從安防行業規模來看，考慮到AI技術普及度較低、智能化產品價格偏高、場景應用局限性大、對智能產品接受度不夠等因素，目前大部分安防企業對于AI技術的應用還處在接受并嘗試使用階段，超過90%的市場份額仍被傳統安防占據。但從增長趨勢中可以看出，AI在安防領域的附加價值開始凸顯。

近期，國內《2018中國人工智能商業落地研究報告》發布，該報告指出人工智能作為先進的生產力，最終要通過商業落地才能獲得持續發展，僅有技術實力、而沒有商業落地能力的人工智能企業會被市場淘汰。過去一年，產業對人工智能期待值很高，各種應用層出不窮，但收獲卻很少。2017年中國AI創業公司獲得的累計融資超過500億元，但2017年中國AI商業落地100強創業公司累計產生的收入卻不足100億元，90%以上的AI企業虧損。

報告還指出，從安防行業規模來看，考慮到AI技術普及度較低、智能化產品價格偏高、場景應用局限性大、對智能產品接受度不夠等因素，目前大部分安防企業對于AI技術的應用還處在接受并嘗試使用階段，超過90%的市場份額仍被傳統安防占據。但從增長趨勢中可以看出，AI在安防領域的附加價值開始凸顯。

涉及AI的行業企業

目前，在整個行業上下游環節的AI參與方分別包括：上游包含了視頻算法提供商、芯片制造商、圖像傳感器、鏡頭模組等其他核心零部件;中游包含了硬件供應商、軟件服務商、系統集成商、運營服務商;下游為終端行業應用，涉及政府、公安、交通、金融、民用等領域。

在上游領域，除了國外芯片巨頭，目前國內正在涌現一批人工智能芯片企業，例如，人工智能初創企業地平線成功發布國內首款嵌入式人工智能芯片，其中旭日1.0處理器則面向智能攝像頭，能夠在本地進行大規模人臉抓拍與識別、視頻結構化處理等，可廣泛用于商業、安防等多個實際應用場景;寒武紀1A處理器是世界首款商用深度學習專用處理器，面向智能手機、安防監控、可穿戴設備、無人機和智能駕駛等各類終端設備;中星微首款嵌入式神經網絡處理器(NPU)芯片，基于深度學習的芯片運用在人臉識別上，最高能達到98%的準確率，超過人眼的識別率等等。

伴隨著安防行業圍繞著AI發生著變革，安防傳統制造廠商將不再扮演單純的硬件公司角色，會更多的在軟件、場景、數據上角逐。安防行業內傳統的制造廠商海康威視、大華股份、科達、天地偉業以及宇視科技憑借近些年的不斷研發投入已經實現在視頻結構化算法、車牌識別算法、人臉識別算法、視頻檢索以及多傳感器融合等技術方面的積累，通過與芯片廠商的緊密合作，再結合自身在行業應用方面的優勢，已經著手在人工智能產品在前后端方面布局，實現在公共安全、交通、司法、零售、智慧城市等多個領域深度應用。可以說在行業場景應用及軟硬件結合方面并不落后與人工智能企業。

當然，AI初創企業入局為安防行業帶來了智能化的技術與信息，讓安防行業智能化的進程縮短了很長的時間，同時在技術層面少走了很多的彎路。以商湯科技、曠視、云從科技、智慧眼、云天勵飛等為首的AI初創公司帶給安防行業最主要的影響打破了以往視頻監控智能化發展已經觸及的應用天花板，正在逐步實現公安行業一直對視頻監控夢寐以求的“事前預警事中控制”的訴求。

不僅如此，AI初創企業的入局也改變了安防行業的競爭格局。AI初創企業的入局也讓安防行業的競爭格局變得越發的復雜。無論是芯片、算法，還是做產品化的，甚至做解決方案的企業等等。不管是哪一類公司，對傳統安防廠商來說，既有合作，更存在著競爭。AI創業公司擁有算法核心技術，但必須要落實產品化，要提出結合實際的解決方案。這就使得他們必須要深入到行業，甚至要深入到具體產品的細節，這些是傳統安防企業擅長。針對安防行業存在大量的無法自己投入開發算法的普通安防企業，可以與AI創業公司進行合作實現共贏。

技術及應用領域

從技術應用及場景來看，目前AI在安防領域的應用主要還是涉及對人臉、車輛的識別，包括生物特征識別技術、大數據及視頻結構化技術等。其中，生物特征識別包含了指紋識別、虹膜識別、人臉識別、步態識別等，前兩個主要應用于特定場景的身份認證居多;而關于視頻結構化技術，目前則主要融合了機器視覺、圖像處理、模式識別、深度學習等人工智能技術，這也是視頻內容理解的基礎。

近年來安防視頻監控向高清化與網絡化發展是實現安防智能化的大前提，一方面，高清監控設備傳遞回來高清監控圖像，才有可能對畫面上的各種細節(人臉、車牌號等)進行識別;另一方面，網絡化監控設備采用云端存儲，傳遞實時圖像，為實時動態分析提供基礎。另外，海量視頻數據采用人眼識別難度越來越高IVA采用計算機視覺結合人工智能，對圖像進行智能分析，使得安防大數據分析成為現實。

而此時，對于安防企業來說，就要借助基于GPU開發的模塊既能夠滿足圖像處理要求，又適合于處理計算密度高、邏輯分支簡單的大規模數據并行負載，將會成為進行海量視頻數據結構化處理的關鍵。首先，GPU能將3D模型的信息轉換為2D表示，能夠實現視頻圖像的結構化處理;其次，隨著GPU的飛速發展，在浮點運算、并行計算等部分計算方面，GPU可以提供數十倍乃至于上百倍于CPU的性能。因此以圖像視覺為核心并具有海量的數據源以及豐富的數據層次的安防監控領域正是GPU發揮其圖像處理以及高性能通用計算的用武之地。

行業應用角度來看，目前智能安防在公安、交通、樓宇、金融、工業、民用等多個領域都有應用場景。比如，公安領域，主要涉及到圖偵、實戰、預判三層應用以滿足其事前、事中、事后的實際需求;交通領域，未來通過建立城市大腦，利用AI技術可實時分析城市交通流量、調整紅綠燈間隔、縮短車輛等待時間等，以合理調配資源提升城市道路的通行效率;智能樓宇，利用AI技術可以綜合控制建筑的安防、能耗，同時對進出大廈的人、車、物實現實時監控以確保核心區域的安全。