内容简介:2018年,AI时代下的安防圈看似格外喧器,关于传统安防大厂PK新创四小龙、BAT华为“下海”、中美贸易摩擦、业绩下滑等话题被圈内外人士津津乐道,乐此不疲,俨然已经成为人们茶余饭后的谈资。如今,再说起安防江湖风云,貌似多少有些老生常谈,但小编对安防江湖倒有不同见解,今日闲暇,还望一吐为快。
2018年,AI时代下的安防圈看似格外喧器,关于传统安防大厂PK新创四小龙、BAT华为“下海”、中美贸易摩擦、业绩下滑等话题被圈内外人士津津乐道,乐此不疲,俨然已经成为人们茶余饭后的谈资。
如今,再说起安防江湖风云,貌似多少有些老生常谈,但小编对安防江湖倒有不同见解,今日闲暇,还望一吐为快。
市场变局,无非是新技术变革或巨头争锋导致矩阵变化,因此,笔者仅从技术和市场两个角度试做一番分析。
技术:AI被“捧杀”
近年来,AI对安防产业的催化作用,业界有目共睹,特别是刚刚过去的2018年,可以称得上是AI落地元年,随着AI产品化、工程化等商业价值逐渐显现,更坚定了安防企业和外入者对AI安防化的执念。
业界皆知,安防产业经历从模拟到数字、然后从标清到高清化、智能化的变迁。不可置否,人工智能将成为新一轮安防产业变革的新驱动力,正在持续释放的巨大能量, 为产业链的各个环节都带来了新的发展机遇,使安防产业进入真正的智能安防时代。那么AI技术真的能给安防产业带来巨大的价值吗?或者说人工智能普及化还有多远?
首先看下何为人工智能?根据百度释义,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器人。人工智能是由算力(芯片)、算法(模块)和数据(场景应用)这三大因素构成,同时也是驱动人工智能商业化落地的三驾马车,三者缺一不可。而这轮人工智能浪潮能够真正在商业中应用落地的技术主要包括语音识别和机器视觉,就安防领域来讲,主要表现为智能视频分析的应用,也就是机器视觉技术应用,涉及到人脸/人体、车牌、周界入侵等方面的芯片和算法技术。
从产品方面来看,AI技术贯穿安防产业链的前端摄像头和后端中控系统/云,也就是说,AI既可以在前端做,也可以在后端做。在前端的“AI+摄像头”环节中,即可以选择将算法模块直接嵌入到视频监控SoC芯片中,同时也可以将通用的视觉处理器应用到摄像头内,另外也可以通过连接外设模块,将原有的摄像机AI化;在“AI+后端”环节,即是利用后端服务器的计算能力来处理采集到的前端视频信息,当前来看,由于安防数据安全和实时响应需求,前端智能越来越受宠。不过,在一些复杂应用场景,前端智能和后端智能相结合是未来AI技术应用趋势。
现阶段,人脸识别和车牌识别技术最为成熟,大部分企业人脸无异常识别率可达到95%以上,而车牌识别率可达到99%,可以说,这两项技术基本可以满足实际场景应用需求,因此其应用也最为广泛。在写字楼、公寓/酒店、社区等门禁通行领域,人脸识别可谓已经遍地开花,一度造成AI繁盛的幻想。
不过,根据实测结果来看,在戴口罩、帽子、眼镜、胡子以及特殊表情等异常人脸识别比对方面,就算是技术领先企业推出的前端智能设备,识别率基本仅保持80%左右,应用价值大打折扣。
而且,实际上来讲,人脸识别仅是最基础、最简单的AI技术,技术门槛极低,应用场景也十分有限,因为视频信息除了人脸还有人体特征、行为、微表情等复杂的识别分析,这也是AI算法中最难的技术环节,当前这些技术的表现差强人意,技术上有很大的提升空间,而且很多场景应用价值也有待深挖。
在车牌识别领域,当前无论是复杂的车牌还是车身颜色、车牌颜色、车标、驾驶员行为等特征识别都已经基本成熟。而且前端设备人脸和周界、人脸和车辆、车辆和周界的集成已经实现,头部企业还可以实现一机多用,但是,各类算法的融合方面不足,而且,在对处于干扰中的车牌进行识别,识别率更是大失所望。
而且,安防智能化的比例还比较低,所谓的智能化能做的事情也很少,主要就是人脸识别,以及一些行人和机动车、非机动车的简单属性识别等。当前大部分安防企业对于AI技术的应用还处于接受尝试的阶段,AI摄像机的普及率相当低。据权威数据显示,AI摄像机所占比较仅为1%,智能安防应用规模不足5%。超过90%的市场份额仍被传统安防占据。
究竟原因,主要是AI前端价格过高,据了解,1台AI摄像机的价格几乎相当于4个普通摄像机,而且负载复杂计算能力的后端服务器,成本更是昂贵。对于公安、交通等政府渠道来讲,更追求产品性能和应用价值,但是对于商用、民用领域中小企业来讲,则是一笔不菲的投入,何时能够规模化替换,还有待商榷,而且这一块领域占比远高于政府渠道。
最值得一提的,有些场景应用,其AI应用价值远远高于其投入成本,可以说是得不偿失,甚至有些场景根本不需要智能摄像机,普通摄像机即能满足场景应用需求,但是一些厂商极尽吹嘘AI价值,用户为了赶时髦,赶鸭似的上架AI各类产品,结果却适得其反。
