安防智能化自2014年提出，在“安防四化”中排名第三。最早以软件和平台为主，主要面向公安系统和交通系统。随着甲方用户需求的不断提升和人工智能技术从概念到应用的发展，在我们普及高清和IP之后，智能时代自然而然地到来了。
事实上，人工智能并不是一个新概念。早在 1950 年代，美国几位年轻的科学家在研究一系列与使用机器模拟智能相关的问题时，就提出了这个术语。在过去的近 70 年里，人工智能经历了风风雨雨。我的记忆很深，初中时，IBM的深蓝和卡斯帕罗夫的象棋大战。每天上电视。最终，世纪之战以卡斯帕罗夫的失败告终。当时，我认为计算机可以如此出色是一件很酷的事情。但有了人工智能，不仅有光环，还有疑问。比如我们看的电影《我，机器人》等，演绎了人类与机器的终极命运，并发出警告，人工智能系统即将超越人类，成为人类的主人。科学家和艺术家有无数这样的电影和警告。
最新的人工神经网络热潮在 1990 年代初消退，人工智能进入了严冬。直到 2006 年，加拿大多伦多大学的一位教授提出了“深度学习”算法，可以处理海量复杂的数据，人工智能再次流行起来。2016年和2017年，公司的（）与李世石、柯洁一决高下，大获全胜，成为世界人工智能的引爆点。从此，这个专业词汇走进了寻常百姓的生活，成为现代人津津乐道的名词，成为国家战略性产业，成为安防行业一个新的极其重要的发展方向。
作为安防行业的人，不得不承认人工智能给安防行业带来的变化是巨大的。如果说高清、网络、工业三项从2008年开始改变行业格局，淘汰落后产能，那么智能化将对行业变革产生深远影响。未来3-5年，企业集中度将进一步提高，可能在质上；跨境企业将利用自身优势，扛起赋能大旗进军安防；安防行业的企业也将利用自身视频技术的优势扩展到更多领域。这大概是中国安防行业白手起家后最大的变化。
从提出智能到现在，我一直在关注和研究智能与安全的结合。在2015年的中国博览会上，我写了一篇短评：从配角到主唱的智能监控。当然，现在回想起来，当时的想法还比较幼稚，但我确实意识到了它的重要性。在过去的一年里，几家大型企业提出了自己的结合人工智能的战略、生态系统和系统。业内的海康威视、半壁江山的华为、业内的阿里、平安都提出了自己的战略。不少深耕行业的企业也提出了具有超强工业属性的智能解决方案。这些其他媒体同事和同事，还有我之前写的东西，都说的很详细，说了很多，这里就不重复老调子了。我发现现在能看到的文章大部分都是高层建筑，从整个大市场出发，主要是企业分析和市场分析，结构、方案、原理方面的内容不多。我结合自己的想法，简单写了出来，供大家参考和讨论。
人工智能与安全的关系
近年来，我们一直在谈论赋能。从字面上看，很容易解释和赋予XX能量。听说有的大学开设了人工智能专业，可见人工智能是一门基础科学，是基础应用工具。用它来赋能其他行业是合理的。安全本身就是一个应用程序。这个应用程序被划分为更细分的领域应用程序，它是一个树形结构。但我个人并不认同“+”的概念。添加后，必须是增量更改。就像当初的“互联网+”一样，是个伪命题。先有需求，后有产品，所以应该反过来，“XX+人工智能”。用人工智能服务行业，然后利用行业服务细分的最终用户。初级和次级之间的区别不能颠倒。
人工智能服务于安全，最大的意义在于将安全的被动防御转变为主动攻击。传统机器没有意识到危险。只是一堆冰冷的钢材和镜片。当危险情况发生时，记录下来，无论是刑事案件、交通事故还是财务安全。人工智能的加入，经过深度学习，变成了一个有感知和意识的“活”物（当然，这些感知和意识是人类赋予的，不可能超过人类思维的上限）。它可以收集信息提供数据供人类使用，也可以提前预测危险和事故的发生，进而预警，将事故杜绝在萌芽状态。一是数据的应用，另一个是提前预测的点。点和面的添加是最基本的应用。
