市场调研 | 智能安防的发展现状及落地分析

　　智慧安防发展与落地趋势

　　（一）智能安防现状

　　近年来，在国家政策的支持下，天网工程、平安城市、雪亮工程等项目陆续落地，驱动着国内安防行业市场保持高速增长态势。同时，人工智能、大数据、云计算与物联网等新技术与安防实现快速的融合，让行业的边界不断泛化，AIoT的时代已经到来。

　　近两年来，中美贸易战、新冠肺炎疫情、缺芯涨价等因素，对安防行业形成了密集的冲击，全球安防市场需求均出现萎靡的态势，国内安防千万级项目市场规模有所降低，平安城市及雪亮工程（一期）项目开始进入存量更新及优化阶段。在疫情之后，提升城市在管理、应急等方面的智能化水平已经是城市升级改造的重要内容，与2020年政府提出的“新基建”相呼应，目前在千行百业数字转型、智能升级、融合创新等需求上，已经催生出不少的新应用，而智慧安防作为其中一个场景，也被赋予了新的使命，打开新的增量市场。

　　（1）安防设备市场概况

　　过去一年，由于疫情的爆发，在国内除了疫情相关的紧急安防项目外，其他安防建设项目的供应多处于延期状态，由于疫情的影响仍然存在，对于整个安防市场而言，充满着许多未知的变数。从整体上看，在疫情期间所暴露出基础设施薄弱、信息孤岛等短板，行业距离真正的AIoT仍有段距离，预计未来几年智能安防仍将迎来全面发展。

　　针对中国安防设备市场的调研结果，a&s Research统计，2020年中国安防设备市场达1455.2亿元，其中视频监控市场达718亿元，防盗报警市场达190亿元，出入口控制市场达320亿元，楼宇对讲/智能家居市场达227亿元。

　　在过去一年中，安防设备市场发展主要呈现出以下特点：一是受疫情及中美贸易影响，国内安防市场增速明显放缓，行业的集中度进一步集中；二是疫情期间，社区管理带动出入口控制市场增长，同时“宅”经济发展带动智能家居设备的增长，两者发展在过去一年均出现了长足的进步；三是受上游产能不足与原材料短缺影响，各行各业均出现原材料价格跳涨、供应缺货、订单周期延长等等现象，据高盛6月初的研究报告显示，全球超169个行业在一定程度上受到芯片短缺的影响，这也被誉为是近两年最困难的供应链挑战之一，其中智能汽车和智能安防受到的影响最为凸出，据市场反馈，仅同等摄像机产品，一年的涨幅便达30%~40%。

　　a&s Research认为，目前全球疫情仍未结束，整体经济环境仍存在诸多不稳定因素，同时上游芯片供应短期内也无法恢复正常，不断上涨的芯片价格，无形中也会挤压产品利润空间，如果持续下去，无疑将引发安防产业的新一轮洗牌。

　　（2）智能安防落地现状

　　在工程方面，据AI智道统计， 2020年共有2945条城市级大安防项目招标信息（超过200万的招标项目信息采集率应在70%以上，超过1000万的招标项目信息采集率超过80%），a&s Research剔除与智慧城市、城市级大安防项目无关项目（如建筑智能化、IT系统等），2020年城市级大安防项目招标信息共2803条，合计采购预算849.76亿元，合计中标金额803.61亿元。从工程项目及招标金额看，整体城市级大安防项目受疫情影响并不大。

　　从上图可知，当下安防城市级大项目仍以平安城市、智能交通、雪亮工程、交通管控为主，2020年人工智能、智慧大脑、数字孪生、车联网等非传统安防类型项目正逐年增加，但仅占总体项目数量20%左右的水平。当前在智能安防应用落地中，人脸识别、车牌识别、视频结构化、多维大数据分析、智能分析等最为高频，可以看出目前AI技术在安防项目的落地应用仍然聚集在感知与认知阶段。尤其在人脸识别的应用，大部分企业都在相同的开源框架下完成技术开发，算法间的差异相对较小，具体方案的同质化现象日趋严重。

　　受疫情影响，2020年全球经济萎缩4.3%，我国是全球主要经济体中唯一经济正增长的国家，2020年GDP同比增长2.3%。受大环境影响，加之安防终端用户治理整顿，行业设备和软件供应渐入饱和，安防系统集成行业增速也有所放缓。相较于往年，2020年由于疫情等原因的影响，智慧社区项目涌现了不少订单，让不少中小型集成商与工程商有意外之外的收获。

