據(jù)a&s Research調(diào)研發(fā)現(xiàn)，當(dāng)下安防城市級大項(xiàng)目仍以平安城市、智能交通、雪亮工程為主，2019年智慧警務(wù)、人工智能、人臉識別、智慧大腦、數(shù)字孿生等非傳統(tǒng)安防類型項(xiàng)目正逐年增加，但僅占總體項(xiàng)目數(shù)量5%左右的水平，同時在智能應(yīng)用的落地中，人臉識別、車牌識別技術(shù)、視頻結(jié)構(gòu)化最為高頻，可以看出AI在安防項(xiàng)目中的落地應(yīng)用尚處于發(fā)展初期，尤其在應(yīng)用中，以人臉識別為例，大部分企業(yè)都在相同的開源框架下完成技術(shù)開發(fā)，算法間的差異相對較小，具體方案的同質(zhì)化現(xiàn)象日趨嚴(yán)重。

智能安防應(yīng)用落地三大難點(diǎn)

要使得AI技術(shù)進(jìn)一步與安防場景結(jié)合，不僅需要時間與實(shí)踐積累，同時也需要算力、算法進(jìn)一步的進(jìn)步，在當(dāng)下，廠商之間的智能化能力也體現(xiàn)在場景的落地能力的差異上。目前在AI落地的場景的實(shí)際運(yùn)用中，一些標(biāo)準(zhǔn)化的場景中，人臉識別、人證合一、車輛結(jié)構(gòu)化描述等AI技術(shù)應(yīng)用擁有很高的成熟度，應(yīng)用效果很好。但在一些非標(biāo)準(zhǔn)化的場景下，比如開放式的1：N人臉識別或是非交通卡口的治安監(jiān)控點(diǎn)，由于安裝角度、光線環(huán)境等因素，人臉和車輛的識別分析效果依舊有待提升。

不少用戶反映，當(dāng)前的AI過于依賴應(yīng)用場景，在某個場景的應(yīng)用很難適用于其他的場景需求，需要重新調(diào)整算法與收集數(shù)據(jù)，AI算法模型泛化能力不足以及投入成本壓力大，成為了制約智能方案落地的最大阻力。以智慧監(jiān)獄為例，目前在推進(jìn)中遇到了不少挑戰(zhàn)一是新技術(shù)的學(xué)習(xí)，需要每一個司法體系人員都需要接受和學(xué)習(xí)物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等前沿技術(shù)帶來的業(yè)務(wù)閉環(huán)的應(yīng)用，這塊對于老齡化偏重監(jiān)獄是個難點(diǎn);二是管理模式和工作模式的改變帶來的挑戰(zhàn)，由于智慧監(jiān)獄的監(jiān)獄信息流、工作流、管理流由線下走向線上，帶來管理模式和工作模式的改變，這塊還需根據(jù)信息化不斷推進(jìn)過程中去探索新的工作模式和管理模式;三是技術(shù)與業(yè)務(wù)的深度融合，目前很多新技術(shù)是雖然已經(jīng)成熟，但是技術(shù)還得實(shí)用、管用、能用才能真正落地，所以還需要技術(shù)與業(yè)務(wù)的深度融合，行為業(yè)務(wù)工作流的閉環(huán)，才能真正實(shí)現(xiàn)向科技要警力的目標(biāo)，目前來看，業(yè)務(wù)深度融合上存在不小的挑戰(zhàn)。

除此之外，在調(diào)研中廠商代表們也反映出目前智能應(yīng)用落地中存在的問題：一是目前人工智能在安防行業(yè)的滲透仍然較低，需要所有攝像頭都能對視頻信息進(jìn)行全面智能分析之時，人工智能在安防行業(yè)的價值才能真正凸顯出來，目前的現(xiàn)狀僅僅是用小部分算法解決小部分的問題而已；二是目前人工智能+安防的項(xiàng)目成交比例僅有5%-10%，人工智能仍是代表著高端及昂貴的應(yīng)用，這些客戶數(shù)量本來就不多，普惠AI迫在眉睫；三是企業(yè)與用戶的思維不一致，企業(yè)擅長用技術(shù)性的思維進(jìn)行產(chǎn)品研發(fā)，而由于對技術(shù)沒有深入的理解，用戶對于產(chǎn)品的需求更多體現(xiàn)在實(shí)用性上。

