如果說2000年左右全球科技焦點的思科，代表了互聯網10年的輝煌，那么今年大火的NVIDIA，則可能代表了剛剛開啟的AI時代。思科為互聯網提供基礎架構，而NVIDIA為AI提供驅動力。AI從70年代就跌宕起伏地發展，早期一直是學術界自High，基本未曾走入老百姓的身邊；如今，借助算法、芯片及數據，人工智能火熱起來，尤其是工業界反超學術界。群眾觀感也是冰火兩重天：有人擔心人工智能未來威脅人類，有人認為人工智能的目前很多表現是“人工弱智”，仍然不值一提。

人工智能大幕開啟 安防行業已成先頭部隊

客觀地講，目前人工智能尚屬起步階段，確實產品良莠不齊，各種偽智能宣傳的天花亂墜，但實際效果讓人大失所望。人工智能形式不是一定要科幻Style的、類人的、有胳膊有腿的機器人，而是很可能是一個輸入法、一個外賣應用、打車軟件、甚至新聞推送APP等，都是人工智能。人工智能不是一個具體行業，而是一個技術驅動，可以滲透到各個行業，即所謂的+AI。但目前，人工智能比較火熱的表象還是停留在自動駕駛、人臉識別等領域。

據說大概在五年前，我國公安系統內部出現了圖偵大隊——公安局內一個專門做圖像偵查的子部門，一線城市圖偵大隊可能有300-500人規模，是整個公安局較大的部門，伴隨城市攝像頭數量激增，人數可能還會擴展；但伴隨AI技術在安防監控領域應用，圖偵的投入未來可能重在技術及設施，人員有望減少。

目前，圖偵領域比較成熟的應用是“車牌類”，車牌識別成熟，數據碰撞、軌跡分析、智能布控等手段屢屢立功。很多人抱怨抓車牌一抓一個，人販子沒抓幾個。其實車牌識別技術成熟、160邁以下識別率達90%以上；其次車都是沿道路行駛，布控容易；最后，車輛違章的規則很容易設定。如果嫌疑人舉著440*140的牌子在馬路上穿梭，其實也很容易逮到。可惜他們不走尋常路、帶帽帶罩帶眼鏡，所以即使偶爾出現在治安的攝像機下，也不容易識別。

回到公安同學的問題，這是個很好的問題，也代表了人臉識別在實戰領域的進展。目前，越來越多的機場、口岸、車站、地鐵開始部署人臉識別，這些人流密集的地方，部署人臉識別環境還是比較合適的，室內光線好、通道范圍小、攝像機角度合適，目標距離近，并且都是高大上的行業，基礎設施比較好(大多是高清、網絡攝像機)。對于突發要案或者緊急協查，在1：N(靜態模式)的識別模式下，或M(小)：N(動態模式)，那么基于目前人臉識別誤報率(按97%)及服務器計算量，系統負荷力及誤報率都是可以接受的，但破案效率及提供的有價值情報信息則非常巨大。

人臉識別進行布控的優勢是不基于證件等其他容易復制或篡改身份特征。

目前北京地鐵有1000多個車站，早期地鐵站攝像頭數不多，后來逐漸增加，早期是模擬攝像機，后來MPEG-2/4編碼、后來H.264高清，目前每個車站平均100個攝像頭是有的。其實在進站口、閘機口等“要塞”進行升級或者部署人臉識別攝像機即可，而不可能按100個攝像頭這么計算，這樣，總體人臉識別攝像機數量沒那么多，M:N模式的運算力和錯誤數量也沒那么恐怖，不至于導致人臉識別系統崩潰。

再說街頭的攝像機，街頭的攝像機是“廣域、大范圍監控及巡邏”的用處比較多，以目前人臉識別技術，對戶外光線、角度、距離、人臉像素(80*80像素比較理想)等要求還是比較嚴格的。基于戶外大范圍巡檢的重要意義與價值，已經有AI廠商基于此痛點進行定向研發，據稱50米范圍識別人臉如探囊取物。此產品的出發點及市場空間非常好，但是尚未落地，沒有反饋，并且單體價值應該不菲。

回到安防產業，基于AI的安防監控，絕不是幾年“智能分析”時代群魔亂舞的格局，未來真正能敢于宣傳自家是“AI+安防”的可能無非三五家。AI的研發，需要的GPU集群，最新的Tesla V100高性能計算卡造價百萬，AI研發人員年薪動輒百萬，AI算法需要千億視頻海量大數據“喂養”，試問有幾個安防公司能承受如此？安防人工智能四個核心競爭壁壘：算法能力，數據能力，產品化能力，渠道能力。

AI技術方面，一些新興的算法公司有一定優勢，如曠視、商湯、云從等，但是在安防行業積累及數據方面，遠不如老牌安防公司如海康、網力、大華、宇視、科達等公司。AI從實驗室的科學家身邊，走向工業界，算法是其一，數據能力、產品化能力及渠道能力，更是考驗。AI大幕剛剛開啟，安防行業作為先頭部隊，攜AI重火，實戰力提升幾何，拭目以待！