AI安防需要成功學，或者說是通用方法論。

方法論，來源于一個個具體方法的總結，具體的方法，是方法論思想的具化。

回頭去看中國最黃金的互聯網二十年，在BAT、TMD壯大的背后，隱藏著一套又一套的互聯網方法論。諸如社區/社群的運營路徑；各式各樣的商業邏輯；繁雜多元的用戶行為；去中心化與自生長等。

其中，不少方法論至今還被奉為互聯網產業圣經。譬如《流量池》一書中提到的一個觀點：

移動互聯網時代最貴的不是流量，而是用戶關系和關系鏈。

騰訊之所以能夠穩坐互聯網三巨頭之一的位置，依靠的不是工具應用的壟斷，而是通過QQ、微信等社交產品，打通和綁定用戶關系鏈。

這種綁定帶來的最大的商業價值，就是不需要通過傳統的廣告和營銷模式去告知用戶，只需要通過充分的“社交挑逗”就能讓用戶追隨朋友的喜好。

低成本社交流量的獲取關鍵就在于社交關系鏈的打通。

這類方法論通常都有某種普世價值觀，這種價值觀普遍是利他性且能得到廣泛認同的，最終能夠沖破各類規則的束縛，回歸設定的主題軌道。

遺憾的是，互聯網C端之外，包括安防在內的B/G端行業至今還是這類“成功學”或者方法論的荒漠。

過去幾年，為什么安防會一躍成為一眾科技公司競相追捧的對象？

一個極為重要的原因在于：

技術的天然適用性。泛互聯網的AI通用方法論可以去指引技術，從而滲透至“封閉的”安防市場。

從前涇渭分明的兩大領域，因為一條人為的技術管道放入中間，使得兩者可以交融。科技公司與安防企業也因為這一項技術理論的共通，成為了同一平臺的對手。

新形勢下，相較保守的AI安防市場若想打破現實的鴻溝，去往視頻物聯的星辰大海，定量的實際可行的方法論必不可少。

理由很簡單：

對手變了、玩法變了、用戶變了、環境都變了，以前的安防市場變成了今天的泛互聯網市場。

一直以來，有人將成功學或方法論比喻成雞湯，我更愿意將它翻譯成獨特的觀點與真知灼見。也正如宇視總裁張鵬國此前接受雷鋒網采訪時所提：

雞湯是需要的，味精不多就可以了。

眼下的AI安防圈，盛產方法論或者高質量雞湯者屈指可數，在雷鋒網AI掘金志看來，海康威視總裁胡揚忠、宇視科技總裁張鵬國算是其中佼佼者。

胡揚忠在安防行業一直像似一位“老大哥”般的存在，一旦行業遇阻、市場紛亂、成分多元時，他總能第一時間站出來談一些“鎮定人心”的總結。

此前他通過雷鋒網相關平臺發表過不少精辟方法論，以下是節選的其中三條。

頻繁并購解決不了安防實際問題，曾經中國的安防行業有過大的資本整合，但最終都變成了資本的游戲、鬧劇。

項目今年多一些，明年少一些，不是特別重要的事情，也不用算得太清楚。不必太過沉迷數字、圍著數字在轉，把目光放長遠，這是人們應該要做的事。

以前一年做一千萬營收都可以賺錢，未來一年做一個億都可能虧損。安防市場非常碎片化，需求也很零散，安防的業務就像吊在天花板上的無數沙袋，單靠一兩個硬拳頭，只能撼動個別沙袋，但無法通吃，無法形成規模。

安防并不只是投錢就能做得起來的，資本會有一時的沖動，但退出的速度也很快。 在這個市場中，活下來容易，發展壯大很難，誰來了都能咬上一口，但過上舒服的日子很難。

一個產業的發展也有自己的生態和規律，不是光砸錢就能把事做好。需要資金，也需要時間，需要人才積累，需要團隊文化的沉淀。

企業要恪守商業底線，不能用野蠻的方式去掠奪市場，通過燒錢補貼進行惡性競爭。早期用戶看似得到了一些好處，但最終卻因為被綁架而要付出更多。急火煮出夾生飯，小火才能煲好湯。

不同于胡楊忠，在安防從模擬化到IT化進程中，張鵬國帶領下的宇視天然自帶IT基因，從新華三獨立出來，以“改革者”之姿殺入這片戰場。

八年時間來，張鵬國產出的經典方法論堪稱近十年中國安防行業最絢爛的一筆。譬如：

一個稱職CEO應該具備三大標準：短期和長期平衡好：短期能活下來，長期不要失去機會點；所有正確的決策中選一條最重要、最緊急的，堅定走下去，不猶豫不動搖；重大市場和技術拐點絕對不能錯過。

戰役上，不要被雙殺，即國內市場不要被打殘、海外市場不要被封鎖；堅持解決方案、部件級產品的雙螺旋結構，輪番突破技術制高點和解決規模發展瓶頸。戰略上，必須創造出新的市場。

