人工智能的概念在许多年前就已经被提出，并历经了几波发展的浪潮。在安防领域，由于硬件本身问题以及算法、算力等制约，很长一段时间内都没有取得较大突破。目前，基于*的机器视觉和深度学习方面的研究成果，安防行业正在依托前端信息感知，后端云计算等技术的不断发展，迅速得推进着安防信息化、智能化的过程。

    当前，机器视觉和深度学习是人工智能的两大热点，相关的开源框架是推进其发展的重要动力。开源框架更新快、可扩展、二次开发性强，对于相对传统的安防企业降低开发投入和客户购买成本非常友好。由此，近两年间可以看到相当数量的安防企业都在一定程度上进行了人工智能技术的投资布局、研发。

    在安防+AI快速发展的同时，专注该领域的企业也开始注意到深耕场景、提高算法匹配度的重要性。在安防+AI的初期阶段，许多视觉模型的优越性也仅仅停留在实验室里和数据集的排名上，当计算机视觉公司真正碰到安防场景时，许多实际问题开始显现，亟待克服解决。

    同时，算法匹配实际场景不仅需要通过构建更加复杂、合理的模型，也需要硬件的支持。于是，一些软件、算法SDK提供厂商开始发展嵌入式硬件产品。

    究其原因，算法的底层框架同源导致同质化是其一，另一方面是硬件平台的效率和能力还需进一步提高。由GPU代替CPU处理图像视频效率有所提高，然后在能耗比，经济性上仍然无法匹敌专用性芯片ASIC。同时，安防场景多样化，碎片化，专用型芯片更有可能为产品提供模块化的人工智能能力。

    在安防行业经历过数字化、信息化的过程后，安防系统的产品、产业结构都被进一步压缩，后端系统呈“云”化趋势，前端产品“端”化，同时“云”、“端”协同，双向发展。因此，国际巨头依然在CPU、GPU、FPGA型集成电路上布局发展，提高云端性能和通用性；而终端一侧，也出现了初创公司来弥补终端ASIC能耗比不足、效率不足等问题。

    伴随着软硬件的发展，大规模的生物识别、物体特征识别、视频架构化成为可能，随之获得的大量数据，可以被筛选和分析，进而进行关联和推断，由此基于数据的分析和服务也成为了安防+AI领域的重头戏。然而伴随数据的爆炸式增长，对于数据、隐私泄露的担忧一直存在，许多数据采集和利用方面的法律法规也有待健全；但可以预见，在人工智能发展的大趋势面前，这些问题和风险终将被合理规避。

    在算法、算力、数据这三家马车的驱使之下，安防+AI还会继续前行。