安全性和人工智能如何结合
这是要说的最重要的事情。查了很多资料，好像除了公司自己说的外，似乎没有第三方真正了解此事。最后和业内的帅哥呆了半天，讨论、分析，用我们的经验和感受拍了一张。由于动手能力差，找了专业的美化一下。如下：
安全+人工智能整体架构解读
这张图很简单，四个方块。智能前端、云端、大数据、终端。这些区块中的每一个都有自己的分工，各司其职，将每个点变成一个网络，行程的结构化信息数据被最终用户使用。
智能前端，用海康威视的话说，就是边缘计算的硬件。边缘计算是 IBM 15 年前提出的，但在安全方面被赋予了新的意义和使命。相比前端与云端远程中心的距离，边缘计算意味着前端摄像头智能化，初始数据分析和解构在本地完成，然后交付到云端和大数据中心用于共享和二次分析。结构化的东西。这从2016年世博会上几家大公司推出高度集成的智能前置摄像头设备就可以看出来。目前市场上绝大多数的摄像设备和系统都是由摄像设备、传输记录存储设备、显示设备组成。摄像机只是拍摄和捕捉，并将捕捉到的东西从传输设备传输到DVR/NVR，并显示在远程中心。更棒的是远程中心平台增加了智能分析软件进行数据分析；但一般都用保安室，虽然比闭路电视系统先进，但还是多用在大影壁上。高集成度后，摄像头集采集、处理、解构于一体，减少了传输、存储、处理的单元，实现了小型化，并且通过前端GPU的介入，也提高了图像处理的效率和精度。更棒的是远程中心平台增加了智能分析软件进行数据分析；但一般都用保安室，虽然比闭路电视系统先进，但还是多用在大影壁上。高集成度后，摄像头集采集、处理、解构于一体，减少了传输、存储、处理的单元，实现了小型化，并且通过前端GPU的介入，也提高了图像处理的效率和精度。更棒的是远程中心平台增加了智能分析软件进行数据分析；但一般都用保安室，虽然比闭路电视系统先进，但还是多用在大影壁上。高集成度后，摄像头集采集、处理、解构于一体，减少了传输、存储、处理的单元，实现了小型化，并且通过前端GPU的介入，也提高了图像处理的效率和精度。
这样的前端智能化会大大提高监控的效率，因为通过系统对图像数据的采集和处理需要几个环节，每个环节都会耗费时间。前端智能化后，过滤掉无用的数据，只提供有用的信息，并对信息进行初步处理，然后上传到云端进行交付，将节省大量时间和成本，提高网络传输速度（减少大量高清无用的视频传输链接），提高响应速度。
云。这里提到的云其实是一个中间件。在做智慧城市和平安城市之前，大量前端设备投入使用，但信息共享成了大问题，专人专管。管流量的不关心治安，管安全的不关心流量，管银行的人自己拍照，包括以前的天网，都是专网专用的，信息不共享部门之间。我还记得吉林的偷车杀婴案。这是一个典型的两行案例。犯罪分子偷车、杀婴属于刑事案件；驾车逃生需要经过各个检查站和道路监控节点。然而，道路交通监控抓获了驾驶车辆的犯罪分子，但无法实时传送至刑侦部门。直到案发后的第二天下午，犯罪嫌疑人才自首，案件才得以破获。前端是一个孤立的信息孤岛，需要一个分类的中间件将其整合并传递给后端集合，给出实时动态的结论。这就是我们几年前提到的大型网络。每一个重点行业都是一片云，无论你用前端做什么，无论是公安、交通、超市、社区、街道、银行，还是学校，都会有行业属性和分工。智能前端处理的数据和图像按照属性归类到所属行业的云中，所谓的“
大数据中心是一个公共平台。它所做的是吸收每个云收集的数据并计算两次。保留公共部分，分发细分行业所需的信息，发送给各个行业。如果是在视频领域，其实就是SDT的二次方。大数据中心兼具进攻性和防御性。 可以为所有需要的用户提供各种不同的信息；Shou 可以存储和记录海量数据以供后续使用。如果说云解决了共享，那么大数据中心为共享指明了方向，告诉用户如何使用。并且是高度结构化的，把大量的数据（这里的数据和真实的大数据不同，真实的大数据不是采样的，是真实的记录；这里的大数据是处理后的数据结果）抛出界面，用户按需要接收。其实墙上所谓的数据就是这个东西。
