傳統手工業中，工匠的工作程序包括搜集材料、制作、組裝、操作器械、自行找尋、安放等一系列繁瑣任務，組裝一個復雜產品或許還要將這些任務做上百次。而在工業的大量生產中，通過采用標準部件和廣泛分工，就能以低成本生產大量產品。現代概念的量產由此開始蓬勃發展。

AI的落地應用也是如此。AI最終還是要從實驗室走進社會生產生活，因此AI也需要從“傳統工匠制作”走向大規模生產。

AI安防需求高漲 價格卻不低

用戶AI安防保持著旺盛的需求，以前端AI攝像頭為例：2018年華東、華南等地區需求量在10%-20% 左右，對于智能化產品的預算可以達到 20%-30%；內陸地區需求也有長足進展。與此同時，前后端軟硬件均存在三至五年后更新換代需求，對AI安防的需求也將逐年升高。

而安防AI智能化發展仍處于高投入落地階段，仍以視頻監控為例，據《安全自動化》調查，AI視頻監控系統成本高達近萬元/路視頻，即便能夠很好地控制成本，價格也不會低于3000元/路。這種情況下，只有通過大規模生產，才有望滿足需求、實現大規模落地。

碎片化制約智能安防落地

安防行業是較早應用AI的行業之一，然而，AI安防仍然過于依賴應用場景，適用于A場景的方案難以應用于B場景，需要重新收集數據、調整算法。

海康威視總裁胡揚忠曾表示，安防市場是一個非常碎片化的市場，這主要體現在用戶、產品與應用的分散。AI可以滿足行業客戶更多需求，進一步打開市場空間，但安防行業仍是一個碎片化市場。

AI泛化能力不足成為制約智能安防落地的阻力，要想同時滿足客戶碎片化需求并具備快速交付能力，需要建立一個非常復雜的體系。

AI安防落地 需要升級大規模生產工具

安防行業中，AI技術在某場景的落地程序包括數據收集、數據標注、算法設計、訓練、集成、上線等，并非所有的企業都有實力組建成千上萬人的科研團隊，因此，要實現AI落地，就需要升級大規模生產工具。

海康威視、華為、騰訊優圖等企業提出的解決路徑是供給規模化的AI工具，以減少對科研人員的依賴。以AI開放平臺為例，這一平臺能夠利用自動化工具簡化AI算法開發過程，一個零算法基礎的用戶在一小時之內就可以完成整個算法的訓練以及部署。

此外，“軟件定義攝像機”也有利于解決AI攝像機在不同場景中的適應性問題。相比于傳統攝像機軟硬件綁定和CPU能力所帶來的局限，軟件定義可以使用戶按具體需要進行調整。

當然，這只是安防企業對AI規模化落地的初步探索，未來還將有更完善的方案。總而言之，AI安防落地，核心在于對AI+安防的深刻理解，真正弄懂場景與痛點，做到技術、產品、場景、工程、商業五位并舉，后期運營也是關鍵。