2018年是AI技術快速發展的一年，時時可以看到AI相關的產品和概念出現于各類發布會、展會與報道之中。然而AI本身是一門輔助決策的技術，需要融入行業應用，與業務相結合，才能體現其價值。

安防行業在2018年成為了AI落地的最佳土壤，兩者關系可以說是相輔相成，相互成就。首先，安防行業超過一半的應用與視頻監控相關，而視頻監控應用在近年來完成了“看得到”至“看得清”的轉變，隨之而來的是海量數據的積累，人工篩選難免耗時長，效率低;所以在視頻監控應用的發展期間，安防行業其實一直存在對視頻數據進行智能分析的強需求，只是受限技術因素，沒有爆發。直至2018年，安防行業對于計算機視覺技術方面強需求開始顯現，同時，也成為了人工智能最先大規模產生商業價值的領域。

反觀AI技術領域，其基礎與核心領域也聚焦于計算機視覺、機器學習、自然語言處理、機器人技術等方面。而這些細分領域的發展，都離不開海量的數據集用以算法的訓練。而安防行業已存在的，以及每日都在產生的大量數據，可以被用作算法迭代的資源。由此，安防積累的數據，也使得AI技術與安防行業有了更高的契合度。

除了算法、數據之外，AI發展的要素還要包括算力;因為算法提升、數據增加，也在不斷催生著增強算力的需求。由此，算法、數據、算力成為了業界公認的AI發展三要素。人工智能技術無論多么高深，落地應用才能有實際價值，于是今年“AI+安防”的結合成為了關注焦點。 對于“AI+安防”——人工智能技術在安防行業的實際落地應用，對于其發展，我們可以從算法、算力、數據幾個方面分別來看：

算法部分：被動監控向主動識別過度，AI技術推動安防發展

AI賦能視頻內容分析

AI賦能的最典型例子莫過于內容分析能力，使設備“看得懂”所記錄的數據。過去，被記錄的數據都被傳輸至數據中心由進行分析或計算，需要的檢索時間長，人力成本高，而即便如此最快的響應也只能做到事后查證，十分被動;得益于AI的計算和分析能力，算法將分析和判斷的能力交予設備，使感知記錄型的設備變為可進行智能分析的設備，使其對布控范圍內事件響應更加靈敏， 使安防系統由事后查驗的被動防范逐漸轉為事前預警的主動防范，使安防系統真正具有“防”的能力。

今年的各類展會與發布會上，已經可以大量地見到具備人臉識別能力的產品：

以上兩家是算法提供商頭部企業，而對于行業標桿，各廠家也會一定會奮力追趕，預計2019年端設備8路視頻流處理能力將慢慢成為標配，10路以上視頻流處理能力會逐漸變為主流。

除了增強視頻監控“云”、“邊”、“端”側的能力，算法也在推動著傳統安防產品的升級：

軟件定義架構實現軟硬解耦

華為在2018年8月重磅發布的“星”系列軟件定義相機，即是具備AI能力的攝像機的代表，涵蓋了目前AI技術在前端攝像機上的各類應用：

“星象”——人臉相機，帶有本地人臉庫，可存儲10萬張人臉;并且可以智能調參，在不同場景下實現以最佳的視角抓拍人臉。

“星馳”車輛微卡口攝像機——可以實現在低照度或抖動情況下抓拍清晰車牌，并通過算法關聯車輛信息做相應處理。

“星辰”——態勢感知相機，可以根據針對光線、天氣、運動情況等場景因素來進行軟件的自適應調節，從而達到最佳拍攝效果。

“星盾”——交通場景的自動變焦攝像頭，內置自動變焦鏡頭，同時在斷電情況也也能夠保證數據的安全。

“星”系列相機最重要的意義在于軟硬件解耦，如同安卓手機可以刷不同ROM一樣，“星”系列相機可以根據不同場景、情況來加載需要的算法、甚至多個算法靈活組合，這樣便實現了應用場景的按需定義，同時使得智能化的相機在相同硬件條件下能夠實現不同的功能。

并且隨著硬件發布，華為還帶來了智能相機“1拖N”的理念，對于大量存留自模擬時代的攝像機，傳統思路是在節點附近安裝帶有分析能力的盒子;而華為的思路則更加直接： 把帶有AI能力的攝像頭富裕的算力，用來處理周圍模擬相機的數據，不再額外增加盒子。華為表示，已能夠實現智能相機1拖1，將在2019年真正兌現1拖N能力。而這些功能的最終實現還需要借助于基礎能力提升——算力的提升。

算力部分：算力區分應用場景，能力提升并且來源多樣

邊緣計算趨勢明顯，前端計算能力提升

各類的帶AI元素的產品中，我們已經能夠發現不少都帶有人臉識別功能，并且很多還帶有了結構化功能。視頻結構化功能（人、機動車、非機動車）已經逐漸在成為視頻監控智能產品的新主流功能，并且視頻全結構化過程在迅速向前端過渡。

不同于以往算法公司與硬件公司深度合作，基于硬件產品優化算法;或者是硬件公司做出標準產品提供基礎功能，尋求算法公司進行算法集成;今年智能攝像機、人臉盒子產品中出現了“算法+硬件”軟硬件一體的產品：

