今年8月底，山东极视角科技股份有限公司（下称“极视角”，6636.HK）交出了上市后的第一份半年报，总收入1.65亿元，同比增长181.2%，经调整净利润实现扭亏。其中，大模型解决方案收入同比暴涨超45倍，成为拉动业绩的核心引擎。

极视角被誉为“AI视觉大模型第一股”，是山东人工智能（AI）垂域大模型的代表企业。10月14日至16日，2026人工智能产业大会将在山东济南举办。近日，经济观察报记者走进极视角，采访极视角联合创始人、总裁陈硕，了解这家企业快速成长背后的故事。

2015年，极视角由陈振杰、陈硕、罗韵在深圳创立。这家企业能在竞争激烈的人工智能（AI）视觉赛道突围，离不开几次关键的战略抉择。

陈硕介绍，第一次关键抉择，是将目光投向生产制造等实体经济领域，瞄准千行百业海量碎片化需求，打造AI视觉算法商城。

凭借沉淀的上千种算法、服务数千家客户的实践积累，极视角在视觉AI的混战里活了下来，并成为国内少数实现盈利的AI视觉企业。

第二次，是在“大模型热”里没有跟着跑，而是转身自研星际视觉语言大模型，让自然语言直接生成识别模型；同时打造大小模型协同应用模式和体系化能力，以小模型保障业务实时响应与识别精度，用大模型完成泛化场景的复杂理解。

而第二件事能落地，离不开场景。场景是大模型实现商业价值、突破技术瓶颈的关键。

2021年，极视角将总部从深圳迁至青岛。对于搬迁的原因，陈硕解释，人工智能技术终究要扎根实体产业的场景中才能发挥价值。山东工业体系完备、实体企业集中，能提供大量应用场景，让AI算法有现实的应用土壤。搬迁后，来自产业一线的真实工况，又持续反哺算法打磨迭代。

2026年3月30日，极视角登陆港交所，成为2026年山东省首家港交所IPO企业。

在陈硕看来，上市只是新起点。他将星际视觉语言大模型视作公司的技术底座，未来极视角将锚定两大方向：一方面加大研发投入，夯实底层技术与模型平台能力；另一方面开拓第二曲线，攻坚企业内部大规模智能体落地应用。

锚定视觉赛道

极视角为何锚定计算机视觉这一赛道？陈硕认为，人80%的信息获取都来自眼睛。放眼产业现实，视觉相关基础设施已经十分完备，监控摄像头、工业相机、无人机、机器人遍布各行各业。这就意味着极视角无需从零搭建硬件体系，仅依托现有设备叠加算法能力，就能够挖掘出AI的产业价值。

但基础设施完备，不意味着需求容易满足。AI视觉市场整体体量可观，但行业需求呈现高度碎片化特征，千行百业催生出大量细分、定制化的业务场景，单凭一家企业的研发能力，很难覆盖全部市场需求。

彼时，多数传统视觉AI企业将目光投向公安、银行这类头部高价值场景，业务重心集中在人脸识别、身份核验等方向。极视角则走出差异化发展路径，把重心放在生产制造这类实体经济领域，面向海量碎片化产业场景，尝试以规模化的模式，去满足市场中80%的算法应用需求。

“碎片化对单家公司是挑战，对平台模式反而是机会。”陈硕表示。2017年，极视角推出了国内首个AI视觉算法商城，其模式类似于苹果手机的AppStore，极视角提供开放工具与平台，汇聚全球开发者，为千行百业开发算法。需求方则可像选择App一样获取AI能力，免去从零研发的周期与成本。

截至目前，这一商城已上架1500余种算法，覆盖工业安全生产、智慧零售、城市治理等超百个行业场景。商城累计服务客户超3000家，自成立以来累计交付项目逾6000个，产品复购率超过80%。

这种模式下，极视角不需要独自承担所有算法的研发成本。轻资产模式的优势在财务数据上体现得十分明显：2024年，极视角营收2.57亿元，同比增长100.8%，毛利率提升至40.2%，非国际准则下经调整净利润首次转正至2050万元。

但商城产出的大量算法，大多是面向单一任务训练的小模型，只能够解决具体、孤立的业务问题。每新增一类业务场景，开发者就要重新完成数据采集、标注、模型训练整套工作，周期长、成本高，难以规模化响应客户不断涌现的新需求。

陈硕举例：客户今天需要识别安全帽、反光衣，部署三个小模型就可以满足需求；明天业务新增识别黑色安全帽的诉求，因为模型此前没有经过对应样本训练，整套开发工作就要从头再来。

这种“一事一议”的开发模式，在AI需求爆发式增长的背景下越来越吃力。此外，产业客户的需求也在升级。从最初的“能不能识别这个物体”，变成了“能不能理解这个场景”。

为解决传统算法的效率瓶颈，2025年，极视角自研了星际视觉语言大模型。该模型的技术突破在于，80%以上的视觉场景，无需像传统方案那样重新大量标注训练，企业只要通过自然语言指令，就能一键生成定制识别模型。该模型能够适配100+个行业场景，大大降低了企业应用大模型的门槛。

