都在说“安防+AI”，到底怎么“+”

人工智能(Artificial Intelligence，以下简称AI)这个词现在已经在社会各个行业都掀起了一股热潮，好像不谈AI就会跟不上时代的步伐。安防行业更是如此，看看安博会上遍地开花的各种AI应用，我们可以感受到“安防+AI”的火热。菩提本无树，明镜亦非台，也许静下心来思考一下“安防+AI”的本质，更有利于我们去面对这片蓝海。

AI无处不在

在谈“安防+AI”之前，我们简单了解一下AI目前在各个领域的应用情况，可以说AI已经无处不在，或多或少，或深或浅的融入了各个领域，AI对于我们的影响可以归纳为三个方面：

突破能力：帮助我们提升计算能力

辅助生产：帮助我们提升生产效率

融入生活：帮助我们提升生活品质

AI在安防行业快速落地

AI技术的普及让各种“AI+”如雨后春笋般出现在各个行业，但是AI跟很多行业的结合都还处于概念阶段，安防是为数不多的可以将其成熟应用并落地的行业，且已经走在前沿。究其原因，大概可以归纳为两个方面：

高匹配

安防各种系统每天产生大量的数据，其中大部分是视频和图像信息。AI目前主要聚焦的几大核心研究领域：计算机视觉，机器学习，生物识别，机器人技术，自然语言处理。这当中大部分的研究基础和方向也集中在视频和图像，安防积累的数据正好是AI研究领域的基础和方向，两者在应用层面上契合度较高。这是高匹配。

强需求

做安防时间久一点的朋友应该还记得，十几年前就有移动侦测、越界报警、停留监测等功能用于视频监控系统当中，这就是初期的智能分析应用。可见安防对于AI一直都有着强烈的需求，而且这种需求受限于AI技术已经压抑了很长时间，近两年随着AI技术的发展，“安防+AI”也迎来了一次应用上的爆发。这是强需求。

“安防+AI”的现状

刚才提到“安防+AI”迎来爆发是因为AI技术的发展，说具体点是算法、算力、数据的发展，这三者被称为AI的三驾马车，三者也是“安防+AI”发展的三要素。传统安防企业在这一轮的AI竞争中，数据是我们的优势，数据是深度学习的基础。

下面是算法、算力、数据三个方向上一些典型企业的布局(信息列举不完全，欢迎补充)。算法主要是CV(compute rvision)公司。算力主要是传统芯片厂商，这面值得一提的是国内芯片厂商也在这里面努力赢得一席之地。数据主要是之前的安防硬件供应商，因为他们有着得天独厚的数据基础。

AI给安防行业带来了很多变化，也带来了很多价值，可以归纳为：

看懂世界：看得见-看得清-看得懂是安防追求的发展线路，AI加速了从看得清到看得懂的发展过程。

主动预测：安防大部分的应用还是被动防范(事后取证调查等)，AI带来了从被动防范到主动预测的可能性。

行业赋能：AI给很多安防子系统带来了技术革新(视频监控、门禁等)，提高了传统应用的能效。

“安防+AI”，具体到产品上的应用：

视频结构化(对视频数据特征的识别和提取)。

生物识别(利用人体的生理特性和行为特征来进行个人身份的鉴定，如指纹、人脸、声音、步态)。

物体特征识别(如车牌、车型)。

近10年来，能为安防行业带来技术变革的驱动因素并不多，我记忆中有这么几个深刻的，分辨率的变革(标清→高清)，编解码算法的变革(MJPEG→MPEG4→H.264→H.265)，传输方式的变革(模拟→数字)，下一轮能让安防发生变革的驱动因素应该就是AI了。

如何抓住“安防+AI”的机遇

通过前面的分析，“安防+AI”是一轮技术变革，我们要如何在这轮变革中抓住机会呢，下面分几个方面来谈。

一、在“安防+AI”里面做什么?

