AI安防迎来下半场?

2020 年 9 月 25 日

AI安防迎来下半场?

AI 安防是否遭遇了创新者的窘境?

AI 安防技术创新变难了?

从技术路径的演进迭代看,安防监控产业的发展历程可以分为:模拟时代、数字时代、高清时代和智能时代,这个过程伴随着海量视频数据的涌现。

数字化解决了安防监控视频的存储和读取问题,使安防监控最核心的功能“事后查”变成用户“可获得”,这奠定了安防监控产业飞速发展的基础。高压缩率数字编解码技术的发展助推行业进入了高清时代,200 万、500 万、4K 等分辨率解决了“看得清”的问题,但这个时代安防监控的核心应用还是停留在“事后查”。

只有发展到当下的智能时代,才给安防监控的核心应用赋予了全新的概念:从“事后”向“事中”和“事前”转变,AI 技术是促使这一转变的核心。

智能安防为传统安防带来了革命性的转变。在“事中”阶段,传统安防需要工作人员盯着屏幕,随时监视,人工做到这一点并不现实,但 AI 技术可以做到实时监视,发现符合报警规则的事件并实时告警。AI 技术不仅让“事中”实时告警变成可能,它还可以进行事前预测,通过 AI 大脑的识别和分析,将一些隐患或者事件进行提前预警,做到提前处置。

AI 带来的另一大变革是效率的极大提升。

AI 安防在预设中就可以通过算法重点关注相应的内容,换句话说,把监控摄像头被动记录场景所有信息转化为记录特定物体或者行为,再以某种符合标准的格式进行编程输出,进行数据精简,产品带宽、算力还有存储空间等社会资源的消耗随之降低,能带来安防行业整体成本和效率 10-20 倍的提升。

传统安防核心的“事后查”功能有时候并不足以应对庞大的视频数量,想要在海量视频中查找一个对象,在没有明确的时间、地点信息时,无异于大海捞针,如某些大案甚至需要增调成百上千警力,花费几十天时间查看 PB 级以上的监控录像。

而一些人工智能企业通过对视频的处理可以很快找到目标对象,大大缩减了工作量,提高了效率。不过值得注意的是,这样的 AI 技术可能并没有从架构上改变传统安防,海量的视频仍然存在。此外,现阶段 AI 安防技术还存在对视频内容识别准确度不够、数据门槛高、数据隐私安全等问题。

有观点认为,这几年 AI 安防的发展似乎没有之前在热潮期那么“高光”了,技术上鲜有大的突破,成熟的 AI 产品及解决方案较少,一些技术并不成熟,智能化水平尚处在初级阶段。

对此,博观智能研发部副总裁、首席系统架构师陈航锋认为,AI 安防技术的核心是 AI 芯片技术和深度学习算法技术,安防提供的是数据原料,是技术的一个落地点,更多地是表现在平台应用技术上。人们之所以觉得 AI 安防逐渐缺少突破式创新,可能是源自平台应用技术的创新逐渐变少。

任何技术都会遇到创新天花板,这是客观规律。从狭义 AI 技术看,深度学习技术的迭代速度在放缓,虽然也有很多学者在积极探索深度学习以外的 AI 技术,但总体上近两年突破式创新的确少了。但深度学习算法各类网络每年还会有创新,全球各类榜单不断地被刷新指标,且深度网络训练的可解释性问题还待解决,深度学习算法技术还有很大的突破创新空间。此外 AI 芯片技术从工艺集成度到应用生态等各个维度还在长足发展,各类 AI 芯片厂商也还在不断涌现,安防只是其落脚点之一。

另一方面是因为人们对 AI 安防的期望值比较高。“如果 AI 安防的实际表现能大于等于期望值,那就没有这样的声音了”,陈航锋说,“但现在要为 AI 安防下一个‘创新乏力’的定论还为时尚早“。

从过去几年安防技术的发展路径可以看出来,创新仍在持续。2012-2016 年,车辆识别技术的发展带动国内 AI 安防率先在智能交通领域实现规模落地。2017-2018 年,人脸识别在公共安全领域大显身手,19 年是结构化和以图搜图、ReID 技术规模化应用的元年,现在人脸、结构化以图搜图等技术正在 AI 安防产业中发挥着巨大的推动力。

