在AI變革之下，傳統(tǒng)安防企業(yè)積極擁抱AI技術(shù)，一些大型安防上市企業(yè)也提出對應(yīng)策略，但時間點都集中在2016年北京安博會上，成熟的AI產(chǎn)品的推出則在一年后的深圳安博會上。因此從時間上看，算法積累以及與行業(yè)的結(jié)合時間還較短。

在日前發(fā)布的《2018中國人工智能商業(yè)落地研究報告》中，顯示2017年中國AI創(chuàng)業(yè)公司獲得的累計融資超過500億元，但2017年AI商業(yè)落地100強創(chuàng)業(yè)公司累計產(chǎn)生的收入?yún)s不足100億元，90%以上的AI企業(yè)虧損。
一方面，人工智能教育、投融資高潮迭起，另一方面，AI初創(chuàng)公司商業(yè)落地卻舉步維艱，一上一下兩者呈現(xiàn)冰火兩重天的格局。目前人工智能產(chǎn)業(yè)雷聲大、雨點小，AI正遭遇商業(yè)落地之痛，似乎已經(jīng)成為業(yè)界人士的共識。

01在企業(yè)層面，AI落地安防主要存在的問題

目前來看，實現(xiàn)AI技術(shù)在安防領(lǐng)域的落地，誰最先駕馭人工智能的“三駕馬車”即精準(zhǔn)算法，超強計算能力以及海量數(shù)據(jù)，誰就最具有先發(fā)優(yōu)勢。更為重要的一點是誰能構(gòu)建起以大數(shù)據(jù)為基礎(chǔ)，以算法為推動力，以智能硬件為依托的結(jié)合場景化應(yīng)用的整體解決方案，誰將最終把握行業(yè)應(yīng)用市場。
現(xiàn)實情況卻是在安防領(lǐng)域參與AI建設(shè)的各方均存在明顯的優(yōu)劣勢，無法做到一統(tǒng)江湖。

處于最底層的安防中小企業(yè)既沒有資金實力，又缺乏算法領(lǐng)域研發(fā)，又沒有能力通過與各地公安業(yè)務(wù)部分建立合作關(guān)系獲取大數(shù)據(jù)支撐，唯獨有細(xì)分領(lǐng)域應(yīng)用的行業(yè)積累，這也是AI時代，安防中小企業(yè)亟需解決的難題。

02在技術(shù)層面，AI落地安防主要存在的問題

目前來看，人工智能技術(shù)在安防行業(yè)的應(yīng)用還只是淺層次的，技術(shù)還不成熟。

七牛云AI實驗室聯(lián)合創(chuàng)始人林亦寧在「2018中國人工智能安防峰會」曾表示：技術(shù)落地過程中，比如說經(jīng)常會碰到一些問題，當(dāng)需要把一些傳統(tǒng)的老民警的經(jīng)驗轉(zhuǎn)化成算法模型的時候，客戶往往會告訴你說這個數(shù)據(jù)不能出場，只能在場內(nèi)進(jìn)行迭代。還有比如它的數(shù)據(jù)的類型和我們實際上能夠接觸到的數(shù)據(jù)類型，或者我們平時積累比較多的數(shù)據(jù)類型完全不是一類分布的情況下，該如何做好這些事情，這都是很細(xì)節(jié)的問題，但是實際在操作的過程中都是很重要的問題。

例如AI在細(xì)分領(lǐng)域中環(huán)境適應(yīng)性較差，目前鑒于車輛及道路環(huán)境的相對標(biāo)準(zhǔn)化，識別率相對較高，但對于人臉的準(zhǔn)確識別則很容易受到光照不足、圖像模糊、目標(biāo)尺寸過小或相互遮擋等環(huán)境影響，以致影響到識別準(zhǔn)確率。

另外，數(shù)據(jù)資源分散，安防領(lǐng)域監(jiān)控數(shù)據(jù)的開放性和共享程度相對較低，很難開展多維數(shù)據(jù)的交叉融合分析，這使得人工智能分析缺乏有效的數(shù)據(jù)支撐，同樣也會影響準(zhǔn)確率；同時，不同的場景理解受限，由于缺乏有效的專業(yè)領(lǐng)域經(jīng)驗知識的積累，視頻內(nèi)容的理解能力偏弱，目前的智能分析多為單場景的目標(biāo)檢測和行為分析，很少涉及大范圍場景的關(guān)聯(lián)行為分析，以致很難用于異常行為分析和風(fēng)險預(yù)測。