三大痛点制约着AI安防的实际应用


智能眼镜近年来人工智能的飞速发展有目共睹,从规则输入到自我学习,如今的人工智能在某些领域的能力已经能够比肩甚至超越人类,有鉴于此,深度学习、图像识别等技术成果在学术界和产业界得到了广泛应用,“落地”也成为这段时间各界共同思考的问题。作为AI落地首站的安防,在这一问题上尤为迫切。

纵观技术发展历史,需求一直是推动技术发展与落地的核心动力,因此,AI要想实现场景化落地,深入用户需求、用实际行动解决以往的痛点是核心。

痛点一:AI安防设备更新面临多重困境

AI安防落地,首先要有海量设备的推广应用与更新换代。但AI安防设备的更新面临着多重困境:

首先,在现有设备足敷需要的情况下,用户主动进行设备升级换代的意愿不够强烈;其次,尽管随着技术普及和产品完善,AI安防的门槛正在逐步降低,但由于企业前期投入成本太高,原厂商们往往不愿意或不能把价格门槛降下来,当然,即便降下来,AI设备成本也十分高昂;最后,在更新换代的过程中,AI安防系统也需要充分考虑与已有系统的融合问题,以及为将来升级做好铺垫。

痛点二:数据融合成为核心难题

如今的安防,已经成为一个集技术、资本、模式、产业服务为一体的复杂系统,这个系统中包含数据采集、传输、存储、应用、管理等多个链条,而在当下赋能过程中,AI安防技术大多仅渗透了采集等单个环节。

这也导致数据在采集、存储、处理以及应用等环节独立存在,彼此之间的数据难以流通,很难展开多维数据分析服务。缺乏多维数据碰撞的安防监控系统难以走出数据孤岛的问题,进而无法解决实现安防AI化。

痛点三:AI人才供不应求

随着AI发展,安防行业对AI人才的需求量大幅增长,源源不断的专业人员是AI发展的重要保障,据领英平台发布的报告显示,我国人工智能的人才缺口已经超过500万。

与此同时,高等教育对行业的人才输出还远远跟不上行业目前发展的脚步。放眼全球,也仅有6000多名AI领域的学者,以及7万余名AI相关专业在读硕博研究生,而每年AI相关领域硕博毕业生约2万名。

结语:与其说安防行业正在AI化,不如说其本质是由AI驱动的信息化、互联网化和物联网化。三个技术周期叠加在一起,一方面推动了安防行业的变革,另一方面也带来了巨大的机会。

这使得安防行业不再拘泥于传统领域,而是逐渐延伸到其他领域,扩大市场容量,为行业中的每个企业带来新的机会。作为企业,需要找到具体应用场景,研究落地痛点,进行研发投入,创造出用户认可的服务。 (本文转自:中安网)