对话依图：做好安防的偶然与必然

有人说，“安防”是下一个潜在的房地产市场。

这个说法也许会有失偏颇，但两者之间也的确存有众多天然相似性：体量巨大、围绕城市铺开、与政府相关。

相关数据统计，智能安防市场2017年的盘子达到7400亿元。包括雪亮工程等国家大型安防项目的逐步落地，中国也将成为全世界拥有摄像头最多的国家之一，而每一个摄像头背后都流淌着巨额财富。

庞大蜜罐诱惑下，这个多金市场瞬间吸引了除了传统安防厂商外诸多互联网公司的注意。他们带着技术天赋、雄厚资源来势汹汹，势必要在安防智能化转型大潮中捞得一杯羹。

对于新晋“闯入者”，多数行业前辈并不看好。

在他们看来，原因多元，重要的有且只有一个：安防市场自身属性特别明显，相较技术问题，渠道问题会更加棘手。

与C端产品较为重视用户体验不同，在G端市场做生意，如果没有稳定的政府客户资源，安防老牌劲旅强大的软硬件一体化产品能力、行业解决方案能力、营销渠道能力和项目交付能力可以一夜之间干掉一家初创公司。

“稳定的政府客户资源。”通俗一点说，想要做好安防，就得有足够硬的“关系”。

“关系”，这是近乎所有安防从业者每天都会遇到的词，特别是在业务较好的厂商身上容易“被”出现。

其实在历朝历代，各个国家，“关系”多少都会存在。

早在三国时期，魏国所推行的九品中正制，便是为了给以贵族推荐制为中心的裙带关系开路；几百年后的宋朝，在科举制度被发明之前，“举孝廉”也是一种裙带关系。

从三国到宋朝，几百年的时间跨度都跨不过“关系”这层固化台阶，都绕不开少数人就能决定多数人存活与否的通道过程。

时间到了今天，历史顺延到安防行业，想要做好这项业务，真的还如常人所见？如若不然，还得具备哪些必备素质？

仅凭‘关系’拿项目是最大误解

  “仅凭‘关系’拿项目是人们对这个行业的最大误解。” 依图安防业务副总裁谷光烨说。

提到依图，业内人应该都不会陌生。

目前整体估值超过150亿元的依图是AI“独角兽”中最早将人工智能应用到安防领域的初创企业。

2012 年，人工智能未成风口，创业公司也没几家，VC圈尚不认可。那个年头，做AI已经要有难得的孤注一掷的情怀，不曾想一入场，依图便瞄准了行业公认的硬骨头：安防市场。

人们疑惑、不解甚至是嘲笑。

但依图并未理会，在这一垂直领域扎下根去，所研发的产品矩阵涉及人像识别比对、活体识别、车辆识别、套牌库建立、视觉特征搜车等多个领域。

之后不久，依图果真凭借技术的高可靠性得到了苏州公安局的青睐，获得了公司自创立以来的安防第一单。

而后，得益于公安内部不定时的交流传统，他们产品较好口碑一下子就在公安内部传开了。

眼下，他们已经具有十亿级的全球最大规模人像对比库，先后参与全国近30个省份270余个地市的公共安全建设，服务了12个警种，去年一年协助公安机关破案十万余起。

谷光烨认为，依图之所以能在竞争异常残酷的安防圈获得一些成绩，原因多元，但需要始终坚持一条：

“安防不是赚快钱的行业，这个行业非常传统、非常踏实，在这里面打拼，要抱着‘农耕’的态度，不要做着‘游牧’的事情。”

在与其交流的近两个小时的谈话内容中，雷锋网总结出四点精要，希望能够管中窥豹，以此给行业从业者们带来些许思考。

不放过每次0.001%精度的提升

 “场景优先，技术先行，技术是场景的催化剂、场景是技术的炼火石。想要在安防行业更好、更稳地走下去，一定要有自己‘拿得出手’的核心技术。”谷光烨说。

这不是一句废话，也不是老生常谈，人人都懂的道理说来不过一秒，做起来需要持续不断的投入，而且风险巨大，到最后可能成了先烈、赔了岁月。

从算法角度来说，太多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。

“现在的AI安防市场已经过了普及技术的阶段，眼下5%不到的智能安防产品渗透率只是暂时数据，行业‘去伪存真’阶段已经开始，之后不久，整个智能安防市场发展速度会在此背景下指数增长。” 谷光烨分析说。

