小编认为，AI在安防刚刚起步，目前只能算是蹒跚学步，主要还是人脸、人体及车牌识别，也仅仅进行简单的逻辑判定，距离真正的AI差很远。CV公司和安防企业一样，都有义务维持“安防+AI”这一浪的良性发展而不是揠苗助长。“无AI，不安防”，其实说的是AI将来会如同“网络、高清、H.265”一样在安防领域普及，而通用AI引擎会普惠广大中小安防企业，这不是龙头能垄断的，所以大中小厂商都不必恐慌，大家一哄而上做好AI的面子工程(对外宣传)同时也需要做好里子(研发落地)。

　　AI技术与传统安防产品的完美融合需要多方面因素。AI初创公司对产品落地、渠道扩张方面不擅长;而传统安防企业的相关算法从一开始其实是落后的。海康、大华等安防厂商渠道实力很强，技术相比很多安防公司来讲也已经走的比较靠前但是跟算法公司比还是有差距;商汤、旷视等AI新贵虽然渠道稍弱，但这几年也融得巨资，想必也会慢慢补齐自身短板。

　　所以未来的安防格局有变是必然的，但是只有踏实落地产品和解决方案给用户带来价值的企业才会真正胜出。

　　人工智能在安防领域的应用场景会不断拓展和细化，应用会越来越丰富，用户要求也会越来越高。安防作为AI的首要着陆场，我们看到，人脸识别、动态布防、车辆分析、流量管控等智能应用，已初露锋芒。但这一切并不是刚刚开始，过去多年的探索和技术创新为AI着陆安防提供了强劲动力。2014年以前，部分安防公司陆续开发了多种基于传统智能算法的核心组件(如绊线检测、区域入侵报警，人脸检测、人数统计等)，并应用于监控摄像机、图侦与合成作战平台等产品与解决方案上，实际上在这波AI之前已取得一定的应用价值。

　　安防监控厂商中，科达算“先落地应用，再来谈AI”的典型厂商，可谓“有里有面儿”：2014年，科达发布感知型摄像机，通过前端智能化，使智能分析的规模化部署成为可能，算是AI的雏形但是算法是传统建模形式的而非“深度学习”;2015年，基于云计算技术，科达推出了安防大数据平台，从后端实现了海量视频数据的存储、分析和检索;2016年，基于前端感知与后端大数据平台的结合，科达推出猎鹰系列智能分析平台，海燕车辆二次分析系统等，聚焦视频大数据的实战应用;2017年，以安防大数据平台为支撑，通过深度学习技术，全线提升科达智能产品的适用性与准确率，AI实战。

　　科达以AI for all，and more为口号继续在AI+安防这条路上深耕：

　　第一、把AI赋能扩展到所有的安防细分领域，进行水平拓展，AI功能不仅体现在专业摄像机上，普通摄像机也要逐渐普及;第二、深度方面，要做进一步发展，现在的AI的感知相对来说还是浅层感知，未来要做深层感知，识别目标要不断的深化、甚至到认知的角度，能够像人一样可以看得懂。第三、将紧紧围绕场景落地做针对性的优化和开发，使得AI不再是技术概念，而是安防领域各种典型场景、各种用户需求，能够适应各种场景下的深度应用。

　　之前海康宣讲的“AI Cloud”虽然强化了“前端智能”，不是仅仅依靠前端完成AI任务，而是将部分“预处理及简单分析”等功能放在前端。从视频监控的本质及实际需求看，前后端协同，尤其后端的大数据碰撞和检索才能发挥价值。在刑侦过程中、综合应用过程中，在情报的合成研报过程中，怎么把大数据分析、人工智能用起来还是需要依靠后端应用。

　　目前看，一台普通前端设备(摄像头)加载人脸识别应用，价格大概上涨2000元，价格因素的确严重阻碍了技术的推进。但同时也要辩证地去看事情，技术在爆发前期肯定会有一个缓冲期，日后应该会越来越便宜。现在的前端智能还在混战和摸索阶段，即使如海康大华，也依然在摸索阶段，因为取决于芯片配套的发展和支撑。ASIC及FPGA等一旦得到规模应用，前端嵌入智能将可能在200水平，所有摄像头嵌入AI都可以接受。而对于后端，传统模式五千万个图像每秒的负荷，大概要用160个CPU的Server，大概要60千瓦，但是现在用GPU这种方式的话，就一个NVIDIA HGX架构的8个volta，3千瓦，性能和功耗差距几十倍。

　　小结：安防行业的AI三级应用，芯片都是其他家的，如同TI和海思等公司支撑的安防监控一路从网络高清走来一样，AI时代的安防支撑芯片还在不断的摸索前行。数据方面，很多安防厂商一直强调数据的重要性，宣讲自己的视频数据的壁垒，不知道哪里来的底气，小编认为，长年累月积累的数据如阿里巴巴、百度和腾讯公司的大数据才值钱，平安城市或者交通的三个月数据也都是在集成商和用户侧，与其说数据是壁垒不如说行业资源和技术沉淀才是传统安防企业的优势。至于算法，算法厂商的算法优势不会很持久，相信算法厂商自己也这么看，但是算法厂商携产品和解决方案打入平安城市和智能交通领域并让集成商和用户眼睛一“雪亮”，这才是安防厂商不愿看到的!!