5月13日，上海市科学技术委员会发布2019年度人工智能领域项目指南，包括人工智能在内关键共性技术赋能交通领域、卫生健康领域及社区等五大领域。自深度学习算法出现后，AI正以雷霆万钧之势从学术界进入产业界，成为了传统行业变革求新、提益的利器。其中，安防俨然成为人工智能落脚点之一。
AI摄像头尚未进化完备
AI让安防的海量数据发挥出了价值，摄像头不仅可以识别车牌车辆，预测车流，还能够执行人脸识别、判断人流。那么，AI摄像头已经基本发展完备了吗？
事实并非如此。AI在摄像头乃至智慧城市系统还面临许多困难与障碍。比如传统摄像头清晰度欠佳，导致AI难以识别。即便摄像头足够高清，但终端设备若缺乏特征提取功能，那么云端必须完成从特征提取到识别再到反馈的全部过程，这将会牺牲一定的识别精度、速度与准确度。
有人提出使摄像头搭载识别能力。这虽然可以解决云端运算量过大的问题，但由于已部署的摄像头不便拆卸，重复建设问题就不可避免。另外，若数据无法互相打通，后端AI仍旧无法给出真正智能的结果与建议，因此，想要让AI全局化理解城市，各摄像头也必须进行全局汇总。
解决之道有哪些？
1、建立视频AI综合平台
随着资本快速涌入、公安和交通领域的应用遍地开花，其他领域的需求不断增长，视频AI综合平台已具雏形。视频AI平台能够使算法AI单体能力规模化，将AI智能推送至云、边、端，并感知动态调配算法AI资源。
目前针对人脸识别、车辆识别等成熟算法，可以通过平台以简单的SDK方式快速集成，这种模式下，平台能提供针对算法服务的调度，同时算法服务能开放API服务出去；而顾及AI领域创新速度快的状况，一些新算法尚在探索期时，平台也能够提供工程化支撑，通过服务集成的方式提供支持。这或许对解决困扰安防行业多年的多源数据互联互通问题有所助益。
2、数字视网膜
除视频AI综合平台之外，中国工程院院士高文提出的“数字视网膜”理念，也广为产学各界重视。所谓“数字视网膜”，就是将识别和推理等智能计算保留在云端的同时 让端侧完成初步智能化解析，从而平衡两侧成本与效率关系。而云大脑与摄像头的智慧结合，就好像是给城市装了一层“数字视网膜”。
这种视频监控系统需要摄像头具有图像识别、处理、传输的能力，只传输有效信息，这不仅有助于解决AI视频监控的问题，也有助于智慧城市的进一步发展。
结语
从文章开头可以看出，人工智能从安防、广告与金融领域开始向卫生健康、社区等多个领域蔓延，这反映了AI技术仍处于起步期向快速发展期的过渡阶段，也显示了产业的巨大发展潜力。
值得一提的是，随着市场容量扩大，AI监控设备将朝着标准化的方向发展，系统复杂度也将进一步上升，此时负责集成的厂商须承担起架构设计与运营的工作，牵涉总体协调，进入门槛高，话语权将会扩大。而视频监控大设备商由于产品系列全，质量高、实施经验足等因素，在集成方向上的整合水到渠成。