不被“大模型热”带着走

相较于纯语言大模型，星际视觉语言大模型的研发之路要坎坷得多。陈硕表示，业内语言大模型技术路线可供参考的案例众多，但视觉大模型可借鉴的成熟路径十分有限，大量技术环节需要该公司从零摸索。

除了研发层面的挑战，星际视觉语言大模型产业落地中的幻觉问题也较为棘手。大模型在复杂实景中常因幻觉导致图像理解失准、检测误差频发，难以支撑核心业务决策。

极视角从两方面入手解决：在数据层面，基于10亿+真实业务数据集进行标注训练，保障模型在复杂场景中的高精度识别与稳定推理；在技术层面，构建细粒度对齐、负样本采样等多维度专项技术机制，进一步抑制幻觉。

陈硕坦言，幻觉问题是所有大模型企业持续攻关的课题，大模型本质上是概率系统，永远无法达到100%的准确率，因此必须建立完善的评测体系，“像考试一样”不断检验模型的能力边界。

极视角没有在大模型热里跟着跑。业内普遍将2023年视为“大模型元年”。2023年Meta推出SAM模型，被视为计算机视觉领域的“GPT时刻”，宣告CV大模型时代的开启。一时间，大模型参数比拼成为行业主流叙事。

陈硕认为，在产业AI领域，大模型与传统小模型并非替代关系，而是协同共生。基于这一判断，极视角选择了以平台生态承接大小模型的协同的差异化路径。

传统小模型在特定场景下精准高效，但泛化能力差。面对新场景，需要重新采集数据、标注和训练，周期长、成本高、效率低。通用大模型虽能“看见”，却缺乏对产业场景的细粒度感知和深度理解，在工业、交通等复杂环境下容易出现误判，难以支撑核心业务决策。

这一协同逻辑在极视角与某大型铝业集团的合作中得到验证。陈硕举例：该企业生产环境高温、高粉尘、高腐蚀、高噪音，设备运行负荷大，机械伤害类安全隐患多发。传统人工巡检模式很难覆盖全部长尾风险，同时还面临算法模型零散、适配难度大、运维难以统筹的问题。

极视角以极星平台为管理抓手，基于星际视觉语言大模型，落地50+大小模型场景应用，其中包括30+大模型任务，例如磨机料浆泄漏、气动离合器异物检测等。效果显示，人工瑕疵检出率仅为50%至60%，而大小模型协同模式可将检出率提升至95%以上。

“公司做的所有算法开发，都不是闭门造车，而是来自于每一次跟客户的交流，不断挖掘一线需求。人工智能需要与实体经济深度融合方能释放最大价值。”陈硕说。

智能体是新的增长点

站在上市后的新起点，大规模企业级智能体落地，成为极视角下一阶段的核心攻坚方向。

智能体是一种能够自主感知环境、记忆信息、进行逻辑决策、与外界交互，并调用工具执行任务的智能系统。它是人工智能产品及服务的重要形态，能够像“数字员工”一样，在没有人类持续干预的情况下，自主拆解复杂任务并达成特定目标。

行业数据印证了企业级智能体的爆发潜力。据IDC数据，2025年中国企业级Agent市场规模约212亿元，2026年预计增至449亿元，年复合增长率超过110%。

在陈硕看来，当前不少通用智能体只能读懂文档、完成对话问答，很难真正介入企业的实际生产执行，原因是缺少对物理现场的视觉感知能力。而工业、轨道交通、港口等实体企业大量业务发生在真实现场，纯文本大模型无法获取现场画面信息，导致通用智能体只能“纸上问答”，没办法真正参与生产执行。

视觉语言大模型正是补齐这一环的关键。智能体把业务规则和现场画面打通之后，才可以完成从感知现场、研判风险到输出处置建议的完整业务闭环。这正是视觉大模型不可替代的价值所在。文档只能告诉你“应该怎么做”，视觉才能告诉你“现场发生了什么”。两者结合，AI才能真正干活。

陈硕判断，未来企业不会依靠单一大模型包揽全部业务，而是搭建起一套多元协同的模型矩阵。不同智能体根据任务需求灵活调用对应的能力底座，部分智能体调用视觉大模型解析现场画面，部分依托语言大模型处理文本业务流程，各类模型相互配合，共同完成复杂的产业任务。

这一判断已有落地验证。2025年，极视角星际视觉语言大模型作为青岛地铁集团大模型体系中的视觉能力基座，参与支撑其500多个智能体的升级规划，相关成果已在青岛地铁6号线等线路上线试运行。

以供电智能体试点为例，可实现工单自动派发、风险预警、故障自诊断及预测，试点中将作业时间从12小时缩短至3小时，处置效率提升70%以上。

2026年9月，极视角先后与极狐GitLab、百思特管理咨询签订战略协议，联合发起“AI智能体开发联盟”。从单点算法到智能体生态，极视角正在完成一次战略跃迁。该公司定位已从“AI模型能力竞争”转向“企业级AI落地服务”。

陈硕表示，未来，除了夯实大模型能力之外，该公司希望探索如何在企业内部实现成百上千乃至上万个智能体的规模化部署，助力客户借助AI实现组织变革和效率革命。这有望成为公司未来发展的第二曲线。

（作者 王惠）