資訊

安防新舊勢力優劣勢對比 產業的升級換代勢在必行

安全防范
來源:華強智慧網 |Maggie |2019-05-24 15:33:22

丰禾棋牌大发 www.ngvlg.icu 2017年,安防行業趁著AI的風口炒熱了安防+AI的概念,在進入到2018年之后,資本和市場將逐步恢復理性,真正的人工智能拉鋸戰也會拉開帷幕,屆時才是AI+安防開始登場的時候。

  334592246266527386.jpg

       2017年,安防行業趁著AI的風口炒熱了安防+AI的概念,在進入到2018年之后,資本和市場將逐步恢復理性,真正的人工智能拉鋸戰也會拉開帷幕,屆時才是AI+安防開始登場的時候。

  AI初創企業入局安防

  2011年至2016年中國安防市場連續5年保持2位數增長,結合國家政府對建設更高水平的平安中國、進一步提升人民安全性的要求,未來中國的安防市場依然會保持穩定增長,對人工智能、計算機視覺技術的升級改造也提出了更高的期待。在2017年深圳安博會上,智能人臉大數據平臺、智能攝像機、人證核驗終端等智能設備隨處可見,可以肯定地說,安防行業已經開始演變成人工智能產業中的重要分支。

  《中國安防行業“十三五”(2016-2020年)發展規劃》指出,“十三五”期間,伴隨從平安城市、智慧城市到雪亮工程等公共安全相關政策,以及人工智能相關國家戰略政策的逐步深化,智能安防也將與高清聯網一樣,將向規?;?、全面高清化、智能化轉型升級。

  面對這廣闊的市場,許多初創AI公司如商湯科技、曠視科技、云從科技等在完成融資后,紛紛把安防視為其商業模式落地的重要方向。雖然這些AI初創公司以核心技術和資本融資獲取先機,但面對安防行業大體量公司的競爭和擠壓,仍需要不斷拓展生物識別、計算機視覺、深度學習算法等技術類別。在市場進入存量競爭前,初創公司一方面要利用技術專利打造壁壘,向上下產業鏈延伸,另一方面需緊密貼合用戶需求,不斷優化自身產品,提供軟硬件一體化解決方案和服務,最終完成數據閉環從而提升自身競爭力,達到產業生態平臺階段。

  新舊勢力優劣勢對比

  (1)傳統安防企業

  在未來,傳統安防企業持續發展、行業占有率持續領先,會繼續采用產品銷售內嵌智能算法和智能分析軟件的常態模式,并加深垂直行業的應用解決方案,針對不同行業不同的應用場景,提供智能軟硬件一體化解決方案,其主要的優勢主要體現在:

  一是在現有產業的技術(硬件產品和平臺軟件)擁有絕對優勢;二是擁有豐富的客戶資源,對行業需求和痛點能夠深刻理解,行業領頭公司已幾乎布局全部產業鏈;三是大部分上市公司擁有良好的現金流,充分利用現有市場的盈利支持大規模研發和并購經費的支出;四是擁有產業鏈上收集的大量數據,但是存在數據質量參差不齊無法直接使用;五是在AI領域通過組建自主研發團隊或者采購、合作、并購的方式切入AI市場;

  (2)初創AI公司

  初創AI公司在核心技術和研發人才上擁有絕對的優勢:利用算法競賽排名、國內外頂尖論文和強大的實驗室、導師資源吸引了大量人才加入團隊,保證公司在技術壁壘端持續領先。部分AI公司完成了多輪大額融資,可持續投入研發和市場,已經在業界擁有較高的知名度。

  初創AI公司對安防行業的商業模式和盈利模式的理解還不夠清晰和成熟,目前以ToC的企業級服務為主要的商業模式,主要扮演算法支撐層和技術提供層的產業角色,通過提供SDK算法??楹涂臕PI云平臺接口服務獲取利潤。而傳統安防企業主要向客戶提供較為全面的軟硬件一體化解決方案,其中可能涉及到攝像機、嵌入式設備、專有服務器及行業平臺軟件等。而這些貼近用戶需求的產品和行業解決方案是新創AI企業短期內無法實現的。

  另外,大額融資與政府資金同時帶來一定風險,資本估值過高會對企業帶來盈利上的壓力;各類資本加入對股權和決策權的稀釋也會成為公司發展路上的隱患。

  因此從總體來看,傳統安防企業都是依靠自身的能力一步步成長起來的,在抗風險能力上面要遠遠強過新創AI企業。初創AI公司則需要更加貼近用戶需求,不斷提升用戶質量和數量。同時其可通過資本重組、并購的方式收購安防企業,快速獲取市場及用戶資源。

  算力+算法+數據未來競爭核心

  技術是行業變革的推動力,行業競爭將集中體現在算法、數據和硬件算力這“三駕馬車”的較量上。隨著安防+人工智能的發展,未來這三者將呈深化發展的趨勢:

  (1)算法:集中開發底層算法,優化應用層算法

       深度學習本質就是一種算法,通過模擬大腦的神經網絡,使得設備能夠像人腦一樣思考。在安防行業,基于深度學習人臉識別、圖像識別、車輛識別、語音識別等算法將會推動行業快速發展,算法迭代將會是推動安防+AI技術發展的根本:

  準確率更高:深度學習算法可以從原始數據中提取具有更高階、表達能力更強的特征,從而使得識別分類對象的準確率更高;

  環境適應性更強:深度學習算法可以自行提取更豐富、更適合的特征參數,從而達到更強的抗環境干擾能力。

  識別種類更加豐富:深度學習能夠實現比較精準的目標分類識別、自主特征識別的特點,又讓深度學習特別適用于抽象、復雜的人、車、物體的特征和行為勢態的分析領域。

  (2)算力:智能前端的邊緣計算+智能云端的規?;撲?/strong>

  深度學習過程中“訓練”與“推演”均涉及大量并行計算,傳統的CPU明顯算力不足,而GPU、FPGA、ASIC具有良好并行計算能力,AI芯片可提供數十倍乃至上百倍于CPU的性能,大幅縮短計算過程,同時也方便調整多種模型架構,顯著提升模型的速度。

  特別是隨著低功耗AI專用芯片的迭出,逐漸形成智能嵌入式前端(通過邊緣計算在前端完成結構化算法預處理,獲取高質量結構化數據)和后端云智能(大規模計算、存儲資源、多維度大數據信息分析)協同加速發展的勢態

  (3)數據:邊緣計算+規?;撲愕慕峁夠?/strong>

  上千萬的攝像頭和龐大的監控網絡,瞬間就會產生海量監控視頻數據,從海量視頻數據中高效提取出有效的結構化數據,就成為智能安防的關鍵技術。而通過人工智能算法,則可自動抓取視頻中的目標圖片,并提取其語義化的屬性數據以及可用來比對檢索的特征數據,形成以數據為驅動的決策機制,根據實時數據和各類型信息,調配和調控用戶的數據資源,最終實現系統的自動智能化和運行效率最優化。

  人工智能是安防領域的未來,安企在通往未來的道路上,將會出現更多新的應用及技術,從而滿足安防領域日益增長的新需求,推動安防產業的升級換代。


*本文已標注來源和出處,文章版權歸原作者及原出處所有。文章系作者個人觀點,不代表筑慧寶立場。有任何疑問都請聯系(筑慧小妹)。免責聲明:本網站所有文章僅作為資訊傳播使用,既不代表任何觀點導向,也不構成任何商機建議。