浅析智能应用落地现状 - 安防知识网

据a&s Research调研发现，当下安防城市级大项目仍以平安城市、智能交通、雪亮工程为主，2019年智慧警务、人工智能、人脸识别、智慧大脑、数字孪生等非传统安防类型项目正逐年增加，但仅占总体项目数量5%左右的水平，同时在智能应用的落地中，人脸识别、车牌识别技术、视频结构化最为高频，可以看出AI在安防项目中的落地应用尚处于发展初期，尤其在应用中，以人脸识别为例，大部分企业都在相同的开源框架下完成技术开发，算法间的差异相对较小，具体方案的同质化现象日趋严重。

　　智能安防应用落地三大难点

　　要使得AI技术进一步与安防场景结合，不仅需要时间与实践积累，同时也需要算力、算法进一步的进步，在当下，厂商之间的智能化能力也体现在场景的落地能力的差异上。目前在AI落地的场景的实际运用中，一些标准化的场景中，人脸识别、人证合一、车辆结构化描述等AI技术应用拥有很高的成熟度，应用效果很好。但在一些非标准化的场景下，比如开放式的1：N人脸识别或是非交通卡口的治安监控点，由于安装角度、光线环境等因素，人脸和车辆的识别分析效果依旧有待提升。

　　不少用户反映，当前的AI过于依赖应用场景，在某个场景的应用很难适用于其他的场景需求，需要重新调整算法与收集数据，AI算法模型泛化能力不足以及投入成本压力大，成为了制约智能方案落地的最大阻力。以智慧监狱为例，目前在推进中遇到了不少挑战——一是新技术的学习，需要每一个司法体系人员都需要接受和学习物联网、人工智能、大数据等前沿技术带来的业务闭环的应用，这块对于老龄化偏重监狱是个难点;二是管理模式和工作模式的改变带来的挑战，由于智慧监狱的监狱信息流、工作流、管理流由线下走向线上，带来管理模式和工作模式的改变，这块还需根据信息化不断推进过程中去探索新的工作模式和管理模式;三是技术与业务的深度融合，目前很多新技术是虽然已经成熟，但是技术还得实用、管用、能用才能真正落地，所以还需要技术与业务的深度融合，行为业务工作流的闭环，才能真正实现向科技要警力的目标，目前来看，业务深度融合上存在不小的挑战。

　　除此之外，在调研中厂商代表们也反映出目前智能应用落地中存在的问题：一是目前人工智能在安防行业的渗透仍然较低，需要所有摄像头都能对视频信息进行全面智能分析之时，人工智能在安防行业的价值才能真正凸显出来，目前的现状仅仅是用小部分算法解决小部分的问题而已；二是目前人工智能+安防的项目成交比例仅有5%-10%，人工智能仍是代表着高端及昂贵的应用，这些客户数量本来就不多，普惠AI迫在眉睫；三是企业与用户的思维不一致，企业擅长用技术性的思维进行产品研发，而由于对技术没有深入的理解，用户对于产品的需求更多体现在实用性上。

　　a&s Research认为，要加速智能应用落地速度，必须要处理好以下几个方面的问题：

　　（1）安防行业深度碎片化问题，表现为用户不集中、应用与产品分散、缺乏标准化的建设，导致出现以下状况：首先是场景碎片化严重，在产品和项目的过程中，用户认为智能化便能解决一切问题，但实际上人工智能并不是万能。在很多碎片化场景里，其实需要投入大量的人力、物力去解决场景化的问题；其次是产品与解决方案的碎片化问题。当前看来，不管是边缘计算还是云计算，实际上都是在解决点状的问题，但由于碎片化太严重，在各个节点上部署智能化和数据流转等AI应用是一个很复杂的过程。也正因为如此，当前业内厂商普遍都比较期待AI项目标准化的尽快到来，标准建设将在一定程度缓解碎片化的痛点，让项目的交付变得更便于执行；最后是算法碎片化问题，由于算法的持续更新实现了大规模智能应用的落地，但算法的升级是永无止境的过程，这导致厂商在进行数据规划、可视化可检索和大数据融合时增加了不少难题，这点目前也只能通过技术的迭代、算法的稳定得以缓解。总而言之，缓解场景碎片化痛点，并不是由某一类厂商便能独自解决的，需要产业链上多个环节共同参与。综合上述，目前的难点大概涉及到这几个主要环节：一是需要积累面向场景的数据，二是需要工程师开发面向场景的算法，三是需要大规模的训练系统进行算法的训练，能让前后端的产品承载智能算法，四是需要一个平台软件对接智能功能和行业的需求。

　　（2）规模化智能应用部署成本高。许多产品与方案在演示或者PK的阶段都处于相对理想的环境中，但到了实际的环境中，用户便会发现较大的差异。相对巨大成本的投入，却得不到预期的效果，智能应用的效果往往南辕北辙，让众多用户望而却步；

　　（3）安全问题。在行业进入智能化之后，一方面人工智能可以实现无人类干预，基于知识并能够自我修正地自动化运行，这种决策方式往往会产生人们无法预料的结果，另一方面视频的数据都经过高度浓缩，价值远超于前，尤其是个人隐私问题，导致被犯案的机率变得更高，对社会的影响也更大。

　　因此要真正解决落地及生根的问题，必须突破算力、算法、应用、成本等因素，正面目前尚存的四大难题：一是中国安防市场的对于海量视频图像分析的AI应用刚需较大，但目前的应用仍然处于初步阶段，越往后发展，越多元、越复杂，AI在安防市场的应用比大众想象的边界要更远、更深，而这些需求现有公司并不能够完全应对，因此企业需做长期性的技术准备；二是安防项目是集产业、技术、模式、资本、服务为一体的复杂系统，涉及前端采集、存储、传输、管理、应用多个产业链条，当下赋能过程中，AI仅仅渗透到了采集等单个环节，智能效果还有较大的提升空间；三是作为传统制造业，安防产业链长、成本高也是摆在企业面前的一道现实问题，成百上千人的队伍，加上巨额的营销、研发成本，想要一直紧咬传统安防巨头，做垂直应用变得越来越艰难；四是赛道现有玩家大多无法形成数据闭环，直接导致眼下的安防项目构成——集成商们拿着传统安防厂商的摄像机、AI创业公司的算法、ICT厂商的服务器，找第三方公司做软件交付，作业模式无法形成数据闭环，也是行业面临的大问题。