在当前阶段，行业对人工智能技术切入安防领域，最大的期待就是，可以把这个行业从以视频为核心，转变为以情报为核心。人们看视频的目的，不就是为了得到情报吗？但是以前从海量数据中获得情报的过程，类似于海底捞针。我们希望，人工智能让“海底捞针”变成“自动化”。

　　现在安防监控领域之所以还有机会，是因为人工智能使得一个新的潮流、新的转型在这个领域发生了。潮流推动着变化，变化给创业公司提供了机会。

　　也有人会问，在安防行业中，已经有了一批龙头厂商，那么，人工智能创业公司的机会在哪里？而在我看来，这是一个未知的过程，也是最有趣的过程。

　　在当年，索尼、三星、博世等海外公司占据了安防市场大部分比例时，数字化趋势带给了海康切入这个市场并成功的机遇。而在今天，安防监控之所以还有机会，我认为，很大程度上，是因为人工智能带来了这个领域一个新的转型机会。

　　如果现在有公司去做高清摄像头，我觉得是找死，因为从技术到供应链，海康、大华等公司已经做得非常好了。而在智能摄像头领域，格灵深瞳的产品，每张脸从左耳到右耳，150像素，我可以监控40米宽度的通道。在这个品类里，我们会做得更好。而事实上，我认为，当人工智能进入安防，10年之后，所有的摄像头都会变成智能摄像头。而在这个领域，我们是有机会的。

　　一个行业必须要转型才有新机会，如果没有这个转型的机会，根本不会出现一个创业公司变成巨头的机会，没有的。

　　其次，在安防领域里，有一个常见的误区，那就是迷信算法，认为算法可以解决一切。这显然是不正确的。就拿人脸识别来说，今天的算法不能够解决所有的问题，只能够解决一部分问题。有些人工智能公司会对外宣称，其人脸识别算法错误率能达到亿分之一，这是能够做到的，但它往往是在特定条件下得到的。比如说摆拍的静态识别。如果放在监控环境下，一个人低着头打着电话，只有100×100像素的时候，那么现在还远远做不到这样的精准度。

　　今天很多人在说人脸识别，那种看到一张脸、算出来一个特征，跟黑名单比对一下看谁比较像，这是很浅很浅的挖掘。你知道坏人是谁，把他给找出来，只能解决这种问题。但是我们的客户都希望说，我不知道坏人是谁，你给我找出来，这绝对要靠很深度的挖掘。

　　如果人工智能只是停留在算法的层次，那还是远远不够的。而安防是全世界最大的物联网。这是什么概念？像因特网，大家都很熟悉了，在互联网上，有很多人在用它，有内容的创造方，有观看者。你早晨起来出门，发了一个微信，你的朋友看了并点赞，你们就是内容的生产者和观看者。每天有多少人发这样的帖子，所以互联网上充满了各种各样的数据。但安防呢？你出门走出小区，被门口的摄像头拍了下来，它识别出你的穿着，你的表情和面部特征，这个数据量已经远超过了网上的发帖。而每隔20米，可能就会被新的摄像头拍下，识别一遍。以北京为例，它安装的摄像头总数已经超过 200 万个，它们每分每秒都在录像，每天就会产生长达 200 多万天的录像。安防物联网产生的数据量，已经远远大于过去的互联网。

　　针对这样庞大的数据量，你的识别精度有多高？你怎么处理大量的错误？我们真的做好这个准备了吗？我觉得这是一个极大的挑战。如果要走通这条路，需要连通各种多模态的数据，需要把数据挖掘做得很深厚，需要人工智能的硬件进一步改善。

　　在这种情况下，我认为人工智能时代的安防有三个支柱：智能硬件、算法、大数据。

　　首先，是硬件。你想象一下，北京的200万摄像头，如果把这些数据全部传到数据中心的话，带宽的概念是什么？一路高清视频的码流一般在2-4兆bps。今天一个千兆以太网，从理论上也只能传250路，atv，但是千兆以太网指的还是它的基带层的带宽，高清视频根本传不到250路，能传100路就可以了，那么200万路需要多少带宽？今天国内地级市的安防网络基本上就是千兆以太网，一些较发达城市可以达到万兆，万兆也只能传2000路。如果硬件不能够智能前端化，数据都传不到数据中心。所以第一步，硬件的智能前端化，可以对目标做现场的检测、跟踪和去重，能捕捉关键数据，并且在前端做初步加工，只把关键数据汇聚到数据中心处理，这样才能形成一个大数据系统。

　　第二，算法。前端的算法进行物体的检测跟踪，后端的算法就是识别物体，对图像做一个精确的结构化或者特征化分析。