智能安防行业落地难点分析

　　AI赋能千行万业，是安防智能化发展的最大契机。而随着人工智能的不断成熟以及其在安防行业深层次应用的研究开发，安防行业已经进入一个全新的时代——泛安防时代。这里所谓的泛安防，有两层含义：一是安防的边界开始向外扩展，业务范围扩大，随着物联网、云计算、大数据、人工智能等技术的融合发展，安防的边界愈来愈模糊，就连海康威视、大华股份等安防巨头的企业定位都已经不再是安防企业，而是以视频为核心的物联网解决方案提供商和服务商；二是不断有新鲜的＂血液＂注入到安防行业，华为、阿里、中兴、腾讯、中国平安等行业巨头，纷纷跨界进军安防行业，安防的运营模式和玩法也越来越多样。
　　与此同时，泛安防的到来衍生了更多的发展机遇，AI、5G、物联网、大数据等技术的融入，使得产品功能性更强；企业对于项目整体解决方案的能力进一步提升；更多细分领域，如智慧养老、智能交通、智慧能源、智慧医疗、智慧消防等迎来了更大的增长空间。
　　但机遇，往往与挑战并存。泛安防趋势愈加明显，难题和挑战也愈加扑面而来。
　　 一、市场落地难点
　　1、企业间低价竞争
　　这种低价竞争主要体现在两个方面，一是大打产品价格战，二是低价竞标。
　　安防产业发展到今天，尽管技术壁垒并未完全消除，但各家的安防技术也基本没有太大的差异。在这种技术几乎均等的背景下，价格战也成为了安防企业抢占市场的途径之一，低价销售成为了企业吸引用户的方法之一；其次是低价竞标，在不少智能化安防项目中，有较大比例的项目采用最低标评价法，或者即使采用综合评分法其商务分值也较高，或者干脆是最低价中标，企业为了中标，自然就响应了低价。
　　但不管是价格战还是低价竞标，企业间的低价竞争，将企业之间的差距逐渐拉开，那些没有雄厚资金支撑的企业，很难在长时间的低价竞争生存下去。
　　2、用户需求不匹配以及新需求不断涌现
　　以当前竞争较为激烈的人脸布控为例，目前我国已有不少公司致力于公安业务的人脸布控工作，人脸识别技术是核心所在。但公安场景的人脸识别，与金融、社交等场景的技术差别很大，公安场景的人像大多是非配合场景下抓取的图片，对于光线、角度、照片质量有很大的不确定性，对算法的鲁棒性要求更高。例如捕捉到一张图像质量高的正脸是利用人脸识别技术抓逃犯最理想的要求，但监控摄像头捕捉的图像往往不是正脸，而是一个脑袋或者人身体的某个部位，此时除了人脸识别技术，还需要将其与行人再识别（ReID）分析技术结合在一起，快速确定人脸目标。而除了人脸识别相关算法，光线、识别距离等外部因素也会影响人脸布控的准确率。也就是说，为了匹配公安行业的需求，企业必须在技术上下苦功夫。
　　随着用户对人工智能技术接受度的不断提升，用户新的需求也不断涌现出来，但有些应用功能具有一定的边界，只能存在于理想的环境条件当中。而除了算法之外，当下用户对于环境的需求也越来越苛刻，虽然现在1080p的摄像机已经很普及，但在存量市场中也存在大量的720p或者标清的产品，用户也希望在这些场景下能够实现相应的智能辅助功能。
　　不过，用户新需求的提出，一定程度上也加速了智能化应用的产出及落地速度。
　　3、产品质量问题
　　伴随着人工智能等技术的加持，安防行业链逐渐向外延伸，安防产品开始应用在各个领域，为行业企业带来了新的机遇，安防行业的竞争也越来越残酷。在这种背景下，除了安防产品同质化日益严重、用户需求逐渐个性化，细化安防产品的质量问题也迫在眉睫。
　　由于大多数安防厂商都是硬件起家，软件基因缺乏，以及从顶层涉及到模块化开发都缺乏统筹规划和项目管理，因此在产品规划和技术突破上缺乏长期投入，继而容易出现产品质量问题。以安防行业的主流产品摄像机为例，目前摄像机类产品容易出现以下几大问题：红外摄像机的灯杯容易出现故障、半球摄像机在特定环境下出现光晕问题、室外半球摄像机会出现漏水问题等等。
　　4、数据安全问题
　　万豪国际集团旗下喜达屋酒店5亿顾客信息泄露、英国公司泄露超过100万人的指纹和面部识别数据、Clearview AI公司30亿人脸数据泄露……人工智能、大数据、云计算的助力加速了安防行业的智能化转型，但与此同时，数据泄露事件也频繁爆发，数据安全问题也逐渐引起人们的人们的重视。
　　人脸识别算法开源之后，不法分子很容易在已经开源的人脸识别算法中植入非法程序，继而对人脸等数据进行非法采集，造成隐私泄露问题。此外，安防行业进入智能化之后，视频数据都经过高度浓缩，价值也被逐渐挖掘出来，被犯案的机率变得更大，对社会的影响也更大。
　　南方都市报最新《人脸识别应用公众调研报告》显示， 64.39%的受访者认为人脸识别技术有被滥用的趋势。其中，更多居住在北上广深、省会城市等二线城市的受访者认为人脸识别技术当前有被滥用趋势。问卷数据显示，30.86%受访者已经因为自己的人脸信息泄露、滥用等遭受损失或隐私被侵犯。问卷数据还显示，61.49%的受访者认为需要＂通过法律法规或者国家标准＂来规范人脸识别应用。
