827
“去安防化”成了安防领域盛行的潮流，一众企业纷纷卸下“安防”这件老盔甲，换上了智能化的新装。安防产业就这样风驰电掣地驶入2.0时代，“智慧安防”毫不留恋地作别那个曾经有些呆板的自己，满面春风地讲起了新故事。
笔者近期与多位安防从业人士的交流中，几乎无一例外都提到一个动因：人工智能——它赋能了传统安防产业的转型升级，冲破应用的边界，拓宽服务的主体，从to G到to B、to C，场景越来越丰富。安防行业历久弥新，新的机遇触手可及，从业者似乎散发着一种立刻内卷的冲动，都想成为新市场的第一波淘金人。
任何一个行业都在国内外的大背景之下演变着，任何一个企业也是在行业大背景之下力争上游。安防尤是如此。那么问题来了，智能已来，但是分布并不均匀，潜藏的机遇在哪里？在更丰富的场景中，新故事从何讲起？瓶颈又是什么？
更大机遇在于数据，而不是AI算法
正海资本管理合伙人花菓曾主导过多个安防、芯片项目，对于AI给安防带来的影响，他认为，安防是视频监控的基础应用，AI对供给面影响较大，对需求面影响有限。从供给面看，AI的应用加强了对视频数据的结构化分析，相关厂商从提供摄像头等硬件满足客户的安保需求，逐步演进到提供软硬一体的智慧视频监控方案满足客户的业务需求，进一步丰富了视频监控产品的落地场景。
从需求面看，除“平安城市”、“雪亮工程”等To G业务外，安防等视频监控行业从用户到应用都极度分散，是典型的长尾和碎片化市场，客户的定制化需求较高，对视频识别准确率的要求并不像自动驾驶或医疗领域那么极端，这些客户需求并不会因为AI技术的应用而改变。
“未来，智慧安防的核心在于视频数据，而不是AI算法，”花菓认为，“因此，现有主流厂商的竞争优势比较明显，因为他们拥有大量已安装的摄像头，这些天然的数据采集入口无时无刻不在采集真实世界里的视频数据，相关厂商可以籍此让自研的AI算法得到更快地迭代和优化，从而推动智慧安防方案的快速落地”。
相比之下，他认为，从AI算法及数据分析切入安防行业的公司可选择的商业化路径则是被集成，但要保持自身AI技术的领先性得依靠大量终端真实视频数据的获取，这在目前的行业竞争态势下可能具备较大的不确定性。
千芯科技副总裁尚会滨也看好未来数据的价值，他谈到，安防市场近两年最大的变化就是：第一，前几年重在部署摄像头，近几年重在对已部署的摄像头用AI赋能，也就是把传回来的视频数据采用AI的手段进行检测和处理。第二，应用场景多元化，智能家居尤其是一体化智能家居的应用场景不断出现，已经引起了包括华为等系统服务商的注意。这也说明了一个趋势：硬件基础设施已经基本成熟或完善，即将进入使用软件、算法+算力来发掘数据潜在价值、赋能已有硬件设施的阶段, 从市场机会来说，能够支持不同算法的高效的算力芯片会是非常具有市场价值的热点产品。
找到潜藏的金矿，深挖下去
安谋科技AI技术高级市场经理吴彤谈到，随着安防行业朝着“智能、精确、高效”的方向发展，智慧安防也将不仅限于安防本身，将会衍生出更多泛安防的细分场景。前端的智能设备需要能够适配更多的垂直场景的需求，如图像传感器的暗光成像性能、近红外成像性能、色彩表现力、低功耗以及高温适用性等。同时，前端AI视觉芯片也需要具备更多的泛安防垂直场景的算法能力，如更精准的行为分析能力，工业中的产品缺陷监测、安规测试，农业中的农作物病害检测等。前端AI视觉芯片也将为前端图像传感器及ISP芯片等提供对于原始数据的去噪等图像增强相关算法的支持，有效地支持更多低照度环境下的安防场景，未来对于端侧的算力需求会越来越大。
