小編認為，AI在安防剛剛起步，目前只能算是蹣跚學步，主要還是人臉、人體及車牌識別，也僅僅進行簡單的邏輯判定，距離真正的AI差很遠。CV公司和安防企業一樣，都有義務維持“安防+AI”這一浪的良性發展而不是揠苗助長。“無AI，不安防”，其實說的是AI將來會如同“網絡、高清、H.265”一樣在安防領域普及，而通用AI引擎會普惠廣大中小安防企業，這不是龍頭能壟斷的，所以大中小廠商都不必恐慌，大家一哄而上做好AI的面子工程(對外宣傳)同時也需要做好里子(研發落地)。
AI技術與傳統安防產品的完美融合需要多方面因素。AI初創公司對產品落地、渠道擴張方面不擅長;而傳統安防企業的相關算法從一開始其實是落后的。海康、大華等安防廠商渠道實力很強，技術相比很多安防公司來講也已經走的比較靠前但是跟算法公司比還是有差距;商湯、曠視等AI新貴雖然渠道稍弱，但這幾年也融得巨資，想必也會慢慢補齊自身短板。
所以未來的安防格局有變是必然的，但是只有踏實落地產品和解決方案給用戶帶來價值的企業才會真正勝出。
人工智能在安防領域的應用場景會不斷拓展和細化，應用會越來越豐富，用戶要求也會越來越高。安防作為AI的首要著陸場，我們看到，人臉識別、動態布防、車輛分析、流量管控等智能應用，已初露鋒芒。但這一切并不是剛剛開始，過去多年的探索和技術創新為AI著陸安防提供了強勁動力。2014年以前，部分安防公司陸續開發了多種基于傳統智能算法的核心組件(如絆線檢測、區域入侵報警，人臉檢測、人數統計等)，并應用于監控攝像機、圖偵與合成作戰平臺等產品與解決方案上，實際上在這波AI之前已取得一定的應用價值。
安防監控廠商中，科達算“先落地應用，再來談AI”的典型廠商，可謂“有里有面兒”：2014年，科達發布感知型攝像機，通過前端智能化，使智能分析的規模化部署成為可能，算是AI的雛形但是算法是傳統建模形式的而非“深度學習”;2015年，基于云計算技術，科達推出了安防大數據平臺，從后端實現了海量視頻數據的存儲、分析和檢索;2016年，基于前端感知與后端大數據平臺的結合，科達推出獵鷹系列智能分析平臺，海燕車輛二次分析系統等，聚焦視頻大數據的實戰應用;2017年，以安防大數據平臺為支撐，通過深度學習技術，全線提升科達智能產品的適用性與準確率，AI實戰。
科達以AI for all，and more為口號繼續在AI+安防這條路上深耕：
第一、把AI賦能擴展到所有的安防細分領域，進行水平拓展，AI功能不僅體現在專業攝像機上，普通攝像機也要逐漸普及;第二、深度方面，要做進一步發展，現在的AI的感知相對來說還是淺層感知，未來要做深層感知，識別目標要不斷的深化、甚至到認知的角度，能夠像人一樣可以看得懂。第三、將緊緊圍繞場景落地做針對性的優化和開發，使得AI不再是技術概念，而是安防領域各種典型場景、各種用戶需求，能夠適應各種場景下的深度應用。
之前海康宣講的“AI Cloud”雖然強化了“前端智能”，不是僅僅依靠前端完成AI任務，而是將部分“預處理及簡單分析”等功能放在前端。從視頻監控的本質及實際需求看，前后端協同，尤其后端的大數據碰撞和檢索才能發揮價值。在刑偵過程中、綜合應用過程中，在情報的合成研報過程中，怎么把大數據分析、人工智能用起來還是需要依靠后端應用。
目前看，一臺普通前端設備(攝像頭)加載人臉識別應用，價格大概上漲2000元，價格因素的確嚴重阻礙了技術的推進。但同時也要辯證地去看事情，技術在爆發前期肯定會有一個緩沖期，日后應該會越來越便宜。現在的前端智能還在混戰和摸索階段，即使如海康大華，也依然在摸索階段，因為取決于芯片配套的發展和支撐。ASIC及FPGA等一旦得到規模應用，前端嵌入智能將可能在200水平，所有攝像頭嵌入AI都可以接受。而對于后端，傳統模式五千萬個圖像每秒的負荷，大概要用160個CPU的Server，大概要60千瓦，但是現在用GPU這種方式的話，就一個NVIDIA HGX架構的8個volta，3千瓦，性能和功耗差距幾十倍。
小結：安防行業的AI三級應用，芯片都是其他家的，如同TI和海思等公司支撐的安防監控一路從網絡高清走來一樣，AI時代的安防支撐芯片還在不斷的摸索前行。數據方面，很多安防廠商一直強調數據的重要性，宣講自己的視頻數據的壁壘，不知道哪里來的底氣，小編認為，長年累月積累的數據如阿里巴巴、百度和騰訊公司的大數據才值錢，平安城市或者交通的三個月數據也都是在集成商和用戶側，與其說數據是壁壘不如說行業資源和技術沉淀才是傳統安防企業的優勢。至于算法，算法廠商的算法優勢不會很持久，相信算法廠商自己也這么看，但是算法廠商攜產品和解決方案打入平安城市和智能交通領域并讓集成商和用戶眼睛一“雪亮”，這才是安防廠商不愿看到的!!(作者/安天下)
京公網安備 11010502049343號