安防行業作為人工智能早具有市場空間的行業，對人工智能的發展有著更清晰的認知和更迫切的需求，人工智能正在推動安防行業繼高清化和網絡化之后的第三次技術變革。

在人工智能如火如荼的發展背景下，安防行業圍繞著AI開始全新的智能之旅。在這場旅途中，智能安防發展進度如何呢？

“進展”

邊緣計算推動邊緣智能發展

邊緣計算，是指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。用一句話表示，邊緣計算可以理解為指靠近數據源的邊緣地帶來完成的運算程序。

隨著技術的不斷精進，“邊緣智能”概念應運而生，它提出了一種新模式：讓物聯網的每個邊緣設備都具備數據采集、分析計算，通信，以及重要的智能。新的智能邊緣計算也同時利用了云計算的能力，利用云來大規模的進行安全配置、部署和管理邊緣設備，并能夠根據設備類型和場景分配智能的能力，從而讓智能在云和邊緣之間流動，獲得兩全其美的結果。

邊緣智能已經成為大勢所趨。隨著萬物互聯時代的到來，計算機視覺領域前端設備產生的圖片、視頻數據量巨大，如全部將其匯聚到云計算數據中心進行智能分析，將對通信的帶寬要求和實時性要求等帶來無限壓力。這就要求就近提供邊緣智能服務，將人工智能算力或推斷能力逐漸從云遷移到邊緣側，有助于緩解傳輸鏈路的壓力。

深度學習構建推動AI-City發展

安防行業作為人工智能技術天然的訓練場和應用場，對于人工智能的落地應用有著迫切的需求。近年來隨著“城市大腦”、“交通大腦”、“警務大腦”等“大腦”的出現，人工智能深度學習技術結合多維度感知推動了AI-City的進一步發展。

深度學習主要的研究領域在語音識別和視覺方面，而且將深度學習應用到各個方向，可以不同的領域做出不同的技術創新。對于掌握了許多視頻圖像資源的安防行業來說，深度學習和安防的結合擁有比較高的契合度，即對圖像和視頻的分析，包括：圖像分析；人臉識別；文字處理。

安防行業深度學習主要集中在體分析、車輛分析、行為分析、圖像分析四大塊上。隨著深度學習算法的突破，目標識別、物體檢測、場景分割、人物和車輛屬性分析等智能分析技術，都取得了突破性進展。

“阻礙”

人工智能安防很缺“芯”

在安防產業中，芯片可謂貫穿始終，從前端到后端，從傳輸、記錄到存儲，缺了“芯”的安防，勢必是不完整的。

安防視頻監控領域擁有海量的數據，能夠為深度學習訓練提供足夠多的場景；另外近些年，智能算法的發展依托海量大數據，在語音識別和視覺方面取得重要的突破，呈現更快速的迭代。人工智能在安防領域的落地更需要計算能力足夠強大的處理芯片，但在芯片層面，尚無完全滿足實戰需要的人工智能安防應用芯片。

難以撇開人工干預

雖然人工智能面已經完成了人類做不到的某些青石橋，但是人工智能的大規模應用還沒到時候，需要人工干預來區分接近相似的物體之間的區別。

從實際案例看，單獨一個場景的視頻摘取下來時候，通過以圖搜圖，能夠快速地揭示出來關聯的圖，并以此為依據，發現犯罪嫌疑人的軌跡，終鎖定目標，但是，專家坦率地指出，這個過程依賴人工智能算法尚難以撇開人工干預，尚離不開視頻刑偵人員的分析和判斷。

結語：如今安防行業已進入數據大爆炸的時代，面對井噴式增長的數據量，傳統智能算法已無法滿足深層次數據價值挖掘的需求。人工智能研究的深入和深化，給安防行業帶來的變化也更加超乎想象，能夠發揮作用的應用場景越來越多。