安防+AI这个风口，天然就是AI落地的最佳结合点。那么安防AI的落地场景有哪些呢，又有怎样的创新关键点呢？

安防+AI这个风口，可以说天然就是AI落地的最佳结合点，各实力公司也竞相推出不少方案和试点。但是看到AI公司不断融资的新闻，远比看到AI在安防中落地的新闻还要多，而AI落地的新闻中又大多是介绍方案的，更夸张的是在专业研究报告里，居然九成的AI公司都是亏损的。

要想弄清楚这个最该爆发的风口上，为什么会有这么奇怪的现象，我们可能需要对安防+AI进入一下深入的解析。

解析安防AI大规模落地的一线场景

安防AI深入落地的源动力，在于AI对安防工作效率的指数级提升。由于安防本身涵盖的范围较大，确切地说，AI更切近的场景是视频监控。视频监控拥有AI需要的庞大数据（图像），而深度学习通过大数据建立的模型和识别逻辑又完全契合视频监控的应用需求。同时，其它安防数据又可以围绕视频监控进行有效地补充和完善。

而要让视频监控真正发挥效率，从它的建设初心来看，就是要对城市做到“全域覆盖、全网共享、全时可用、全程可控”。也就是说，视频监控充分发挥效能的前提是大规模的，城市级的，乃至国家级的。这就说明安防AI如果不能实现大规模的落地，是无法真正提升视频监控利用效能的，这就是根本原因。

我们也应该看到，要实现规模性的安防AI落地，也确实存在着诸多障碍，最大的视频监控系统在公安控制中，各级各区域公安系统建设的视频监控不仅在调用权限上是有限制的，就是在建设标准上也不是完全统一的。

这也是个大难点，但更大的难点还在于对安防AI落地要素的理解。通常说AI应用的三要素是算法、算力和数据，很明显，这样的AI是做给自己用的，因为这和公安用的系统脱节了。后来不断有人补充，提出算法、算力、数据、产品、项目、工程、场景、应用等一系列要素。

不能不说，我们对安防AI的落地研究确实是在不断深入地，也确实是有一定成效地，但是这种成效多半是建立在小规模试点，或者诸如演唱会、表演会、展览会等活动型项目和工程上的。

如果深入公安一线，就会发现真正在使用视频监控的单位是刑侦、治安、交通、情报、指挥中心等部门，也就是说真正的要素应该是算法、算力、数据、场景、产品、应用。一半血统是AI，另一半是实际应用场景。这样才能让AI真正盘活视频监控资源，利用AI提高破案率，提升警务工作效率和对视频监控的整体利用效能。

实现安防AI大规模落地的六个创新关键

1. 算法创新

说算法是国际开放的，应该不算过份，看看国内时不时就有团队冒出来获得了某个国际AI比赛的冠亚季军，还有当前频繁的国际高端AI人才流动就可以知道。ImageNet大规模视觉识别挑战赛的停办，也有算法已经在当前条件下近于极致，很难再有突破性提升的原因。

如何对比赛算法进行创新，使其在实际安防场景中落地，就成了安防AI大规模落地的首要关键点。要知道大多的路面视频监控安装在近3米及以上高度，面向着30米及以上距离的高视角、大范围进行摄录。

在目标逐步走近的过程中，拍摄到的画面包含从小点到全貌，但更可能的现状是只能拍摄到大致的模糊外形，人脸是根本无法识别的。说到底，当前报道出来的AI抓逃基本都是基于近距离、卡口场景人脸检测的，正如张学友演唱会，或者车站、火车抓逃。

但这种算法对于大规模路面监控起不了多大作用，所以公安系统不买单。不要问我为什么知道这么多，我在上一篇文章《安防+AI，规模性落地中的关键三要素》中，已经明白说过，基于安软慧视的安防AI已经在不少市局落地，我会去市局探密的。

2. 算力创新

可能有些人会觉得随着英伟达等芯片企业技术的不断飞升，越来越高端的显卡也逐渐推出，只需要将高端显卡进行组装，就会有超级算力。在理论上好像是可行的，但是成本呢？

要知道我们党历来都是讲性价比的，连造五代战机、造航母都只花了别国一半以下的研发投入。视频监控的PPP建设模式，不正是说明了国家对视频监控建设成本的严格控制吗。在这种情况下，如何进行低成本算力创新，就成了第二个创新关键点。

3. 数据创新

严格来说，数据并不存在创新，指的是对数据的大规模采集能力。安防监控是公安的内部资源，对外是不开放的，要想获得，常用的办法就是自己建。好在公安对新产品的试用包容度还是很高的，允许进行一些试点建设。但是这些试点足不足以支撑深度学习所需的动辄几亿几十亿的数据量，这是第三个关键点。

4. 产品创新

解决了以上三个AI相关问题，接下来就是三个实际应用场景问题。

通过什么样的产品方案解决规模性安防AI的承载？

常见的方案是智能摄像头和后端结构化，也有说中心结构化、云端结构化，名称不一而足。但是智能摄像头要想达到实战水准，高配是一定的，高配一定是高价。目前美欧的发达国家，智能摄像头比例也不超过5%，更何况一向节俭持家的中国。后端结构化对于小规模的还可以承受，大规模的，刚才说了英伟达高端的显卡设备价格是昂贵的，低价格的处理能力又有限。这是第四个关键点。

5. 场景创新

准确地说，是场景细分，在全国范围内公安视频监控画面中，存在着打架、聚集、摔倒、事故、火灾、抢劫等场景，在这种场景下，通过通用算法就可以构建模型。

可是不说别的，光说南北方气候差异下，人们的穿着、妆扮就可能完全不同，南方的11月还穿着短袖，北方已是大雪纷飞，棉衣棉帽，可能还有墨镜、围巾。如果还往下说，东北的夏天凌晨两三点天就大亮，可是冬天黑夜也特别长。这是第五个创新关键点。

6. 应用创新

突破了以上创新关键点，公安抓捕的实战场景，如何进行现场勘查、如何进行线索查找，如何进行关联碰撞，如何进行案情研判，如何调用已有的针对各警种的业务系统，要知道那系统可是五花八门，远不是局外人能想象的。

这种情况下怎么进行人性化应用开发，既能让办案人员用的舒畅，又能对现有的业务系统进行融合串连，这是第六个关键点。

说了这么多关键点，虽然看起来困难重重，但只要能潜下心，针对每个环节都进行开创性创新，是完全可以突破的。因为已经有公司走在路上了。

本文章为系列文章，会持续更新，分享自己的发现，欢迎有兴趣的小伙伴一起来分享，共同促进AI的落地。

本文由 @李震 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Pixabay，基于 CC0 协议