关于下一步的应用趋势，他认为主要是：第一，AI在To B领域开始从单一场景向全社会延伸，未来是服务为王的时代；第二，AI网格化：模型即软件，数据即代码；第三，AI识别立体化，这将进一步颠覆交互方式，3D视觉或成设备标配；第四，AI全栈化，安防企业要具备“算法+IoT+软件+云的全栈能力或协同生态的布局。
雄迈集成电路市场部副总经理冯军强调，智慧安防的技术发展，其实就是围绕着如何做到视频结构化，只是不同应用领域有不同的结构化内容与要求。在他看来，AI视觉在安防落地的方向就是视频结构化，也就是从视频中提取结构化内容。传统监控基本都是事故或事件发生后，再对视频长时间回放来找回线索。而视频结构化后，可以直接用关键字来检索视频，例如人脸、衣服颜色、车辆牌照、甚至某个具体事件片段的描述。除了监控，在商业、行业及家庭中也会获得大量类型的智慧应用，包括金融场所或设备异常行为监督、儿童老人看护等等。甚至AI视觉可以摆脱传统的事件回溯方式，直接做到实时判断，让设备能够从“看得清”发展到“看得懂”。
富瀚微产品规划总监冯晓光强调了在智能家居的发展前景。他认为在智能门锁、智能猫眼、门铃、智能家电（如电视、冰箱、微波炉等）中增加AI摄像头，这个市场的想象空间是无限的。“这是一个想象空间更大的市场，各种应用层出不穷，当然，这同时也是一个对产品性价比要求更高的市场”，他补充。
鲲云科技市场总监栾丽红则强调了边缘AI的价值。传统安防监控除了人脸识别之外，对于行为、环境、设备的智能视频分析也涌现出了很多更加细分的场景，比如智慧能源、智慧工地、智慧园区、智慧港口等，对于这些场景而言，“降本增效”是刚需。
传统的安防监控系统已是相对成熟市场，端侧的摄像头监控系统基本部署完成，但是视频结构化利用率低，安全管控效率低、成本高。因此在智能化升级过程中，能支持多路的边缘AI芯片就凸显出了市场价值，它可以充分利旧、快速部署、有利于控制成本。在充分利用现有安防监控系统的情况下，进行多路视频的实时识别，不同算法同时处理，实现高算力性价比。在场景不断细化以及视频图像应用高速发展的趋势下，软硬一体化的整体方案将会成为行业的刚需。
国产芯片进入应用深水区，哪些是热点？
安谋科技吴彤介绍，安防监控视频设备中所需要的处理器芯片主要包括：网络摄像机（IPC）中的SoC芯片、后端DVR/NVR中的SoC芯片、深度学习算法/加速器芯片、前端模拟摄像机中的ISP芯片四种类型。其中，安防IPC芯片的主要应用场景为视频智能分析，主要包括特征识别和行为分析。
他认为视频智能分析前景广阔，目前比较看好的有智慧社区应用，因为这一场景面临着人口流动性大、综合治理难度大、基础数据治理不够、安全和便利性难以兼顾这四重挑战。为了应对这些挑战，安防+ AI践行企业开创性地提出了两大思路：一是依托深度学习等技术实现智慧精细化管理；二是通过多元信息感知和数据综合分析技术来解决社区治理问题。智慧社区安防系统围绕人、房、车、警情事件等要素，通过各类前端感知子系统，对重点人车进行实时且全面的数据采集，并精准识别异常人员或车辆，实现小区实有人口管理、关注人员管控、人车轨迹研判、异常告警处置、潜在风险预控等应用。“智慧社区将解决平安城市安防最后一公里的难题并将衍生出新服务，智慧社区将成为平安城市的新战场”， 吴彤谈到。
亿智电子安防产品部VP魏唯表示，以前监控设备是安防的主力，也是唯一带SoC系统的安防设备。其实，报警器、门磁、烟感也是常见的安防设备。此外，监控数据只是视觉数据的一部分——即可见光图像数据，而在非可见光领域，比如红外线和紫外线，也蕴藏着许多有用的数据。例如疫情防控下的测温需求，通过人脸识别和红外测温技术的结合，基于SoC芯片中的NPU所具备的AI计算能力，可以实现对疑似发热人员的追踪。基于NPU的AI加速作用，利用红外热成像传感器所获得的不可见光数据，可以使红外热成像数据更广泛应用于超高精度的火情报警器、工业检测、老人看护等场景，可以支持更多AIoT设备落地。