落地最快但可能并不完美

安防是 AI 领域最具有商业化潜力的场景之一。目前 AI 安防的应用场景非常广泛,主要在社会治理方面,如治安防控,智能交通、智慧监所、工业安全、民用安防、智能楼宇等细分场景。现在看来,AI 安防的应用空间和应用领域还远远没有达到饱和的状态。

接下来,人工智能技术对于风控领域的赋能将从社会治理逐渐扩展到各行各业,未来摄像头数量将成倍增长。“人工智能将深入到生产生活的各个场景里,如智慧楼宇、智慧工厂、智慧社区,而不是仅局限在闭路监控、防盗报警等场景。这是一个 2G 到 2B 的转变,存在着大量的机会”,的卢深视 COO 杨斌表示。

由于 AI 三要素“数据、算力和算法” 在安防赛道恰好在同一时间点共同迎来了爆发,成就了 AI 安防,促使其成为 AI 技术落地最成熟的领域,但光靠 AI 三要素并不能解决 AI 安防大规模落地应用遇到的问题。

陈航锋认为,AI 在安防市场有演示落地和大规模落地两大挑战。演示落地的问题是,演示效果好,但实际落地交付效果一般,原因除了核心的算法技术外,还需要产品、工程和解决方案作为配套,才能有好的落地交付效果。

具体来说,在产品上,要解决上量和成本的问题,对 AI 安防企业来说,目前盈利的最好方法是要有海量的智能硬件产品。工程方面,算法落地需要结合场景化,实验室的演示往往只能解决单个场景的展示,放到实际场景中无法很好地适应各类场景的变化和干扰,所以 AI 安防要能真正落地,需要大量的工程地面化部队去实践,通过大量的实践再反补到算法和产品中,不断迭代改进。

解决方案是当下 AI 安防最主流的商业模式,其面临大规模落地的挑战,方案实现 CPU+GPU 调度框架,降低 AI 的整体 TCO,同时使亿级的结构化和半结构化数据智能让客户可获得。

同时,杨斌提出,产品非标准化、产业链匹配不完善亦是一大难点。三维机器视觉作为 AI 安防最新最前沿的技术,标准不统一将带来诸多问题,如 3D 数据质量标准、3D 相机参数标准等,这会导致供应链上下游匹配难度较高,行业市场不够规范等问题。

AI 安防产品多面向 G 端、B 端市场,一些 AI 在商业化进程中企业存在过度依赖 G 端客户的问题。据去年 8 月旷视递交的第一版招股书中显示,其智慧安防和智慧城市的订单多来自于政府,且对于政府补贴的依赖度较强。这两年,旷视也在以智慧安防为核心不断向新领域扩展。

随着 G 端、B 端市场渐渐饱和,一些安防企业在逐渐探索扩展 C 端的用户群体,如海康威视成立了主打安全的智能家居子品牌萤石,大华成立了 C 端品牌乐橙。今年这场疫情也令不少 AI 安防产品在 C 端打开了局面。

不过由于基因上的差异,一些安防公司在 C 端市场却并不十分顺利。C 端用户对于价格、体验、营销手段等非常敏感,C 端客户的智能化市场场景众多、需求碎片化更加明显,对于传统安防厂商而言,还需要通过品牌知名度、产品策略、供应链管理、市场策略、市场通路等各个维度来调整和满足不同的 C 端用户群需求,这是一个比较大的市场挑战。

杨斌表示,目前行业的各个参与者都在商业模式探索阶段。他认为,不论是大公司还是小公司,最重要的是找准自己的定位,体现自己的技术特长和产品特长,实现商业价值。当产品和技术在行业内被认可,就能在产业链中实现自己相应的利润率,随着时间迭代,利润率会趋于稳定。

万亿级市场引力,老将、巨头与新贵“缠斗”

纵观国内安防产业的发展历史,2010-2016 年被认为是产业发展的黄金十年,得益于技术的突破式创新,行业由数字时代进入高清时代。2016 年,被称为是 AI 安防的元年,伴随着深度学习带来的第三次 AI 浪潮,AI 技术也迅速在安防领域应用开来。

