智能安防行业发展难点分析

　　安防行业作为人工智能最先落地的行业之一，在人工智能的助力之下，已经逐渐步入到万物物联的智能时代。相关资料显示，目前我国智能安防渗透率约为5。前瞻网数据显示2018年我国智能安防市场规模为359。2亿元。20122018年市场规模年复合增长率高达26。8，根据年复合增长率，前瞻估算，2019年我国智能安防市场规模约为455亿元。预计2020年，智能安防将创造一个千亿级市场。
　　但尽管智能安防的亿万级市场正在打开，但智能安防的发展，依旧受到人才、技术等难点的制约
　　一、人才储备有待提高
　　与传统意义上的劳动密集型产业不同，人工智能时代下的安防行业发展，将更多依靠人力资源质量、技术进步以及资本的力量。因此，安防行业要想取得突破，人才资源必是关键。
　　1、企业人才问题
　　从企业角度来看，安防行业是一个集研发、生产以及销售为一体的行业，且该行业对销售、专业研发人员以及技术型人员的人才需求异常庞大，尤其是智能技术参局之后，技术研发类人才之间的竞争在安防行业更为激烈。
　　进入到智能安防产业阶段，安防行业产业对高端人才的需求也在明显上升。据2018年asReaserch调查显示，安防从业人员其中本科学历的占到57，比2016年的调研结果高出1。5，研究生的比例占总调研人数的10，和2016的调研结果基本持平。
　　尽管企业不遗余力建设人才，但就目前而言，安防企业在人才建设上还存在不少痛点：
　　行业综合性复合型人才急缺。现阶段不少安防企业都在加大智能识别、数据挖掘、深度分析等核心技术投入，转型成为解决方案平台公司，但这种变化对安防行业人才提出了更高的要求，比如工程技术人员不能只对单一产品有所了解，更要对整体系统进行了解，而且还能快速领悟客户的安防业务需求等。但这类行业综合性复合型人才，在安防行业面临着巨大的缺口。
　　现有人才队伍无法满足行业发展要求。安防行业技术更新较快，迭代更新时间缩短，这就需要现有人才队伍能较好的吸收新的产业技术。但较为遗憾的是，不少安防从业人员对这轮智能安防技术并没有太多的了解，其能力往往不能符合当下的市场要求，这就要求企业通过培训使其达到岗位要求或者调换岗位。
　　企业间人才流动严重，这种流动以销售和研发人员尤为明显。
　　2、技术人才问题
　　从涉及学科来看，安防行业涉及的学科多且复杂，人工智能、机器人工程以及智能科学与技术、物联网工程、通信工程、数据科学与大数据技术、大数据采集与管理、专业智能监控技术应用、智能交通技术运用以及计算机科学与技术等专业，但这些技术人才，在中国却面临着巨大的缺口。目前，顶尖人才缺口大已与人才供需不平衡、人才结构分布不均衡、人才引进难度高以及现有技术伦理教育偏弱齐名，被认为是中国人工智能人才体系的五大短板。
　　在2020年中国5G工业互联网大会成果发布会上，国家工业信息安全发展研究中心发布的《人工智能与制造业融合发展白皮书2020》指出，人工智能与制造业的融合不仅需要掌握人工智能技术，还需对制造业各细分行业的生产特点、流程、工艺有深入理解，同时掌握人工智能制造的复合型人才极其稀缺，目前中国人工智能人才缺口达30万人。仅以半导体行业来看，中国电子信息产业发展研究院编制的《中国集成电路产业人才白皮书（20192020年版）》显示，中国半导体产业2019年就业人数在51。2万人左右，同比增长11，半导体全行业平均薪酬同比提升4。75。到2022年，中国集成电路专业人才缺口将近25万，而且存在结构性失衡问题。而2017年20万高校集成电路专业领域的毕业生中，仅有不足3万人进入本行业就业，单纯依托高校不能够满足人才的供给要求。而与极度匮乏的人才市场相反，进入智能化时代，上述提及的所有专业人才都已成为了产业炙手可热的香饽饽。
