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

　　智能安防產(chǎn)業(yè)演變路徑

　　過(guò)去的兩三年時(shí)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(tái)；在應(yīng)用場(chǎng)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(chǎng)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(zhǎng)為業(yè)界備受矚目的AI“獨(dú)角獸”，與此同時(shí)，伴隨著阿里的入局以及華為的靶向進(jìn)攻，人工智能打開(kāi)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(shì)在日益壯大的智能安防市場(chǎng)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(chǎng)份額，市場(chǎng)競(jìng)爭(zhēng)別開(kāi)生面；

　　最后從安防產(chǎn)業(yè)自身的演進(jìn)過(guò)程來(lái)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(lái)，成為智慧城市大場(chǎng)景中重要的一環(huán)，挑起城市視覺(jué)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(shì)的到來(lái)，智能安防也正逐步接軌到視頻物聯(lián)網(wǎng)這個(gè)更大的應(yīng)用維度中來(lái)，可以作為城市級(jí)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(shì)力都在持續(xù)探索算法精度和算力性能的上限，經(jīng)歷過(guò)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(chǎng)景下的落地應(yīng)用過(guò)程中，諸多現(xiàn)實(shí)問(wèn)題開(kāi)始顯露出來(lái)，產(chǎn)業(yè)的關(guān)注點(diǎn)也開(kāi)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(guò)程中，不同的產(chǎn)業(yè)角色面臨的困難點(diǎn)也各有針對(duì)性。對(duì)于企業(yè)自身而言，他們可能會(huì)面臨著對(duì)技術(shù)門檻、用戶需求持續(xù)跟進(jìn)的壓力，而對(duì)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(duì)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(guò)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(jià)格。在2017年及2017年以前，行業(yè)單個(gè)人臉識(shí)別系統(tǒng)的報(bào)價(jià)接近十萬(wàn)，人臉識(shí)別系統(tǒng)的價(jià)格成為阻礙其在行業(yè)普及的因素之一。不過(guò)在2017年之后，隨著人臉識(shí)別算法及硬件性能的提升，人臉識(shí)別系統(tǒng)的價(jià)格問(wèn)題緩解了不少。

　　AxxonSoft：預(yù)算是阻礙AI應(yīng)用落地的一個(gè)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(gè)行業(yè)都有足夠的運(yùn)算來(lái)支持。

　　復(fù)旦大學(xué)視覺(jué)內(nèi)容研究院：當(dāng)前許多AI算法都是數(shù)據(jù)驅(qū)動(dòng)的，需要持續(xù)收集大量特定應(yīng)用場(chǎng)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(gè)過(guò)程所需人力與物力對(duì)于許多企業(yè)而言，顯然是一個(gè)非常大的技術(shù)、成本和運(yùn)維等綜合壓力。

　　2) 受限于場(chǎng)景，AI泛化能力不夠

　　云天勵(lì)飛：安防行業(yè)是一個(gè)需求相對(duì)碎片化的行業(yè)，各種場(chǎng)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(duì)于一個(gè)AI初創(chuàng)公司來(lái)講壓力相當(dāng)大，而且時(shí)間和技術(shù)窗口期很短，因此我們要在不斷探索的過(guò)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(chǎng)需求，提供更優(yōu)質(zhì)的產(chǎn)品服務(wù)，不斷地提升自身競(jìng)爭(zhēng)力。

　　復(fù)旦大學(xué)視覺(jué)內(nèi)容研究院：AI依賴于應(yīng)用場(chǎng)景，只要場(chǎng)景確定(即各種邊界條件確定)，這個(gè)時(shí)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(gè)場(chǎng)景，原來(lái)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(guò)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(wú)法馬上解決所有的問(wèn)題，需要有足夠的時(shí)間與正確的訓(xùn)練方式，才能慢慢體現(xiàn)它的價(jià)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(jià)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(duì)理想的環(huán)境中，但到了實(shí)際的環(huán)境中，用戶便會(huì)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(shí)無(wú)法像企業(yè)一樣，及時(shí)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(zhǎng)和投入方面會(huì)相對(duì)的不匹配，但是這個(gè)問(wèn)題在生產(chǎn)過(guò)程中可以逐步去解決，只是解決的速度快慢的問(wèn)題。當(dāng)然，客戶對(duì)于數(shù)據(jù)組織的價(jià)值和對(duì)于業(yè)務(wù)算法高準(zhǔn)確性的期待依然會(huì)給數(shù)據(jù)融合智能應(yīng)用帶來(lái)現(xiàn)實(shí)的挑戰(zhàn)。

