“全視覺管理數字化”，一片巨大的藍海市場。

文｜牛慧

編｜趙艷秋

在一家中國頭部連鎖餐飲品牌總部，上千家門店的評分數據，在屏幕上實時跳動：一家分店因餐桌衛生不干凈被扣分，另一家分店后廚的鮮切水果超時存放觸發預警。曾經深藏在管理盲區中的細節，如今被店中的AI“眼睛”逐一捕獲、解析，并轉化為量化數據和決策指令。

長久以來，連鎖行業門店分散、操作流程繁雜、標準難以量化，導致服務質量、食品安全、操作合規等方面，存在管理困局。而如今，全視覺管理數字化正在實現破局。連鎖店老板們，已開始借助人工智能技術，把控經營中的細節。

百度智能云一見產品部總經理朱名發觀察，半年前，當他提出“全視覺管理數字化”概念時，人們對此持懷疑態度。如今這一理念，正從質疑走向接納與實踐。一見視覺大模型平臺在工業、能源、連鎖行業的需求正在激增。而從近期的招投標來看，越來越多的央國企、行業龍頭在布局視覺智能基座。

全視覺管理數字化，正在成為一片巨大的藍海市場。

01

跳動的千家門店排名

去年下半年，朱名發走訪了一家國內頭部連鎖餐飲企業。這家企業已擁有1000多家門店，并計劃還要大規模拓展新門店。令他印象深刻的是，企業把每家門店的排名，實時展示在了大屏上。

此前，連鎖餐飲運營中，面對食品安全、服務質量、操作合規性這“三座大山”，企業只能依靠文化、培訓，以及巡店的管理手段。

這家企業也不例外，組建了一支規模多達百人的團隊，每天通過查看攝像頭錄像進行視頻稽查。然而，即便團隊連軸轉，被抽查的訂單覆蓋率也只能達到5%，諸多問題沒法持續追蹤和改進。而單純依據這種抽檢結果，來評定門店日常服務質量，也有失公允。

如何進行精準的量化管理，是一個令管理團隊頭疼的難題。而放眼整個行業，這也是一個共性挑戰。在這樣的大背景下，企業決定嘗試視覺人工智能技術，并選擇一見視覺大模型平臺。

引入一見平臺后，雙方展開了深度共創，將典型服務場景提煉出來，搭建起一套實時識別系統，而企業多年來一直倡導的高質量服務體系，也轉化為可量化的管理指標。

如客人入座后8分鐘之內，餐食一定要上桌；之后限定時間內，菜品是否上桌；客人用餐完畢，能不能及時清理桌面等…… 每一個服務細節都被細化，由“人工智能之眼”來觀察分析，如未達標，都會扣除相應分數。

過去，即便百人團隊全力以赴，總部還是頻繁收到各類投訴。但今天，得益于這套管理體系，訂單覆蓋率已達到95%以上，門店滿意度已達到98%以上。“這種顯著變化是量化管理帶來的，具有典型意義。”朱名發說。

而像今年“315”晚會曝光的奶茶店問題，也有解決之道。在某餐飲連鎖店的制作環節中，當果汁、牛奶開瓶后，如果放在制作區超過15分鐘未使用，借助一見全視覺管理平臺，系統將及時發現，并提醒店員，將食材放入冰箱冷藏。而這類瑣碎的細節，以往很難被管理好。

“今天基于視覺的管理數字化，已經能做到這種精細化管理。”朱名發說。

為什么當下在連鎖行業要推廣全視覺管理數字化？原來，一見團隊從工業領域起家。進入連鎖行業后，他們發現，連鎖行業的問題，在工廠管理中也發生過。

在工廠里，像組裝、質檢等環節依舊需要人工參與，而操作是否符合標準，難以實時觀察與規范。但團隊實踐探索中發現，通過一見的視頻捕捉與智能分析，能及時察覺潛在問題并發出預警，極大地提升了管理效率。

“我們進入連鎖行業后發現，連鎖企業非常追求經營效率，而每個連鎖門店其實也是一個小型工廠。”朱名發說，視覺管理平臺的引入，已成為企業數字化管理中的關鍵補充，發揮的價值不可小覷。

“其實，我們就想建立一個‘基于視覺的管理數字化’心智，讓過去難以被管理好的環節實現破局。”朱名發強調。

02

視覺技術，這次為何能規模化落地

不過，視覺理解和分析并非新鮮事物，為何此前未能在場景中充分發揮價值？而且，即便在今天，很多連鎖企業在瘋狂嘗試DeepSeek，但在視覺或多模態這一塊，為何投入還不大？

朱名發分析，這一方面是因為小模型時代，視覺應用效果不佳，誤報頻發，讓大家望而卻步；另一方面，過往視覺應用成本高，投入產出比（ROI）不理想。以工業質檢為例，過去交付難度極大。

為此，在視覺領域深耕七八年的一見團隊，提煉出一套方法路徑，讓視覺技術在連鎖行業的規模化應用，成為可能。

其一，平臺核心的三套系統，將連鎖門店規模化應用要求的單店成本，降到足夠低。

對于連鎖企業而言，市面上MaaS服務的成本太高，因為門店管理的應用場景非常高頻，頻繁調用的成本，將讓企業難以承受。

一見提出三套系統，其中，教師系統采用了剛發布的原生多模態大模型——文心大模型4.5。隨著每日數據沉淀、自動迭代，經過幾周時間，教師系統的效果可達到95分以上。

通過一見團隊自研的VLM（視覺語言模型）及強化學習，將教師系統切換到慢系統，成本能降低幾十倍。如果用戶調用量更大，系統還能切換到基于小模型的快系統，由一系列小模型來處理一個任務，成本相比MaaS優勢顯著。