曠視的B3盒子具備深度學習能力，集抓取、識別、對比、報警能力為一體。可以做到16路1080p，每路30人臉的識別性能。

Atlas500采用了海思Hi3559A和華為Ascend 310芯片，自帶雙SSD，以機頂盒的大小，能夠實現16路高清視頻處理。

隨著計算的前移，芯片的算力逐漸成為了應用場景的定義標尺。目前“端”設備的算力主要集中在1Tops以下，“邊”設備的算力集中在2~4Tops。AI與安防融合初期，政府垂直類項目對于方案成本敏感度可能較低，而進入公安應用場景后成本將成為競爭優劣勢的一個重要因素。因此我們可以看到硬件公司在逐步通過產品算力細分、匹配應用場景;同時，也帶來了更加多樣化的算力提供方式：

高能效低功耗，算力提供方式多樣化發展

前端計算和全結構化的興起催生了對算力的一個新需求：性能提升和功耗降低;GPU在能提供非常充沛的算力同時，也需要消耗大量的電力，并且體積巨大。因此，2018年我們看到地平線、寒武紀等公司開始另辟蹊徑，自研新架構AI芯片來應對高性能低功耗的需求。以地平線公司為代表來說：

在今年10月，地平線首次展出了XForce邊緣AI計算平臺。XForce平臺基于地平線BPU2.0（自研伯努利架構）處理器架構的FPGA，實現了人臉和人體抓拍識別、人體行為分析、視頻結構化等功能，保持各項任務指標處于業界領先地位，并相對GPU有明顯的功耗優勢。

并且，其最新發布的Matrix360°視覺感知方案也搭載了三款地平線自研的Matrix自動駕駛計算平臺，每塊Matrix可同時接入4路720p視頻輸入，實時處理速度》50fps， 而且經過深度優化，每塊Matrix的功率被控制在僅僅31w。

數據部分：數據挖掘利用能力增強，大數據平臺成熱點

數據利用能力有所提高

AI與安防結合初期，環境適應性差、數據資源分散、場景理解受限等問題，客觀制約著視頻結構化功能的性能，以及實用化程度。而今年我們可以看有很多產品已經開始宣稱非約束場景下的抓拍、識別功能。

目前，車輛及道路環境相對高的標準化程度，識別率已經較高。人臉識別的準確率也不再像之前，非常容易受到光照不足、逆光過曝、目標像素尺寸過小或物體遮擋等環境因素的影響而降低識別準確率。并且現階段安防數據資源對于企業的開放和共享程度有所提高，尋求在“AI+安防”思路下發展的公司可以更好地展開多維度的數據交叉融合分析，使得人工智能分析技術獲得有效的數據支撐。

同時，過去的視頻內容分析技術對場景理解有限，多為單場景的目標檢測和行為分析，很少涉及大范圍場景的關聯行為分析，所以很難用于異常行為分析和風險預測等防范用途;在今年我們可以看到華為“星辰”態勢感知相機：可自動感知天氣、光線狀況并進行調整以輔助監控;特斯聯致慧X3人臉識別網關：可以實現在商業場景中進行用戶畫像、人臉屬性結構化、客流統計、熱點區域和動線分析;曠視甚至展示出了能夠進行300人臉高并發抓拍的高密人臉抓拍平臺。大場景的數據利用能力提高，也使得智慧城市、智慧交通成為了AI+安防在2018年的絕對熱點。

多維大數據分析成為熱點

海康、大華在模擬時代已經具有非常強大的前端能力。但是“兩池一庫四平臺”戰略的發出，標志著海康從提供前端設備到提供中后端平臺和AI能力的轉變;大華的HOC城市之心智慧城市網絡架構，也已經在阿里ET大腦的杭州蕭山實驗項目中，提供了分析技術，實際有效地提升了道路通行量。

在AI+安防的發展之路中，除了傳統巨頭，更有后期之秀——算法、算力的供應商，通用技術的提供者。在這些公司當中，一部分選擇了將技術能力平臺化，擴大服務面向行業，廣泛積累數據，如商湯、曠視;一部分選擇了深鉆自研，如云天自研芯片，地平線、寒武紀自研架構。不同的商業思維孰優孰劣有待時間去考證，但值得欣慰的是我們看到了技術廠商相互競爭帶來了技術沉淀與提升。安防行業相對來說政府垂直項目多，業務渠道行業壁壘突出，AI技術融入安防，對于安防行業重服務、重應用的市場形態起到了一定程度的積極影響。

但是，AI只是一門技術，短時間內無法撼動傳統安防企業的地位。傳統安防企業的優勢在于長時間在行業內摸索嘗試所積攢的資源、關系、人員和經驗。關于技術，有能力的企業可以選擇自研，實力稍弱的企業也可以選擇收購并購的方式來補足。

小結

在近幾年， AI+安防的建設還處于初級階段，企業級市場和消費級市場還不成熟，主要的市場集中在2G端，面向政府。因政府垂直類項目存在的剛需，對價格因素不敏感的特點，加上安防產品具有非標準化的特點，安防廠商得以不斷迭代開發新產品，通過產品的更新換代創造價值。但是產品、設備的制造與銷售有其發展的局限性，受政策影響大并且也將逐漸出現產品趨同化現象，因此我們可以看到安防頭部企業已經開始了自我轉型，向上深挖解決方案層面的差異化需求，以創造新的服務附加值。

面對此局勢，安防集成商首先需要意識到轉型的必要性，積極利用自身資源，通過合作開發、自主開發、或戰略投資等方法形成智能安防解決方案，向上游拓展并加強自身實力;同時，需要保持對下游運營市場的關注和分析：雖然AI+安防目前處于基礎建設和發展期，一旦基礎建設完成，競爭將立刻由基礎建設方向過渡，轉向應用與運維方面。因此，提前布局下游將成為新的機遇所在。