“AI+安防”和“安防+AI”的界限仍很明顯

目前圍獵安防AI應用的企業(yè)很多，主要有兩大類，一是以4大算法公司（商湯、曠視、依圖、云從）為代表的AI獨角獸，他們主推“AI+安防”模式；二是以宇視科技等公司為代表的安防陣營，主導“安防+AI”之路。

宇視黃攀認為，截至目前，“AI+安防”和“安防+AI”的界限仍很明顯。

以4大算法公司提出的“AI+安防”為例，他們的定位是“1+1+X”，即“算法+產品+行業(yè)解決方案”，“X”代表各行各業(yè)的行業(yè)解決方案，安防只是其中之一。AI公司的行業(yè)賦能模式屬于扁平化架構，主要是解決算法問題，這使得他們在安防領域的耕耘沒有傳統(tǒng)安防企業(yè)透徹。

又因為安防是AI落地最深、最廣的一個行業(yè)，為了實現營收，AI公司選擇安防行業(yè)來進行算法驗證和變現，因此我們看到，現在AI公司越來越重視安防行業(yè)。

而以宇視為代表的安防企業(yè)提出的“安防+AI”，基于大安防的整體生態(tài)鏈比較完備，從上游的人工智能算法、中游軟硬件/解決方案，到下游行業(yè)定制軟件等都一應俱全，尤其在前端智能IPC、智能NVR、智能存儲上有突出的優(yōu)勢，加上早已在多年積累中建立了完善的營銷渠道。安防企業(yè)可以輕松地讓AI產品在安防垂直細分領域得到快速變現，這是安防陣營跟AI陣營耕耘“安防+AI”的最大區(qū)別。

當然，我們也看到，目前安防公司跟AI公司的相互滲透越來越多，在AI公司進入安防領域的同時，安防公司也在不斷向教育、醫(yī)療、金融等垂直領域延伸，將AI的適用范圍不再局限于安全防護。

賦能安防，AI面臨哪些困境

宇視黃攀告訴OFweek安防網，目前AI賦能安防主要面臨兩大難題，即大規(guī)模應用能力和產品變現能力。

首先，黃攀認為安防的AI產品面臨的最大困難不再是算法、算力、大數據等技術問題，而是轉移到AI六要素中的工程、場景、方案等實際落地應用問題。

目前很多公司對外宣稱自己支持AI深度學習，并獲得了從央視到行業(yè)垂直媒體的大力度推廣，讓用戶產生錯覺，并對AI抱以很高期待，忽略了算法與場景，算法與產品工程化的匹配問題，甚至超出了目前AI的能力范圍，導致項目落地后的應用效果與用戶預期效果形成落差。

其次是AI的產品變現能力還在探索中。現在所有的行業(yè)都歡迎AI產品，但大量的細分市場的定制化需求、定制化解決方案未能同步跟上，若采用通用方案，則效果大打折扣，需要各行各業(yè)的AI玩家持之以恒地開發(fā)與完善。

在安防領域，宇視等傳統(tǒng)安防企業(yè)對各類場景都有很深滲透與理解，細化解決方案定制能力強，因此變現能力相對強很多。即便如此，安防企業(yè)還是會遇到很多問題，如各種定制化需求、各類型場景方案開發(fā)等，給經驗豐富的安防企業(yè)提出了很大挑戰(zhàn)。

其中細分市場的定制化算法難度最大，黃攀以監(jiān)獄的“打架檢測”為例介紹�！按蚣堋笔且环N人類的常識性的事件描述，背后是大量人類認知的體現，跟通常的車輛、人臉這種相對有固定邊界的模型不同，是一種寬泛的、形容性的概念。人類需要訓練AI算法，什么才是“打架”，但是打架并非固定模式，有可能是群體的劇烈沖突，也可能是一方對另一方的霸凌，動作不劇烈，更有可能是被多人環(huán)繞的隱蔽式沖突，形式非常寬泛；這就需要突破傳統(tǒng)深度學習對固定模型的檢測能力，升華到對人體動作的理解能力。