安防行業在2002經歷產品數字化變革后，2005開始智能初探，那時智能視頻分析大多以移動偵測為主，應用差強人意。到了2016年，AI安防元年開啟，開始了智能探索，技術日臻完善。時至2020，AI安防已進入下半場，技術下沉后，考慮更多的是AI如何與市場全面無縫對接，如何適應場景，賦能千行百業，做深垂直應用。

可見，安防市場對智能，一直有渴望。何為智能，難一概而論，不像高清有明確技術標準。

正由于概念的不固化，智能在不同時期有特定價值。用發展的眼光看當下的智能，才合適。于是，二個問題浮出，為什么行業需要智能，需要什么樣的智能，也就是說，智能應有的模樣與合適落腳方式。

盛世下，說安防，最繞不開的熱詞，便是智能。

2020，新十年的開啟，智能安防也有了新的征途。蛻變與變革，是這場征途的真實寫照。

瞄準智能世界，智能安防增量巨大

說智能世界，或許還遠，或許也近。“羅馬非一日建成”，智能世界是一個體系變革，瞄準智能世界，建設步伐需一步一個腳印。而智能世界與智能安防，息息相關。同時，2020新基建成風口，風口之下，皆為商機。

從大勢上看：安平行業仍是智能安防主戰場。預測到2025年，安平領域全球約50$億市場空間。在這里，傳統安防頭部企業“死磕”；安防新貴們相繼將以戰略級來此攻城拔寨；AI初創企業以“城市大腦”形成中樞到端側征戰布局；還有諸多以平臺+行為分析的新進企業都在安平領域，一爭高下也寸土不讓。

交通行業智能需求僅次于安平，這一細分市場蛋糕也分外誘人。從2016年起對車輛屬性識別成為主流應用，最近智能非現場執*、全息路口、高速公路自由流收費都是智能安在交通的新體驗。

到2025年，泛園區市場的智能化市場可參與空間達到113$億，約占總空間的42%，其中在行業園區、智慧商業都有較大的可參與空間。而其他行業也在智能加持下遍地開花。智能在安防，“千樹萬樹梨花開”。

千行百業，構成世界，千行百業智能化，就是智能世界，對于智能安防如何掘金“新藍海”，又是一段征程。

這時代，智能應有的模樣

智能是一發展物，進入AI安防的下半場，智能開始質變，這源于技術本身，也源于市場驅動。

算力之于智能，如同發動機之于汽車，動力澎湃方可馳騁。在AI安防下半場，算力可謂是產業智能升級改造的第一要素。過去十幾年間，安防依靠CPU和DSP做淺層異構計算配合，只能完成簡單周界和單目標檢測，現在依靠CPU、GPU或者FPGA等芯片完成智能攝像機算法的運算。

隨著算力大幅提升，原先需要幾個月才能完成的深度訓練迭代，現在只需要幾個小時便可完成。同年，華為智能攝像機X系列登場，是業界首款具備16T澎湃算力的前端產品，得益于強算力，該機將算力進行優化分配，輕松實現對非智能攝像機的智能一拖八改造。從計算能力分析，0.66T能識別不超過二十張人臉，而4T算力能識別5百多張人臉。面多不同場景，要承擔智能的訓練、推理和數據的挖掘等一些列“神操作”，都需匹配相應的算力。

當然，2020依然是1\2T算力產品為主，如果要拔高和拓展智能能力，算力是“硬核”，這也是安防企業要創新智能產品發力點，強悍于“芯”就是此理。只有超強算力為支撐，在前端，攝像機通過AI芯片具備足夠算力，為智能算法和應用提供高效運行環境。同時在邊緣和中心，超強算力也為海量視頻、圖片、數據的深度解析和大數據碰撞、檢索提供算力保障。

如果將算力簡單理解為計算能力，那么算法就是解決問題的方法。以前，傳統攝像機或者偽智能產品，面對復雜場景，束手無策，難以勝任用戶個性化需求等，這些其實就是算法瓶頸問題。在超強算力支持下，算法也越發成熟。

在AI安防下半場，算法就是服務場景來做落地應用，并以此形成智能安防解決方案，只有在場景不斷豐富和應用不斷深入，更多成熟可用算法才可融入到業務應用中。如平安城市，業務需求早已從單一的管控到城市治理階段。

此外，如果一個硬件只有一種算法，或者說硬件植入的算法不能延展，那對于智能安防將是一個桎梏。因為一個智能算法需要大量數據進行訓練和標注，智能安防場景千千萬，而且還需應對全天候。華為之所以要做HoloSens Store簡單理解就是讓工程項目從算法加載到場景應用，無縫連接。只需要在HoloSens Store網站上選擇自己的設備型號和場景需求，就能匹配到合適、高質量的算法，一鍵部署到設備上。

智能與數據，就如同智能高清是個組合詞，誰都離不開誰。

智能+數據=業務的無限可能。舉例來看，在平安校園中，通過機器視覺和大數據分析等AI手段，盡可能將一切關乎于安全的數據都進行匯集，形成平安校園視頻大數據應用（黑名單聚集預警、行為異常提示、在/離校失聯預警、陌生人徘徊預警……），為校方提供趨勢性的研判，在事情未發生之前就形成可視化的研判軌跡，實現從事后查看到事前預警的根本轉變。

