经过20多年的本土化发展，安防经历了模拟、数字、网络、高清4个时代，目前已经进入到“安防+AI”智能化阶段。就在传统安防企业砥砺前行之时，广阔的AI安防蓝海市场吸引了众多AI公司纷纷参与围猎，就连BAT、华为等巨头也参与其中。
5月27日，智能交通知名集成商千方科技宣布获得阿里巴巴近36亿元参股，一时竟引得行业纷纷竞猜阿里巴巴的安防布局意图。其实在此之前，阿里巴巴就已经推出了布局智慧城市顶层应用的“城市大脑”，这是一套基于大数据应用的城市级管理平台，也是阿里布局安防的标志。
以阿里之能，仍需投资一家拥有安防生态的集成商，至少说明阿里此前的安防布局进展并不顺利，需要扩充资源来协助其AI技术在安防领域纵横捭阖。
那么，安防究竟一个什么样的行业？其AI生态都存在哪些痛点，竟然在众多知名AI企业围剿下仍需合纵连横？
四重生态，AI各有布局
我们看安防+AI，通常为算法+芯片、设备制造+解决方案、行业应用三级生态。
最上层为基础算法和芯片，以宇视科技为代表的安防企业都开发有各自的AI算法；商汤、旷视、依图、云从4大AI独角兽更是闻名全球，可以说在算法端，中国企业、中国的安防公司都走在了世界前列。而芯片端，主流产品有GPU、ASIC、FPGA三大类型产品，相较国际芯片巨头，中国已能满足自给自足需求。
中游则是各种软硬件产品和解决方案。宇视科技高级人工智能专家黄攀告诉OFweek安防网：这是安防生态中，宇视科技等一众安防企业的强项，可以提供从端计算——边缘计算——云计算的三个覆盖大安防各细分行业的所有产品和解决方案，其中就包括了AI、存储、大数据等基础应用。
下游为政府、教育、医疗、零售等各个行业场景应用，涉及的产业链和企业类型较多，除了深耕安防的设备商外，还包括运营服务商、系统集成商、软件定制服务商等安防生态企业；宇视黄攀指出，安防+AI的产品落地中,最终面对用户的部分恰是产品变现的“最后一公里”。
除了上面三部分生态，安防+AI还需要最底层的核心架构，也是最易为大家所忽视的部分。目前主流的AI底层架构有Caffe（卷积神经网络框架）、TensorFlow（第二代人工智能学习系统）等，且掌握在谷歌、Facebook等国际巨头手里，本土企业中，仅有百度、阿里巴巴、商汤、旷视等少数AI玩家在构建自己的深度学习架构。
2大因素制约早期AI爆发
人工智能之于安防，一直存在；只是人脸识别技术起来后，才广被大众所熟知。其实，安防领域是人工智能技术应用最早、类型最全的一个行业，涵盖车辆、行人、人脸、行为、动作、步态、物品、事件等的识别与应用，不过早期安防智能较集中于智能交通领域,对车辆的车牌识别、车辆品牌、颜色等车辆属性涉及较多,近几年才慢慢扩展到人体、人脸、动作、事件等各种智能方案。宇视黄攀认为，这是历史发展规律使然，主要有受两方面因素制约。
先从算法维度分析，安防业经历了从模拟——数字——高清——智能的转变。早期安防首先需要解决的是图像清晰化的命题，编解码算法和图像处理算法是业内厂商最优先发展的算法；随着智能交通的兴起，对车辆属性的识别成为主流应用，传统模式识别+浅层机器学习逐步在安防领域成为主流。随着2012年AlexNet的惊艳表现，深度学习算法得到爆发性发展，安防智能真正进入到“深度”智能阶段，并最先在人脸识别领域得到大规模应用。
再从硬件维度分析，早期没有专门针对人工智能的算法芯片——算力，当行业进入到深度学习算法阶段后，专注于游戏业务的英伟达发现GPU在分布式计算、大规模集群运算中有着非常大的优势，由此找到了新的业务落脚点，并发力推出针对人工智能深度学习的多个产品线专用处理芯片，如工业级的Tesla系列、消费级的GTX系列等。
随着算力的大幅提升，原先需要几个月才能完成的深度训练迭代，在分布式GPU集群的加持下，只需要几个小时便可完成。
