从总部专家逐项目交付，走向省公司自主生产与云边端规模复制
集团在政企、园区、门店、工业、交通等领域持续产生图像分类、目标检测和场景识别需求。省公司具备应用研发、系统集成和项目交付能力，但缺少完整算法团队，难以独立完成数据治理、模型研发和云边端部署。
过去，省公司获取商机后需要申请总部算法支持。一名算法工程师通常要独立走完数据收集、标注、训练、测试、适配和部署流程，模型研发周期约为 1–2 个月；客户数据不到位时，项目还会长期停滞。
总部资源只能优先支持大型项目，大量 SMB 与定制需求因投入产出不匹配无法启动。平台因此不以增加一套训练工具为目标，而是要重构集团 AI 能力的生产和交付方式。
AI MaaS 定位为集团公共科创基础设施，不追求平台独立盈利。平台、AI Infras 与算力网络由科创经费统一建设，免费开放给全集团业务公司；只有模型进入真实业务部署后，才按实际产生的云侧加载和工程适配服务收取低额费用。
数据、标注、训练、微调、测评、模型管理和部署编排。
覆盖算法服务加载、运行资源、版本发布和基础运营。
覆盖模型转换、芯片适配、应用封装和终端下发。
相关加载能力已经包含在集团边缘硬件收入中。
约6000万元是平台支撑和带动的相关项目价值，并非 MaaS 平台直接收入。项目价值主要体现在降低集团重复建设成本、扩大可服务商机范围，以及带动云侧业务、芯片终端与边缘硬件项目。
| 层级 | 核心能力 | 解决的问题 |
|---|---|---|
| 业务入口 | 200+ 业务公司承接 POC；IPC 与无人机专业公司提供业务场景、流量入口及告警处置 | 业务平台负责线上告警与事件闭环，MaaS 专注模型生产和部署 |
| AI MaaS | 数据管理、在线标注、训练/微调、模型适配、模型测评、自动工程化封装和模型管理 | 把专家流程转化为省公司可操作的标准产品 |
| AI Infras | 集团算力网络、训练/推理算力、模型与镜像仓库、服务 CI/CD | 避免分公司重复建设，提高公共资源利用率 |
| 部署终端 | 云侧业务服务、边缘设备、IPC 终端、无人机终端及芯片适配 | 打通模型从训练结果到业务现场运行的最后一公里 |
每一步都由平台记录数据版本、模型版本、目标环境和执行状态，并通过现场数据回流持续迭代。
由业务平台发起设备和数据回流授权，配置用途、范围、脱敏规则、有效期与数据集版本。
支持分类、目标框和 AI 预标注，完成质量检查与数据集划分。
选择基础模型和推荐参数，由共享算力完成新模型训练或场景微调。
根据云侧、边缘、IPC 或无人机环境进行格式转换、压缩与芯片适配。
比较 Precision、Recall、mAP、困难样本与不同运行环境的性能。
自动构建应用、镜像和运行配置，将模型转化为可发布服务。
通过服务 CI/CD 灰度发布至云、边缘设备、IPC 与无人机终端。
回收低置信度、误报、漏报和新场景样本，进入下一轮训练。
覆盖集团主要业务区域。
更多 SMB 与定制需求进入验证。
带动云侧、芯片、应用与硬件项目。
更多商机可以进入 POC 验证阶段。
验证完成后进入正式项目的比例。
缩短模型生产与工程部署周期。
形成覆盖各地市的前向交付力量。
覆盖云、边、IPC 与无人机终端。
覆盖研发、解决方案与交付团队。
覆盖分类、检测与行业模型。
形成可复用的工程化场景资产。
持续沉淀业务授权与回流数据。
