2016年開始，人工智能開始在安防行業(yè)斬頭露角，被AI點(diǎn)化的安防市場一時間概念泛起，其中人臉識別的應(yīng)用在一定程度上成為這場安防人工智能浪潮的中心，人臉應(yīng)用遍地開花。

　　智能安防產(chǎn)業(yè)演變路徑

　　過去的兩三年時間里，安防領(lǐng)域的人工智能有著較為清晰的發(fā)展路徑：

　　在產(chǎn)品方面，逐漸從前端覆蓋到后端，繼而到軟件平臺；在應(yīng)用場景方面，也從最為典型的公安、交通領(lǐng)域逐漸向金融、教育、社區(qū)等垂直行業(yè)下沉并滲透到豐富且碎片化的各類場景當(dāng)中；

　　而從產(chǎn)業(yè)格局的角度看，圍繞著算法、算力和數(shù)據(jù)三大核心引擎，在傳統(tǒng)安防廠商奮勇發(fā)力之外，部分CV企業(yè)以及AI芯片企業(yè)異軍突起，相繼成長為業(yè)界備受矚目的AI“獨(dú)角獸”，與此同時，伴隨著阿里的入局以及華為的靶向進(jìn)攻，人工智能打開了智能安防產(chǎn)業(yè)新的賽道，產(chǎn)業(yè)格局升維，不同的企業(yè)角色憑借著各自的主力優(yōu)勢在日益壯大的智能安防市場各立山頭，頭部企業(yè)順著產(chǎn)業(yè)鏈條向上向下兀自延展，試圖搶占更大的市場份額，市場競爭別開生面；

　　最后從安防產(chǎn)業(yè)自身的演進(jìn)過程來看，從“看得清”到“看得懂”，傳統(tǒng)安防正逐漸從公共安全管控的局限框架中釋放出來，成為智慧城市大場景中重要的一環(huán)，挑起城市視覺感知和關(guān)鍵數(shù)據(jù)(人、車)采集的大梁。而伴隨著智慧物聯(lián)、物信融合趨勢的到來，智能安防也正逐步接軌到視頻物聯(lián)網(wǎng)這個更大的應(yīng)用維度中來，可以作為城市級視頻數(shù)據(jù)收發(fā)的“基站”，按需為各行各業(yè)輸送智能視頻的多元化應(yīng)用。

　　此前，圍繞著AI算法以及算力，業(yè)界各方勢力都在持續(xù)探索算法精度和算力性能的上限，經(jīng)歷過實(shí)驗(yàn)室數(shù)據(jù)的各項(xiàng)PK之后，在推進(jìn)AI在實(shí)況場景下的落地應(yīng)用過程中，諸多現(xiàn)實(shí)問題開始顯露出來，產(chǎn)業(yè)的關(guān)注點(diǎn)也開始聚焦到破解AI落地應(yīng)用的痛點(diǎn)上面。

　　AI落地應(yīng)用的瓶頸和訴求

　　從業(yè)界專家以及企業(yè)的集中反饋中我們可以總結(jié)一下，在推進(jìn)AI落地應(yīng)用過程中，不同的產(chǎn)業(yè)角色面臨的困難點(diǎn)也各有針對性。對于企業(yè)自身而言，他們可能會面臨著對技術(shù)門檻、用戶需求持續(xù)跟進(jìn)的壓力，而對于用戶而言，人工智能雖好，但較高的成本以及現(xiàn)階段的投入產(chǎn)出比情況對他們而言依然是很大的顧慮。這里我們集中梳理一下，且看近12家產(chǎn)學(xué)研單位的多角度反饋：

　　1) 成本壓力

　　宇視科技：隨著AI系統(tǒng)應(yīng)用部署的規(guī)?；?，平均每路的成本雖然有所降低，但總成本仍然過高。

　　澎思科技：不管是公安行業(yè)還是其他行業(yè)，AI落地應(yīng)用最大的瓶頸應(yīng)該還是價格。在2017年及2017年以前，行業(yè)單個人臉識別系統(tǒng)的報價接近十萬，人臉識別系統(tǒng)的價格成為阻礙其在行業(yè)普及的因素之一。不過在2017年之后，隨著人臉識別算法及硬件性能的提升，人臉識別系統(tǒng)的價格問題緩解了不少。

　　AxxonSoft：預(yù)算是阻礙AI應(yīng)用落地的一個重要原因，AI應(yīng)用需要投入的資金還是比較大的，并不是每個行業(yè)都有足夠的運(yùn)算來支持。

