AI安防落地 需要升级大规模生产工具

传统手工业中，工匠的工作程序包括搜集材料、制作、组装、操作器械、自行找寻、安放等一系列繁琐任务，组装一个复杂产品或许还要将这些任务做上百次。而在工业的大量生产中，通过采用标准部件和广泛分工，就能以低成本生产大量产品。现代概念的量产由此开始蓬勃发展。

AI的落地应用也是如此。AI最终还是要从实验室走进社会生产生活，因此AI也需要从“传统工匠制作”走向大规模生产。

AI安防需求高涨 价格却不低

用户AI安防保持着旺盛的需求，以前端AI摄像头为例：2018年华东、华南等地区需求量在10%-20% 左右，对于智能化产品的预算可以达到 20%-30%；内陆地区需求也有长足进展。与此同时，前后端软硬件均存在三至五年后更新换代需求，对AI安防的需求也将逐年升高。

而安防AI智能化发展仍处于高投入落地阶段，仍以视频监控为例，据《安全自动化》调查，AI视频监控系统成本高达近万元/路视频，即便能够很好地控制成本，价格也不会低于3000元/路。这种情况下，只有通过大规模生产，才有望满足需求、实现大规模落地。

碎片化制约智能安防落地

安防行业是较早应用AI的行业之一，然而，AI安防仍然过于依赖应用场景，适用于A场景的方案难以应用于B场景，需要重新收集数据、调整算法。

海康威视总裁胡扬忠曾表示，安防市场是一个非常碎片化的市场，这主要体现在用户、产品与应用的分散。AI可以满足行业客户更多需求，进一步打开市场空间，但安防行业仍是一个碎片化市场。

AI泛化能力不足成为制约智能安防落地的阻力，要想同时满足客户碎片化需求并具备快速交付能力，需要建立一个非常复杂的体系。

AI安防落地 需要升级大规模生产工具

安防行业中，AI技术在某场景的落地程序包括数据收集、数据标注、算法设计、训练、集成、上线等，并非所有的企业都有实力组建成千上万人的科研团队，因此，要实现AI落地，就需要升级大规模生产工具。

海康威视、华为、腾讯优图等企业提出的解决路径是供给规模化的AI工具，以减少对科研人员的依赖。以AI开放平台为例，这一平台能够利用自动化工具简化AI算法开发过程，一个零算法基础的用户在一小时之内就可以完成整个算法的训练以及部署。

此外，“软件定义摄像机”也有利于解决AI摄像机在不同场景中的适应性问题。相比于传统摄像机软硬件绑定和CPU能力所带来的局限，软件定义可以使用户按具体需要进行调整。

当然，这只是安防企业对AI规模化落地的初步探索，未来还将有更完善的方案。总而言之，AI安防落地，核心在于对AI+安防的深刻理解，真正弄懂场景与痛点，做到技术、产品、场景、工程、商业五位并举，后期运营也是关键。