有人說，2019是AI場景落地應用元年，從當前AI在安防監控場景下，已經由安軟慧視實現了首個城市級大規模智能化落地應用方面，我想這么說是合適的。毫無疑問，在安防這個當前最大也最具想象力的落地應用場景中，卷入這場競爭的，已經從安防企業與AI新貴兩大勢力之爭，進入到了安防公司、AI公司、互聯網科技與通信公司、云服務公司四家爭鳴的局面。

在目前的四家爭鳴中，有的關注把單個攝像頭功能做大做強，實現以一頂百；有的關注視頻中樞平臺，希望利舊為新；有的關注做云端化平臺，以期成就數據和應用承載；有的關注生態化平臺，希望能統領全局。從當前市場需求的復雜性來看，確實很難辨出優劣之分，每套打法都集合了各家的長處，也都有合理之處。我們相信在終極目標一致的情況下，這些方案一定會不斷融合，共同走出一條最為經濟適用的安防+AI信息化、智能化之路。

我們都知道安防是個極其碎片化的市場，只有實現了低成本的規模性智能化，低成本的強大算力，高精準的場景識別算法，快速的檢索應用能力，以及政府持續推動城市數據統一時，碎片就能混而為一。所幸的是，這些條件正在慢慢成熟，而且與金融、零售、醫療行業相比，安防由于屬性特殊，應用場景明確，使用路徑單純，更像是一個應用點單，而不是一個龐大的復雜生態。正是因為簡單，對技術的革新應用，就可能實現對面（也就是規模），進行升級改造，使行業重新洗牌。

“安防+AI”落地場景中的痛點

要實現規模性落地，就必須先理解落地場景中的痛點需求，注意是理解而不能只是了解，了解只會讓我們一直站在場外看熱鬧。

痛點一：現有系統智能化

安防中最大規模的工程是天網工程和雪亮工程，目前已建成的就有超過四千萬路，基本上已經形成了“點上覆蓋，面上成網、外圍成圈，覆蓋城鄉”的格局，這么龐大的系統現在正在發揮作用，我們首先要做的應該是讓它全面的、深入地發揮作用，這是當前安防市場的底色，不解決底色問題，再怎么折騰也只是點綴，點綴就一定無法解決密度問題，密度問題解決不了，就一定無法解決整體效能問題，一定要首先實現規模化的原因和前提就在于此。

痛點二：現有系統和新型智能攝像機的融合

這可以知道，上一點中，并不是說新型智能攝像機不重要，恰恰相反，很重要，對應用能力的承載和檢驗還都是離不開新型智能攝像機的，只是我們得既要看到點綴也要看得到底色。并且能讓底色和點綴和諧共處，互相協作。如果沒有傳統視頻監控智能化，新型智能攝像機就是孤軍奮戰，如果沒有智能化能力，傳統監控系統依然是個存儲系統。

痛點三：安防監控系統實戰應用知識

我相信現在應該很少再有人會覺得“算力、算法、數據”是解決不了的問題了，只是它夠不夠經濟，而“場景、應用、知識”卻成了決定AI能不能落地的關鍵點，直白地說，能不能讓現有的安防實戰場景真正爆發出顛覆性的效能革新，這才是檢驗AI能不能落地的定海神針，實踐標準。不了解應用場景，不知道實戰應用邏輯，不清楚嫌疑人作案心理，不明白偵查與反偵查手段……要想真的做好這件事，恐怕真挺難的，就象是在玩一場不清楚游戲規劃的游戲，勝算可想而知。

痛點四：實戰場景算法標準化

我們知道深度學習就象是教小朋友認識貓，不斷地給他看站著的貓，臥著的貓，躺著的貓，跳躍的貓，睡覺的貓，黑色的貓，白色的貓，花紋的貓，只露出半個身子的貓，還有卡通的貓等。而實戰場景訓練學習算法要比這難的多，比如說打架，什么姿勢算是打？被打的人呈現什么姿勢能判斷這是打架還是攙扶？即使都呈現了這樣的姿勢，那怎么判斷是玩鬧還是傷害？更進一步說，一家進行了判斷，其它家的判斷會不會有差異，這些有差異的數據怎么整合……

痛點五：成本，成本，成本

讓政府不計成本地進行改造，這顯然不現實，算力要經濟，算法要經濟，硬件要經濟，維護要經濟，應用要經濟，只有整體實現了低成本，才能夠被大規模的實施落地。

痛點六：人才，人才，人才

上面提到的痛點，即使都解決了，能不能落地依然是個未知數，因為把零星的痛點整合成實際可用的解決方案要通過人才，實現技術與實戰的結合需要有經驗的人才，把場景訓練成實戰思維模型需要人才，項目工程的落地也需要人才。目前人工智能仍然是人工+智能的狀態，在脫離的人工的情況下，只談智能也不太行得通。

賦能安防，就是為實戰應用賦能

說到底，檢驗賦能效果的唯一標準，就是安防的應用效率和效能的明顯提升。安軟慧視首個城市級大規模智能化場景的落地，最后體現出來的就是讓現有的安防系統變的好用了，原來查案需要不斷看視頻，現在只需要看圖搜索就可以了，原來費時費力，高強度的人工，現在讓機器做了，破案人員的工作積極性就被調動起來了，破案速度和破案數量也就自然得到了提升。可以看出，關于賦能安防，我們可以從以下幾個方面展開。

1. 資源庫建設模式賦能

安防監控資源庫在未賦能之前，只是一個簡單的視像記錄和存儲系統，查詢它的唯一方式就是用人工去看，提高查找效率的方法就是用倍速去看，這種資源模式帶來的痛苦是可以想象的，對，就是很快就會頭暈眼花，眼睛腫痛。而賦能之后，就會把視頻流變成圖片庫，并且每張圖片都會標記上人物、車輛及物品的詳細信息，比如，人的外貌衣著特征，如黑色長發，戴眼鏡，上身穿紅色長袖外套，內襯是白色衣服，下身穿藍色牛仔褲，腳蹬紅色高根鞋，左肩挎著黑色挎包……這些圖片不僅會關聯到攝像位置，也會對同一張圖像中的人車物進行智能關聯。這種以目標為前提的資源庫建設模式，為視頻的智能應用提供了基礎支撐。

2. 查詢效率模式賦能

因為資源庫中的每個元素，都是有多維度進行描述的，當查找信息時，可以從多個角度進行組合檢索，就像是百度搜索中用不同的關鍵詞搜索一樣，也就是說，對人的查詢，只需要按照現實的條件去查詢，不但可以精確地快速檢出不變的圖片，即使中途有部分特征出現轉變，依舊不影響查詢。

3. 工作流程模式賦能

在安防沒有與AI融合之前，整個工作流程是圍繞著不可檢索的視頻，只能人眼看，然后再人工分析路線，這樣的查找效率可想而知，好不容易查到了，嫌疑人早就無影無蹤了。而智能化之后，工作流程是圍繞著可檢索的圖像庫進行的，可隨意的變換查詢條件，更關鍵的是，這種查詢可以做到實時，對嫌疑人的追蹤幾乎是沒有時間差的，相當于在嫌疑人頭頂上飛著的無人機。

有了以上對資源庫建設、查詢效率和工作流程模式的賦能，安防實戰效率就會出現革命性、顛覆性的提升。

安防+AI，強強聯合共享共贏

安防+AI是個龐大的市場，不可能一家通吃，既需要參天大樹，也需要茂密的叢林，在這個產業鏈條上，算法+芯片、設備制造+解決方案、行業應用+渠道能力三級生態互相關聯，成功就是三級生態一起的成功，一榮俱榮，一損俱損。