返回首页
网站导航
资讯首页> 高端访谈 > 安防新旧势力优劣势对比 产业的升级换代势在必行

    安防新旧势力优劣势对比 产业的升级换代势在必行

    高端访谈2019年05月24日
    分享


    2017年,安防行业趁着AI的风口炒热了安防+AI的概念,在进入到2018年之后,资本和市场将逐步恢复理性,真正的人工智能拉锯战也会拉开帷幕,届时才是AI+安防开始登场的时候。

    AI初创企业入局安防

    2011年至2016年中国安防市场连续5年保持2位数增长,结合国家政府对建设更高水平的平安中国、进一步提升人民安全性的要求,未来中国的安防市场依然会保持稳定增长,对人工智能、计算机视觉技术的升级改造也提出了更高的期待。在2017年深圳安博会上,智能人脸大数据平台、智能摄像机、人证核验终端等智能设备随处可见,可以肯定地说,安防行业已经开始演变成人工智能产业中的重要分支。

    《中国安防行业“十三五”(2016-2020年)发展规划》指出,“十三五”期间,伴随从平安城市、智慧城市到雪亮工程等公共安全相关政策,以及人工智能相关国家战略政策的逐步深化,智能安防也将与高清联网一样,将向规模化、全面高清化、智能化转型升级。

    面对这广阔的市场,许多初创AI公司如商汤科技、旷视科技、云从科技等在完成融资后,纷纷把安防视为其商业模式落地的重要方向。虽然这些AI初创公司以核心技术和资本融资获取先机,但面对安防行业大体量公司的竞争和挤压,仍需要不断拓展生物识别、计算机视觉、深度学习算法等技术类别。在市场进入存量竞争前,初创公司一方面要利用技术专利打造壁垒,向上下产业链延伸,另一方面需紧密贴合用户需求,不断优化自身产品,提供软硬件一体化解决方案和服务,最终完成数据闭环从而提升自身竞争力,达到产业生态平台阶段。

    新旧势力优劣势对比

    (1)传统安防企业

    在未来,传统安防企业持续发展、行业占有率持续领先,会继续采用产品销售内嵌智能算法和智能分析软件的常态模式,并加深垂直行业的应用解决方案,针对不同行业不同的应用场景,提供智能软硬件一体化解决方案,其主要的优势主要体现在:

    一是在现有产业的技术(硬件产品和平台软件)拥有绝对优势;二是拥有丰富的客户资源,对行业需求和痛点能够深刻理解,行业领头公司已几乎布局全部产业链;三是大部分上市公司拥有良好的现金流,充分利用现有市场的盈利支持大规模研发和并购经费的支出;四是拥有产业链上收集的大量数据,但是存在数据质量参差不齐无法直接使用;五是在AI领域通过组建自主研发团队或者采购、合作、并购的方式切入AI市场;

    (2)初创AI公司

    初创AI公司在核心技术和研发人才上拥有绝对的优势:利用算法竞赛排名、国内外顶尖论文和强大的实验室、导师资源吸引了大量人才加入团队,保证公司在技术壁垒端持续领先。部分AI公司完成了多轮大额融资,可持续投入研发和市场,已经在业界拥有较高的知名度。

    初创AI公司对安防行业的商业模式和盈利模式的理解还不够清晰和成熟,目前以ToC的企业级服务为主要的商业模式,主要扮演算法支撑层和技术提供层的产业角色,通过提供SDK算法模块和开放API云平台接口服务获取利润。而传统安防企业主要向客户提供较为全面的软硬件一体化解决方案,其中可能涉及到摄像机、嵌入式设备、专有服务器及行业平台软件等。而这些贴近用户需求的产品和行业解决方案是新创AI企业短期内无法实现的。

    另外,大额融资与政府资金同时带来一定风险,资本估值过高会对企业带来盈利上的压力;各类资本加入对股权和决策权的稀释也会成为公司发展路上的隐患。

    因此从总体来看,传统安防企业都是依靠自身的能力一步步成长起来的,在抗风险能力上面要远远强过新创AI企业。初创AI公司则需要更加贴近用户需求,不断提升用户质量和数量。同时其可通过资本重组、并购的方式收购安防企业,快速获取市场及用户资源。

    算力+算法+数据未来竞争核心

    技术是行业变革的推动力,行业竞争将集中体现在算法、数据和硬件算力这“三驾马车”的较量上。随着安防+人工智能的发展,未来这三者将呈深化发展的趋势:

    (1)算法:集中开发底层算法,优化应用层算法

    深度学习本质就是一种算法,通过模拟大脑的神经网络,使得设备能够像人脑一样思考。在安防行业,基于深度学习人脸识别、图像识别、车辆识别、语音识别等算法将会推动行业快速发展,算法迭代将会是推动安防+AI技术发展的根本:

    准确率更高:深度学习算法可以从原始数据中提取具有更高阶、表达能力更强的特征,从而使得识别分类对象的准确率更高;

    环境适应性更强:深度学习算法可以自行提取更丰富、更适合的特征参数,从而达到更强的抗环境干扰能力。

    识别种类更加丰富:深度学习能够实现比较精准的目标分类识别、自主特征识别的特点,又让深度学习特别适用于抽象、复杂的人、车、物体的特征和行为势态的分析领域。

    (2)算力:智能前端的边缘计算+智能云端的规模化计算

    深度学习过程中“训练”与“推演”均涉及大量并行计算,传统的CPU明显算力不足,而GPU、FPGA、ASIC具有良好并行计算能力,AI芯片可提供数十倍乃至上百倍于CPU的性能,大幅缩短计算过程,同时也方便调整多种模型架构,显著提升模型的速度。

    特别是随着低功耗AI专用芯片的迭出,逐渐形成智能嵌入式前端(通过边缘计算在前端完成结构化算法预处理,获取高质量结构化数据)和后端云智能(大规模计算、存储资源、多维度大数据信息分析)协同加速发展的势态

    (3)数据:边缘计算+规模化计算的结构化数据

    上千万的摄像头和庞大的监控网络,瞬间就会产生海量监控视频数据,从海量视频数据中高效提取出有效的结构化数据,就成为智能安防的关键技术。而通过人工智能算法,则可自动抓取视频中的目标图片,并提取其语义化的属性数据以及可用来比对检索的特征数据,形成以数据为驱动的决策机制,根据实时数据和各类型信息,调配和调控用户的数据资源,最终实现系统的自动智能化和运行效率最优化。

    人工智能是安防领域的未来,安企在通往未来的道路上,将会出现更多新的应用及技术,从而满足安防领域日益增长的新需求,推动安防产业的升级换代。

    来源:华强智慧网