在AI变革之下，传统安防企业积极拥抱AI技术，一些大型安防上市企业也提出对应策略，但时间点都集中在2016年北京安博会上，成熟的AI产品的推出则在一年后的深圳安博会上。因此从时间上看，算法积累以及与行业的结合时间还较短。

在日前发布的《2018中国人工智能商业落地研究报告》中，显示2017年中国AI创业公司获得的累计融资超过500亿元，但2017年AI商业落地100强创业公司累计产生的收入却不足100亿元，90%以上的AI企业亏损。
一方面，人工智能教育、投融资高潮迭起，另一方面，AI初创公司商业落地却举步维艰，一上一下两者呈现冰火两重天的格局。目前人工智能产业雷声大、雨点小，AI正遭遇商业落地之痛，似乎已经成为业界人士的共识。

01在企业层面，AI落地安防主要存在的问题

目前来看，实现AI技术在安防领域的落地，谁最先驾驭人工智能的“三驾马车”即精准算法，超强计算能力以及海量数据，谁就最具有先发优势。更为重要的一点是谁能构建起以大数据为基础，以算法为推动力，以智能硬件为依托的结合场景化应用的整体解决方案，谁将最终把握行业应用市场。
现实情况却是在安防领域参与AI建设的各方均存在明显的优劣势，无法做到一统江湖。

处于最底层的安防中小企业既没有资金实力，又缺乏算法领域研发，又没有能力通过与各地公安业务部分建立合作关系获取大数据支撑，唯独有细分领域应用的行业积累，这也是AI时代，安防中小企业亟需解决的难题。

02在技术层面，AI落地安防主要存在的问题

目前来看，人工智能技术在安防行业的应用还只是浅层次的，技术还不成熟。

七牛云AI实验室联合创始人林亦宁在「2018中国人工智能安防峰会」曾表示：技术落地过程中，比如说经常会碰到一些问题，当需要把一些传统的老民警的经验转化成算法模型的时候，客户往往会告诉你说这个数据不能出场，只能在场内进行迭代。还有比如它的数据的类型和我们实际上能够接触到的数据类型，或者我们平时积累比较多的数据类型完全不是一类分布的情况下，该如何做好这些事情，这都是很细节的问题，但是实际在操作的过程中都是很重要的问题。

例如AI在细分领域中环境适应性较差，目前鉴于车辆及道路环境的相对标准化，识别率相对较高，但对于人脸的准确识别则很容易受到光照不足、图像模糊、目标尺寸过小或相互遮挡等环境影响，以致影响到识别准确率。

另外，数据资源分散，安防领域监控数据的开放性和共享程度相对较低，很难开展多维数据的交叉融合分析，这使得人工智能分析缺乏有效的数据支撑，同样也会影响准确率；同时，不同的场景理解受限，由于缺乏有效的专业领域经验知识的积累，视频内容的理解能力偏弱，目前的智能分析多为单场景的目标检测和行为分析，很少涉及大范围场景的关联行为分析，以致很难用于异常行为分析和风险预测。