3月9日，智東西主辦的GTIC 2018全球AI芯片創(chuàng)新峰會在上海召開，業(yè)內(nèi)專家齊聚一堂，論道AI芯片、技術、應用。在這一輪興起的人工智能浪潮中，安防是最為火熱、最頻繁地被人提起的落地行業(yè)。本文根據(jù)宇視副總裁兼首席架構師姚華的演講整理，詳細解讀了AI+安防的發(fā)展現(xiàn)況，并著重分析了當下人工智能與安防融合所面臨的七大挑戰(zhàn)。

一、監(jiān)控將成為生活的基礎設施

與美國的治安相比，在中國深夜擼串有一種深深的優(yōu)越感，這主要得益于中國有遍布的攝像頭和監(jiān)控系統(tǒng)。

從2017年開始，AI成為安防技術與政策中最熱的關鍵詞，我們可以看到諸如大聯(lián)網(wǎng)、大數(shù)據(jù)、人臉智能、視圖解析、物聯(lián)網(wǎng)等技術對整個公共安全系統(tǒng)帶來了效率提升與功能擴展。

目前，國家加大了對公安的信息系統(tǒng)要求。國家在996號文檔中提出到，2020年在全中國建設一個遍布所有區(qū)域的基于攝像機的IoT（物聯(lián)網(wǎng)）網(wǎng)絡，只要中國有人活動的地方就有攝像機，來給我們帶來安全。

未來，中國有人的地方就會有監(jiān)控。監(jiān)控將會與水、電、路、路燈等一同成為我們生活的基礎設施。與此對應的是，我國已經(jīng)建成了世界上最大的視頻監(jiān)控網(wǎng)——“中國天網(wǎng)”，視頻攝像頭超過2000萬個，利用AI和大數(shù)據(jù)進行警務預測。此外，在新一代信息基礎設施的建設中，也會布局大量的攝像頭，從而提升整體存儲能力，比如視頻等信息的存儲由30天變成90天。

二、AI加速安防IT化轉型

宇視成立之初就是IP數(shù)字技術，推進安防IT化。安防行業(yè)在IT化的過程中，安防IT化1.0把模擬系統(tǒng)轉化為數(shù)字化系統(tǒng)。隨后安防行業(yè)又將IT化推進到2.0，包括車輛大數(shù)據(jù)、視頻網(wǎng)閘、場景智能的融合。當AI出現(xiàn)的時候，AI正加速安防IT化3.0轉型。

融合AI后的安防IT化3.0將看得更清、更廣、更準、更穩(wěn)、更懂。

AI進入安防，首先使攝像機看得更加清楚，從原來的D1（微光）到現(xiàn)在的8K全天候的超高清信息。中國也是全球唯一一個大規(guī)模視頻聯(lián)網(wǎng)的國家，并建設了非常完善的聯(lián)網(wǎng)標準，因此整個安防系統(tǒng)可以看得更廣。

以前我們靠人眼來監(jiān)測，隨著視圖智能分析技術的到來，我們現(xiàn)在可以靠機器來看，并且看的效果更加準確。在大數(shù)據(jù)技術的幫助下，就能夠看得懂智能分析得到的結構化的數(shù)據(jù)。此外機器還要看得“穩(wěn)”，數(shù)據(jù)安全非常重要。因為有了AI，有了深度學習，整個安防IT化正在從2.0到3.0跨越。

三、AI對安防帶來七大挑戰(zhàn)

盡管AI+安防的未來充滿前景，但當下AI也為安防監(jiān)控系統(tǒng)帶來全流程的挑戰(zhàn)。

所謂“全流程的挑戰(zhàn)”，是因為AI出現(xiàn)以后，攝像機的前端采集，不再只有視頻，還有圖片和結構化的信息。存儲到后臺后，將面臨綜合的智能分析，包括邊緣計算、云端計算，這個業(yè)務流程都發(fā)生深刻的變化。

具體而言， AI對安防帶來的挑戰(zhàn)概括為七大方面：

第一，來自前端的挑戰(zhàn)。比如在路面復雜環(huán)境中的人臉識別，復雜光線、遮擋的人臉、運動狀態(tài)等都是人臉識別的“殺手”。此外，在前端算力方面，現(xiàn)在算法還要與硬件進行適配，前端的算力要強，功耗就高。如何做好結構化信息的算力、功耗與成本的平衡，應用到各種（極端）場景下穩(wěn)定工作，都是前端的挑戰(zhàn)。

第二在于存儲的挑戰(zhàn)?，F(xiàn)在中國只要有案件發(fā)生，基本38小時就可以找到罪犯，這得益于我們建設了一張非常卓越的“天網(wǎng)”系統(tǒng)。但隨著AI的應用，存儲對象也由視頻變?yōu)橐曨l+圖片+結構化以及半結構化的信息，各類數(shù)據(jù)混存模式下，大量小文件導致普通存儲性能下降。AI激活了原始數(shù)據(jù)，導致寫讀需求大幅上升，變成1:1，這對整個硬件系統(tǒng)帶來巨大挑戰(zhàn)。

同時，分析、清洗后產(chǎn)生的新數(shù)據(jù)，價值大幅提升，也對可靠性要求更高，如何用較低的成本獲得可靠的保存，產(chǎn)生更高的價值也是我們面臨的問題。

第三，AI對圖像智能分析的挑戰(zhàn)。目前算法和硬件的匹配都不一致，并不能夠實現(xiàn)軟件定義芯片。比如對人的監(jiān)測，可能包括人臉、性別、年齡等信息，而對車輛的監(jiān)測則包括車牌、車標、車身顏色等，監(jiān)測對象與場景的不同需要，提出了對多種智能算法并存的需求。

譬如，在地鐵和商場兩個場景中，地鐵的人臉識別需求集中在上下班的高峰期和晚上需要外出采購以及娛樂的時間；而商場在營業(yè)期間人臉識別使用多，在我們上下班期間不怎么使用。這就涉及一個問題，如何讓后臺的機器和IT系統(tǒng)做到資源的合理分配。

第四，AI在攝像機中產(chǎn)生了大量結構化與半結構化數(shù)據(jù)，又對大數(shù)據(jù)形成挑戰(zhàn)。以宇視參與的一個大型游樂園項目為例，其每年的數(shù)據(jù)量有200億。面對百億級數(shù)據(jù)，如何高效響應，這很重要。此外，規(guī)模增長的數(shù)據(jù)量帶來系統(tǒng)級的機房空間擴張和投資壓力，這時系統(tǒng)輕量化又十分重要。

第五，AI對安防行業(yè)標準的挑戰(zhàn)。AI進入安防，推動簡單的視頻業(yè)務向復雜視圖信息應用升級。目前來看，每個標準的演化都需要時間成熟。GA/T1400標準很多接口、檢測方法等都需要大量時間來完善。

第六，AI對業(yè)務應用的挑戰(zhàn)。當AI進入安防業(yè)務后，業(yè)務的個性化和不確定性會對業(yè)務廠商產(chǎn)品的標準化產(chǎn)生矛盾。打個比方，喬布斯的iPhone給我們生活帶來多大變化，AI也會給安防帶來多大變化。

第七，AI對信息安全帶來挑戰(zhàn)。目前視頻專網(wǎng)缺乏安全準入控制，黑客可輕易入侵核心服務器和存儲，這對安防帶來巨大的安全挑戰(zhàn)。試想，如果淘寶停運一天對我們會有什么影響？難以想象。