传统的安全监控实际上是事后才想到的。地图调查部就这样应运而生。案件发生在哪里？监视结束后，将犯罪嫌疑人锁定，然后进行通缉、逃跑、协助侦查。在这个过程中，可能需要用到各种场合的监控系统（不得不说张学友的演唱会，简直就是我们。警察同志的男神。）如果跟着情报的发展，最后的结果将是：一个城市的多处智能前端控制，无论前端安装在哪里，都能在监控过程中随处捕捉违法行为，以及行程数据的结果。之后传输到所属的云端，云端响应、收集、并将其传输到大数据中心。它最初是一个交通监控摄像头。对高发公安案件进行拍照，然后分发给综治办，反馈给派出所，加强该地区的武装，在公众发生前主动预警安全案件，不需要报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。它最初是一个交通监控摄像头。对高发公安案件进行拍照，然后分发给综治办，反馈给派出所，加强该地区的武装，在公众发生前主动预警安全案件，不需要报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。它最初是一个交通监控摄像头。对高发公安案件进行拍照，然后分发给综治办，反馈给派出所，加强该地区的武装，在公众发生前主动预警安全案件，不需要报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。对高发公安案件进行拍照，然后分发给综治办，反馈给派出所，加强该地区的武装，在公众发生前主动预警安全案件，不需要报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。对高发公安案件进行拍照，然后分发给综治办，反馈给派出所，加强该地区的武装，在公众发生前主动预警安全案件，不需要报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。并将其反馈给派出所，以改善该地区的武装，并在公安案件发生前主动预警，无需报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。并将其反馈给派出所，以改善该地区的武装，并在公安案件发生前主动预警，无需报告。警察越早到达，案件发生的可能性就越小。这只是应用点之一，比如交通违章、高危区域锁定、违章实时报警、人脸、步态、银行异常停留行为分析等。这就是大融合融合，你中有我，我中有你，最终让城镇和村庄更安全，这是最终目标。
以上是我理解的部分人工智能在安防行业的应用。当然安防系统集成与联动ibms，前端智能不仅仅是摄像设备。比如语音智能系统用于安防的音频采集，科大讯飞、快鱼等一直在做（听说前几天讯飞出事了，说句公道话，像个大佬在音频领域，据说科大讯飞能做到同声传译那种水平，浪费了这么多年，我要生气了。少年，请说出你的梦想，停止你的吹牛行为）；防盗报警大网，云服务平台（虽然目前还没有特别的形式，但是我很看好这个市场，但是规模很小）等等。
这么说，其实就是把复杂的事情复杂化了，打个简单的比喻，其实可以知道是什么意思。（前阵子在微信上疯传的文章中，某证券公司大年夜叫高博士，他说中国人缺乏科学精神，喜欢打类比，估计要倒闭了现在一个小黑屋子。怎么用类比是缺乏科学性的。你有没有精神上的动力，学过高等数学还得用高数来计算买坏蛋的概率吗？公路公交车，经过每个车站，把住处不同、需求不同的人带到想去的地方，公交车是前端，调度室是大数据中心，每个车站都是一片云，每个乘客都是甲方。