这几年,海康威视、大华股份、宇视等老牌巨头纷纷开始在 AI 技术上发力,目前它们仍牢牢占据第一阵营。商汤、旷视、云从、依图等 AI 明星独角兽创业公司也将眼光瞄向了这里,它们几乎都将安防作为核心布局的领域;此外,BAT 、华为等互联网巨头也不断进场跑马圈地。

更多的是中小参与者。据前瞻产业研究院《中国安防行业市场前瞻与投资战略规划分析报告》数据显示,截至 2017 年年底,国内安防企业约为 2.1 万家,行业总收入约为 6016 亿元,年均增长 14.4%。

此外,该报告预测,2020 年,我国安防行业总收入将突破 8000 亿元,达到 8212 亿元左右。另有数据显示,截至 2022 年底,中国安防行业市场规模将达到近万亿元。万亿市场规模所释放出的巨大吸引力无形中也在加剧着行业的竞争。

不同类别的参与者各有优劣势。传统安防企业以硬件产品、供应链、平台见长,行业前几名基本可以看做“全优生”,各项实力都很均衡,基本没有短板;AI 企业是算法实力一枝独秀,硬件能力稍弱;巨头则以整体实力见长。

陈航锋认为,这些企业凭借各自的优势切入安防市场,角色上有“防守方”和“进攻方”的区别,在正面战场上的摩擦肯定不可避免,表现到 AI 落地上,最后拼的仍是 AI 应用的六要素 — “数据、算力、算法、工程、产品、方案)。但行业的机遇变迁和市场迭代升级挑战永远存在,传统安防企业的地位,更多取决于自身的行业领导开创能力和综合经营水平,并不会因为 AI 初创中小企业的入局而瞬间动摇。

“新入局者对传统安防巨头的地位肯定有所动摇”,杨斌有不同的看法。“整个行业从来没有一个固定的老大,行业的迭代、一家公司在行业中所处的位置上下起伏也是正常的”。他认为,经过这四五年的发展,AI 安防还没有进入到“下半场”。

安防行业的上半场,是以视频编解码技术的进步为基础的,即 H.264/H.265/CVS 等标准的落地应用这成就了海、大、宇这样的上一代头部公司。而安防行业的下半场,将以“数字视网膜”,“针对对象的特征预提取”等技术和标准为基础,像二维人脸识别、三维人脸识别等技术,都是“特征提取”的一个主要方面。

到目前为止,整个产业链都处于初级阶段,目前下半场的重要时间点还未出现。杨斌认为,这个关键时间点到来的标志将是一套统一的行业标准成型的时候。

虽然很多大公司都已经提前布局标准制定,目前 AI 安防领域仍未有统一的标准出现,只有确立了标准,企业都基于统一标准推出技术和产品,才算真正的开局。而一旦有了标准,就会有巨头产生。

“AI 安防的下半场,这看似是一个比较悲观的论调。如果将产业发展类比成一场球赛,我觉得这只是暂时的场面,下半场也会成为疯狂‘进球’的下半场“,陈航锋认为,下半场的发展仍是非常精彩的,当前 AI 安防虽然在“事后”查的效率上有了极大提升,但离“事中”查的应用还有很大差距,“事前”预测的应用也远未达到普及,未来值得期待的改进和创新仍然很多。

他预测,紧随在”智能时代“后,安防产业下一个发展阶段应该是”泛智能时代“。AI 安防的下半场结束,不会意味着 AI 安防的结束,可能会是 AI 安防泛智能应用的开端。

未来,AI 安防行业的”宽度“可能将不断拓展,AI 安防技术将向更宽的领域进行输出,例如人脸识别技术,从先前主要应用在安防人员布控场景到逐步在门禁考勤市场普及。在不久的将来,有可能广泛应用在智能家居领域,将 AI 安防从对行为的识别扩展到居家养老、看护小孩、看护宠物等场景。

杨斌表示,接下来 AI 安防行业将在服务好 G 端需求的同时逐步向 B 端即行业端下沉。未来 3-5 年,B 端安防市场的体量将逐步增大,甚至慢慢与 G 端需求齐平。”本来安防行业就是一个万亿级市场,我个人判断,在 3~5 年之内可能还有一个三倍以上的增长,那时候的体量会更大“。