值得關注的是，在專業級場景中，目前全球頂尖多模態大模型也僅有六七十分，距離大語言模型當下的爆發還有差距。一見團隊并非打造視覺或多模態大模型。

“從第一天設計系統時，我們的思路就是大模型生產小模型，大模型輔助調優自動化，這讓效果達到專業級的同時，成本也遠低于其他方案。”朱名發說。

同時，一見平臺構建的也不是企業SaaS軟件，而是與業務場景深度融合的“AI技能”，像管理桌面清潔，就是一項具體技能。“AI技能”主打“被集成”。上述連鎖餐飲企業展示門店排名，就是通過自建管理分析系統。一見則通過一個個AI技能，將數據輸送給該系統。“AI技能”實現了“處處可及”的理念。

其二，在精度提升方面，這是一套自主進化的AI系統。攝像頭接入后，數據自動化回流、標注、微調，準確率持續優化的同時，保障了成本可控。這也是平臺的核心能力。

朱名發他們過去在工廠做小模型時，數據采集、模型訓練、效果優化等來來回回、反復折騰，消耗了大量算法人力成本，導致賬算不過來，這也是過去視覺廠商難以成功的重要原因。

“沒有人愿意花幾十萬元，去做一個桌面垃圾檢測。”現在，一見團隊通過數據直連、過程自動化，把算法開發工程變成數據運營工程。只有這樣，才能以足夠低的成本，激活更多碎片化需求。

其三，端到端平臺。一見平臺可以接入攝像頭、傳感器、機器人等各種設備，數據能自動流入，搭配多模態技能編排工具，可零代碼編排AI技能。借助這樣的端到端平臺，合作伙伴已經實現自主拓客和交付。

其四，云邊端多級協同模式。云邊協同既保證實時任務在本地和邊緣側及時產出結果，又確保復雜任務在云側深度分析、精準決策，這是高效經濟、可規模化應用的最佳模式。

其五，一見支持多種部署方式。可以通過公有云平臺使用一見。若不能上公有云，也能采用一體機進行私有化部署。在現實中，許多連鎖企業傾向使用公有云，因為連鎖門店對食品安全、服務品質等的視頻分析，不像文本分析涉及企業核心經營數據，必須私有化部署。

目前，連鎖頭部企業已經有約一半與百度智能云一見建立了合作，總計有數萬家門店在使用。“我認為現在已經可以進入規模化應用了。”朱名發說。

而連鎖企業如何更好地搭建和實現系統價值？朱名發認為，連鎖智慧化建設，應由集團企業信息化負責人主導，因為這是一個系統化工程，涉及生產、營銷、庫存、倉儲等一系列管理。

但與大語言模型應用不同的是，全視覺管理數字化非簡單的數據整合，而是類似自動駕駛的復雜工程，需要專業視覺團隊，在平臺上生產一個個視覺的AI技能，嵌入到企業智慧門店管理系統的各個環節，既要保證專業級精度，又要將成本降得足夠低，形成真正的閉環。

一見在全視覺管理數字化上也在持續進化中。平臺未來在自動化上，如數據標注將進一步降低人工比例。同時，模型調優和技能編排工具，在易用性上仍需優化，后續會通過將一見平臺改為LGUI交互模式，大幅提升易用性。

03

從后廚到江河：全視覺管理的力量

伴隨全視覺管理數字化在連鎖行業的規模化應用，最近，百度智能云一見業務，在連鎖行業開啟了“一見·未來合伙人”招募計劃，涵蓋產品戰略合作伙伴和連鎖專屬代理。

未來，百度智能云一見團隊將聚焦服務部分頭部大型連鎖客戶，通過聯創，打造標桿方案，持續優化技術路徑。合作伙伴則覆蓋更廣泛的連鎖客戶群體。

在合作方面，針對產品戰略合作伙伴，尤其是具有連鎖行業信息化背景的供應商，雙方將開展產品層面的深度合作，并實現客戶資源共享，拓展市場版圖。

而對于連鎖專屬代理，一見將為其交付團隊提供專業培訓，賦能他們為客戶提供貼身服務。通過這種緊密協作，各方在市場中實現長期共贏，共同推動連鎖行業基于視覺的管理數字化落地。

最近半年，朱名發感觸頗深。去年9月，在百度云智大會上，他首次提出了“全視覺管理數字化”的概念，當時并未引發太多共鳴，但最近，這一理念正在被更多行業企業認可和實踐。

此前，在央國企中，某能源企業在風電領域與百度智能云一見平臺合作，建設了視頻智能識別系統、生產運營智能化平臺等，提升了風電場的智能化運維和生產安全。最近，更多大型央國企在招募視覺智能底座或多模態大模型建設。

在水務領域，一見助力某地水務局完成智慧水利和防溺水系統建設。該地河流因落差大、水流湍急，歷史上曾發生多次溺水事件，包括輕生和意外落水等。通過防溺水系統的建設，系統能捕捉和識別出危險行為，并在10秒內自動發出預警，通知救援人員進行干預，已挽救了多條生命。

現在，在連鎖行業，視覺AI應用正在鋪開，企業服務質量可量化，食品安全將進一步得到保障。

朱名發深信，未來的世界每個環節都可以被管理。而技術的價值，最終會回歸到它的根本使命：讓不可見的管理難題變得透明，讓每個環節都值得信任。