　　从量的角度看，据a&s Research统计数据显示，2015-2020年中国安防系统集成市场的规模分别为2563.33亿元、2819.66亿元、3158.00亿元、3631.70亿元、4067.51亿元，4474.26亿元，近五年增长率各自是10%、13％、15％、12％、10%。

　　随着行业新兴产品技术不断得到创新，安防集成商在安防产品和应用场景上不断拓展。安防系统集成已经覆盖到政府、公安、交通、司法、房地产、金融、能源、教育、医疗、通讯、部队等各主要领域。

　　依a&s Research调查到的2020年国内系统集成市场数据分析可见，受信用收紧地方政府投资节奏放缓，平安城市（包含雪亮工程）占比下降，但仍继续领跑细分市场，占据安防16%的市场份额。紧随其后的分别是智能交通、金融、房地产等细分市场占据的权重最大，三者分别贡献了整个安防集成工程市场的14%、10%、9%。此外，排在第五到九位的分别是校园、能源、司法、医院等成为安防系统集成市场中具有重要分量的拼图。

　　a&s Research通过走访与问卷的形式，向企业及用户调研智能安防落地难的主要原因，依次是应用效果无法达到预期>安全性及稳定性欠妥>成本高>技术成熟度不足，从中也可以看出，目前用户对于智能安防的认知已经逐步成熟，应用效果是决定用户选择智能安防产品或者解决方案的第一影响要素。

　　除此之外，在调研中厂商代表们也反映出目前智能应用落地中存在的问题：一是目前人工智能在安防行业的渗透仍然较低，需要所有摄像头都能对视频信息进行全面智能分析之时，人工智能在安防行业的价值才能真正凸显出来，目前的现状仅仅是用小部分算法解决小部分的问题而已；二是目前人工智能+安防的项目成交比例已经接近20%左右，尤其在疫情之后，园区、办公楼宇等对人脸识别或AI测温的需求更加强烈，智能安防应用比例有了显著提升，但距离AI普惠仍然有段距离，而且目前价格因素也让不少用户仍然处于观望阶段；三是企业与用户的思维不一致，企业擅长用技术性的思维进行产品研发，而由于对技术没有深入的理解，用户对于产品的需求更多体现在实用性上；四是随着国内人脸识别规范以及数据安全法等出台，隐私与安全无疑也会是智能安防落地的重要难题。以数字城市建设为例，随着数字化程度的提高，安全挑战也将越大，面对复杂多样的应用场景，网络和数据资产数量庞大，网络边界也难以被定义。

　　熵基科技系统集成部总经理乐富贵表示，在泛安防领域，在政策与市场的双重驱动下，AIoT应用场景正在加速落地，从终端、边缘端至云端，AIoT智能技术本身日臻成熟，设备渗透率逐渐提升，并进一步向互联互通阶段迈进。目前，AIoT技术落地应用还面临一些挑战：AI算法无法直接适配到细分垂直领域；不同系统、不同厂家设备之间的系统互通问题；AIoT应用落地的闭环商业模式仍处于探索阶段。

　　a&s Research认为，要加速智能应用落地速度，必须要处理好以下几个方面的问题：

　　（1）安防行业深度碎片化问题，表现为用户不集中、应用与产品分散、缺乏标准化的建设，导致出现以下状况：首先是场景碎片化严重，在产品和项目的过程中，用户认为智能化便能解决一切问题，但实际上人工智能并不是万能。在很多碎片化场景里，其实需要投入大量的人力、物力去解决场景化的问题；其次是产品与解决方案的碎片化问题。当前看来，不管是边缘计算还是云计算，实际上都是在解决点状的问题，但由于碎片化太严重，在各个节点上部署智能化和数据流转等AI应用是一个很复杂的过程。也正因为如此，当前业内厂商普遍都比较期待AI项目标准化的尽快到来，标准建设将在一定程度缓解碎片化的痛点，让项目的交付变得更便于执行；最后是算法碎片化问题，由于算法的持续更新实现了大规模智能应用的落地，但算法的升级是永无止境的过程，这导致厂商在进行数据规划、可视化可检索和大数据融合时增加了不少难题，这点目前也只能通过技术的迭代、算法的稳定得以缓解。总而言之，缓解场景碎片化痛点，并不是由某一类厂商便能独自解决的，需要产业链上多个环节共同参与。综合上述，目前的难点大概涉及到这几个主要环节：一是需要积累面向场景的数据，二是需要工程师开发面向场景的算法，三是需要大规模的训练系统进行算法的训练，能让前后端的产品承载智能算法，四是需要一个平台软件对接智能功能和行业的需求；