　　如此看来，数据安全的管理，急需建立一套包括数据搜集、数据处理使用、数据监督管理等在内的具有严格要求的数据安全管理办法来得以实现。
　　 二、产业落地难点
　　1、产业碎片化
　　AI本身的赋能属性，会紧紧和场景结合在一起，而场景则意味着个性化，因此随着AI在安防行业领域应用的不断深化，以及泛安防格局的不断加深，用户对于AI应用的诉求也根据不同的场景变得越来越个性化和碎片化。
　　目前看来，安防行业的碎片化主要有以下几大体现：用户需求碎片化、应用场景分散且细碎等等，需要大量的行业应用知识和领域知识来完成技术的效能转化。面对碎片化问题，目前一些厂商尝试了创新的做法，例如提出开放平台，让用户自己完成视频数据的标注进行训练，然后再下载下来运用。但这种模式最大的问题是，用户是否真的懂得去训练，如果预期效果能达到，便相当于成本转移。
　　安防产业场景众多且极其碎片化，站在企业的角度来看，企业并不能且没有能力一口＂吞下＂所有场景，这就要求企业必须找准自家优势切入某个细分行业中去，只有先小而精才能做到大而深。不过，目前不少安防企业都采用AI开放平台的现成方案，初步效果也较为显著。例如，在零售行业，一些没有技术能力的商家可以利用海康威视AI clold开放平台，在线上传几十张自己拍摄的店门口的垃圾图片，并通过平台上的标定工具标定垃圾信息，同时选定摄像机，将标定后的垃圾数据进行算法训练后关联到选定摄像机，商户即可自行给普通的摄像机DIY出可实现垃圾堆叠检测的AI能力。
　　2、产业应用落地速度缓慢
　　智能时代下，AI等技术在某些安防场景落地缓慢主要取决于四个因素：算力、算法、基于算法的应用以及价格。安防产业的应用场景非常丰富，任何厂商都无法把算法与应用覆盖到所有的场景，也就是说必须依托于开放的生态平台，用最强的硬件计算平台加上擅长细分行业的ISV的应用算法，打造出最具竞争力的解决方案。在价格方面，有两方面问题需要考虑，一方面是如何降低硬件成本，另一方面是规模应用后，ISV软件开发成本能否摊平。
　　再者，预算也是阻碍AI应用落地的一个重要原因，AI应用需要投入的资金数量较为庞大，并不是每个行业每个企业都有足够的运算来支持。此外，当前的项目有些用户也存在过于理想化的预期心理，人工智能需要机器学习不断提升准确率，它无法马上解决所有的问题，需要有足够的时间与正确的训练方式，才能慢慢体现它的价值。
　　三、外部因素
　　资本运作、市场环境、政策标准也是影响行业发展的关键因素之一，尤其随着中美贸易战不断加剧，安防行业或多或少受到了一些负面影响。
　　●资本的集中化发展是产业发展的最高阶段，安防产业亦是如此。近年来，人工智能给安防行业带来的投资热潮日益加剧，资本融资、企业IPO在安防行业并不少见，＂AI四小龙＂就是资本运作下的最新产物。资本运作推动产业竞争与分配格局的出现。但在资本注入后，企业如何上交一份＂亮眼＂的成绩单，也已成为企业必须解决的问题。
　　●公共安全事件。2010年年初，新冠疫情的爆发给全球经济按下了暂停键，安防行业也毫不例外。2020年第一季度，疫情导致的延期复工、业务中断、运力不足等问题，导致安防企业的生产、销售及客户交付环节均受到一定程度的影响，企业总体营收不容乐观。于此同时，少数具有集成业务和顺应红外＂刚需＂的安企，如宇瞳光学、高德红外、大立科技以及森霸传感等公司，营收呈现增长态势。
　　●自去年＂301调查＂事件以来，中国与美国之间的贸易战争一直没有停息。今年以来，美国商务部更是先后将华为、海康威视、大华股份等多家中国企业纳入＂黑名单＂，对中国企业在北美地区的业务造成不少影响，对中国芯片企业也产生了巨大的冲击。不过，中美贸易战也开拓了中国安防产业的新市场，给中国自主技术、标准和产品带来更多机会。不止是安防企业，国内企业都应该抓住机会加大在基础技术领域的研发投入，在一轮轮的技术演进中，不断提升核心技术的能力和比例，真正拥有与国际巨头对抗的能力。
　　●随着AI应用碎片化的不断加强，目前业界厂商普遍都比较期待AI项目标准化的尽快到来，标准建设将在一定程度缓解碎片化的痛点，让项目的交付变得更便于执行。不过，现阶段看，AI应用的标准同样需要充分考虑各种场景因素，标准建设也将是一个纷繁复杂的过程。
　　 小结：
　　目前的安防行业已经进入了泛安防时代，不管是ToG市场还是ToC市场还是SMB市场，最后都能与安防联系起来，只是产品形态有所差异。而进入泛安防时代，安防行业变得越来越分散，由安防头部企业主导的设备为主的传统竞争格局也正式宣告结束，越来越多的企业开始入局安防行业，这在一定程度上会促进行业的繁荣发展。