在他看来，在新安防真智能时代下，没有自主算法的、不能指数级提高生产力的、为了做人工智能而做人工智能的参与者都会被淘汰，过去太多伪智能的存在让很多人理解不到AI真正的应用价值，导致了一些AI泡沫的产生。

与此同时，对于安防行业的AI技术融合、应用，频频出现“点到为止”技术论。

支持者认为，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。

“其实不然。”

谷光烨认为，“ 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，基于安防场景的不断变化，其对算法迭代的要求一定是非常严苛且上升的。在这个市场中，谁能够看到算法精度提升解锁的更多场景，并根据场景的变化做到最为快速且精准的反应，谁就能在未来竞比中走得更远。 ”

眼下，AI在安防领域的研究应用主要针对几个核心问题：分别是分类检测、分割、以及对整个图像区域分类。

以往来看，AI神经网络中激活函数、非线性单元、权重矩阵的应用形成了非常高维的非线性函数，从而可以完成非常复杂的任务；与此同时，在这基础之上，GPU的出现让神经网络的发展如虎添翼。

即便如此，相关AI技术在安防市场上的应用还存有几个挑战：

认知问题相较感知问题较难解决。感知问题可以用神经网络函数逼近，相比之下认知问题解决起来比较棘手。

比如如何教会机器辨识一把椅子。如果定义为四条腿，很多椅子并不满足此描述；如果定义为可以坐的物体，如此也行不通。所以说简单的检测物体问题上，背后都蕴含着更深层次的认知问题，如今很多问题还尚未解决。

在弱线索、遮挡、模糊、对象追踪等情况下，人类在识别的过程中通常会依据常识，并加入丰富的想象及推理。但是想要将这些能力传授给机器便非常困难；即使实现，识别能力与人类相比也相差甚远。

计算机视觉技术带给机器的能力不只是用来观察世界，而是需要与世界建立联系，从而一起做交互。在某个机器人去解决一件重要的问题需要用到手眼协同时，需要连续的关键决策，而不停地观察、决策和控制，这是机器智能目前非常难做到的事情。

随着安防行业的多元化发展，未来很多细分场景对于精度要求之高势必让人咂舌，基于背景知识的图像内容描述，挑战都非常巨大。

也就是说，AI在安防行业的探索才刚刚开始，如果此时只是准备现有场景且刚刚达标的技术储备，未来在这个市场比拼中会比较被动。

适当投资并购增砝码

“如果说产业经营是做‘加法’，那么投资并购就是做‘乘法’。”

未来的市场份额争夺会更偏向于报团取暖式进取，单打独斗个人英雄式的打法已经成为过去。

一个企业的并购行为，从某种意义上来说，并不是简单追求规模效益的推动，而是为未来的协同发展打好基础。

早在战国时期，诸侯并起、相互兼并，出现战国七雄，历经合纵连横，最终秦王扫六合，一统天下。

两千多年后，在全球一体化的趋势下，贸易、技术、服务、管理、资源、资本、智力等一切推动经济增长的要素都在不可逆转地荡涤着各国的经济边界。

在这个过程中，投资并购就是资源整合、就是扫荡边界、就是重新洗牌。

同理，在安防行业进行适当的投资并购的确能够起到事半功倍的效果。首先对于战胜竞争对手是一种可行办法；

其次，并购可以最为简单的覆盖并购者的资源，包括生产技术、市场份额、管理水平等等；

再来，对于很多想要进入海外市场的安防企业来说，并购也不失为一种好办法，这样可以更好规避关税和非关税壁垒，同时克服地缘障碍。

譬如，针对算力层的加强，依图科技投资了AI芯片初创团队ThinkForce。

“目前AI芯片用的都是英伟达（NVIDIA）公司研发的产品，几乎每家AI公司都要依赖它。”依图联合创始人林晨曦说，由于AI芯片的算力等问题，在相当长一段时间内，英伟达几乎处于“垄断”地位。

据悉，今年年底，该项投入便有望消除AI芯片的对外依赖，国产AI芯片即将面世。

谷光烨强调，适当的投资并购、合作能够起到1＋1＞2的作用，但无论是今天还是未来，依图所有的动作都是围绕AI在产业的应用出发。

个性定制化求蹊径

“安防是一个极具个性化的市场。在这里深耕，要有最好的技术和对客户最深入的了解。”