不能忽视的是,由于中美贸易摩擦等影响,今年安防产业面临较大的外部环境风险,海康威视、华为等企业被美国商务部列入了实体清单。近期,据传受美国断供禁令影响,华为的 AI 安防芯片因缺货严峻导致价格被爆炒。现在外部环境仍面临较大的不确定性,但危机也往往与机遇并存,恐难抵挡大势所趋。

采访嘉宾:

陈航锋, 博观智能 ,研发部副总裁、首席系统架构师。

杨斌,的卢深视首席运营官。高科技领域资深从业者,17 年芯片公司、高科技产品公司工作经验,2019 年加入的卢深视,任职首席运营官。的卢深视是一家专注三维机器视觉和人工智能领域的国家高新技术企业,专注三维视觉智能感知技术。

2020 年 9 月 25 日 16:50 1714
用户头像
刘燕 InfoQ记者

发布了 400 篇内容, 共 131.2 次阅读, 收获喜欢 630 次。

关注

评论

发布
暂无评论
发现更多内容

Java中的Stream用还是不用

孙苏勇

Java 流计算 程序设计 性能

复用到何种程度

孙苏勇

Java 程序设计 复用 面向对象 抽象

死磕Java并发编程(3):volatile关键字不了解的赶紧看看

七哥爱编程

Java Java并发 volatile

关于HSTS - 强制浏览器使用HTTPS与服务器创建连接

遇见

https 安全 浏览器 TLS 证书

我敢说 80% 的程序员都掉进了「老鼠赛跑」的陷阱

非著名程序员

读书笔记 程序员 程序人生 提升认知

公司大了,人多事杂,如何落地项目制?

树上

项目制 落地 公司管理 业务线 考核

dubbo-go 中如何实现路由策略功能

joe

golang Apache 开源 微服务架构 dubbo

过滤数组中重复元素,你知道最优方案吗?

麦叔

数据结构 数组 数组去重

Nginx代理Oracle数据库连接

遇见

MySQL nginx oracle 反向代理

当我们在说5G网络安全的时候,究竟在说什么?

石君

5G 5G网络安全 5G安全 网络安全

Windows环境MySql8.0忘记root密码重置

玏佾

MySQL

如果明天没有恐惧——两小时看完余欢水后想到的……

伯薇

个人成长 心理学 小说 恐惧

一个值得推荐的人才测量标准

Selina

程序员陪娃看绘本之启示

孙苏勇

生活 程序员人生 读书 成长 陪伴

【SpringBoot】给你的 CommandLineRunner 排个序

遇见

Java Spring Boot

如何画一个闹钟

池建强

视觉笔记

像黑客一样思考

Fooying

黑客思维 黑客 安全攻防

给业务线的总经理多交代了几句

泰稳@极客邦科技

创业 效率 团队管理

媒体的经营 01 | 媒体/内容行业投资分析的维度

邓瑞恒Ryan

创业 内容 重新理解创业 媒体 投资

回"疫"录(1):口罩危机也许是一种进步

小天同学

疫情 回忆录 现实纪录

太慢是不行的

池建强

创业 产品

个人知识管理精进指南

非著名程序员

读书笔记 学习方法 知识管理 认知提升

Fire Fast 再深一层的是什么?

树上

管理 考核 Fire Hire 用人

【SpringBoot】为什么我的 CommandLineRunner 不 run ?

遇见

Java Spring Boot

机房运维需要了解东西

Spider man

Idea工程启动时报错:Command line is too long

玏佾

intellij-idea

像经营咖啡店一样扩容 Web 系统

Rayjun

Web 扩容

常用手机软件清单

彭宏豪95

效率工具 App 手机 移动应用

用python爬虫保存美国农业部网站上的水果图片

遇见

Python GitHub 爬虫

【SpringBoot】为什么我的定时任务不执行?

遇见

Java Spring Boot 定时任务 debug

国内10大前端团队网站

有思且行

技术 前端 大前端

AI安防迎来下半场?-InfoQ