總之，進入AI下半場，智能安防需要強算力做基礎支撐，算力看似夠用其實是開發利用程度遠未達到市場所期；算法方面應能按需加載，一機適配多重算法；在智能力方面應該會思考，而不是僅僅識別就是智能的全部。從被動防御到主動預防，這是這個時代給予智能安防現實課題。華為智能安防ICAN智能指數之所以備受行業關注與熱議，就是因為重構了安防行業的智能想象，也為智能在安防做出了循序漸進的規劃。在這個指數中，AI安防下半場不再是停留于描述級的智能，而是在診斷級和預測級智能力方面，做自我進提升與進化。

AI安防落腳點，智能前置

安防全面進入智能時代，已成共識。但，長久以來，智能向前，還是往后，是行業辯題。當時間來到2020，進入AI安防下半場后，前后之爭，答案已見分曉。

從市場數據看，2019相較于2018，前端智能化增速極為明顯，占比增長100%；在細分市場，安平和交通前端智能化滲透率*優，新建市場占比10%，其他行業前端智能化占比3%。

智能在安防，無非兩種解決方案，前端智能還是后端智能。前端智能化，就是將AI功能集成到智能攝像機，對視頻數據做結構化或半結構化處理，并將處理結果移至后端。

當下時代，前端智能，優勢凸顯：

其一，智能世界需要萬物感知，而智能攝像機就是絕佳“抓手”和“眼睛”。華為認為，智能攝像機本身就是全息感知的HUB，將各類傳感信息匯入分析，賦予攝像機不再是單一的功能節點，它將會成為連接世界的萬物感知中心節點。

其二，智能分析力、適應力更強。通常智能分為識別類（偏向于對靜態場景的分析處理）、行為類（側重于對動態場景的分析處理）和診斷類（偏向于圖像質量本身診斷和調優）智能分析。

前端智能的低延時感知特性，在智能業務實時性高的場景，前端智能秒級實時響應，可以直接采集人臉、車牌等關鍵信息和交通違章檢測、防區入侵檢測等動態場景的分析處理，幫助客戶高效抽取視頻中關鍵信息，形成算法融合和實時聯動；對于視頻感知，前端智能提供*致圖像，提高提高智能識別率，降低智能安防的漏抓誤報；提升效率后，前端智能場景適配性和適應性更優，裸數據分析，智能識別率更高。

正是由于前端智能可以在端側進行各種智能分析，對各種異常現象報警，可以及時給中心信息提示，以便用戶可以及時做出相應反應。從傳統的事后查閱錄像到事中及時響應，可以大大提高智能的事前能力。

其三，降低帶寬與存儲空間。在后端做智能，無論視頻流是直接從前端獲取還是從流媒體服務器轉發，都會相應增加帶寬消耗。隨著智能攝像機點位不斷增多，帶寬占用將成比例增加，容易造成傳輸系統的壓力。而前端智能只是將分析結構傳輸至后端，占用帶寬資源較少。同時，前端智能無需將視頻數據遠程壓縮傳輸，可以為后端提供更高清、高質量的現場畫面，更出色的成像效果也大大提升了后端資源利用率，節省中心部署空間。

以華為HoloSens SDC為例來看，具備高性價比，在算力利用率和機房空間上壓縮成本。由于前端智能減少傳輸帶寬，交通流量攝像機只需流量信息，無需視頻和圖片數據，客流流量攝像機，也只是提供流量信息，不產生其他數據。

華為基于深度學習對視頻編碼優化，在保障視頻畫質、觀看體驗更好情況下，對視體積大幅瘦身，可節省50%以上傳輸帶寬和存儲成本，也能提供4K或更高分辨率本地抓圖和2MP/4MP視頻上傳，兼顧智能應用和態勢監控需求。

其四，AI要大規模落地做應用，工程方面的問題不得不考慮，這意味著場景需求的準確定義和算法疊加的不斷進步，來解決碎片化問題。華為HoloSens SDC和HoloSens Store應運而生，舊項目如何對接新項目，甚至是變舊為新是工程商們關心之事。

之前也提到，AI算力普惠到普通攝像機可以通過算力分配和算法的動態加載讓其適應智能場景。華為智能安防在普惠AI，智能1拖N攝像機就是為了將非智能產品進行智能化改造；前不久顛覆傳統的華為“四無”生態型新款攝像機問世，再一次將行業關注目光重新聚焦于前端智能化。

所謂“四無”生態，即無電、無網、無光和無現場運維，對于工程安裝幾乎不可能實現的場景，對于水利、能源等場景具有極強的適應性。

在AI安防的下半場，華為是徹頭徹尾的變局者，他們智能攝像機有三大全新特質：AI新架構、算力換圖像、全息數據感知。今年五月在錢塘江畔華為機器視覺推出5款重磅攝像機產品，可見華為在前端智能化方面的決心與魄力。之于華為，智能讓攝像機成為“新工具”，在我們熟知的“舊行業”中，重新碰撞出智能的火花。

共生之道：前后協同智能更高效

誠然，前端智能是大勢所趨，但在云邊端構架中，智能的前與后，二者不是對立關系，更多是協同。這利于各自發揮所長，補己之短，讓智能更為高效：數據碰撞，多維數據碰撞，創造更大價值；集群聯網：通過大規模集群，構建超級算力與超級存儲；資源共享：共享數據信息，打破信息孤島。華為機器視覺倡導全棧智能，就是此意。如此，安防在AI世界才能闖蕩出別樣的精彩。

2020，進入AI安防下半場，前端智能是“智”同道合后的行業共識。智能，讓安防“變大”，讓世界“變小”。
? ? ? ?責任編輯:pj