　　不过，中国正加快人工智能发展步伐，自2017年《新一代人工智能发展规划》发布以来，全国已有19个省（直辖市、自治区）发布了26项人工智能专项政策，并提出了各自的发展定位与目标。人工智能学科和专业建设加快推进，包括清华、北大的全国30多所高校成立了AI学院，75所高校自主设置了89个人工智能相关二级学科或交叉学科；人工智能进入高中新课标，第一本高中教材《人工智能基础（高中版）》出版；人工智能企业通过与研究型大学共建联合实验室、研究院、研究中心等方式加速人工智能高水平人才成长，多层次AI人才培养体系逐步形成。
　　二、技术储备有待加强
　　1、软件技术储备
　　（1）软件开发平台作用日益凸显
　　当下，硬件为王的安防时代正在终结。安防软件已逐渐脱离只为硬件服务的单一目的，发展成为一个更加智能的重要角色。尤其当越来越多的企业开始将业务转向云端，云、边、端一体化成为企业的业务重点之后，软件平台开发的地位也逐渐凸显出来。
　　从业态发展来看，软件定义硬件已成为安防行业的发展大趋势，尤其在5G技术的助力之下。不过，业界所提及的软件定义硬件应该是一项系统工程，其根本目的在于通过推出AI开放平台，降低用户对AI的使用门槛，让所有AI用户能在该平台上将自家数据进行标注、进行模型训练，让越来越多的企业级用户可以根据自身需求进行算法、软件功能的定制开发，搭配上智能化的前端硬件，满足越来越多的应用场景。
　　知识图谱、数据中台、大数据分析。视频结构化分析软件已经成为当下智慧安防关键应用中不可或缺的技术，而软件平台技术本身，用开发语言作为描述语言，软件程序数据文档，，也就是说，软件其实更是集成对象技术的智能产品，其发展涉及多种技术的融合发展。在软件平台的部署过程中，软件平台一般由集成商或者项目商进行部署，在实际部署人员对软件平台的认知不足，缺乏相应的软件知识，从而无法进行完美部署。而软件平台的部署也从侧面反映了一个较为严重的现实问题：软件定义安防对所有安防从业人员提出了更高的要求。不管是销售还是安装人员，都必须掌握IT知识、了解网络和操作系统等等，具有强大的知识储备。而人才的缺乏恰好又是安防行业以及所有行业都面临的重大难题。
　　（2）行业对软件技术的特殊要求
　　在这里所谈及的软件技术储备中，软件开发平台只是基础，重点是要跟当下设备制造商、软件开发平台商甚至是上游元器件商的技术水平进行匹配。
　　联网共享。这意味着不仅是单一系统内的摄像机头联网，而且多个系统之间的图像信息也能够互通互用。例如雪亮工程项目，是要求实现治安防控全覆盖、无死角的群众性治安防控工程，需要将治安、卡口、电子警察和社会面监控等视频点统一接入管理，其联网需求、数据存储、业务应用都对管理平台提出了更高要求。
　　兼容开放。平台软件与监控设备特别是摄像头的兼容性是长期存在的矛盾。对于大多安防平台厂商来说，安防集成平台大多数采用开放式分层的组件化的软件体系结构，采用统一的设备控制接口，能够在不修改上层应用软件的基础上，只增加一些独立的设备驱动模块，实现主流厂家不同类型设备的统一兼容，这也是他们的主要优势之一。但对于不少安防设备商来说，由于没有统一标准，现有的产品采用专用协议或是软硬件被绑定，难以实现兼容。
　　2、硬件技术储备
　　（1）人工智能三要素：算法、算力以及数据
　　算法、算力以及数据是人工智能发展的三大要素，尽管当前人工智能取得了质的突破，但这三要素依旧有不少难题尚未解决：
　　当前算法严重依赖有标注的数据。数据在人工智能商业化落地中有着不可替代的作用，目前人工智能算法以有监督的深度学习为主，即需要标注数据对学习结果进行反馈，在大量数据训练下，算法才能取得预期的效果。算法从大量数据中进行学习，挖掘数据中蕴含的规律。数据决定了人工智能模型精度的上限，而算法则是不断逼近这个上限。
