前言：人數越多，市場份額有限，相應的市場競爭也更加激烈。智能安防下半場，缺乏自主創新、核心競爭力的企業將逐漸被市場淘汰，尤其對于中小企業而言，競爭更加殘酷。
“如何在有限份額下找到自身的一畝三分地，企業需要在自身定位、商業模式、市場推廣等方面下功夫。”
在智能化時代，缺乏自主創新、核心競爭力的企業將逐漸被市場淘汰，尤其對于中小企業而言，競爭更加殘酷。比體量，比不過海大宇天；比AI技術，比不過深耕該領域數年之久的人工智能技術公司；比營銷，比不過互聯網企業……
水大魚大，用這句話形容當下的智能安防產業可能再合適不過了。
據統計顯示，2019年安防運維和服務市場約為660億元，同比往年市場份額進一步提升，增長率較高達到20%。智能安防在其中占據越來越重要的份額。據預計，智能安防市場在2020年將超過千億市值，其中AI+安防軟硬件市場規模將達到453億元。
值得一提的是，曠視科技、云從科技等機器視覺獨角獸也一躍成為細分智能安防場景的佼佼者。
整體來說，華為、曠視科技等企業進入這條賽道，主要從細分、碎片化場景入手，諸如火車站、機場、口岸、銀行等一些公共場所碎片化的需求日益增多，推動營收呈現倍數增長。根據曠視科技早前披露的數據顯示：2016年營收為6780萬元增至2017年的3.13億元，到2018年增長至14.27億元，復合年增長率為358.8%。在筆者看來，這主要得益于視頻物聯網應用于城市及公共場所所釋放的巨大機遇。
以機器學習、深度學習為核心的人工智能技術得到迅猛發展，為各行業帶來創新活力，包括安防領域。人工智能、物聯網和邊緣智能等新技術推動安防產業邁入智能安防時代，以視頻為核心的物聯網行業前景廣闊。
不過，城市安防市場被海康威視、大華股份等傳統安防廠商占據，華為等其他巨頭，還是曠視、云從等創新企業入局，基本上都是從碎片化場景入局。只是一些碎片化的安防場景需求，導致人力、資源等成本投入偏高，倘若誰能通過技術底座能打通這些碎片化需求，也會有很大的收益空間。需要指出的是，而AI平臺則打通各碎片化場景關鍵所在。
在這場智能安防下半場的饕餮盛宴上，除了爭搶主賓位的大咖們的排位賽，那些躍躍欲試的中小玩家們也在其中大快朵頤。
阻礙智能安防“三座大山”正在被逐個攻破。
算法層面，為應對復雜的安防場景，各類不同的算法正在開發而成，實現包括像多特征提取識別、跨鏡頭追蹤、端云協同的智能分析等。細分場景下的算法的開發迭代為眾多中小AI企業提供了施展的空間。
數據層面，數據的云化和云邊端協同成為主流趨勢。依托云平臺和大數據，除了終端的軟硬件解耦，硬件、平臺、數據、算法應用都將做到分層解耦，使得一套智能安防系統可以由多個專業供應商來提供模塊技術支持，為產業多元化提供了發展空間。
算力層面，主流AI攝像機的計算能力正在完成從0.66T的低算力到4T、8T甚至16T的高算力躍遷。這將極大地提高前后端智能化處理能力，將人臉、 車輛抓拍、智能分析能力等效率大幅提升。
AI技術的成熟和應用為安防產業升級帶來全新機遇，同樣安防產業又是AI技術，特別是機器視覺和知識圖譜等技術，較早成熟落地又規模發展的成熟領域。
隨著城市精細化治理程度的不斷提高，城市安防也變得越來越重要。從一開始的公共安全、道路交通安全以及金融、校園、醫院等重點行業安全，逐步發展到園區、社區、家庭等區域、個人安全領域，正在形成一個完整的安防場景體系。
安防產業的特點本身就是市場巨大但場景碎片化嚴重，因此既能培育出海康威視、大華這樣的百億營收的安防巨頭，也能養活上萬家中小安防企業。
從智能安防所涉及的行業及業務場景來看，公共交通系統和公共安全系統這些非民用領域無疑是其 較為重要也是規模最大的市場領域。比如，2018年公安和交通類項目就整個市場份額的近4成。
這些AI安防領域的特點就是規模大、利潤可觀、技術要求高，但同時建設周期長、涉及環節眾多以及回款周期長，成為傳統安防老牌廠商、集成商和IT科技巨頭才能“玩得起”的高壁壘領域。
整個安防市場的“碎片化”、“分散化”特征又決定了智能安防領域難以形成一家通吃或幾家獨大的穩定格局。隨著智能安防行業和場景的不斷延伸、下沉，智能安防的商業落地充滿著全新的機遇。
