安防AI應用場景落地需要算法、算力、產品與應用四個方面的合力才能推動，其中算法仍然是核心。
1.算法層面
除了需要不斷提升應用場景的環境適應能力外，還需要在保證算法精度的前提下對模型的持續精煉，以降低對算力的消耗，從而控制硬件資源的投入、系統建設成本和電力消耗，為大規模泛智能化應用創造條件。因此誰掌握了深度學習的核心技術，具備算法的持續優化迭代能力，誰就會在未來的市場中占據主導地位。雖然安防AI市場的參與者都宣稱具有自主開發算法的能力，但絕大多數是利用開源深度學習框架進行二次開發和模型訓練，本身并不掌握核心技術，而開源框架多數來源于美國的公司或研究機構，未來在算法的迭代能力上將面臨極大的考驗。
2.算力層面
無論是云端算力和邊緣算力將會得到大幅度提升，英偉達不斷刷新其推理型GPU芯片的運算性能和能耗比，為云端運算提供強大的算力支撐。Intel、NXP、AMD、GOOGLE、蘋果、IBM、ARM、高通、博通、三星等國際知名芯片廠商以及華為、寒武紀、深鑒、地平線、中星微等國內芯片廠商都在AI芯片上持續發力，未來必將呈現眾彩紛呈的局面，讓每個安防設備都具備強大的AI能力。
3.產品層面
目前云端產品主要以GPU服務器為主，未來會出現集成ARM、高通、華為海思、FPGA等芯片架構的云端AI運算服務器。隨著高性能、微功耗、低成本AI芯片的推出，未來最值得期待的將會是邊緣節點泛智能產品，如可同時運行多種AI算法模型的AI攝像機、智能NVR等產品，AI將會是安防監控設備的標配能力。
4.應用層面
AI來源于深度學習與大數據，AI同時也產生大數據，如基于人臉、人體、車輛特征的時空軌跡大數據。AI的核心是算法，本質是大數據，特別是在公安行業，AI給警用大數據注入了新鮮血液，有了AI才算真正有了警用大數據。因此未來在安防AI應用層面，不僅僅是目前簡單的人臉比對、黑名單布控、身份甄別等簡單化應用，而是具備更大可挖掘價值的AI大數據應用，也將會涌現出一批專注于面向各行業的AI大數據挖掘和應用的企業。
隨著算法、算力、芯片的快速發展和泛AI業務場景的深度應用，行業將迎來泛AI時代，預計到2022年，AI將成為幾乎所有安防監控系統的必備能力。到那時候，將有無數個帶有目標、行為辨識和思維能力的“眼睛”伴隨著我們，保護著我們的平安，護佑著我們的工作與生活。
