智能安防下半场，中小玩家如何找到市场新机？
水大鱼大，用这句话形容当下的智能安防产业可能再合适不过了。
随着城市精细化治理程度的不断提高，城市安防也变得越来越重要。从一开始的公共安全、道路交通安全以及金融、校园、医院等重点行业安全，逐步发展到园区、社区、家庭等区域、个人安全领域，正在形成一个完整的安防场景体系。
AI技术的成熟和应用为安防产业升级带来全新机遇，同样安防产业又是AI技术，特别是机器视觉和知识图谱等技术，最早成熟落地又规模发展的成熟领域。
根据《2019中国安防行业调查报告》的数据，2019年全国安防行业总产值为 8260亿元，全年增长率达到15%。智能安防在其中占据越来越重要的份额。据预计，智能安防市场在2020年将超过千亿市值，其中AI+安防软硬件市场规模将达到453亿元。
智能安防的产业发展大致可以分为“算法、算力、数据、方案、实施、运维”六个阶段。
前面三个阶段可以称之为“技术支撑”的上半场，无论是头部安防厂商、集成商，还是互联网、AI企业、云服务商，都已枕戈待旦，完成技术布局；后面三个阶段可以称之为“场景应用”的后半场，涉及到将产品、技术真正投入到具体的落地场景的应用当中，需要面临更激烈的竞争，也要面对更多现实的挑战，战幕即将开启。
安防产业的特点本身就是市场巨大但场景碎片化严重，因此既能培育出海康威视、大华这样的百亿营收的安防巨头，也能养活上万家中小安防企业。
而在最近几年涌入智能安防赛道的选手当中，我们也既能看到海大宇这些传统安防大咖，BAT这些互联网巨头入局，也能看到ICT巨头华为最新高调推出全新的智能安防品牌——华为HoloSens（好望），商汤、依图、旷视等AI新起之秀，以及从底层硬件到终端解决方案等上百家企业。
可以想见，角力智能安防赛道将会是一场非常激烈的白热化竞争。我们一定对看到对To G、To B上亿额度项目的殊死拼抢，也一定会看到延续传统安防市场争夺的价格大战，也会频频看到头部玩家们的明争暗斗……
然而在这些“似曾相识”的常态叙事之后，我们希望能深入探究下智能安防产业，因为技术升级和场景下沉，能够带来哪些市场新机遇？在这场智能安防下半场的饕餮盛宴上，除了争抢主宾位的大咖们的排位赛，那些跃跃欲试的中小玩家们是否也能在其中大快朵颐呢？
翻越AI“三座大山”，找到技术发力点
随着AI、大数据和云计算等技术的发展，安防正在从传统视频监控走向了智能安防。其中，AI技术，特别是机器视觉技术广泛应用于视频监控领域，实现从“看得清”到“看得懂”再到“能决策”的方向升级。
AI技术在应用于安防领域中，其本身也正在突破算力、算法、大数据这“三座大山”，帮助安防产业实现从“弱人工智能”阶段向真正的强智能安防阶段过度。
算力的提升依赖于AI芯片处理能力的提升。而传统摄像机内置的低算力芯片使感知、识别性能并不理想。
算法的升级需要得到来自软硬件的解耦和开放的算法生态的支持。传统摄像机更换算法需要同时更换摄像机，所以算法一旦变更，相当于全网重建。AI摄像机如果支持软硬件解耦，算法按需加载，将快速适配业务变化，将极大减少重复建设成本。深度学习算法的进步和开放的算法训练平台，能够为端侧的多场景识别提供丰富算法。
数据的整合需要实现多维数据的标准化和互联互通。多维数据的标准化来自于对视频数据结构化的分析，将多维数据进行拟合，来提升AI的识别率。数据的互联互通则需要端边云的数据协同。
而在过去的2019年，阻碍智能安防产业升级的这“三座大山”正在被逐个攻破。
算力层面，主流AI摄像机的计算能力正在完成从0.66T的低算力到4T、8T甚至16T的高算力跃迁。这将极大地提高前后端智能化处理能力，将人脸、车辆抓拍、智能分析能力等效率大幅提升。
算法层面，为应对复杂的安防场景，各类不同的算法正在开发而成，实现包括像多特征提取识别、跨镜头追踪、端云协同的智能分析等。细分场景下的算法的开发迭代为众多中小AI企业提供了施展的空间。