自古以来，AI创业者大多出身"名门", 他们从最顶尖的学术象牙塔转身投奔工业界，在传统安防市场寻找机会。

与此同时，在这个转换过程中，很多人不能脱下西装深入田间地头做产品；或者有些人索性待在实验室想场景。

就此，2014年至今，多少从业者高调进入又黯然收场。

谷光烨说，受制于强地域性且系统复杂性，安防很多项目涉及的专业多、链条长，对企业的资质、管理水平、项目实施经验均有较高要求，因此需要安防企业能够潜下心来与甲方多交流、磨算法，为他们提供完整可行的解决方案。

“安防作为智慧城市重要组成部分，也是依图最重要的业务之一。从2012年进军安防领域开始，我们就在安防领域大力投入，加强技术研究、探索场景落地。”

即便如此，在项目实施阶段，依图也还会遇到一系列的困难与挑战。

“但大多都不是技术上的问题。”

他举例说，先前在北方某城市，甲方需要针对麦秸秆焚烧做视频监控检测，当时包括依图在内有两家厂商竞标。

彼时，对于该需求，依图能够做到95%的识别准确率，但该项目负责人对此数据并不满意，执意做到99%以上才罢休。

就此，依图该项目小组彻夜调试，当拿着超过99%的数据去到项目处发现另外一家已中标，而且声称识别率也已经达到99%以上。

“后期才知道他们的机器识别准确率50%都不到，同时花钱雇了两个人日夜监护，有情况立即上报。”

“ 效果一样，处理方式不同。方式固然重要，但能给甲方带来真正价值的还是结果。”谷光烨回忆感慨道，“经过这件事，我发现技术虽然非常重要但不能一味地扎进技术里，摸透每个具体场景的真实需求同等重要。”

他说，安防行业，说起来就二字概括，但真的潜心去做就会发现，每一个甲方都有自己的独特需求，每一个场景都需要后期调优，每一个项目从开始到结束都困难重重。

面对这些繁杂问题，特别是初创企业一定需要善于学习，同时深入了解客户实际需求，实时帮助客户解决任何点位上的疑问及困难。

与此同时，谷光烨还认为，对于业务选择，在人力物力有限的情况下，与其广撒种不如深扎根，想要一口气涉足甚至吞下所有行业，还不如专下心来重点深耕几个赛道，认真分析研究这些赛道的情况和需求，提供贴合实际的全栈解决方案、精细化服务，增强与客户的粘性，之后再去做些新的尝试。

资金、交付、平台能力尚不可缺

“一般来说，TO G 项目周期较长，以公安举例说，一个项目首先会让多家竞标企业在不同分局免费试行一年，确定技术和系统运行稳定性后再集中POC测试，众多参与者最终只有一家企业获得订单。”

免费试行一年，再到回款，一来一去最少三年，三年时间要不断投入而且颗粒无收，对于多数创业公司来说压力巨大。

资金实力也决定赛道玩家是否有足够的粮草度过众人争食的寒冬。

再者，选择一个好的平台，通过生态平台来进行合作不失为一大智举。包括安防、智慧城市等项目是个非常繁杂的系统，在这个过程中，没有任何一家公司能够做好全部的工作。

在这个过程中，如果能够选择一个利益不冲突且拥有非常强大生态能力的平台合作伙伴，会在接下来的智慧城市拓展之路上走的更稳、更快、更好。

谷光烨强调， 以上所谈“方法论”的充分且必要前提是做好自己。

“打铁还需自身硬。”唯有修炼好内功，才能找到好的合作伙伴，才能更好地解决实际问题，才能更好地为客户服务，才能获得更大的市场份额。

AI安防需要持续广度与深度

对于很多从业者来说，安防也许是一个强GR行业。其实深耕下去，可能会发现，在通往接单的彼岸，关系也许是一座桥，但只要你自身硬实力够强，也能成功到岸。

在面对这个激烈的市场竞争中、在面对智能安防的转型大势中，你必须更加注重科技进步及全面创新，要把科技进步放在前所未有高度上的同时，通过全面创新为发挥科技创新的作用创造条件，最终实现经济发展向创新驱动转型。

所以说， 未来人工智能的发力需要更多的深度和广度。从实验室到实际应用，人工智能需要迈过商品化鸿沟，因此要大力推进人工智能在应用层面落地。

技术和数据本身需要找到有价值的场景进行应用才能形成产品或解决方案，实现价值。

你必须在在安防行业更多细分领域进一步了解人工智能的能力，对细分领域的流程进行重整，通过数据和应用的不断优化，分场景逐个突破，最终形成AI+安防的新版图。 雷锋网雷锋网 (公众号：雷锋网)

。