　　澎思科技：在解決了價(jià)格問(wèn)題之后，如何將人臉識(shí)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(gè)困難點(diǎn)。

　　4)市場(chǎng)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(guò)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(méi)有問(wèn)題，但投入之后如何實(shí)現(xiàn)價(jià)值最大化這是一個(gè)主要問(wèn)題?，F(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(shuí)建誰(shuí)用，誰(shuí)建誰(shuí)管的規(guī)則之中，極大地限制了這些設(shè)施價(jià)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(duì)等并非是技術(shù)的問(wèn)題，目前在整個(gè)建設(shè)和建設(shè)效益之中最困擾的其實(shí)說(shuō)到底就是數(shù)據(jù)共享的問(wèn)題，而這個(gè)問(wèn)題需要從國(guó)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(duì)機(jī)器聽(tīng)覺(jué)系統(tǒng)的效能影響比較大。其次，市場(chǎng)對(duì)于聲學(xué)技術(shù)的應(yīng)用仍處于探索階段，市場(chǎng)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(shí)，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(lái)進(jìn)一步做市場(chǎng)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(shí)。

　　的盧深視：相對(duì)于二維人臉識(shí)別，三維人臉識(shí)別是一個(gè)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(jí)發(fā)展?fàn)顟B(tài)，其產(chǎn)業(yè)鏈?zhǔn)植怀墒臁Ｇ倚袠I(yè)技術(shù)缺乏相關(guān)標(biāo)準(zhǔn)，較難統(tǒng)一。三維人臉識(shí)別技術(shù)還未形成規(guī)?；瘧?yīng)用，整體部署成本相對(duì)較高。不過(guò)，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(gè)三維相機(jī)的成像系統(tǒng)設(shè)計(jì)能力，然后三維相機(jī)的規(guī)?；瘧?yīng)用反過(guò)來(lái)促進(jìn)成本下降，這是一個(gè)必然趨勢(shì)。

　　蜂盒科技：最大的困難在于當(dāng)前市場(chǎng)環(huán)境。前面我們已經(jīng)提及人臉識(shí)別市場(chǎng)，已經(jīng)進(jìn)入了山寨版人臉識(shí)別產(chǎn)品泛濫的階段，對(duì)“正品”人臉識(shí)別產(chǎn)品公司造成了較大的沖擊。而面對(duì)當(dāng)前的這個(gè)特定市場(chǎng)環(huán)境，蜂盒科技能做的，就是推出性價(jià)比更高的人臉識(shí)別產(chǎn)品，頂住和抗住這波山寨之風(fēng)帶來(lái)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(chǎng)景落地困難的幾個(gè)因素，一是算力，二是算法，三是基于算法的應(yīng)用，四是價(jià)格。在算力方面，專用芯片將會(huì)更好的促進(jìn)特定場(chǎng)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(chǎng)景非常豐富，任何廠商都無(wú)法把算法與應(yīng)用覆蓋到所有的場(chǎng)景，也就是說(shuō)必須依托于開(kāi)放的生態(tài)平臺(tái)，用最強(qiáng)的硬件計(jì)算平臺(tái)加上擅長(zhǎng)細(xì)分行業(yè)的ISV的應(yīng)用，才能打造出最具競(jìng)爭(zhēng)力的解決方案；在價(jià)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(kāi)發(fā)成本能否攤平。

　　?？低暎?/strong>當(dāng)下AI開(kāi)放平臺(tái)品類繁多，并不是說(shuō)隨便給用戶一套平臺(tái)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(lái)進(jìn)行驅(qū)動(dòng)，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(guò)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(zhǎng)期高成本投入的環(huán)節(jié)，對(duì)于大量傳統(tǒng)企業(yè)而言，這也是一個(gè)極大的考驗(yàn)；第三是計(jì)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(guò)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(duì)并行訓(xùn)練系統(tǒng)的性能水平有很高的要求，計(jì)算資源和訓(xùn)練資源也是一個(gè)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(méi)有更多方案可供選擇的時(shí)候，云端方案或許并非最優(yōu)解但是是時(shí)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(kāi)發(fā)資源投入是很大的，這也是一個(gè)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。