　　復(fù)旦大學(xué)視覺內(nèi)容研究院：當(dāng)前許多AI算法都是數(shù)據(jù)驅(qū)動的，需要持續(xù)收集大量特定應(yīng)用場景的數(shù)據(jù)，然后在應(yīng)用中進(jìn)行持續(xù)迭代優(yōu)化，這個過程所需人力與物力對于許多企業(yè)而言，顯然是一個非常大的技術(shù)、成本和運(yùn)維等綜合壓力。

　　2) 受限于場景，AI泛化能力不夠

　　云天勵飛：安防行業(yè)是一個需求相對碎片化的行業(yè)，各種場景、行業(yè)需求非常碎片化、多樣化，而這些需要大量的研發(fā)資源投入，對于一個AI初創(chuàng)公司來講壓力相當(dāng)大，而且時間和技術(shù)窗口期很短，因此我們要在不斷探索的過程中把握好產(chǎn)業(yè)發(fā)展的主航道，聚焦核心業(yè)務(wù)，快速響應(yīng)市場需求，提供更優(yōu)質(zhì)的產(chǎn)品服務(wù)，不斷地提升自身競爭力。

　　復(fù)旦大學(xué)視覺內(nèi)容研究院：AI依賴于應(yīng)用場景，只要場景確定(即各種邊界條件確定)，這個時候研發(fā)人員比較容易將應(yīng)用性能等調(diào)整得很好，但如果更換了一個場景，原來那套方法就需要進(jìn)行再調(diào)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。

　　3)需求響應(yīng)及投入產(chǎn)出比

　　AxxonSoft：當(dāng)前的項(xiàng)目有些用戶也存在過于理想化的預(yù)期心理，人工智能需要機(jī)器學(xué)習(xí)不斷提升準(zhǔn)確率，它無法馬上解決所有的問題，需要有足夠的時間與正確的訓(xùn)練方式，才能慢慢體現(xiàn)它的價值。

　　宇視科技：落地比預(yù)期的困難，一些用戶發(fā)現(xiàn)花了巨大的成本代價卻得不到預(yù)期的效果，許多產(chǎn)品與方案在演示或者PK的階段都處于相對理想的環(huán)境中，但到了實(shí)際的環(huán)境中，用戶便會發(fā)現(xiàn)較大的差異。

　　熙菱信息：目前比較大的挑戰(zhàn)就是政府有時無法像企業(yè)一樣，及時地根據(jù)實(shí)際需求進(jìn)行投入的調(diào)整。在短期內(nèi)，實(shí)際業(yè)務(wù)的增長和投入方面會相對的不匹配，但是這個問題在生產(chǎn)過程中可以逐步去解決，只是解決的速度快慢的問題。當(dāng)然，客戶對于數(shù)據(jù)組織的價值和對于業(yè)務(wù)算法高準(zhǔn)確性的期待依然會給數(shù)據(jù)融合智能應(yīng)用帶來現(xiàn)實(shí)的挑戰(zhàn)。

　　澎思科技：在解決了價格問題之后，如何將人臉識別系統(tǒng)等AI系統(tǒng)與現(xiàn)有系統(tǒng)如公安系統(tǒng)進(jìn)行有效結(jié)合，又成為了AI落地應(yīng)用的一個困難點(diǎn)。

　　4)市場需求培育及政策引導(dǎo)

　　公安三所研究員梅教授：公安信息化過程中，創(chuàng)新科技產(chǎn)品和技術(shù)作為一種基礎(chǔ)的設(shè)施投入本身并沒有問題，但投入之后如何實(shí)現(xiàn)價值最大化這是一個主要問題。現(xiàn)階段由于條塊分割措施，使得很多政府投入的設(shè)施局限到誰建誰用，誰建誰管的規(guī)則之中，極大地限制了這些設(shè)施價值的充分發(fā)揮，自然也導(dǎo)致了應(yīng)用成本的加大。投入產(chǎn)出比不對等并非是技術(shù)的問題，目前在整個建設(shè)和建設(shè)效益之中最困擾的其實(shí)說到底就是數(shù)據(jù)共享的問題，而這個問題需要從國家層面，從政府層面用政策去引導(dǎo)去解決。

　　微納感知：首先在技術(shù)方面，應(yīng)用環(huán)境的復(fù)雜性對機(jī)器聽覺系統(tǒng)的效能影響比較大。其次，市場對于聲學(xué)技術(shù)的應(yīng)用仍處于探索階段，市場需求雖然廣泛存在，但距離技術(shù)落地應(yīng)用仍然需要我們這樣的企業(yè)攜手合作伙伴加快推進(jìn)。與此同時，我們也非常期待政府層面能夠發(fā)力推出相關(guān)產(chǎn)業(yè)標(biāo)準(zhǔn)來進(jìn)一步做市場引導(dǎo)，讓聲學(xué)技術(shù)在智慧城市以及細(xì)分行業(yè)領(lǐng)域的應(yīng)用更快的成為共識。

