AI的落地应用也是如此。AI最终还是要从实验室走进社会生产生活，因此AI也需要从“传统工匠制作”走向大规模生产。

传统手工业中，工匠的工作程序包括搜集材料、制作、组装、操作器械、自行找寻、安放等一系列繁琐任务，组装一个复杂产品或许还要将这些任务做上百次。而在工业的大量生产中，通过采用标准部件和广泛分工，就能以低成本生产大量产品。现代概念的量产由此开始蓬勃发展。

AI的落地应用也是如此。AI最终还是要从实验室走进社会生产生活，因此AI也需要从“传统工匠制作”走向大规模生产。

AI安防需求高涨 价格却不低

用户AI安防保持着旺盛的需求，以前端AI摄像头为例：2018年华东、华南等地区需求量在10%-20% 左右，对于智能化产品的预算可以达到 20%-30%；内陆地区需求也有长足进展。与此同时，前后端软硬件均存在三至五年后更新换代需求，对AI安防的需求也将逐年升高。

而安防AI智能化发展仍处于高投入落地阶段，仍以视频监控为例，据《安全自动化》调查，AI视频监控系统成本高达近万元/路视频，即便能够很好地控制成本，价格也不会低于3000元/路。这种情况下，只有通过大规模生产，才有望满足需求、实现大规模落地。

碎片化制约智能安防落地

安防行业是较早应用AI的行业之一，然而，AI安防仍然过于依赖应用场景，适用于A场景的方案难以应用于B场景，需要重新收集数据、调整算法。

AI泛化能力不足成为制约智能安防落地的阻力，要想同时满足客户碎片化需求并具备快速交付能力，需要建立一个非常复杂的体系。

AI安防落地 需要升级大规模生产工具

安防行业中，AI技术在某场景的落地程序包括数据收集、数据标注、算法设计、训练、集成、上线等，并非所有的企业都有实力组建成千上万人的科研团队，因此，要实现AI落地，就需要升级大规模生产工具。

此外，“软件定义摄像机”也有利于解决AI摄像机在不同场景中的适应性问题。相比于传统摄像机软硬件绑定和CPU能力所带来的局限，软件定义可以使用户按具体需要进行调整。

当然，这只是安防企业对AI规模化落地的初步探索，未来还将有更完善的方案。总而言之，AI安防落地，核心在于对AI+安防的深刻理解，真正弄懂场景与痛点，做到技术、产品、场景、工程、商业五位并举，后期运营也是关键。