市場變局，無非是新技術變革或巨頭爭鋒導致矩陣變化，因此，筆者僅從技術和市場兩個角度試做一番分析。

技術AI還需落地

近年來，AI對安防產業(yè)的催化作用，業(yè)界有目共睹，特別是剛剛過去的2018年，可以稱得上是AI落地元年，隨著AI產品化、工程化等商業(yè)價值逐漸顯現(xiàn)，更堅定了安防企業(yè)和外入者對AI安防化的執(zhí)念。

業(yè)界皆知，安防產業(yè)經歷從模擬到數(shù)字、然后從標清到高清化、智能化的變遷。不可置否，人工智能將成為新一輪安防產業(yè)變革的新驅動力，正在持續(xù)釋放的巨大能量， 為產業(yè)鏈的各個環(huán)節(jié)都帶來了新的發(fā)展機遇，使安防產業(yè)進入真正的智能安防時代。那么AI技術真的能給安防產業(yè)帶來巨大的價值嗎？或者說人工智能普及化還有多遠？

首先看下何為人工智能？根據百度釋義，人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器人。人工智能是由算力（芯片）、算法（模塊）和數(shù)據（場景應用）這三大因素構成，同時也是驅動人工智能商業(yè)化落地的三駕馬車，三者缺一不可。而這輪人工智能浪潮能夠真正在商業(yè)中應用落地的技術主要包括語音識別和機器視覺，就安防領域來講，主要表現(xiàn)為智能視頻分析的應用，也就是機器視覺技術應用，涉及到人臉/人體、車牌、周界入侵等方面的芯片和算法技術。

從產品方面來看，AI技術貫穿安防產業(yè)鏈的前端攝像頭和后端中控系統(tǒng)/云，也就是說，AI既可以在前端做，也可以在后端做。在前端的“AI+攝像頭”環(huán)節(jié)中，即可以選擇將算法模塊直接嵌入到視頻監(jiān)控SoC芯片中，同時也可以將通用的視覺處理器應用到攝像頭內，另外也可以通過連接外設模塊，將原有的攝像機AI化;在“AI+后端”環(huán)節(jié)，即是利用后端服務器的計算能力來處理采集到的前端視頻信息，當前來看，由于安防數(shù)據安全和實時響應需求，前端智能越來越受寵。不過，在一些復雜應用場景，前端智能和后端智能相結合是未來AI技術應用趨勢。

現(xiàn)階段，人臉識別和車牌識別技術最為成熟，大部分企業(yè)人臉無異常識別率可達到95%以上，而車牌識別率可達到99%，可以說，這兩項技術基本可以滿足實際場景應用需求，因此其應用也最為廣泛。在寫字樓、公寓/酒店、社區(qū)等門禁通行領域，人臉識別可謂已經遍地開花，一度造成AI繁盛的幻想。

不過，根據實測結果來看，在戴口罩、帽子、眼鏡、胡子以及特殊表情等異常人臉識別比對方面，就算是技術領先企業(yè)推出的前端智能設備，識別率基本僅保持80%左右，應用價值大打折扣。

而且，實際上來講，人臉識別僅是最基礎、最簡單的AI技術，技術門檻極低，應用場景也十分有限，因為視頻信息除了人臉還有人體特征、行為、微表情等復雜的識別分析，這也是AI算法中最難的技術環(huán)節(jié)，當前這些技術的表現(xiàn)差強人意，技術上有很大的提升空間，而且很多場景應用價值也有待深挖。

在車牌識別領域，當前無論是復雜的車牌還是車身顏色、車牌顏色、車標、駕駛員行為等特征識別都已經基本成熟。而且前端設備人臉和周界、人臉和車輛、車輛和周界的集成已經實現(xiàn)，頭部企業(yè)還可以實現(xiàn)一機多用，但是，各類算法的融合方面不足，而且，在對處于干擾中的車牌進行識別，識別率更是大失所望。

而且，安防智能化的比例還比較低，所謂的智能化能做的事情也很少，主要就是人臉識別，以及一些行人和機動車、非機動車的簡單屬性識別等。當前大部分安防企業(yè)對于AI技術的應用還處于接受嘗試的階段，AI攝像機的普及率相當?shù)?。據權威?shù)據顯示，AI攝像機所占比較僅為1%，智能安防應用規(guī)模不足5%。超過90%的市場份額仍被傳統(tǒng)安防占據。

究其原因，主要是AI前端價格過高，據了解，1臺AI攝像機的價格幾乎相當于4臺普通攝像機，而且負載復雜計算能力的后端服務器，成本更是昂貴。對于公安、交通等政府渠道來講，更追求產品性能和應用價值，價格因素影響不大，但是對于商用、民用領域中小企業(yè)來講，則是一筆不菲的投入，何時能夠規(guī)?；鎿Q，還有待商榷，而且這一塊領域占比遠高于政府渠道。

最值得一提的，有些場景應用，其AI應用價值遠遠高于其投入成本，可以說是得不償失，甚至有些場景根本不需要智能攝像機，普通攝像機即能滿足場景應用需求，但是一些廠商極盡吹噓AI價值，用戶為了趕時髦，趕鴨似的上架AI各類產品，結果卻適得其反。

筆者認為，AI確實可以給安防產業(yè)帶來巨大的市場，但從當前來看，AI則處于被企業(yè)大肆捧殺階段，存在巨大的泡沫。鑒于深度學習對于模型訓練的大量數(shù)據要求，AI技術的提升依賴于海量視頻數(shù)據的自我訓練，而這需要很長時期的積累和自我提煉，而且，由于安防應用場景的碎片化特征以及客戶的定制化需求，AI產品化和工程化仍然是道阻且長。作為企業(yè)，應該看透泡沫的幻象，坐懷不亂，腳踏實地。

安防再經歷亂世

眾所周知，隨著新創(chuàng)四小龍為首的AI技術代表陣營的加入，華為BAT外來巨頭的來勢洶洶，使得安防市場競爭俞加激烈，這些入侵者的野心“昭然若揭”，而資本寒冬下的安防市場能否支撐起他們的野望，原有安防市場格局是否面臨被改變的話題持續(xù)不斷，而且圍繞這個主題，有幾個很有意思的觀點，可謂各執(zhí)其詞，各有各的野望和雄心。

?？低?/u>胡揚忠曾以安防前輩身份表示，安防市場容量小且場景碎，建立一個從滿足用戶碎片化需求的開發(fā)響應、到快速交付能力的建設是一個十分復雜的體系;并且他把安防市場比作淺水域，養(yǎng)不起大魚，投入和產出非常不匹配。