　　（2）规模化智能应用部署成本高。许多产品与方案在演示或者PK的阶段都处于相对理想的环境中，但到了实际的环境中，用户便会发现较大的差异。相对巨大成本的投入，却得不到预期的效果，智能应用的效果往往南辕北辙，让众多用户望而却步；

　　（3）安全问题。在视频监控领域，前期不管是天网工程还是平安城市的建设，视频接入网络已经覆盖了绝大部分区域，，成为我国特有的关键基础设施，但只有保证可用及安全的前提下，这些视频数据的价值才能体现。近年来，由于计算机硬件和软件、网络协议和结构以及网络管理等方面不可避免地存在安全漏洞，使得网络攻击成为可能，在网络对抗的大背景下，针对关键基础设施，攻击频率与强度正不断增强。

　　当前，视频监控同样面临着头号外部威胁——网络对抗。除了外忧，视频监控系统同样存在着内患，且在短时间内难以根除。随着雪亮工程或视频门禁一期的建设，视频监控网络覆盖更加广泛，前端设备的数量更加庞大，这些设备背后的风险更应得到关注：

　　（1）外场设备管理困难，一机一档信息不全不准，容易被私接、替换、伪造；

　　（2）安全风险消除困难，未及时更改出厂密码，未及时修复安全漏洞；

　　（3）内部人员违规泄密，运维人员违规调取查看，导致敏感数据外泄；

　　（4）网络互通互联，摄像机IP混杂，不规范网络互联，使得威胁扩散更快。

　　因此要真正解决落地及生根的问题，必须突破算力、算法、应用、成本等因素，正面目前尚存的四大难题：一是中国安防市场的对于海量视频图像分析的AI应用刚需较大，但目前的应用仍然处于初步阶段，越往后发展，越多元、越复杂，AI在安防市场的应用比大众想象的边界要更远、更深，而这些需求现有公司并不能够完全应对，因此企业需做长期性的技术准备；二是安防项目是集产业、技术、模式、资本、服务为一体的复杂系统，涉及前端采集、存储、传输、管理、应用多个产业链条，当下赋能过程中，AI仅仅渗透到了采集等单个环节，智能效果还有较大的提升空间；三是作为传统制造业，安防产业链长、成本高也是摆在企业面前的一道现实问题，成百上千人的队伍，加上巨额的营销、研发成本，想要一直紧咬传统安防巨头，做垂直应用变得越来越艰难；四是赛道现有玩家大多无法形成数据闭环，直接导致眼下的安防项目构成——集成商们拿着传统安防厂商的摄像机、AI创业公司的算法、ICT厂商的服务器，找第三方公司做软件交付，作业模式无法形成数据闭环，也是行业面临的大问题。

　　（二）智能安防产业链

　　传统安防产业一般是包括硬件设备制造商（视频采集、视频传输、显示系统和存储系统）、系统集成商和运营服务商，其中硬件设备商是整个产业的核心主体。随着人工智能在安防产业的落地，安防进入智能安防时代，产业链的核心开始向软件应用倾斜，产业链中出现了许多新的角色，如跨界进入安防行业的ICT/IT、互联网厂商、AI创企等，其业务涉及AI芯片、智能算法、数据融合、大数据分析服务等，与传统的产业链形成竞合关系。

　　换句话而言，智能安防产业链以及用户的需求将会比传统安防更为复杂，没有任何一家企业可以实现包罗万象，近年来业内大企业开始推出自身的生态平台，聚合产业链合作伙伴，而小企业也必须跟随步伐加入生态平台体系。

　　数字经济时代下，全球ICT市场早已从试点创新时期的新技术与交付模式进入倍增创新时期的平台与生态社区阶段。ICT行业这种发展态势也开始蔓延到安防产业中，这意味着安防产业链的所有企业不仅面临着技术与实际场景融合的挑战，而且还面临着全面业务进行数字化转型的挑战。在这种趋势下，安防主流厂商已经从平台与生态的层面出发，整合全产业资源，建立合作生态圈，扩展业务边界版图，同时赋能产业数字化建设。