　　的盧深視：相對于二維人臉識別，三維人臉識別是一個全新的技術(shù)領(lǐng)域，從上層器件到算法、產(chǎn)品、應(yīng)用等全產(chǎn)鏈上各環(huán)節(jié)都處于初級發(fā)展?fàn)顟B(tài)，其產(chǎn)業(yè)鏈?zhǔn)植怀墒?。且行業(yè)技術(shù)缺乏相關(guān)標(biāo)準(zhǔn)，較難統(tǒng)一。三維人臉識別技術(shù)還未形成規(guī)模化應(yīng)用，整體部署成本相對較高。不過，隨著上游器件工藝的逐漸成熟，算法能力的迭代演變，將持續(xù)提升整個三維相機(jī)的成像系統(tǒng)設(shè)計能力，然后三維相機(jī)的規(guī)?；瘧?yīng)用反過來促進(jìn)成本下降，這是一個必然趨勢。

　　蜂盒科技：最大的困難在于當(dāng)前市場環(huán)境。前面我們已經(jīng)提及人臉識別市場，已經(jīng)進(jìn)入了山寨版人臉識別產(chǎn)品泛濫的階段，對“正品”人臉識別產(chǎn)品公司造成了較大的沖擊。而面對當(dāng)前的這個特定市場環(huán)境，蜂盒科技能做的，就是推出性價比更高的人臉識別產(chǎn)品，頂住和抗住這波山寨之風(fēng)帶來的沖擊。

　　5)算法、算力及數(shù)據(jù)等核心技術(shù)能力的支持

　　華為：AI在某些場景落地困難的幾個因素，一是算力，二是算法，三是基于算法的應(yīng)用，四是價格。在算力方面，專用芯片將會更好的促進(jìn)特定場景下AI實(shí)用效能的發(fā)揮；在算法與應(yīng)用方面，安防產(chǎn)業(yè)的應(yīng)用場景非常豐富，任何廠商都無法把算法與應(yīng)用覆蓋到所有的場景，也就是說必須依托于開放的生態(tài)平臺，用最強(qiáng)的硬件計算平臺加上擅長細(xì)分行業(yè)的ISV的應(yīng)用，才能打造出最具競爭力的解決方案；在價格方面，一方面是如何降低硬件成本，另一方面是規(guī)模應(yīng)用后，ISV軟件開發(fā)成本能否攤平。

　　海康威視：當(dāng)下AI開放平臺品類繁多，并不是說隨便給用戶一套平臺工具，用戶就可以上手用，其中仍存在著一些瓶頸：第一是數(shù)據(jù)瓶頸。人工智能由海量的數(shù)據(jù)來進(jìn)行驅(qū)動，首先要保證數(shù)據(jù)的體量規(guī)模，其次數(shù)據(jù)要是被人為標(biāo)定監(jiān)督過的；第二是算法瓶頸。人工智能技術(shù)研發(fā)，算法人才是關(guān)鍵，算法團(tuán)隊(duì)的組建是必不可少且需要長期高成本投入的環(huán)節(jié)，對于大量傳統(tǒng)企業(yè)而言，這也是一個極大的考驗(yàn)；第三是計算資源和訓(xùn)練資源。人工智能算法訓(xùn)練必須基于相關(guān)的并行訓(xùn)練系統(tǒng)，通過海量數(shù)據(jù)的導(dǎo)入進(jìn)行算法訓(xùn)練，期間還需要做各種調(diào)試，這對并行訓(xùn)練系統(tǒng)的性能水平有很高的要求，計算資源和訓(xùn)練資源也是一個顯著的瓶頸；第四是產(chǎn)品端的瓶頸。大量的用戶（集成商）甚至AI初創(chuàng)企業(yè)，并不具備硬件產(chǎn)品資源，在沒有更多方案可供選擇的時候，云端方案或許并非最優(yōu)解但是是時下的選擇；最后是系統(tǒng)，要有完整的人工智能解決方案，系統(tǒng)集成與應(yīng)用開發(fā)資源投入是很大的，這也是一個瓶頸。只有突破了這五大瓶頸，我們才能真正的落實(shí)AI在實(shí)體行業(yè)中的賦能作用。