157
AI赋能安防，并非是将原来的业务重做一遍，而是基于AI做增量，赋能、补充原有流程。
雷锋网AI掘金志曾与旷视副总裁陈雪松有过一次谈话，彼时他刚退身国企单位，加入AI公司旷视。他曾谈到，AI在安防行业的这把火，火得燎原，且不易灭。几年过后，当AI掘金志再次与其交谈时，AI安防已经在时间车轮中飞快地运转良久。那么，在这位传统安防与AI的双重浸润下的安防老兵看来，四年里，AI这把火，在安防行业燎了哪些原？
AI 安防的“果实”
四年前，陈雪松曾说：“我在安防行业工作了17年，切身感受到人工智能对作业模式、作业流程、作业效率的改变。虽然AI在安防中的落地过程中屡屡遇到阻碍，但不得不说，这一次，它对传统安防地改变是彻头彻尾的。”四年后，陈雪松对“彻头彻尾”进行了更详细的解释：
规模效应和业务逻辑。
这几年，AI应用规模出现指数级上升。2017年，“百路适用和建设”是主体。陈雪松回忆，当时部里的一个文件，要求各地建设摄像头，试点试用AI，第二年发文要求保底建设100路。2018年，千路建设已初现规模，不少区县级城市建设起千路级规模。2019年，万路建设成为主要城市的常态，万路的汇聚和计算成为中大型城市标配。规模的梯度递增意味着什么？百路规模时，AI安防只能处理大家所熟知的人脸，节点处于出入口，后台显示的是离散的点上数据。千路规模时，在城市的主干道或关键节点和环节上覆盖，形成圈层概念。
万路规模时，形成整个社会面的活动态势，各行业的边际效应开始显现。以交通为例，百路时，后台只能呈现简单的点路信息，只能反映实时的车流量和车辆运营状态，连所谓的非机动车、机动车混行和车辆违规停放等应用都难以实现。而达到十万亿信息规模时，后台能够掌握海量信息的权威视角。
陈雪松笑称，这就是“管中窥豹”和“看图知晓天下”的区别。而行业需求和行业积累是规模效应的内因。安防的智能化途径有二，前端的智能摄像头和后端的智能化平台。
其中不可避免面临的一个关键环节是，解析到底在哪里发生？陈雪松指出，一个城市至少有几十万摄像头，以视频为核心的网络架构实际是在边缘汇聚，到中心节点时，是点播和浏览模式，它并没有真正实现全链路的拉通，如此一来，链路带宽对AI企业来说，将是天价成本。而因用户的智能化诉求，驱动着AI从端和中心计算的改造向边缘侧计算发展。在边缘侧部署计算节点过程中，实际上进行了网络改造和网络升级。边缘计算与网络改造工程量并不小，从用户建设的成本看，一个完整的工程建设中，网络改造成本可能远高于智能化成本。
所以边缘计算、端计算和中心计算三者结合，规模效益才得以显现。这从而也驱动了整个行业的标准化。同时，平安城市、雪亮工程等政策更是功不可没，让十几年的安防产业逐渐积累起一个个万路级城市。陈雪松预测，目前一二线城市的智能前端覆盖率已达到一定规模，未来更多是纵深发展，在行业上往下深化沉淀，区域上往区县级城市发展。
在业务逻辑上，传统安防的管理逻辑以人防为主，技防为辅。无论是社会安保，还是园区安防管理，亦或重大活动，人的发现、决策和管理是核心体系。
“这几年的一个重大变化，以人群和人防为主体变成了人防与技防结合。”“人防和技防”在目前概念横飞的市场早已不是新鲜词，却是这位在安防行业摸爬滚打20年老兵的切实感受。“目前在安防的执行层面，机器还不能完全代替人，但是发现层面的业务逻辑基本上被技防替代，这是最大的根本性的变化。”陈雪松提到，疫情防控上，目前依然有大量人在一线巡防和驻点，但他们更多是临时的应急响应和处置力量，以加强现场执法和治安管理的影响力。而要形成社会面的常态化布控，需要依靠AI等技术。
在社会治理层面，如今的AI安防基本以后台分析为主，后台数据驱动前端的执行。公安领域，在执行处置环节，AI主要基于后台的视频大数据和人像大数据，以及人的行为模式轨迹大数据等帮助执法人员进行分析与决策，从而更精准、更有效的处理业务。
算法精度高峰的山脚
“AI安防正呈现边界溢出效应。”人脸不再只是唯一核心，以AI视觉为核心，辅以大数据，AI在社会面的综合管理和城市的管理领域逐步拓展。一来，AI的附加值极高，能够从本质上推动，甚至拉动一些传统产业的变革；二来，从投资利用层面，解析视频成本固定，公共性设施领域，为不同行业赋能时，效益增倍。同时，市场对AI的理解和尝试变得更加清晰和聚焦。
从企业运营上看，不管是AI公司还是传统公司，都逐渐聚焦到真正的可持续发展战略和经营的质量上，AI企业也少了份噱头与泡沫，多了份沉稳与扎实。“是否可用，是否好用，最终关注的还是用户的价值体现，这一点大家更加务实。”