　　通过产业生态圈，传统安防巨头建能够弥补他们在技术研发等方面的不足，AI企业则可在生态圈中，获得更多的市场资源、数据，以及他们急缺的市场经验。随着共建安防生态圈成为业界共识。安防市场竞争也从单纯的硬件比拼、解决方案之争的维度，上升到产业生态链的竞争，其核心是技术赋能实力、平台开放能力和合作伙伴招揽能力。

　　在国内，生态的构建的主要方式为企业合作与并购，构建的载体是云平台，核心是人工智能技术。但由于基因的不同，各家在诠释“生态合作”上也有差异，如在算法、算力、数据、产品、营销、资金、服务等各有偏重。但值得注意的是，这并非意味着企业之间的竞争逐渐消饵，而是从另一层面上加剧了产业的竞争态势：

　　一、虽然每家侧重的生态层级不同，但均是在聚合产业链的合作伙伴，分工协同，共同合作驱动AI项目的落地应用。短时间内智能安防产业的生态合作会越来越明显，但随着生态的成熟及发展，长期看未来巨头的生态之间必然会有一场恶战，甚至发展到贴身肉搏阶段，在这个层面上，会比企业之间的竞争更为严峻；

　　二、中小企业无法通过建标准、建规模、做平台的方式去参与生态建设，依附大平台做开发与升级，成为生态的环节或支点，但对于缺乏人才、技术、资金、市场影响力的企业而言，在未来也许将不断被产业边缘化，失去市场竞争力；

　　三、生态间的竞争也是跨界跨行的竞争，竞争力将来自行业整合的优势与影响力的结合，目前在互联网已经形成这样的态势，任何的降维打击对于传统的企业而言都会是极大的挑战。

　　对于智能安防产业而言，未来的商业模式将是生态圈的竞争。

　　（三）智能安防未来趋势展望

　　a&s Research观察，传统安防企业真正推出AI产品的时间集中在2017下半年，稍微落后于入局安防市场的新兴AI企业。但总体来看，2018年之前，真正实现落地的AI产品并不多，主流厂商推出的徘徊、物品遗留/丢失、周界检测以及人脸识别等AI产品和方案也并不成熟。例如，在实际应用中，周界检测无法过滤树叶、动物、阴影等干扰因素，造成误报率高；人脸识别依旧会受到人佩戴的装饰遮挡以及光线环境、侧脸等影响，无法进行准确识别。这些技术应用的局限性使得产品与产业需求存在较大落差。

　　2018年起，安防产业中依旧有不少企业通过人工智能概念进行产品或品牌包装，但态度明显趋向理性化。企业开始认识到，AI只是工具，要与场景需求相匹配，才能最大化发挥商业价值，仅依靠融资无法支撑企业走得更长远，同时，安防产业业务的碎片化、复杂化和工程化等特征，要求企业除了拥有技术的能力之外，企业必须投入一定精力去深耕场景，掌握用户真实需求。因此，大部分企业开始将精力投放到场景需求研究，进而推出适应场景应用的定制化AI产品和解决方案，并实现应用落地。

　　进入2019年后，安防厂商、AI企业、跨界巨头们针对安防场景碎片化的应对之策更加成熟，不仅在产品与解决方案上覆盖前后端产品，同时更加聚焦产品架构、开放平台、数据服务，而且不断跳出安防，将自身技术赋能百业。

　　经过这几年的探索，越来越多的安企不仅实现AI在安防场景中落地，更是朝着传统难以深入的碎片化领域渗入，例如在物业的场景中，可以识别垃圾桶有没有溢出，小区的绿化植被有没有遮挡，以及车辆违停的识别等等，实现这些细分应用的基础一是传统安防的场景算法，如车辆、人脸、周界等，二是近年来打造的强大中后台支撑。

　　虽然AI在安防或其他项目中落地应用尚处发展初期，但在市场认知日趋理性的驱动下，以及新技术的融合应用的日益成熟，AI产业化进程无疑将加快，未来产业的竞争将更加聚焦于解决方案、集成与运营能力。