数据层面，数据的云化和云边端协同成为主流趋势。依托云平台和大数据，除了终端的软硬件解耦，硬件、平台、数据、算法应用都将做到分层解耦，使得一套智能安防系统可以由多个专业供应商来提供模块技术支持，为产业多元化提供了发展空间。
5G技术在2019年的正式商用以及未来几年的普及，也将成为智能安防发展的强劲助推因素。5G的大带宽能力满足视频的高清传输，低延时能力满足了监控的实时操控相应，海量联接又为智能安防提供了多维感知的可能。
5G和AI的结合，将极大提升智能安防在感知、分析和决策上面的效率，同时也能极大丰富安防行业的应用场景，将智能安防从现有的公共安全、交通等专用行业向更丰富的B端和C端行业场景扩展。
在这一过程中，除了自带天然优势的运营商、云服务厂商以及芯片、硬件厂商直接获益外，新型的AI创业企业、集成商和渠道商也同样可以在技术、生态和渠道上建立自己的专属优势，进入到场景应用的下半场赛道中。
应用场景下沉，找准行业生态位
从智能安防所涉及的行业及业务场景来看，公共交通系统和公共安全系统这些非民用领域无疑是其最重要也是规模最大的市场领域。比如，2018年公安和交通类项目就整个市场份额的近4成。
这些AI安防领域的特点就是规模大、利润可观、技术要求高，但同时建设周期长、涉及环节众多以及回款周期长，成为传统安防老牌厂商、集成商和IT科技巨头才能“玩得起”的高壁垒领域。
第二大市场领域就是涉及到智慧金融、智慧智慧社（园）区、智慧校园等细分领域的B端安防市场。几乎在每一个细分领域上，都已经有多家传统安防企业、AI厂商积极入局，甚至像万科这样的地产商也已经在建设自己的社区安防平台，以打造具有自身优势的智慧社区；而像传统公共安全领域大佬的海康威视，也在通过积极的收购，涉足门禁、物业管理、楼宇对讲、车牌识别等业务。
第三大细分领域就是纯C端市场。由于技术难度一般，更是成为AI安防的初创企业以及任何硬件企业都试图涉足的细分领域。在鱼龙混杂的竞争初期，入局企业更多比拼的是品牌和性价比，以销量换市场，但如何活下去、活得久，成为这些企业始终面临的问题。
不过，整个安防市场的“碎片化”、“分散化”特征又决定了智能安防领域难以形成一家通吃或几家独大的稳定格局。随着智能安防行业和场景的不断延伸、下沉，智能安防的商业落地充满着全新的机遇。
在公共安全领域，2016年提出的“雪亮工程”带来一个百亿级的市场规模。这一推进平安乡村建设的群众性治安防控工程，将安防市场直接下沉到县乡村一级，成为那些产品丰富、工程能力强的集成商争抢的“蛋糕”。而作为那些无法直接竞争的AI初创企业而言，可以通过承担技术或服务器提供商的角色，承担其中一部分工程建设，来从中分得一份收益。
在B端行业场景，智能安防正在深入到众多产业无法触及的细分场景中。比如建筑工地，原先摄像头只能起到防盗监控的责任，现在通过在建筑塔吊、车辆机械设备上配置摄像头，可以有效监控工程的施工进度、人员操作规范和安全防护，同样，在港口、矿区、消防、环保、物流制造等B端产业，AI摄像头的布局可以极大降低人工现场作业和巡查的任务量，并由安防系统进行实时的监测分析和险情汇报。AI算法厂商和应用解决方案集成商都可以在大量新型场景中构建自己的专业能力。
而在一些项目复杂且利润较低的行业，比如社区智能安防，正在从大厂商不愿做，小厂商不能做的尴尬局面转变为多方主体积极投入的形势。一些大的地产商正尝试从社区规划之初就进行社区AI安防的整体规划；而像阿里、腾讯也试图通过自身的软件入口与社区服务打通，通过后台的AI能力打造互联网AI社区；而众多AI企业也在通过一套完整的智能安防社区解决方案，是将人脸识别、视频结构化、大数据等技术与社区场景应用结合，实现更多细分场景功能的产品落地。
向下沉，避免从赛道里挤满巨头的交通、公共安全向市场更为场景分散但体量可观的细分场景迁移，以获得生存空间；向深挖，在这些细分行业的细分场景中占据专业技术位或者提供专业落地方案，成为行业巨头的合作伙伴和专业技术、产品和服务提供商。这两个方向或将成为中小企业在智能安防市场另辟蹊径的新选择。