智能安防下的行业变化与企业分工
在安全+智能的道路上，行业格局将发生重大变化。从2007、2008年至今，我们一直保持着相对稳定的上下游产业链模式。每个制造商各司其职，做了大量的重复性工作和同质化的产品。只是近几年合并的下游工程和代理（见图2））。这种模式将在未来几年内出现。年（具体的年月，我这里真的不好说，要看每个企业的实力，也要看阿里人怎么玩），会有本质的变化。（见图片3）
图2：传统安防产业产业链
图3：新安防产业链
1、上游不变，但芯片企业权重会增加；
2、一超一强格局或将改变，国外领军企业将加入生产、研发、数据供应行列；
3、传统生产龙头企业将转向“虚拟”大公司，大力拓展合作伙伴，为其提供通用技术、服务和数据；
4、部分原深工业化企业将转向龙头企业合作伙伴，利用其积累的行业解决方案和渠道，以及甲方关系做整合项目；
5、终端用户的需求会更高更细；
域外的龙头企业，直接带着技术、用户、数据来。前面反复提到的华为、阿里、平安等都是我们市场规模的超级企业。华为有大项目经验，擅长；阿里巴巴在用户和研发上有优势；平安拥有海量、精准的用户数据。在他们看来，公共安全一定是一个需求巨大的市场，正在不遗余力地拓展。
我们行业的领先企业也在想办法。除了培养安全和发展合作伙伴，我们也在向外寻找更多可以使用机器视觉和视频感知的行业。如工业自动化、智慧物流、智慧医疗、远程教育、智慧环保等。
除了成为合作伙伴的路径外，细分行业的企业也在向着某个行业的“云+边缘”看齐。他们拥有行业经验、行业客户和非常重要的行业解决方案。但这种企业可能很好但不大。秤不能过大。但就目前而言，生存更为重要。一个追求伟大的人往往会导致最糟糕的死亡。最低级别的中小型工程公司也会在这个过程中充当代理，但可能会从二级到三级。大型“虚拟”公司可能会直接进行分销，并且在某些领域允许他们的合作伙伴使用他们的分销渠道。大水龙头之间可能会有直接敲击，但概率很小。最有可能的是合作伙伴之间的相互挤压。深入这个行业，就那么几个，大家都比较熟悉。一旦他们撞上对方，那就是血腥的。所以我说，无论是领导者还是合作伙伴，企业的集中度都会进一步提高。
人工智能应用于安防的市场发展
截止目前，安全情报的实施分散在各处，可查询的案例也不少。但由于价格和复杂性的原因，以及部分企业的布局，并未大规模推广。因此，安防+AI的市场增量显然远大于存量，远未达到去库存升级的水平。因此，在可预见的未来，仍将是各大企业的投资重点。
智能安防服务的方向也分为民用和公共设施。公共设施可分为几类：
1、公共安全：如平安城市、智慧城市安全部分、公安交通管理、社会治安综合治理、天网工程、雪亮工程等。近年来，公安系统多次提出要编织全方位、立体的公安体系。每个省都有一个公安云，数据在云中震动，最后进行大数据处理。目前，在公安部门的部署中，智能系统的使用还很有限，所以这里应该把努力排在第一位。
2、交通：交通应该是除了公安应用之外，还有更多智能安防应用的领域。违规、跟踪、分流、公共交通安全管理等，涉及公路、轨道交通、航运、水路运输。而这是每个公司都爱推广的落地项目。
3、金融：涵盖银行安全和金融系统信用报告。更不用说安全了，生物识别技术产生的主动警告（面部、步态、行为）主要针对银行。人脸识别也是征信系统升级的关键。从开卡、开户、还款、还债、黑名单等一系列动作中，将人脸识别融入其中，对降低金融风险、打击老人、打击诈骗等有很大作用。但是价格真的不便宜。（我去年在安博博会上去了一家大公司的贵宾厅，问了他们的导游，价格让我想吐血。）
4、社区：社区内的人员管理、门禁管理、治安管理、车辆管理，包括刷脸、主动报警（如人贩子、打车），并延伸到社区物业服务和智能家服务。
5、文教卫生：主要是人员管理、签到、文物安全管理等。
