日渐丰富；（3）多模态驱动模型精度提升，音频技术助力智能安防。1.1. 图像机器学习 +大小模型协同进化，模型精度显著提升我们认为，图像机器学习+注意力机制将提高精度并降低人工标注成本，通过大小模型协同进化，拓宽下游应用场景。具体而言：（1）在图像机器学习+注意力机制赋能下，AI 大模型对于复杂图片和场景的识别能力有望显著提升，降低人工标注成本，提高大模型自我训练的精度；（2）大模型通过知识蒸馏、量化等方式，在边侧将其沉淀的知识与推理能力向小模型输出，达到训练小模型的目的。（3）小模型向大模型反馈算法和执行成效，帮助大模型