笔者认为,AI确实可以给安防产业带来巨大的市场,但从当前来看,AI则处于被企业大肆捧杀阶段,存在巨大的泡沫。鉴于深度学习对于模型训练的大量数据要求,AI技术的提升依赖于海量视频数据的自我训练,而这需要很长时期的积累和自我提炼,而且,由于安防应用场景的碎片化特征以及客户的定制化需求,AI产品化和工程化仍然是道阻且长。作为企业,应该看透泡沫的幻象,坐怀不乱,脚踏实地。
市场:野望和寒冬
众所周知,随着新创四小龙为首的AI技术代表阵营的加入,华为BAT外来巨头的来势汹汹,使得安防市场竞争俞加激烈,这些入侵者的野心“昭然若揭”,而资本寒冬下的安防市场能否支撑起他们的野望,原有安防市场格局是否面临被改变的话题持续不断,而且围绕这个主题,有几个很有意思的观点,可谓各执其词,各有各的野望和雄心。
海康威视胡扬忠曾以安防前辈身份表示,安防市场容量小且场景碎,建立一个从满足用户碎片化需求的开发响应、到快速交付能力的建设是一个十分复杂的体系;并且他把安防市场比作浅水域,养不起大鱼,打起仗来就像拿步枪打苍蝇,投入和产出非常不匹配。
胡扬忠的言外之意,很明显,就是将华为、BAT喻为深鱼,在安防这片浅水域存活不了几天。由此看出,以海康为代表的传统安防大厂们,认为这些入侵者并不能触动安防根基,大有“我的地盘我作主”的气概,可谓胸有成足,这大概是海康威视18年深耕安防行业沉淀的底气所在。
另外一方阵营,新晋四小龙则是认定安防是一块大蛋糕,竞相峁足劲要分一杯羹,而且在他们看来,AI技术势必在安防产业掀起狂潮,从而革新现有安防的市场格局。新创企业是先进生产力的代表,虽然落地扎根是其短板,但有资本去摸索落地应用。据调查数据显示,2018年人工智能新贵融资规模过亿的不下10家,或将在安防领域或将能打下一方领土。
不过从当前来看,AI新创企业虽然有项目不断落地,但总体规模并不大,而且深根安防土壤还需时日。若论与传统安防大厂的抗衡,功力明显还差一大截,毕竟将生产力转化成经济价值,并非一蹴而就,而其他第二三梯队的AI新秀的日子将会更难过。
华为和BAT对安防市场摆出一副志在必得的架势。业界皆知,生态平台构建是他们的共同长势,软硬相结合的实力有目共睹,毕竟阿里和百度的AI音箱做得风生风起,软实力更是不在话下,而华为手机硬业务更是如日中天,华为云、芯片和5G是技术利器,这些底层技术和生态能力或将助他们在安防产业一展宏图。只是能否将巨大能量用在刀刃上,在安防领域凿开缺口,还未可知,毕竟,安防工程体系相当复杂,同时,客户定制化深度需求也是相当难搞。
人工智能在安防市场闹得热火朝天,不过2018年安防市场景气度却不如预期,海康威视、大华股份和宇视等传统大厂和业绩增速均出现下滑趋势,这也说明传统粗放增长速度正在放缓。同时,国家政策收紧,安防项目受齐压,资本遭遇寒冬对业绩造成一定的冲击,或许这正是海康大华们真正的心病,他们同样需要步步为营,借AI风口,补上自己的短板,更深入挖掘新的业务增长市场空间。
不过,总体来看,未来安防市场规模还是不容小觑。在人工智能、云计算、大数据的深度整合以及平安城市、雪亮工程、智慧城市项目持续推进的大趋势下,安防行业正向规模化、自动化、智能化快速转型升级,预计至2022年,安防市场规模将达到万亿级别,这对于几方阵营的企业来讲,正是历史性的机会,也是决胜江湖的时刻。只是,随着人工智能技术的成熟,无论是芯片还是算法,很难再形成技术壁垒,巨头们的AI技术实力相差无几,未来主要比拼的是细分应用场景价值的挖掘和AI项目落地的迅速,以及赢得用户持续购买的能力。
毫无疑问,9012年,AI落地的步伐将会继续加快。在这场AI+安防战役中,无法将技术转化成实施方案的AI新创企业将逐步被淘汰,而且,无论是云厂商、传统大厂还是新晋AI创业,在具体细分行业中深入业务应用、业务流程等,最后结合自身的技术积累,为行业客户提供优质的行业智能解决方案,才是上上策。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Code Reading
Diomidis Spinellis / Addison-Wesley Professional / 2003-06-06 / USD 64.99
This book is a unique and essential reference that focuses upon the reading and comprehension of existing software code. While code reading is an important task faced by the vast majority of students,......一起来看看 《Code Reading》 这本书的介绍吧!