再谈机遇之前我们先来看下AI的产业布局，所谓的AI金字塔结构，不仅适用于安防，也适用于AI赋能的各个领域。

最底层是基础层，主要研究基础架构，例如芯片、云计算、TensorFlow 框架等;中间是技术层，主要研究通用技术，例如图像识别、语音识别、语义理解等;最上层是应用层，主要研究行业应用，例如AI机器人、AI翻译机、智能门锁等。

再回到安防行业，“安防+AI”的金字塔可以这么理解：都说AI是第四次工业革命，基础层和技术层在整个大AI领域都是通用的，这两个领域势必是巨头的必争之地，互联网、IT公司纷纷投投入大量的资源，极其重视，因此传统安防企业要想在这两个领域有所作为难度是极大的，当然如果是带有行业属性的研究另当别论。传统安防企业在“安防+AI”中的最大机会在应用层，拿着基础层和技术层的通用技术去赋能行业应用，也就是各种带AI元素的产品和解决方案。

跟巨头相比，安防企业也有自己的优势，那就是行业壁垒。何谓行业壁垒?就是在行业竞争中积累下来的数据、人脉、资源等等，都可以成为行业壁垒。安防长期以来都是一个相对传统的行业，无论是技术升级还是业务渠道走的都是传统的路子，因此安防的行业壁垒现象更为突出。在安防这样的垂直领域，行业壁垒就是发展AI最大的优势。为什么这样说呢：

技术的差异也许没那么重要

安防对AI的需求大多属于非关键性应用，例如人脸识别，90%的识别率和95%的识别率看起来差异很大，但是在真正的安防场景应用里面也许这5%的差异就没那么重要了，安防大部分的应用场景是允许一定的容错率的。不像无人驾驶等这些关键性应用，0.1%的差距都是致命的。而且AI的技术未来很大可能会是通用和开放的，现在BAT的AI底层技术不都是开放的吗，甚至还可以是免费的(当然前提是你要用它的云服务)。

行业数据很重要

前面提到过数据是“安防+AI”发展的三要素之一，没有数据再好的AI技术也没有用武之地。以视频监控+AI为例，最重要的就是各个场景产生的大量的视频数据。BAT或者商汤、旷视这样的公司布局这一块在起步阶段可以说是没有优势的，传统安防公司正好可以利用这样的时间差积极的去部署各种行业应用。

行业资源很重要

安防既然是传统行业，必然存在很多行业的规则，并不是投钱、投人就能做好的，行业资源和人脉是传统安防企业竞争的重要砝码。

二、“安防+AI”需要具备哪些能力

刚才提到传统安防企业在“安防+AI”中的最大机会在应用层，最大的优势是行业壁垒，但是这个优势也并不会一直存在，因此我们需要快速的培养自身的综合竞争力：

洞察力：商场如战场，要深刻理解行业发展和识别行业痛点，这样才能抢占先机。

产品转化：要快速将实验室的研究转化成产品落地，迭代很重要，不能一味的追求完美的产品。

成本控制：供应链整合和成本控制能力是对公司很大的考验，这决定着公司产品的竞争力。

营销能力：产品再好能卖出去才是王道，很多*秀的AI团队就是因为缺少好的营销能力变得连生存都很困难。

三、从哪里入手，该怎么发展?

虽说“安防+AI”最大的机会是做应用，但是进门还都得从技术开始，不管是通用的技术还是自研的技术，毕竟技术是应用的基础，很多公司和团队都在专研适用于安防行业的AI技术，我的看法是如果有机会，还是尝试扎根技术，然后朝着产品——方案——数据的方向去尝试，这样才是一个具备高竞争力的商业闭环。也就是从技术服务转型为产业服务。

因为只做技术会存在一定的风险和弊端：

技术的壁垒是有限的，会随着时间的推移越来越低。

只做技术，很容易被行业的上下游碾压。

最后

“安防+AI”已是大势所趋，但AI只是一种技术，安防的本质并不会变，安防讲求的是实战。从0到1，实战为王，技术再炫，落地才有价值。