涉及到智慧金融、智慧智慧社（園）區、智慧校園等細分領域的B端安防市場。幾乎在每一個細分領域上，都已經有多家傳統安防企業、AI廠商積極入局，甚至像萬科這樣的地產商也已經在建設自己的社區安防平臺，以打造具有自身優勢的智慧社區；而像傳統公共安全領域大佬的海康威視，也在通過積極的收購，涉足門禁、物業管理、樓宇對講、車牌識別等業務。
在B端行業場景，智能安防正在深入到眾多產業無法觸及的細分場景中。比如建筑工地，原先攝像頭只能起到防盜監控的責任，現在通過在建筑塔吊、車輛機械設備上配置攝像頭，可以有效監控工程的施工進度、人員操作規范和安全防護，同樣，在港口、礦區、消防、環保、物流制造等B端產業，AI攝像頭的布局可以極大降低人工現場作業和巡查的任務量，并由安防系統進行實時的監測分析和險情匯報。AI算法廠商和應用解決方案集成商都可以在大量新型場景中構建自己的專業能力。
在公共安全領域，2016年提出的“雪亮工程”帶來一個百億級的市場規模。這一推進平安鄉村建設的群眾性治安防控工程，將安防市場直接下沉到縣鄉村一級，成為那些產品豐富、工程能力強的集成商爭搶的“蛋糕”。而作為那些無法直接競爭的AI初創企業而言，可以通過承擔技術或服務器提供商的角色，承擔其中一部分工程建設，來從中分得一份收益。
向下沉，避免從賽道里擠滿巨頭的交通、公共安全向市場更為場景分散但體量可觀的細分場景遷移，以獲得生存空間；向深挖，在這些細分行業的細分場景中占據專業技術位或者提供專業落地方案，成為行業巨頭的合作伙伴和專業技術、產品和服務提供商。這兩個方向或將成為中小企業在智能安防市場另辟蹊徑的新選擇。
隨著AI、大數據和云計算等技術的發展，安防正在從傳統視頻監控走向了智能安防。其中，AI技術，特別是機器視覺技術廣泛應用于視頻監控領域，實現從“看得清”到“看得懂”再到“能決策”的方向升級。
AI技術在應用于安防領域中，其本身也正在突破算力、算法、大數據這“三座大山”，幫助安防產業實現從“弱人工智能”階段向真正的強智能安防階段過度。在AI金字塔中，目前應用層機會大，新進入企業可以利用行業壁壘做技術應用。
算力的提升依賴于AI芯片處理能力的提升。而傳統攝像機內置的低算力芯片使感知、識別性能并不理想。
算法的升級需要得到來自軟硬件的解耦和開放的算法生態的支持。傳統攝像機更換算法需要同時更換攝像機，所以算法一旦變更，相當于全網重建。AI攝像機如果支持軟硬件解耦，算法按需加載，將快速適配業務變化，將極大減少重復建設成本。深度學習算法的進步和開放的算法訓練平臺，能夠為端側的多場景識別提供豐富算法。
數據的整合需要實現多維數據的標準化和互聯互通。多維數據的標準化來自于對視頻數據結構化的分析，將多維數據進行擬合，來提升AI的識別率。數據的互聯互通則需要端邊云的數據協同。
如何在AI、5G、IoT等新興技術賦能安防產業下，從用戶場景的角度重新設計自己的產品和系統，找到自己的新定位？
對于大量中小智能安防企業，相比較于久經考驗和底子厚實的安防大廠和跨界巨頭們，中小企業需要面對更多的挑戰。
從技術到場景落地，這些智能安防企業要應對以下問題。
無論如何，智能安防產業的下半場已經來到，無論是在傳統海量的公共安防場景，還是新技術開辟的新行業細分場景，都將提供無比豐美的生態位，來讓不同體量、不同位置的選手贏得自己的生存之地。
當然也需要記住的是，下半場同樣也是淘汰賽的開始。一旦群雄長成，空間變小，那些未能成功占位的參賽者，也可能難以避免被擠壓、淘汰甚至被吞食的結果。
2020年的開局，可能讓眾多行業都出現暫時的停滯，但對于安防行業來說，則帶來了一次積極的啟示，現代城市在應對重大公共危機當中仍然問題重重，而智能安防將大有可為。
智能安防的角逐才剛剛開始，在AI、5G和IoT等新技術變革推動的產業互聯網和城市智能化浪潮中，不僅傳統安防的所有場景都值得重做一遍，而且To G、To B市場還將誕生新的一波智能安防的場景，貢獻價值萬億的市場紅利。
