“AI的聲音要比去年小得多?！?/span>

　　這是今年眾多安防從業人員在今年最直觀的感受。

　　相比去兩年前，AI在資本市場經過一番熱炒，紛紛選擇安防落地，一時間得益于算法、算力的推進，“安防+AI”成為行業爭相跟隨的理念。2019年，整個行業似乎開始走向理性，在上半年新的產品與解決方案并不多，但與之相反的，在微觀層面對于智能安防的認知與理解，正在發生著悄然的變化。

　　海康威視高級副總裁、研究院院長浦世亮：泛化看待安防領域的人工智能

　　這一輪人工智能熱潮發展至今已有四五年的時間，對于安防產業而言，人工智能并不是新鮮的技術訴求，因為在很久以前行業就被這樣的需求所驅動，視頻監控從“看得清”到“看得懂”，需求一直存在，因為這是用技防去替代人防的一個核心能力。但很久以來產業仍處于一種技術與用戶需求或方案需求之間存在巨大鴻溝的狀態。

　　在深度學習出現之前，人工智能在安防領域的應用十分受限，沒有辦法大規模推廣，基本只有車牌識別的應用相對成熟，因為它的應用場景相對規范。人臉識別雖然應用需求廣泛，但由于場景的復雜性，極大地限制了人臉識別的大規模普及應用。

　　然而這一輪人工智能技術的發展，使得現有的人工智能尤其在計算機視覺領域的性能實現了極大的突破，所以我們現在會更泛化的去看待安防領域的人工智能。它并不僅僅局限在安全管理上，視頻監控其實更多是一種視覺傳感器的角色，有了AI加持之后，它可以提取更豐富的數據信息，把物理世界進行數字化轉化，然后為包括安防和更多其他實體經濟的行業領域賦能。

　　華為中國企業智能安防解決方案銷售部總經理彭曉東：云+AI正在快速改變傳統安防的架構

　　新的云+AI的技術正在快速改變傳統安防煙囪架構，通過云化方式建網，數據覆蓋的廣度以及深度會帶來數量級的提升，數據價值更是“1+1>N”，實戰效果會大幅度提升，云與大數據的結合，可以讓AI得到更加廣泛的快速應用。同時系統的安全性以及開放創新也會快速成為智能安防時代一個重要標準。

　　我們認為整個AI發展的趨勢一定會從集中式向分布式發展，最終形成端邊云協同態勢。AI前置是行業發展的一種態勢，許多簡單的場景，如果還是像傳統的做法，視頻傳到后端，完成計算后再傳結果，計算效率是非常低的，用戶體驗也很不好。華為認為，首先云端的AI跟前端的AI是協同的，但未來簡單的場景僅需要前端的AI。組大網，云化是必選方式，同時對設備廠家提出了更高的技術積累要求包括云計算，大數據，高性能計算，存儲，智能芯片等方面的能力。

　　宇視科技智慧云產品總工王利彬：智能應用進入成熟階段

　　今年雖然AI看起來沒有去年那么火，但從我們自身的角度看AI產品的出貨量是成倍的在增長。出現這種現象也有可能是客戶的接受度高了，市場不需要再像之前那樣宣傳，當前在公安、雪亮、智能交通工程項目中，已經不需要我們去過多宣傳AI帶來的價值，過去幾十路與幾百路的規模現在已經上升到上千路，智能應用開始逐漸進入到成熟的階段。

　　江森自控旗下泰科安防解決方案中國區銷售總經理鐘輝：市場競爭向海量數據處理與智能分析轉移

　　隨著大數據、物聯網、云平臺等技術的發展，AI將越來越多的應用在智慧建筑，更好的滿足人們對安全、高效、舒適、節能的需求。整體來看，國內安防領域市場規模足夠大，機會也足夠多。隨著AI技術創新和應用需求的推動，國內安防市場將迎來歷史性轉折點，市場將從過去設備低價競爭，發展到更高層面的海量數據處理和智能分析的競爭。

　　天躍科技副總裁范舟：AI智能化工具要形成智能安防管理平臺應用閉環

　　針對大熱的AI智能化應用，當前大部分公司主要專注于圍繞產品感知端構建智能化場景。不可否認，感知技術是提升用戶業務能力的有效手段，但感知僅能更精準更快速發現場景應用中的異常問題。而從管理角度來看，發現問題僅是起始狀態，最為關鍵的是解決問題、解決效果監控以及管理提升建議。

　　我們認為，所有智能化的技術手段僅是工具，并不是最終的管理目標，AI智能化工具必須貫穿落實到管理目標、管理執行、管理監控和管理提升四個環節，形成智能安防管理平臺應用閉環。因此，我們這些年的探索，也是希望把最新的技術，例如物聯網、移動互聯、大數據，以及AI技術、AIoT技術，與客戶的最終管理目標相結合，希望在這最后一公里，實現客戶管理目標落地。

　　Axxonsoft耐實（上海）軟件科技有限公司中國區總經理荊朝剛：安防行業將往平臺化方向發展

　　從全球安防市場格局來看，在硬件市場相對穩定，外資品牌要發展需另辟蹊徑。從應用場景上來看，安防行業未來將往平臺化方向發展，平臺將主導智能安防的應用。雖然目前有智能前置的做法，我們也在和合作伙伴在做，但目前的前端芯片性能有限，更多更復雜的AI算法還是需要在后端來完成，而且再高級的AI算法也需要依賴平臺來展現價值，所以我們還是認為平臺才是核心。

　　公安三所物聯網技術研發中心研究員梅林博士：非標準場景AI應用仍有待提升

　　在一些標準化的場景中，人臉識別、人證合一、車輛結構化描述等AI技術應用擁有很高的成熟度，應用效果很好。但在一些非標準化的場景下，比如開放式的1：N人臉識別或是非交通卡口的治安監控點，由于安裝角度、光線環境等因素，人臉和車輛的識別分析效果依舊有待提升。

　　另外，繼人臉識別之后，行人重識別正逐漸得到越來越多研究單位的重視，但這也是一個非標場景，角度、距離、光線、裝扮等都會對識別分析的效果產生影響，這種情況下如何實現精準識別仍具有很大的挑戰性，但一旦突破了應用瓶頸，便可以很好地助力公安實戰應用?，F階段，行人重識別技術還處在相關研究機構技術積累的階段，距離落地應用仍有待時間考驗。

　　復旦大學計算機學院視頻技術與系統工程研究中心薛向陽博士：AI應用依賴于場景

　　AI依賴于應用場景，只要場景確定（即各種邊界條件確定），這個時候研發人員比較容易將應用性能等調整得很好。但如果更換了一個場景，原來那套方法就需要進行再調整，這也反映出AI算法模型泛化能力不夠，主要以定制化為主，限制了大范圍推廣。同時，當前許多AI算法都是數據驅動的，需要持續收集大量特定應用場景的數據，然后在應用中進行持續迭代優化，這個過程所需人力與物力對于許多企業而言，顯然是會帶來非常大的技術成本和運維等綜合壓力。

　　閱面科技聯合創始人宋向明：人臉識別市場短期內不會集中

　　考慮到人臉識別產品使用的地域性差異、不同群體的接受程度和使用需求，硬件實體的競爭基本不會出現互聯網一家獨大的情況，人臉識別技術涉及內容較多，還有新產品形態的出現，我認為目前及未來的一段時間內都是“百家爭鳴”的狀態。隨著市場教育、開拓，市場在不斷擴大，玩家也在增加。