6、智能零售：除了防盗防盗，就是智能客流分析、商品库存和专卖店、分店的人员管理。
7、智能楼宇：除了楼宇安全保障、消防安全外，还可以为高效的合同能源管理提供可靠的数据支持。
8、等等……
简而言之，民用用于智能家居系统。比如现在非常流行的智能锁、智能门铃、家庭监控摄像头。不过，其中一些是腾讯和百度的强项。我不知道安全公司如何从这些公司那里抢客户。还是谨言慎行，不要装懂。
算法和计算能力
安全的智能无法逃脱算法和算力的两大魔咒。前端和大数据平台都需要用到这两个东西。一软一硬，黑白无常。
我们熟悉的算法公司很多，比如最知名的四家，旷视、商汤、云从、绿神通、讯飞音频等。如果把人工智能比作人类，那么软件就是血脉。决定一个人的肤色和气质。这些公司迟早会成为领头羊，压倒群芳。因为业务重叠太大。至于到底是哪一个，还真不好说，看谁能咬牙坚持到底。毕竟，资本市场上的钱也是有限的，不可能永远烧掉。
2017年国外半导体企业研发投入
2017年国内主要半导体上市公司研发投入情况
算力方面，我之前写过一篇《从收购神剑科技走向中国芯片之路》（心中的痛永远写出来没人看），非常详细地阐述了国内与中国芯片的差距和国外公司，主要是研发投资和制造，以及国内环境。每个人都喜欢制作软件，每个人都喜欢制作小而快的东西。一到芯片领域，持续烧钱看不到回报，大家都爱跑，尤其是资本市场跑得比谁都快。
目前的智能芯片主要分为以下几类。
与 CPU 相比，GPU 在深度学习训练中表现更好，是首选。FPGA在深度学习中是可重构和可定制的，但成本高且过于昂贵。ASIC芯片是不可配置的、高度定制化的专用芯片，一旦成型就无法更改，但作为专用芯片，性能高于FPGA（相同工艺下比FPGA快5-10倍） ，但价格更贵。
大体分类和应用完成后，其实没有什么特别要强调的。因为今年的中美商战，中兴最先倒霉，也让芯片成为举国瞩目的行业。在我们被制裁之前，很多人都知道我们落后了多少。仅从研发支出来看，我们无法与美国相提并论。在经历了所有的痛苦之后，我当时也提出了几个解决方案。国家智库的解决方案可能比我的好一万倍，但要落实，总得有人去做。命运掌握在自己手中。好在事件发生后，不少企业开始行动起来，华为、中兴微等都加大了研发力度。但是有些吹牛真的太大了，我不 t认为有必要。七八月份，我忘了，微信上的一篇文章在网上疯传。有一家区块链公司自称是超级计算芯片开发商，全球首款量产7纳米芯片。我们不在乎是真是假，只要看看台积电完成的制造工艺，就知道它能吹到什么程度。我们不怕落后，但尤其怕落后后的自我安慰、自我陶醉和自我高潮。这是人渣。我们会知道它可以吹多少。我们不怕落后，但尤其怕落后后的自我安慰、自我陶醉和自我高潮。这是人渣。我们会知道它可以吹多少。我们不怕落后，但尤其怕落后后的自我安慰、自我陶醉和自我高潮。这是人渣。
什么是真正的人工智能公司
最后说说如何辨别真假人工智能。现在因为人工智能大火，一切与数据相关的都自称是人工智能公司。但如果仔细分析，大多数公司都是数据分析公司。人工智能和数据分析之间的主要区别在于人工智能系统是迭代的。数据越多，分析越多，系统就会变得越智能。
专业的人工智能公司需要从海量数据资源中获取专属数据，利用专属数据构建智能系统，进而产生自己的数据。并且必须具备进行机器学习或深度学习的能力。真正的人工智能公司能够为现实世界的问题提供突破性的解决方案。所以，好好衡量一下自己的尺子，是否把自己的大数据和云计算公司吹成了人工智能公司。
AI赋能安全，安全+AI，这是技术、产品和市场的拐点。人工智能让安防更智能、更主动、更可信，让人们的生活更安全、更便捷。未来3-5年，格局将逐渐明朗，市场空间巨大。也祝愿我们公司勇往直前，永远走在创新的道路上，永不退缩。
