市场调研 | 智能安防发展及落地现状(3)
a&s Research通过走访与问卷的形式，向企业及用户调研智能安防落地难的主要原因，前三分别是应用效果无法达到预期效果、技术成熟度不足、产业碎片化严重，从这些原因中不难看出，目前智能安防的落地仍然处于初级阶段，应用效果是影响用户选择智能安防产品或者解决方案的第一要素。
除此之外，在调研中厂商代表们也反映出目前智能应用落地中存在的问题：一是目前人工智能在安防行业的渗透仍然较低，需要所有摄像头都能对视频信息进行全面智能分析之时，人工智能在安防行业的价值才能真正凸显出来，目前的现状仅仅是用小部分算法解决小部分的问题而已；二是国内企业AI设备的出货量已经占整体产品出货量的70%左右，尤其在疫情之后，园区、办公楼宇等对电子哨兵等智慧防疫产品需求更加强烈，吸引了众多企业的关注，也造成了市面产品同质化严重与质量参差不齐的现象；三是数据的制约性， AI落地依赖数据训练基础算法，因此获得高质量数据是落地的关键，在一些传统安防之外的场景，缺乏统一、标准、高质量的数据，导致创新应用进度缓慢；四是随着国内人脸识别规范以及数据安全法等出台，隐私与安全无疑也会是智能安防落地的重要难题。以数字城市建设为例，随着数字化程度的提高，安全挑战也将越大，面对复杂多样的应用场景，网络和数据资产数量庞大，网络边界也难以被定义。
a&s Research认为，要加快智能应用落地速度，必须要处理好行业深度碎片化问题，表现为用户不集中、应用与产品分散、缺乏标准化的建设，导致出现以下状况：首先是场景碎片化严重，在产品和项目的过程中，用户认为智能化便能解决一切问题，但实际上人工智能并不是万能。
在很多碎片化场景里，其实需要投入大量的人力、物力去解决场景化的问题；其次是产品与解决方案的碎片化问题。当前看来，不管是边缘计算还是云计算，实际上都是在解决点状的问题，但由于碎片化太严重，在各个节点上部署智能化和数据流转等AI应用是一个很复杂的过程。也正因为如此，当前业内厂商普遍都比较期待AI项目标准化的尽快到来，标准建设将在一定程度缓解碎片化的痛点，让项目的交付变得更便于执行；最后是算法碎片化问题，由于算法的持续更新实现了大规模智能应用的落地，但算法的升级是永无止境的过程，这导致厂商在进行数据规划、可视化可检索和大数据融合时增加了不少难题，这点目前也只能通过技术的迭代、算法的稳定得以缓解。总而言之，缓解场景碎片化痛点，并不是由某一类厂商便能独自解决的，需要产业链上多个环节共同参与。
综合上述，目前的难点大概涉及到这几个主要环节：
（1）一是需要积累面向场景的数据，二是需要工程师开发面向场景的算法，三是需要大规模的训练系统进行算法的训练，能让前后端的产品承载智能算法，四是需要一个平台软件对接智能功能和行业的需求；
（2）规模化智能应用部署成本高。许多产品与方案在演示或者PK的阶段都处于相对理想的环境中，但到了实际的环境中，用户便会发现较大的差异。相对巨大成本的投入，却得不到预期的效果，智能应用的效果往往南辕北辙，让众多用户望而却步；
（3）安全问题。在行业进入智能化之后，一方面人工智能可以实现无人类干预，基于知识并能够自我修正地自动化运行，这种决策方式往往会产生人们无法预料的结果，另一方面视频的数据都经过高度浓缩，价值远超于前，尤其是个人隐私问题，导致被犯案的机率变得更高，对社会的影响也更大。
因此要真正解决落地及生根的问题，必须突破算力、算法、应用、成本等因素，正面目前尚存的四大难题：一是中国安防市场的对于海量视频图像分析的AI应用刚需较大，但目前的应用仍然处于初步阶段，越往后发展，场景会越来越多元，应用会越来越复杂，面临AI的无限可能性，企业需做好长期性的技术储备；二是安防项目是集产业、技术、模式、资本、服务为一体的复杂系统，涉及前端采集、存储、传输、管理、应用等多个产业链条，当下赋能过程中， AI仅仅渗透到了采集等单个环节，智能效果还有较大的提升空间；三是作为传统制造业，安防产业链长、成本高也是摆在企业面前的一道现实问题，成百上千人的队伍，加上巨额的营销、研发成本，想要一直紧咬传统安防巨头，做垂直应用变得越来越艰难；四是赛道现有玩家太多，且无法形成数据闭环，直接导致眼下的安防项目构成⸺集成商们拿着传统安防厂商的摄像机、 AI创业公司的算法、 ICT厂商的服务器，找第三方公司做软件交付，作业模式无法形成数据闭环，也是行业面临的大问题。