　　当前看来，算力正以每年十倍速增长。随着5G、IoT、边缘计算、自动驾驶等技术快速发展，行业应用将走向多样化，海量数据处理场景会越来越多，应用多样性会带来计算多样性诉求，未来要处理的数据类型非常复杂包括数字、文本、图片、视频、图像等结构化和非结构化数据，这些数据会长期共存，呼唤一个多样性算力生态的出现。与此同时，如何降低算力成本，为客户提供更好的服务也将成为算力发展将面临的一大问题。
　　高质量数据需求导致数据成本高昂。为了提高数据的质量，原始数据需要经过数据采集、清洗、信息抽取、标注等处理环节。在时间和成本上，数据标注成了制约环节。目前数据标注主要是人工标记为主，机器自动化标注为辅助，而但人工标注数据的效率并不能完全满足算法的需求。同时，数据噪声、数据污染也带来了人工智能安全问题。
　　（2）芯片行业壁垒
　　随着人工智能技术在行业领域应用的逐渐深化，应用端对算力的高性能要求、用户对算力性价比的需求以及市场对专用芯片需求量的不断增加使得AI芯片在近几年逐渐进入了快速发展期。但是，芯片行业在快速发展的同时，越来越多的问题开始凸显出来：
　　摩尔定律被誉为半导体行业进步的金科玉律，很大程度上主导了科技产品的迭代更新以及自我实现。但随着世界数据量不断增加，目前摩尔定律下的处理器集成器件数量越发接近极限，也就是说，摩尔定律已经向极限靠拢。
　　AI芯片具有强烈的场景应用背景，随着算法、算力同质化现象加深，针对某个细分领域的专用芯片将成为业界的下一争夺点。
　　AI芯片如何落地AI芯片的出路在哪个方向什么样的AI芯片具有核心竞争力一直是AI芯片产业的难题。
　　另外，比如产品散热、图像精度、三维视觉等硬件能力的提升，对安防前端厂商来讲是也是很大挑战。
　　3、技术更新速度快
　　纵观今日的智能化行业，技术更新迭代的速度越来越快，新产品、新技术、新工艺层出不穷，这种看似高效的技术在解决某些行业难题的同时，也产生了两大难题：一是某些集成企业无法跟上技术的步伐；二是市场用户难以适应。
　　就目前而言，不少智能化系统集成企业依旧只管低头做项目，没有专门技术力量跟踪行业技术的发展，某些项目的方案论证中依旧会采用已经淘汰的产品或者技术，或者设计时采用已经淘汰的技术，所产出的产品根本无法满足市场的要求。同时，快速迭代的新技术也给市场用户带来了极大的考验，用户还未摸清前项技术，新代技术就已接踵而来，而面对这些新技术，用户很多情况下一筹莫展，无从下手。
　　4、数据融合的障碍
　　多维数据碰撞也已被认为是未来业界的发展趋势之一。未来的安防行业，除了人脸数据和人的行为数据，人所乘坐的车辆信息，如颜色、车型、外貌、车牌等，都将传至公安的多维数据硬盘系统。而多维数据碰撞后将与地理信息系统相结合，用来确定某些特征人群的位置，在打击犯罪的同时保障百姓的出行安全。目前看来，多维数据碰撞唯一的困扰点在于人脸数据、车辆数据等多种数据的质量问题。由于数据来源不同、数据提供方不同，所采集的数据可能存在噪音数据、数据不准确等质量问题。
　　小结：
　　立足智能安防行业自身，与人工智能行业的发展一样，智能安防行业的发展，主要面临着人才匮乏以及技术两点的约束。智能技术不但要读懂用户，而且还要主动服务用户，技术本身需要进行大的突破，且在技术实现的过程中又将会有无数的问题凸显出来。
　　但无论如何，需要肯定的是，随着人们安全意思的提升、对智能事物接受能力的提高，以及在安防企业、AI企业、互联网企业等企业的共同努力之下，智能安防技术已经在全行业全场景应用中落地开花！