　　2020 年，新冠肺炎疫情蔓延对全球经济社会以及数字经济、智慧物联产业发展产生了广泛而深远的影响，数字化转型升级加速，业务复杂度与差异化快速提升。当前的视频技术已经突破了传统监控与安防的内涵，并与千行百业的应用产生联系，随着产品算力的增长与成本的下降，AI+安防产品在视频物联行业中应用比例也将不断提高。

　　如今，全球经济社会面临着重大变革，数字经济已成为全球经济发展的新引擎，“碳达峰”、“碳中和”目标的制定也将进一步推动包括城市发展、能源结构、工业制造、交通出行、生态建设等各领域转型升级。而元宇宙概念的出现，也为科技创新迎来了一轮新的时代风口。时代从不缺少对挑战与形势的定义，最稀缺的恰恰是变局之下的突围之法。

　　紫光华智董事长张江鸣表示，在此时代浪潮下，紫光华智专注于AI视觉技术创新，在全面云化、应用驱动、软件定义、开放生态四大核心技术战略驱动下，致力于引领行业变革，点亮万千场景，赋能百行百业，助推城市、能源、制造、矿山、交通等领域转型升级，帮助用户进一步实现降本增效、节能减排、高质量发展，服务智慧经济社会，助力双碳目标达成。而元宇宙具有交互、沉浸、协作的特点，沉浸离不开视觉，协作需要人和机器、机器和机器的合作。人们获取信息中有83%来自视觉，数字世界同样依靠于视觉信息提供物理世界的虚实映射和实时交互。紫光华智作为AI视觉企业，专注于AI、云计算、大数据等技术的融合创新，以全面云化、应用驱动、软件定义、开放生态四大技术战略打造AI视觉中枢，构建物理世界向数字世界映射的数据桥梁，通过快、准、省的三大价值创新，点亮千万场景，赋能百行百业。

　　熵基科技乐富贵则认为行业未来的趋势有以下特征：

　　市场面：得益于政策和数字化驱动，AIoT对实体经济的融合赋能，使行业持续高景气；

　　产业面：行业边界消融，更多跨界者介入；行业洗牌加速，集中度进一步提升；基于业务融合和生态链建设成主旋律；高增长企业的压力向下释放，地市、县城成为新战场；

　　技术面：MEC关键技术成熟，促使IoT设备云端一体;单一智能到多维感知，场景化智能互联成为现实；低代码技术加速loT开发成本和落地速度；低碳绿色、信创技术崛起；

　　应用面：AIoT技术与大量应用行业融合，将直接创造新的应用与业务；下一年交通、能源、农林水利、环保、物流、市政和产业园区、保障性住房等基建，以及教育、医疗、社区等民生领域将大面积开花；AI能力权重继续提高，将拉高软件和系统集成的价值。

　　海康威视近年来不断在研究如何利用AI技术赋能各行各业的能力以及对海量数据的高效治理，如推出自然资源监测管理的行业解决方案，为用户提供火险监测、预警及定位、火警研判、蔓延分析、防火指挥、防火资源管理、防火督查、火灾档案管理等林草防火智能监测管理能力，提供国土图斑管理、全景巡查、视频找地、智能违建分析告警、事件线索采集、告警研判、国土执法等智慧国土监管能力，提供动物监测、病虫害防治、巡护管理、生物多样性监测等自然保护地监测管理能力，提供监测评价、监管决策分析、地质灾害监测、应急指挥、林草产业服务、宣教培训等国家公园大数据服务能力，实现自然资源智能化监管。

　　简而言之，挖掘数据价值的能力将成为未来智能安防的核心。除此之外，多维感知技术、大数据应用、千行百业数字化转型需求都打开了智能安防的新市场——AIoT，未来产业有着巨大的发展空间。同时随着共建安防生态圈成为业界共识。安防市场竞争也从单纯的硬件比拼、解决方案之争的维度，上升到产业生态链的竞争，其核心是技术赋能实力、平台开放能力和合作伙伴招揽能力。

　　智能安防的应用是高度碎片化及场景化的，随着这几年芯片平台性价比不断提升，使得软件和算法在硬件平台的切换成本下降，并可以实现商用，不少安防企业也推出AI开放平台与算法商城，例如海康威视一方面建设AI开放平台，将算法的训练自动化实现，一方面在硬件上支持适配算法和应用的替换。开放程度是一个行业成熟与否的标志，也是带动智能安防产业发展的首要因素。