AI+安防”时代谁将更上一层楼?

深圳源控通信

​       彷如一夜间，世人对人工智能热情高涨。事实上，人工智能已经走过了概念发酵阶段，正逐步走向产业化。
& n+ a3 F. x; w' Q1 g
) r& a2 s( D$ I8 ~/ O 　　一、AI落地的第一站 　　2017年被视为人工智能正式进入产业化元年。人工智能的产业化是“AI+垂直行业”的一场变革。从技术成熟度、市场空间、行业信息化程度等多个维度进行分析，安防、金融、医疗、汽车等行业将成为“AI+”时代变革的主要行业。
5 b# {4 A1 Z: R
7 {, v9 t/ D8 q) [& I       从变革进度上讲，安防行业有望成为人工智能技术最先落地的行业。国家对安防智能化的刚需结合持续的平安城市、智慧城市领域投资都成为“AI+安防”迅速成长的重要因素。 　　对于安防来说，人工智能有着天然的应用场景，海量视频数据、视频分析作为重要辅助破案手段，传统录像摘要分析的低效，早已不能适应。同时深度学习、计算机视觉算法开源化的大趋势下，具有特征性的场景数据集的获得，是AI 视频真正落地应用的关键。 　　
; c; N" g" t( v
" ]+ Y! n2 L- [0 h0 u/ v        二、两股势力飙技 　
3 N3 W$ Z# V1 V6 z　
        在安全防范领域，“AI+安防”的产业链条技术基础逐渐完善与成熟。目前关注“AI+安防”的概念的企业，大致可划分为两大阵容：一类是将AI技术融入安防系统的安防监控大咖，如科达;另一股势力是以AI切入安防、将安防作为AI技术变现的厂商，如商汤、旷视等。
0 g4 b9 {. L* _2 s! y
       从现阶段软硬势力实力综合分析来看，两类方案各有千秋，可以说相得益彰。前者的着墨点在场景应用，后者看重算法技术的落地。新兴技术公司在图像识别、人脸识别专业技术和识别准确率上都有不俗表现。而科达等安防龙头企业拥有更丰富的行业大数据应用经验，对客户需求了解也更为深刻、精准。
　　
       那么作为一项技术，AI到底是算法技术重要还是场景重要呢?笔者认为场景可能要更重要一些——数据的最重要来源便是场景，而AI技术的最终验证也需要在实际场景应用中得出。从宏观上来讲，安防企业在人工智能技术对飙上具有得天独厚的数据优势和技术沉淀。人工智能的核心是视频数据的运用。在人工智能技术融入之前，安防行业就开始聚焦数据结构化及大数据分析，并应用到人脸识别、车辆识别、车辆跟踪智能分析，AI技术的融入只是提高了其准确性。
　　
        而就底层技术而言，机器视觉解决的第一个问题是视觉与感知，要保证获得高精确度和高对比度的图像才是下一步建模与检测的基础，硬件的精度是机器视觉的敲门砖。在这一点上，因为术业有专攻，安防监控厂商拥有得天独厚的硬件实力。
　　
       在完成采样之后，行业应用的建模需要有一定的行业积累及对客户需求的准确把握。虽然在算法与数据结构上，安防厂商稍逊于专业的算法公司，但在行业应用与技术的把握上，业内厂商的方案更为高效、更具适应性。理论上来讲，拥有高精度的硬件与高效的算法，便能提升机器视觉的环境感知能力。但是要实现系统的智能判断，算法技术仍需不断训练。而在行业数据及训练方面，安防厂商的优势更加明显。
- n9 a8 x! P& e　
        三、AI变革安防 　　

        AI时代呼啸而来，在未来将给智能安防行业带来升级重构。人工智能推动安防行业进入高清化和网络化后，进入第三次升级换代周期。从产品形态来看，智能化升级将带动从前端摄像机、后端存储设备，到视频分析软件的全面升级，并带动GPU服务器等设备市场的快速成长。
! A  h: s0 o  S( Q3 w2 Y) S　　
$ m: b& o" x* E% S+ S       人工智能在智能安防设备中的应用将更加普及，“AI+”将成为各类安防产品的标配。就目前而言，基于AI技术的进出卡口认证、道路监控、区域人群监控、案情分析系统等多种垂直应用功能在安防领域加速渗透。另外，“AI+安防”有望推动安防市场迎来新一轮景气周期。在视频海量数据新常态下，同时伴随着后端行业应用的逐步深化;智能安防成为公安、交管部门的刚性需求。 　　
9 e0 `4 v, c9 _  w( N+ U　
) k) M* l7 k$ }* K" r       依照当前产业格局演变趋势预测，“AI+安防”的普及应用很有可能让人工智能成为企业在同行业中形成差异化壁垒。以苏州科达为代表的安防龙头企业，占据着智能安防监控入口，又在一体化解决方案、渠道、研发实力等方面建立起明显的优势，或将成为这一轮安防智能化的弄潮儿。

深圳源控通信

国务院印发《新一代人工智能发展规划》，《规划》提出要在中小学阶段设置人工智能相关课程，推动人工智能领域一级学科建设，把高端人才队伍建设作为人工智能发展的重中之重，完善人工智能教育体系等内容。