大规模落地：AI安防仍存两大痛点
当前AI落地能力与用户需求存有较大差距，前者还需面对数据隐私保护与安全管控、低成本、流程再造、组织变革等挑战。
具体来看，最为核心的痛点有二：
其一， 数据不够多元，且异常封闭。
中国拥有庞大的人口数量、用户量及图像采集点，相关企业得到数据之后经过筛选、过滤、叠加、组合，会对自身算法效果有阶段性提升。
但这类提升属于个人式的、微乎其微式的。
每个厂商所建设的AI系统类似一个又一个的“烟囱”，“烟囱式”架构也就是垂直的体系结构。
每一个IT系统都有自己的存储和设备，以及独立的管理工具和数据库，不同的系统不能共享资源、不能交付和访问，形成了资源孤岛和信息孤岛。
由于不同企业的数据库模型设计和针对的目标有所不同，他们也无法直接交换、共享模型。
即便相关企业间的数据库可以融合，但受制于隐私、安全等问题，也绝不可如此为之。
有场景缺数据、有数据难共享。这是包括AI安防在内的诸多行业目前存在的普遍问题，也是阻碍AI普惠的最大痛点。
其二，缺乏优质数据，算法不够精准。
由于缺乏足够优质数据作为训练支撑，大多企业依靠开源框架微创新，然后采用低价策略抢占市场，导致整个行业丧失了做基础原创技术创新动力的案例。
坚持自研是一条漫长且艰苦的路，没人知道数年的努力能不能换得一次数量级的提升，也没人知道高投入后是否得到与之相匹配的回报。
对此有人或许会提到，基于安防行业自身天然的高试错率，小数点后的算法精度数量级提升对于项目的最终归属没有大的改变。
其实，现阶段与安防相关的AI技术精准度还远远没有达到天花板，分类检测、分割、以及对整个图像区域分类问题均还未得到很好解决。