“安防芯片领域可能是国产化最为彻底的领域之一，基本上已经可以覆盖高、中、低端不同的应用需求”，富瀚微冯晓光谈到。在他看来，一些新进入这个领域的公司从高端发力，固然无可厚非。但是具有一定体量的客户最终还是会选用具有从前端至后端、从模拟至数字、高中低端产品覆盖完整、具有成规模的产品矩阵的公司的芯片，这样才能降低研发成本，以最短的时间推出产品上市。
鲲云栾丽红认为，安防产业持续智能化升级和加快场景覆盖是必然趋势，场景也朝着更加精细化、专业化的方向发展，这期间需要经历数据、算法、业务场景理解等方面的挑战。比如在石油、电力、煤炭这些关乎国计民生的行业，前端设备和传感器等的广泛使用已经收集了大量数据，这些数据可以帮助理解、建模、监测甚至预测，AI 技术已经开始广泛应用并产生经济价值，带来良好的社会效益。
新老企业掘金数千亿增量市场，谁争先？
正海资本花菓谈到在项目中的投资逻辑时说道，客户并不会单纯地为技术买单，而是会为应用了创新技术的产品或服务所带来的商业价值买单，因此，该项创新技术是否会降本增效或提升客户体验是关键。技术的领先性无疑会加深企业的护城河，但在关注技术本身的同时，该技术的商业价值也需要关注。
当前，AI对于安防的商业价值赋能主要体现在两个方面，一是摄像机的升级换代，在上游软硬件国产化程度不断提高的背景下，根据艾瑞咨询和招行研究院的测算，传统监控系统的价格不断下降至3600 元左右，而AI监控的价格在20000元左右，以2020年左右公安监控系统的2300万路来计算，若有20%的监控系统实现AI升级，可以带来920亿元的市场空间。 此外，除公安监控外，还有上述许多新领域需要AI安防技术的加持，因此长期来看，智能化升级为国内安防市场带来的增量空间有望达数千亿元。
图：视频监控系统成本（元）
在庞大的应用市场面前，新老安防企业都已就位，形成覆盖了前端、中端、后端的生态体系。积极拥抱AI时代的安防趋势，海康、大华、华为等均加大了相关的研发投入，形成贯穿前后端的完整解决方案布局，新兴AI企业也找准垂直领域，不断深化核心优势，安防市场形成了更为庞大且复杂的生态格局。那么，随着AI应用的不断深入，现有格局是否会被颠覆？新老安防企业未来的竞争走向何方？
千芯科技尚会滨谈到，不管是传统安防企业还是新兴企业，大家都在积极寻找新的、高增长的市场领域。如果该市场不能够支撑起新业务发展的话，那势必进入行业内卷的状态，到时候新的企业会进入传统企业的领域，传统企业也会涉足新兴企业擅长的领域。
鲲云栾丽红则认为，新老企业一定程度上有竞争，但总体还是相互赋能的关系——传统安防企业以摄像机、服务器系统和应用软件为主，面临着视频结构化利用率低、数据检索慢、信息孤立不对称等痛点；相对而言，新兴AI企业更多会侧重提供算法、芯片等基础能力，在细分赛道上更能发挥出技术优势，可以提供有针对性的解决方案。
“由传统安防企业主导的市场格局正在发生变化。随着越来越多的企业开始入局安防领域，以安防设备为主的传统竞争格局已经改变，传统安防企业也在尝试推出一站式AI需求平台/标准化平台，以缓解碎片化的痛点，传统安防企业本身也在转型，这是AI推动所带来的”， 栾丽红补充说。
富瀚微冯晓光认为，至少从近几年的发展来看，传统安防巨头仍然保持领先。新兴AI企业可能可以在细分市场获得一定份额，但是在出货量更大的渠道市场和传统行业市场，仍然很难和传统安防巨头竞争。
需求碎片化、硬件同质化——安防如何讲好新故事?
