據(jù)艾瑞咨詢統(tǒng)計，2018年中國人工智能賦能實體經(jīng)濟各產(chǎn)業(yè)的份額中，“AI+安防”占比超過50%。人工智能在安防行業(yè)的落地增速也在持續(xù)加速，安防企業(yè)中的AI化所占比例在持續(xù)增加，據(jù)艾瑞咨詢披露，2018年，我國AI+安防軟硬件市場規(guī)模達到135億元，部分頭部安防廠商AI業(yè)務(wù)在總營收中占比從大約4%提升至超過8%，部分典型AI公司安防業(yè)務(wù)則占接近一半的營業(yè)收入。2018年城市公共安防中AI滲透率達到2.6%。預(yù)計2019年市場仍將保持高增速，到十三五收官之年2020年增速開始穩(wěn)定，屆時市場規(guī)?？蛇_到453億元(城市公共安防AI滲透率達到11%)，2022年市場規(guī)模有望突破700億元(城市公共安防AI滲透率達到25%)。

 

盡管人工智能在安防行業(yè)開了一個好頭，落地好，增速快，但并不意味著人工智能在安防行業(yè)的發(fā)展過程一帆風(fēng)順，發(fā)展前路一馬平川，有很多的挑戰(zhàn)和問題需要解決。以下從工程化的挑戰(zhàn)、標(biāo)準(zhǔn)化的缺失和AI需求的碎片化三個角度闡述當(dāng)前面臨的問題和挑戰(zhàn)。

 

工程化的挑戰(zhàn)

 

縱觀目前安防+AI落地好的場景，工程屬性的問題解決得好是必要條件，前端的工程屬性包括布點、工堪、立桿、安裝、補光、調(diào)試等等，后端的工程屬性主要是指數(shù)據(jù)的技戰(zhàn)法。比如ITS的應(yīng)用是一個典型的AI落地場景，人工智能最早在安防行業(yè)落地就是從ITS開始，前端的卡口和電警等設(shè)備，被明確地定義了工程屬性參數(shù)，在停止線后多少距離布點、抓拍點至立桿距離多少，配什么樣的鏡頭，抓拍幾車道，補光燈強度要求多少，安裝照射角度是什么，調(diào)試規(guī)范怎樣等等，都有嚴(yán)格的工堪表格和實施規(guī)范。按這樣的工程屬性安裝和調(diào)試的系統(tǒng)，再加上后端數(shù)據(jù)的技戰(zhàn)法，可以盡可能地滿足客戶的需求。從ITS衍生的出入口停車場車輛管理系統(tǒng)，明確的工程化屬性定義，加上后端的數(shù)據(jù)運維平臺，是典型的to G端到to B端衍生的案例。

 

再比如人臉識別相機，要求安裝高度、人臉像素大小、補光等等。反過來思考，如果離開或者弱化這些工程化屬性實施的可能性，人工智能在安防行業(yè)的落地還能繼續(xù)發(fā)揮優(yōu)勢嗎?宇視認(rèn)為：首先，強調(diào)工程化本質(zhì)上沒有錯，工程上意味著場景的準(zhǔn)確定義和人工智能的可實施可復(fù)制;其次，算法的不斷進步，以及用于算法訓(xùn)練的場景素材不斷豐富，正在泛化人工智能的適應(yīng)性能力，逐步減弱對工程化屬性的依賴;再次，客戶調(diào)整需求和對人工智能的期望值，比如使用兩個泛智能的攝像機，代替一個工程屬性極強的專業(yè)智能攝像機，抓拍率也許可以達到同樣的效果，但降低了工程實施的難度和整體TCO。

 

標(biāo)準(zhǔn)化的缺失

 

一個行業(yè)的大發(fā)展離不開標(biāo)準(zhǔn)化的制定，標(biāo)準(zhǔn)化是現(xiàn)代大生產(chǎn)的必要條件，可以提升效率、科學(xué)管理、增進信息流通，以及孵化創(chuàng)新等。標(biāo)準(zhǔn)化工作對人工智能及其產(chǎn)業(yè)發(fā)展具有基礎(chǔ)性、支撐性、引領(lǐng)性的作用，既是推動產(chǎn)業(yè)創(chuàng)新發(fā)展的關(guān)鍵抓手，也是產(chǎn)業(yè)競爭的制高點。世界發(fā)達國家紛紛在新一輪國際競爭中爭取掌握主導(dǎo)權(quán)，圍繞人工智能出臺規(guī)劃和政策，對人工智能核心技術(shù)、頂尖人才、標(biāo)準(zhǔn)規(guī)范等進行部署，加快促進人工智能技術(shù)和產(chǎn)業(yè)發(fā)展。主要科技企業(yè)不斷加大資金和人力投入，搶占人工智能發(fā)展制高點。

 

安防行業(yè)目前缺少人工智能的行業(yè)技術(shù)標(biāo)準(zhǔn)，去統(tǒng)一和規(guī)范人工智能在安防行業(yè)的落地和持續(xù)創(chuàng)新。比如人工智能芯片的算力標(biāo)稱，目前沒有一個統(tǒng)一的標(biāo)準(zhǔn)去規(guī)范。各個廠家都有自己的標(biāo)稱測試評估體系，各芯片之間橫向的對比標(biāo)準(zhǔn)缺失。如果想評估一款芯片的真正算力，目前的方法只能是通過花人力進行算法的實測對比。再比如人臉識別系統(tǒng)和以圖搜圖系統(tǒng)，各個廠家都有自己的算法和模型，假如一個客戶使用了不同家的算法，后臺數(shù)據(jù)側(cè)的研判就會出現(xiàn)問題，不同廠家不同模型產(chǎn)生的數(shù)據(jù)之間不能互通，只能割裂地進行分析，這會給數(shù)據(jù)分析、設(shè)備擴容等等帶來很大的麻煩。2018年1月，國家人工智能標(biāo)準(zhǔn)化總體組、專家咨詢組成立大會召開。在會上，國家標(biāo)準(zhǔn)化管理委員會宣布成立國家人工智能標(biāo)準(zhǔn)化總體組、專家咨詢組，負責(zé)全面統(tǒng)籌規(guī)劃和協(xié)調(diào)管理我國人工智能標(biāo)準(zhǔn)化工作。

 

AI需求的碎片化問題

 

人工智能的大熱，讓人們對人工智能解決各行各業(yè)痛點的期望逐步加大。視頻監(jiān)控在迎來人工智能時代之前，主要是人工地查和看。因為有了人工智能的普及，人們會提出各種各樣智能的需求：化工廠提出檢測原料的跑冒滴漏，寵物店提出檢測寵物，廚房提出檢測不規(guī)范操作行為等等。旺盛的AI需求與碎片化AI的落地難形成了鮮明對比。要解決碎片化AI需求的落地難問題，算力、算法和數(shù)據(jù)是三個重要要素。同時，已經(jīng)有人在嘗試使用開放的訓(xùn)練平臺去解決碎片化需求滿足的問題，將與需求緊密相關(guān)的訓(xùn)練數(shù)據(jù)和應(yīng)用場景問題交給需求提出方，平臺發(fā)揮算力和算法的優(yōu)勢。

 

結(jié)語

 

總體來看，安防給人工智能的落地提供了很好的土壤，人工智能則給安防產(chǎn)業(yè)的發(fā)展提供了更廣闊的舞臺。有了人工智能的賦能，和視頻為核心的技術(shù)聯(lián)接，安防行業(yè)的邊界變得模糊化，從智能安防鏈接到智能金融、智能零售、智慧教育、智能制造等等的跨界會越來越多和越來越頻繁。