深圳智能交通展数据驱动解析安防AI生态痛点
深圳智能交通展：深度解析“安防+AI”生态痛点与机遇
随着20多年的本土化发展，安防技术经历了模拟、数字、网络、高清4个时代，并进入了“安防+AI”智能化阶段。当前，“安防+AI”生态正处于快速扩张期，吸引了众多AI公司的关注和参与，而传统安防企业则面临着如何在这个新兴市场中找到自己的位置和角色。
5月27日，千方科技宣布获得阿里巴巴近36亿元的参股，这一消息立即激起了一阵行业猜测。阿里巴巴推出的“城市大脑”，这是一套基于大数据应用的城市级管理平台，也是其布局智慧城市顶层应用的一部分。尽管如此，阿里在安防领域的布局进展并不顺利，它需要通过投资一家拥有完整安防生态的集成商来增强自身在这一领域的地位。
那么，“安防+AI”究竟是一个什么样的行业？它存在哪些痛点，以及这些痛点为何会阻碍早期AI技术在这个领域中的爆发？
我们可以从四重生态来理解“安 防+AI”的整体结构：算法与芯片、设备制造与解决方案以及行业应用等。这其中，上层是基础算法和芯片，如宇视科技开发的人工智能算法；中游则是各种软硬件产品和解决方案，如宇视提供从端计算到云计算覆盖全面的产品；下游则是政府、教育等各个行业场景应用，其中包括运营服务商、系统集成商等；而最底层的是核心架构，如Caffe和TensorFlow等框架，但掌握这些架构的是国际巨头。
两大因素制约早期AI爆发
人工智能之于 安 防，一直存在但未被广泛认识，只是在人脸识别技术普及后才逐渐走向公众视野。其实，从车牌识别到行为识别，再到事件检测，人工智能已经成为 安 防的一个重要组成部分。不过，这些先进技术并没有迅速普及，其原因主要有两个方面：
算法维度分析
早期 安 防首先要解决的是图像清晰化的问题，因此编解码算法和图像处理算法成为重点。
随着 智能交通 的兴起，对车辆属性进行识别成为主流应用。
深度学习算法得到爆发性的发展，使得 安 防真正步入深度学习时代，并首次在 人脸识别 领域得到大规模应用。
硬件维度分析
当行业进入深度学习时，没有专门针对此类需求的芯片——高性能GPU。
英伟达发现GPU分布式计算、大规模集群运算优势，为其带来了新的业务机会并推出针对深度学习专用处理芯片。
总结来说，“ 安 防+AI”的未来看似光明，但也面临诸多挑战。在这样的背景下，我们期待通过深圳智能交通展这样的平台，不仅能够看到最新最前沿的人工智能技术，更能够洞察那些困扰这一产业长久以来的痛点，同时寻找可能的突破路径，以助于整个产业健康稳定地向前发展。