ToC行業和ToB行業有很大不同。在IT領域，To C只能成就一家，只有第一名能活的最好；但To B前10、20名都能活。有定力的公司會笑到最后，任何新技術的落地不會在技術的喧囂期，而是喧囂過后的沉靜期。

重兵突圍之前，一定要選擇更具成長性的業務，通常來說，這類業務需要具備五大特點，缺一不可：可量化（要能量化考核）、可積累（核心競爭力的沉淀）、可迭代（有后來居上的可能性）、空間足夠大（有犯錯及改正的空間）、符合社會及組織進化的方向（有未來）。

管理方法論之外，過去兩年，還有數百位技術專家分享了他們的技術方法論。

譬如中國工程院高文院士，他曾提到，現有視頻監控體系的弊病，使得很多復雜任務無法完成。于是數字視網膜應運而出，承載數字視網膜的攝像頭需做兩件事：

首先做好編碼；其次為后面的識別，提取出所需的信息。

數字視網膜與人的眼睛既具有影像重構（精細編碼視覺內容），又具備特征提取（面向識別理解）的功能。整個數字視網膜實際上包含了三種核心技術：基于背景模型的場景視頻編碼、視頻特征的緊湊表達、視頻編碼與特征編碼的聯合優化。

整個數字視網膜實際上包含了四方面的核心技術：

基于背景模型的場景視頻編碼；視頻同步描述整個表達的記錄，同時可結合最近比較熱的深度學習；在保證性能的時候，用同一個碼流把兩個任務都傳出去，這需要靠視頻和特征原有編碼技術的優化形式來解決；最后是云端的檢索，對視頻進行更加合理的描述，以便用于搜索。

而云端系統三大構建模式為：直接基于特征碼流、在特征碼流上深度分析、前端簡單識別+云端大數據搜索。

再譬如阿里巴巴副總裁華先勝，他曾判斷，算法更新速度極快的今天，如果很多智能功能要嵌入在攝像頭端，得把所有軟體刷新一遍，工作量巨大且不見得所有硬件會支持。

計算是行業需要解決的核心問題之一，怎樣才能擁有較高的計算效率，這是包括阿里在內的企業一直在思考的問題。

第一要有計算平臺的支持，該平臺要讓項目做起來更加高效，要能容錯；其次是云計算平臺又需要大量的計算機器資源；最后是算法本身。

改進深度學習的方法很多。首先可在機器指令集上進行優化工作，其次也可在CPU和GPU層面優化。算法本身的優化，較為常見的是優化神經網絡結構。由于神經網絡中集成的計算量相當大，因此我們需要考量能不能把大模型在不損失性能的前提下壓縮為小模型，小模型能不能剪一剪。

行走在AI安防這大千世界，一種或幾種方法論無法描繪所有。

管理成功學、技術成功學之外，還包括產品成功學、觀點成功學等等。如何在較短時間內去獲取更多的行業總結、市場方法論？

過去幾年，雷鋒網AI掘金志也一直在尋找這些行業“成功學”，我們也力求通過找尋業界最為資深的科技巨擘、舉辦業界最為前沿的行業峰會，去為行業人士講述最為落地的通用方法論。

經過三年的努力，我們也有幸重新定義了安防報道形態，并打造了中國最具影響力的“AI+安防”論壇。

2018年3月，雷鋒網AI掘金志舉辦了國內首個以“動態人臉與車輛識別”為主題的AI安防峰會，這也是業內第一次把5大安防企業（海大宇天網）和眾多AI公司首席技術高管聚集在一堂的行業盛會。

2019年3月，雷鋒網AI掘金志再次站在技術、產業和商業格局最前沿，在杭州舉辦第二屆「中國人工智能安防峰會」。

今年，第三屆「中國人工智能安防峰會」也將如約而至，于4月-5月在杭州啟幕。

本屆峰會以「洗牌結束 格局已定」為主題，邀請從近千家AI&安防公司中突圍，并引領行業下一個五年的10多家最具生命力的企業，發表、總結過去五年他們的所聞、所思、所想。

在前兩屆峰會中，我們已成為了海康威視、大華股份、華為安防、阿里城市大腦、騰訊優圖、商湯、曠視等知名企業高管每年首度公布年度AI安防業務的第一會議平臺。

在本次峰會上，演講嘉賓也將向業界首度解密他們逆流而上的痛、乘風破浪的勢，以及熬過洗牌期，奠定行業地位的產品、技術、業務方法論。

面對復雜而變幻莫測的行業，我們需要勇氣也需要謀略。

仔細搜尋，去找出為數不多可以影響結局的著力點，從而去發現通往成功的窗口通常要比閉門造車的效果好得多。

世界上也許沒有可以照搬的方法論，但背后或許有可能連通的表達接口。

從必然性思維發展到隨機性思維，從確定性認識發展到不確定性認識，這是人類突破自身認識局限的進步。

換句話說，從整體的角度來觀察個體，不僅能對每一個部分認識的更清晰，也能對各部分之間的聯系和影響把握得更到位。