当算法不再稀缺，一家视觉AI公司如何重新定义自己

“一场161页PPT的伙伴大会，藏着格灵深瞳转身的答案。

近日，DeepGlint Partner Workshop格灵深瞳合作伙伴城市巡展首站在北京举行。

会上，公司系统向合作伙伴展示完整的能力矩阵，围绕AI技术底座、视觉模型、AI原生产品及行业应用，展示了从模型与推理底座、视觉智能工坊VE²S，到硬件、行业方案和生态合作的完整体系，并宣布：公司正从单点算法提供商，走向大模型原生的AI全栈产品与服务商。

范式变了，定位也就变了

过去两年，整个科技行业都在经历震荡。大模型、多模态、自主智能体、端边融合等技术快速演进，AI的能力边界与落地方式也在变化。

与常见的产品发布会不同，这场大会没有把重心放在“某项指标再创新高”上，而是试图回答一个更现实的问题：当大模型把算法生产的门槛不断拉低，一家以视觉算法起家的公司，靠什么继续留在牌桌上？

活动现场，格灵深瞳CEO吴一洲表示，面对新一轮技术范式变化，格灵深瞳也在经历一次重要转身：从单点算法提供商，走向大模型原生的AI全栈产品与服务商。

据透露，公司这两年补齐了五项能力：模型与推理底座、视觉智能工坊（核心武器库）、覆盖服务器到边缘与移动侧的硬件供应链、场景级行业方案，以及以"伙伴第一"为核心的GTM模式焕新。

格灵深瞳是一家什么样的公司？

格灵深瞳成立于2013年，由前谷歌研究院高级研究员赵勇创办，最初以计算机视觉与大数据分析技术切入市场。成立初期，公司先后获得真格基金、策源创投的天使轮投资和红杉资本的A轮融资，此后又完成多轮融资。2022年3月17日，公司在上交所科创板上市（股票代码688207），成为A股第一家AI计算机视觉上市公司，也是当年市场关注度较高的“AI视觉第一股”。

这次的转身，并非空中楼阁。根据公司公司2026年半年度报告，上半年格灵深瞳实现营业收入5042.35万元，同比增长18.72%；但归母净利润亏损9500.61万元，毛利率32.67%，同比下降23.77个百分点。从财报结构看，公司当前正处于战略转型的集中投入期：营收增长主要来自智慧金融、城市管理两大核心赛道订单的持续释放；亏损扩大一方面源于大模型研发与标准化产品迭代的技术投入持续加码，另一方面则是渠道体系建设、市场拓展投入增加，带动销售费用较快增长；毛利率下滑则受项目结构变化、硬件集成占比提升以及市场竞争等多重因素影响，从侧面反映出公司在产品结构调整期的阶段性压力。

AI Infra与视觉模型：统一技术底座

在技术底座层面，格灵深瞳在会议现场，围绕视觉、异构推理、Agent与安全，构建统一的AI技术体系，推动AI能力从模型研发走向业务应用。

整个技术架构自下而上形成分层能力：异构算力适配与计算引擎提供底层运行基础；L1专用视觉算法、L2视觉基座模型Glint-MVT、L3多模态视觉语言模型Glint-VL构成三层视觉能力矩阵；在此之上，视觉智能工坊VE²S、Agent Infra与Token Fabric将底层技术转化为模型生产、智能体运行和推理服务能力，支撑行业应用、企业智能体及模型服务的高效交付。

格灵深瞳AI Infra负责人闫梓祯在分享中补充了多项技术落地的“硬核数据”：

在模型优化方面，L1专用视觉算法依托模型转换、自动量化、精度与性能评测的全自动化流水线，并引入Agent做定向优化，已测业务模型平均推理性能提升了15%。L2视觉基座通过算子融合与混合量化，主干计算提速30%，并让多个下游任务复用同一份视觉特征，实现“一次主干优化、多类业务受益”。以 LLaVA-OneVision-1.5 为例，L3则通过离线并行打包、变长训练与混合并行等工程优化，把单次多模态训练的算力成本降至约10万元。

在芯片与推理方面，格灵深瞳已适配超过100款芯片型号，代表性生态覆盖英伟达、昇腾、海光、昆仑芯、天数、沐曦、后摩、瑞芯微等；并针对不同算力场景，给出不同的异构优化方案，如云端以E/P/D分离（视觉编码、预填充、解码）分别使用不同的计算卡提升吞吐，边缘以大小卡协同改善整机性价比，端侧则把视觉推理负载到到协处理器以保障实时性。

在服务化方面，Token Fabric统一纳管异构算力，支持模型API与专属实例的统一鉴权、配额与租户隔离，以首字时延、单用户生成速率等指标做SLA保障；Agent Infra则为政务一体机与DeepBot提供统一的任务编排、上下文管理、工具执行与观测评测能力。