AI帮助传统安防冲破边界，走向更广阔的应用蓝海，新的场景、新的需求下，如何成就好生意？这个问题并不容易回答，如同AI在其他行业的落地一样，碎片化的应用需求仍是最大的落地挑战。此外，还存在“安防=监控”这样的刻板印象需要打破，并且需要逐渐从同质化的硬件竞争中杀出一条血路。这些挑战，对于从业者来说，都需要花时间去打磨、去迭代。
富瀚微冯晓光认为，AI在安防市场的落地符合二八定律：一方面20%的应用（如人车检测、人脸检测和识别）占据了80%的市场份额（从出货量上看）；另一方面，占据20%市场份额的碎片化应用，却需要投入80%的精力和资源去开发。
面对这样的现状该如何破局？他认为，可以针对占出货量80%的典型AI应用，尽可能标准化，以缺省功能交付给客户。而对于20%的碎片化AI应用，要尽可能开放生态，让合作伙伴基于开放的工具链为最终客户开发各种定制化需求，实现产业生态共赢。
安谋科技吴彤认为，除上述因素，当前AI在安防市场的落地挑战还包括：各大安防厂商的协议/算法标准不统一、带宽容量及成本等难点。由于安防领域的碎片化需求，一些安防头部企业逐步开放AI能力，大幅降低企业获取和使用AI技术的门槛和成本。持续迭代AI开放平台，可以帮助用户简单、快速地构建自己的智能算法，这种模式充分发挥了软件复用的价值，可以支持行业应用的快速开发和迭代。随着安防产品功能更丰富、应用场景更多元，标准化的安防产品已经不能满足下游碎片化的需求，一体化解决方案已经成为了行业趋势并形成差异化的创新。
千芯科技尚会滨则认为，AI落地难更深层次的原因是因为AI这几年的发展，某种程度上是被人为地“催熟”的，需求与解决方案之间并不是十分匹配，算力价格偏高，导致了很多场景出现落地难的问题。而如果要破解同质化硬件的问题，势必要出现新的AI芯片，比如数字存算与可重构结合的新架构，可以支撑碎片化的不同算法，实现低功耗高算力的计算平台。
亿智电子魏唯认为，以典型的人脸识别IPC应用为例，摄像机识别到人脸以后，用来做什么，这个数据使用环节是以前没有的，在整个产业应用中也是不存在的。其他的AI应用也类似，抓到高空抛物、电动车的图像可以用来做什么应用？如何服务我们的生产生活？都是需要解决的问题。而这需要团结产业链上下游的合作伙伴，包括硬件提供商、算法提供商、算法应用合作伙伴、行业用户的通力合作，结合场景去闭环整个数据应用的策略，这样AI才能真正地规模化落地。
鲲云栾丽红认为眼前的发展阶段是安防落地的必然结果。过去几年中，AI+安防是商业化落地最快的领域，因为最初的安防应用主要针对的就是人脸，这是一个相对通用的普遍需求，一套算法可以应用到多个场景。但是，随着AI+安防开始深入多个行业，简单的人脸识别已经不能满足落地的需求。这时候，解决行业的实际需求成为AI的主要目的，这必然伴随着行业需求和场景的多样化、碎片化，从满足碎片化需求、到开发、快速交付，是一个非常复杂的过程，再加上有些应用功能具有一定的边界，都加大了AI落地的难度。
不过，在她看来，需求碎片化同时也带来了一定的机会。正是因为“碎片化”，更需要企业找准自身优势切入到某个细分行业中，这对于深耕垂直领域的应用软件开发商、行业解决方案提供商来说，他们基于自身在场景的数据积累、算法算力优势、系统级产品的打造，都更能高效率地实现用户的个性化需求，在这个层面进行差异化的创新就能够具备更大的竞争优势。
合肥君正智能视频事业部副总刘远认为，AI安防芯片作为算法和产品方案的多重载体，过去一直面临的落地瓶颈主要集中在：成本偏高，发热过大，算力难以利用，产品端的资源限制，算法多样性的挑战和算法开发环境极不统一等方面。AI场景需求千变万化，产品端资源如光学/存储等参差不齐，算法、算子等也各有特色，这些都是碎片化的具体表现。这些瓶颈，明显阻碍着AI产品落地的速度，深度和广度。
再进一步讲，AI安防乃至更广义的智能视觉，并不像手机、PC领域，在可预见的未来仍不太可能形成大一统的需求生态、技术生态或者消费者生态。安防主体还是一个to B的市场，定制化、碎片化很可能是这种市场的客观常态。所以在此基础上，如何构建出一个成本可控、稳定、高效且灵活的应用平台，便成为破解AI安防落地难的出路。
欲查看更多“智慧安防”相关内容，请点击查看本期《与非智慧安防主题月》。
下载ECAD模型