a&s Research認(rèn)為，要加速智能應(yīng)用落地速度，必須要處理好以下幾個方面的問題：

安防行業(yè)深度碎片化問題，表現(xiàn)為用戶不集中、應(yīng)用與產(chǎn)品分散、缺乏標(biāo)準(zhǔn)化的建設(shè)，導(dǎo)致出現(xiàn)以下狀況：首先是場景碎片化嚴(yán)重，在產(chǎn)品和項(xiàng)目的過程中，用戶認(rèn)為智能化便能解決一切問題，但實(shí)際上人工智能并不是萬能。在很多碎片化場景里，其實(shí)需要投入大量的人力、物力去解決場景化的問題；其次是產(chǎn)品與解決方案的碎片化問題。當(dāng)前看來，不管是邊緣計(jì)算還是云計(jì)算，實(shí)際上都是在解決點(diǎn)狀的問題，但由于碎片化太嚴(yán)重，在各個節(jié)點(diǎn)上部署智能化和數(shù)據(jù)流轉(zhuǎn)等AI應(yīng)用是一個很復(fù)雜的過程。也正因?yàn)槿绱?，?dāng)前業(yè)內(nèi)廠商普遍都比較期待AI項(xiàng)目標(biāo)準(zhǔn)化的盡快到來，標(biāo)準(zhǔn)建設(shè)將在一定程度緩解碎片化的痛點(diǎn)，讓項(xiàng)目的交付變得更便于執(zhí)行；最后是算法碎片化問題，由于算法的持續(xù)更新實(shí)現(xiàn)了大規(guī)模智能應(yīng)用的落地，但算法的升級是永無止境的過程，這導(dǎo)致廠商在進(jìn)行數(shù)據(jù)規(guī)劃、可視化可檢索和大數(shù)據(jù)融合時增加了不少難題，這點(diǎn)目前也只能通過技術(shù)的迭代、算法的穩(wěn)定得以緩解?？偠灾?，緩解場景碎片化痛點(diǎn)，并不是由某一類廠商便能獨(dú)自解決的，需要產(chǎn)業(yè)鏈上多個環(huán)節(jié)共同參與。綜合上述，目前的難點(diǎn)大概涉及到這幾個主要環(huán)節(jié)：一是需要積累面向場景的數(shù)據(jù)，二是需要工程師開發(fā)面向場景的算法，三是需要大規(guī)模的訓(xùn)練系統(tǒng)進(jìn)行算法的訓(xùn)練，能讓前后端的產(chǎn)品承載智能算法，四是需要一個平臺軟件對接智能功能和行業(yè)的需求。

規(guī)?；悄軕?yīng)用部署成本高。許多產(chǎn)品與方案在演示或者PK的階段都處于相對理想的環(huán)境中，但到了實(shí)際的環(huán)境中，用戶便會發(fā)現(xiàn)較大的差異。相對巨大成本的投入，卻得不到預(yù)期的效果，智能應(yīng)用的效果往往南轅北轍，讓眾多用戶望而卻步；

安全問題。在行業(yè)進(jìn)入智能化之后，一方面人工智能可以實(shí)現(xiàn)無人類干預(yù)，基于知識并能夠自我修正地自動化運(yùn)行，這種決策方式往往會產(chǎn)生人們無法預(yù)料的結(jié)果，另一方面視頻的數(shù)據(jù)都經(jīng)過高度濃縮，價值遠(yuǎn)超于前，尤其是個人隱私問題，導(dǎo)致被犯案的機(jī)率變得更高，對社會的影響也更大。

因此要真正解決落地及生根的問題，必須突破算力、算法、應(yīng)用、成本等因素，正面目前尚存的四大難題：一是中國安防市場的對于海量視頻圖像分析的AI應(yīng)用剛需較大，但目前的應(yīng)用仍然處于初步階段，越往后發(fā)展，越多元、越復(fù)雜，AI在安防市場的應(yīng)用比大眾想象的邊界要更遠(yuǎn)、更深，而這些需求現(xiàn)有公司并不能夠完全應(yīng)對，因此企業(yè)需做長期性的技術(shù)準(zhǔn)備；二是安防項(xiàng)目是集產(chǎn)業(yè)、技術(shù)、模式、資本、服務(wù)為一體的復(fù)雜系統(tǒng)，涉及前端采集、存儲、傳輸、管理、應(yīng)用多個產(chǎn)業(yè)鏈條，當(dāng)下賦能過程中，AI僅僅滲透到了采集等單個環(huán)節(jié)，智能效果還有較大的提升空間；三是作為傳統(tǒng)制造業(yè)，安防產(chǎn)業(yè)鏈長、成本高也是擺在企業(yè)面前的一道現(xiàn)實(shí)問題，成百上千人的隊(duì)伍，加上巨額的營銷、研發(fā)成本，想要一直緊咬傳統(tǒng)安防巨頭，做垂直應(yīng)用變得越來越艱難；四是賽道現(xiàn)有玩家大多無法形成數(shù)據(jù)閉環(huán)，直接導(dǎo)致眼下的安防項(xiàng)目構(gòu)成集成商們拿著傳統(tǒng)安防廠商的攝像機(jī)、AI創(chuàng)業(yè)公司的算法、ICT廠商的服務(wù)器，找第三方公司做軟件交付，作業(yè)模式無法形成數(shù)據(jù)閉環(huán)，也是行業(yè)面臨的大問題。
責(zé)任編輯：YYX