據a&s Research調研發現，當下安防城市級大專案仍以平安城市、智慧交通、雪亮工程為主，2019年智慧警務、人工智慧、人臉識別、智慧大腦、數字孿生等非傳統安防型別專案正逐年增加，但僅佔總體專案數量5%左右的水平，同時在智慧應用的落地中，人臉識別、車牌識別技術、影片結構化最為高頻，可以看出AI在安防專案中的落地應用尚處於發展初期，尤其在應用中，以人臉識別為例，大部分企業都在相同的開源框架下完成技術開發，演算法間的差異相對較小，具體方案的同質化現象日趨嚴重。

智慧安防應用落地三大難點

　　要使得AI技術進一步與安防場景結合，不僅需要時間與實踐積累，同時也需要算力、演算法進一步的進步，在當下，廠商之間的智慧化能力也體現在場景的落地能力的差異上。目前在AI落地的場景的實際運用中，一些標準化的場景中，人臉識別、人證合一、車輛結構化描述等AI技術應用擁有很高的成熟度，應用效果很好。但在一些非標準化的場景下，比如開放式的1：N人臉識別或是非交通卡口的治安監控點，由於安裝角度、光線環境等因素，人臉和車輛的識別分析效果依舊有待提升。

　　不少使用者反映，當前的AI過於依賴應用場景，在某個場景的應用很難適用於其他的場景需求，需要重新調整演算法與收集資料，AI演算法模型泛化能力不足以及投入成本壓力大，成為了制約智慧方案落地的最大阻力。以智慧監獄為例，目前在推進中遇到了不少挑戰——一是新技術的學習，需要每一個司法體系人員都需要接受和學習物聯網、人工智慧、大資料等前沿技術帶來的業務閉環的應用，這塊對於老齡化偏重監獄是個難點;二是管理模式和工作模式的改變帶來的挑戰，由於智慧監獄的監獄資訊流、工作流、管理流由線下走向線上，帶來管理模式和工作模式的改變，這塊還需根據資訊化不斷推進過程中去探索新的工作模式和管理模式;三是技術與業務的深度融合，目前很多新技術是雖然已經成熟，但是技術還得實用、管用、能用才能真正落地，所以還需要技術與業務的深度融合，形為業務工作流的閉環，才能真正實現向科技要警力的目標，目前來看，業務深度融合上存在不小的挑戰。

　　除此之外，在調研中廠商代表們也反映出目前智慧應用落地中存在的問題：一是目前人工智慧在安防行業的滲透仍然較低，需要所有攝像頭都能對影片資訊進行全面智慧分析之時，人工智慧在安防行業的價值才能真正凸顯出來，目前的現狀僅僅是用小部分演算法解決小部分的問題而已；二是目前人工智慧+安防的專案成交比例僅有5%-10%，人工智慧仍是代表著高階及昂貴的應用，這些客戶數量本來就不多，普惠AI迫在眉睫；三是企業與使用者的思維不一致，企業擅長用技術性的思維進行產品研發，而由於對技術沒有深入的理解，使用者對於產品的需求更多體現在實用性上。

　　a&s Research認為，要加速智慧應用落地速度，必須要處理好以下幾個方面的問題：

　　（1）安防行業深度碎片化問題，表現為使用者不集中、應用與產品分散、缺乏標準化的建設，導致出現以下狀況：首先是場景碎片化嚴重，在產品和專案的過程中，使用者認為智慧化便能解決一切問題，但實際上人工智慧並不是萬能。在很多碎片化場景裡，其實需要投入大量的人力、物力去解決場景化的問題；其次是產品與解決方案的碎片化問題。當前看來，不管是邊緣計算還是雲計算，實際上都是在解決點狀的問題，但由於碎片化太嚴重，在各個節點上部署智慧化和資料流轉等AI應用是一個很複雜的過程。也正因為如此，當前業內廠商普遍都比較期待AI專案標準化的儘快到來，標準建設將在一定程度緩解碎片化的痛點，讓專案的交付變得更便於執行；最後是演算法碎片化問題，由於演算法的持續更新實現了大規模智慧應用的落地，但演算法的升級是永無止境的過程，這導致廠商在進行資料規劃、視覺化可檢索和大資料融合時增加了不少難題，這點目前也只能透過技術的迭代、演算法的穩定得以緩解。總而言之，緩解場景碎片化痛點，並不是由某一類廠商便能獨自解決的，需要產業鏈上多個環節共同參與。綜合上述，目前的難點大概涉及到這幾個主要環節：一是需要積累面向場景的資料，二是需要工程師開發面向場景的演算法，三是需要大規模的訓練系統進行演算法的訓練，能讓前後端的產品承載智慧演算法，四是需要一個平臺軟體對接智慧功能和行業的需求。

　　（2）規模化智慧應用部署成本高。許多產品與方案在演示或者PK的階段都處於相對理想的環境中，但到了實際的環境中，使用者便會發現較大的差異。相對巨大成本的投入，卻得不到預期的效果，智慧應用的效果往往南轅北轍，讓眾多使用者望而卻步；

　　（3）安全問題。在行業進入智慧化之後，一方面人工智慧可以實現無人類干預，基於知識並能夠自我修正地自動化執行，這種決策方式往往會產生人們無法預料的結果，另一方面影片的資料都經過高度濃縮，價值遠超於前，尤其是個人隱私問題，導致被犯案的機率變得更高，對社會的影響也更大。

　　因此要真正解決落地及生根的問題，必須突破算力、演算法、應用、成本等因素，正面目前尚存的四大難題：一是中國安防市場的對於海量影片影象分析的AI應用剛需較大，但目前的應用仍然處於初步階段，越往後發展，越多元、越複雜，AI在安防市場的應用比大眾想象的邊界要更遠、更深，而這些需求現有公司並不能夠完全應對，因此企業需做長期性的技術準備；二是安防專案是集產業、技術、模式、資本、服務為一體的複雜系統，涉及前端採集、儲存、傳輸、管理、應用多個產業鏈條，當下賦能過程中，AI僅僅滲透到了採集等單個環節，智慧效果還有較大的提升空間；三是作為傳統制造業，安防產業鏈長、成本高也是擺在企業面前的一道現實問題，成百上千人的隊伍，加上鉅額的營銷、研發成本，想要一直緊咬傳統安防巨頭，做垂直應用變得越來越艱難；四是賽道現有玩家大多無法形成資料閉環，直接導致眼下的安防專案構成——整合商們拿著傳統安防廠商的攝像機、AI創業公司的演算法、ICT廠商的伺服器，找第三方公司做軟體交付，作業模式無法形成資料閉環，也是行業面臨的大問題。