对于企业级AI，安全同样是基础前提。格灵深瞳将安全要求融入模型研发、部署与运行全过程，围绕数据与内容防护、Agent执行安全、模型与应用安全，持续完善防护能力。闫梓祯在现场分享中表示：“安全没有终点。”面对数据、模型、推理与工具调用等环节的安全挑战，格灵深瞳将与安全领域合作伙伴持续共建，不断完善企业级AI的安全体系，让AI能力更可靠地服务产业。

如何从图像理解，到视频理解？

视觉模型方面，格灵深瞳的关注点也从传统图像识别延伸到了视频理解。

相较于单帧图像，视频往往涉及连续时序、快速运动、行为关系与复杂事件判断，对模型理解能力和推理效率提出了更高要求。针对视频理解，格灵深瞳通过视觉编码、训练及推理链路优化，降低连续视频分析的部署与使用成本。

格灵深瞳灵感实验室负责人冯子勇给出的技术路径是"不靠少看帧，而是把冗余计算删掉"：视频帧之间存在大量冗余，利用视频编码中的运动矢量与残差信息筛选有效视觉Token，同等精度下最少仅需约1/8的视觉Token开销。灵感实验室在2025年9月全面开源LLaVA-OneVision-1.5，2026年5月迭代至LLaVA-OneVision-2.0，支持全帧率视频分析；视觉语言大模型Glint-VL系列在商用侧则形成了Glint-VL-Video、面向安防的Glint-VL-SE与面向金融的Glint-VL-BK等模型。

从AI能力到业务：

金融、交通、政务、体育

如果说技术底座的分享是“秀肌肉”，那么大会的中后段则回答了更核心的问题：模型能力如何解决真实的业务痛点。

公司副总裁、政企事业部负责人陈平安，在演讲中给出了一组击中行业痛点的表述：传统AI落地的痛点，即“上线即巅峰、验收即过期”。在他看来，真正难的，不是把算法做出来，而是让它跟得上一直在变化的现场。

对此，格灵深瞳给出的方案是视觉智能工坊VE²S——由MENTOR（算法生产）、EXPERT（现场运营）、GBOX（边缘算力）三件套构成，公式化为"视觉AI生产线＋现场运营后台"。核心逻辑是：从静态交付、一次性验收变为现场驱动、闭环持续进化。

依托该套产品矩阵，格灵深瞳在金融、交通、政务及体育等多个板块，呈现了AI技术的行业应用成果。

金融方面，产品线负责人罗楷以“银行AI的下一程”进行阐述。面对银行业务算法需求的激增与规则的快速迭代，视觉数据与业务系统、物联网、历史风险库及知识库的深度交融，推动AI职能从传统的安防监控与事后回溯，拓展至运营合规、风控管理、客户体验优化及决策支持。当前，公司正打造涵盖安保、内控、运营体验、信贷风控及知识创新等领域的金融智能体系，借助DeepBot等智能体打通视觉、语音、业务流与工作流。

交通板块，控股子公司开云智联总经理冯建帅结合实战案例，解析了AI在交通事件感知、分析及处置辅助中的价值。通过融合视觉感知、大模型与智能体技术，交通AI已突破单一视频识别局限，迈向事件深度理解、综合研判及业务协同的新阶段。

政务场景中，政务超融合一体机负责人郭达聚焦党政等高安全需求，展示了产品落地情况。针对办文、办会、办事等高频事务，该产品凭借本地化部署、双知识库及智能体平台，协助完成公文审校与纪要整理，并借由分级授权、安全网关、溯源机制及全链路审计，严格把控数据边界与工具调用权限。

体育领域，智慧体育产品负责人刘泽阳介绍了AI视觉在校园场景的应用。例如在阳光跑项目中，该技术无需佩戴额外设备，便能自动识别、记录并统计运动过程，为校园体育管理及数据分析提供持续的数据支持。

转身的考验

这场Partner Workshop关注的不只是“格灵深瞳有什么”，更是这些技术和产品，如何与伙伴现有的产品、行业经验和客户需求结合。从芯片与视频基础设施，到垂直场景的产品及解决方案，格灵深瞳正在与不同类型的合作伙伴探索多元的合作方式。

把这场大会放进更长行业周期里看，它传递的信息量比一般的伙伴大会更实在：没有回避“算法不再稀缺”的行业现实，也把技术、产品、硬件、服务四层能力摊开给合作伙伴看，甚至把渠道话术、选型清单和报价逻辑都写进了演示材料。

这是近两年国内AI公司伙伴大会中，信息密度较高、姿态较为坦率的一场：它以“从交付算法到交付能力”“把底层能力变成伙伴的装备库”为主线，给出了模型、平台、硬件三层具体可售卖的载体，强化伙伴协同的信号。

但叙事的完整性不等于商业的成功。对格灵深瞳而言，真正的考题是：伙伴网络能否在未来财报周期内，转化为可见的收入结构变化——更高的收入增速、更低的销售费用率、更高的复购与续费占比。

在AI行业从“模型竞赛”进入“落地竞赛”的当下，格灵深瞳作为样本，值得持续跟踪观察。

文：梦芸数据猿
责编：凝视深空数据猿