从用户层面看，认知价值的边界更加清晰，效能的呈现，将成为更主流的发展趋势，客户关心的不是技术，而是技术带来的价值。与此同时，算法精度已经从单一维度向横纵两个维度快速发展。“对我们来说，在算法精度的追求上，不管你哪次爬到峰顶的时候，你都会发现你还在珠穆朗玛峰脚下。”
陈雪松强调，最初简单的1:1、1:N的人脸识别精度已达到一定高度，随着前端智能化规模化发展，人体、人和车、人和人、人和环境、车辆本身、各种行为的识别催生了多维算法的应用。乱搭乱建乱放，占道经营，井盖位移，老人跌倒，整个社会治理层面需求全面爆发，这些，是基于海量摄像头，而非所谓的卡口摄像头。
随着AI规模化应用，一个城市每一天新增的视图数据可多达十几亿。在这个维度，要求多个算法精度同步提升，这对算法多维度的高精度要求极高。旷视在聚类一条以人、车为核心的数据时，也挑战了之前从未有过的精度要求。“以前即使是上亿的识别，也只是单一人像维度的检索和验证，现在做聚类，是包含人像、人体、车辆等多维数据的碰撞，量级高达几百亿，不仅归档率、分类度要求很高，而且都是基于自然摄像头产生的（数据质量也参差不齐）。”
陈雪松补充：“这个维度的计算和以前单一点状计算完全不是一个维度，目前真正达到可用程度的技术提供商，中国不超过2.5家。”这也是AI行业的下一个珠穆朗玛峰。2017年，陈雪松曾担忧于行业发展的三大阻碍：前端智能化不理想，各部门之间数据难打通和业务流程难改变。在他看来，这些问题已经得到极大地改善。
- 前端智能化
2020年，相关部门下发文件对前端智能化覆盖率提出了更高要求。这将通过端设备、边缘计算和中心计算三者的智能化共同实现。陈雪松认为，目前还在建设阶段，但从万路规模看，发展非常快速。
- 数据打通
“如果单从信息化角度来说，它难以本质性的改变数据打通问题，而这恰恰是AI的价值所在。”陈雪松感慨，从前的智慧城市建设，最难的一件事情就是数据孤岛。公安、城管、交通，不同的系统不能共享资源，不能交付和访问，形成了资源孤岛和信息孤岛。而如今，各部门所掌握的传统大数据只占数据总量的5%，95%则是等待AI挖掘的视频数据。基于AI产生的海量数据，价值足够大，也促使各系统将自身的结构化数据与与视频数据碰撞，产生数据关联，以及更高维的数据价值。“你有了一个黑洞，能够吸引其他星球向你靠拢，”他强调，“这比单纯的行政命令促进数据融合效果更快。”行政体制的推进也在促使资源逐步实现共享。目前在北京、上海等地的政府均在推动社会资源和解析资源的汇聚，并为各行业提供应用。“这是下一步的发展方向和模式，同时也是投资效益比最大、最能充分发挥前端感知能力和后端计算的创新价值的关键。”
- 业务流程
越来越多的视频大数据被指挥体系和执行体系关注，甚至由指挥决策体系牵头进行视频大数据应用建设，流程改造逐步得到推动和完善。陈雪松表示，其中也有不少困难，建设以信息化部门为核心，应用部门的参与度和业务能力提升任重道远。当AI作为基础效能工具，整合进流程里，被常态化部署时，即是AI成为生产力时，意味着流程改造基本完成，但这是一个逐步深化的过程。目前，AI已经将110电话接警、网络接警、微信接警等能力整合进流程中，成为制度化的、被认可的体系。
低头努力，发力狂奔
陈雪松认为，AI公司本质是基于行业进行变革。AI公司在算法能力之外，必须要提供行业能力，而这个行业能力是现有业态的补充和提升，是做增量后拉动更多合作伙伴分润的问题。
“AI赋能安防行业时，并非是将原来的业务再重做一遍，而是基于AI，赋能、补充原有流程，做增量。”他举例，城管领域传统通常是人巡模式，随着数字城管向智慧城管的转型，我们也助力很多城管客户将视频分析模式补充进来，并进一步将自动发现和处理流程整合到处置流程中。
他还提到，AI公司之前，视频领域本质上只有视频建设，AI之后，边缘计算、中心计算、视频大数据等等应用，在既有技术上进行深化和提升，同时也拉动了前端能力建设。当前公安体系里的分层解耦，本质上是去适应和解决过多的碎片化带来的问题，这也是未来大规模建设的趋势。
陈雪松总结，在一些垂直新的领域里，AI公司都在努力向业务上做一些延伸去探索闭环价值。他认为随着市场教育逐渐成熟，用户的关注、需求一定远超目前实际能提供的。“在这个基础上，AI公司还需要低头努力，在垂直赛道上发力狂奔。”
