安防「優等生」的四大共性

有人說，與C端產品較為重視用戶體驗不同，在G端市場做生意，如果沒有穩定的政府客戶資源，安防老牌勁旅強大的軟硬體一體化產品能力、行業解決方案能力、營銷渠道能力和項目交付能力可以一夜之間幹掉一家創業公司。

「穩定的政府客戶資源」，通俗一點說，就是得有足夠硬的「關係」。

「關係」，這應該是每個安防從業者每天都能聽到的高頻辭彙，特別是在業務成績較好的廠商身上容易「被」出現。

其實在歷朝歷代，各個國家，「關係」多少都會存在。

早在三國時期，魏國所推行的九品中正制，便是為了給以貴族推薦製為中心的裙帶關係開路；幾百年後的宋朝，在科舉制度被發明之前，「舉孝廉」也是一種裙帶關係。

從三國到宋朝，幾百年的時間跨度都跨不過「關係」這層固化台階。今天，歷史順延到安防市場，欲想做好這門生意，果真還如常人所見？如若不然，還得具備哪些重要素質？

鑒於此，雷鋒網在與數家頭部傳統安防企業高管及多位AI獨角獸高管交流中，總結出四點精要，希望能夠管中窺豹，以此給行業從業者們帶來些許思考。

適當投資併購增砝碼

如果說產業經營是做『加法』，那麼投資併購就是做『乘法』。

未來的市場份額爭奪會更偏向於報團取暖式進取，個人英雄式的單打獨鬥已經成為過去。

一個企業的併購行為，從某種意義上來說，並不是簡單追求規模效益的推動，而是為未來的協同發展打好基礎。

早在戰國時期，諸侯並起、相互兼并，出現戰國七雄，歷經合縱連橫，最終秦王掃六合，一統天下。

兩千多年後，在全球一體化的趨勢下，貿易、技術、服務、管理、資源、資本、智力等一切推動經濟增長的要素都在不可逆轉地蕩滌著各國的經濟邊界。

在這個過程中，投資併購就是資源整合、就是掃蕩邊界、就是重新洗牌；同理，此路數在安防行業也同樣適用。

對於AI創業公司來說，適當的投資併購在提升資本耐心的同時，還能以最快的速度覆蓋被併購者的生產技術、市場份額、管理水平等資源，以解決營收痛點。

就涉及安防業務的獨角獸企業來看：商湯於上月跟投AIoT企業特斯聯；曠視於去年四月全資收購艾瑞思機器人；比特大陸、明略數據聯合領投視頻大數據技術提供商千視通科技。

而對於一些雄心進軍海外市場的安防企業來說，併購也不失為一種上佳辦法，如此可以更好規避關稅和非關稅壁壘，同時克服地緣障礙。

比如海康威視曾收購英國公司SHL，進一步開拓海外市場；大華股份也曾以2900萬美元收購FLIR旗下Lorex品牌，擴張北美銷售網路，如此等等。

個性定製化求蹊徑

安防是一個極具個性化的市場。在其中深耕，須有最好的技術和對客戶最深入的了解。

AI創業者大多出身"名門", 他們從最頂尖的學術象牙塔轉身投奔工業界，在傳統安防市場尋找機會。

與此同時，在這個轉換過程中，很多人不能脫下西裝深入田間地頭做產品；或者有些人索性待在實驗室想場景。

就此，從2014年至今，多少從業者高調進入又黯然收場。

受制於強地域性且系統複雜性，安防很多項目涉及的專業多、鏈條長，對企業的資質、管理水平、項目實施經驗均有較高要求，需要安防企業能夠潛下心來與甲方多交流、磨演算法，為他們提供完整可行的解決方案。

安防，說起來就二字概括，但真的潛下心去做就會發現，每一個甲方都有自己的獨特需求，每一個場景都需要後期調優，每一個項目從開始到結束都困難重重，而且很多還都不是技術上的問題。

在這個過程中， 效果一樣，處理方式不同。方式固然重要，但能給甲方帶來真正價值的還是結果。也就是說，技術雖然非常重要但不能一味地扎進技術里，摸透每個具體場景的真實需求同等重要。

面對繁雜問題，特別是初創企業一定需要善於學習，同時深入了解客戶實際需求，實時幫助客戶解決任何點位上的疑問及困難。

與此同時，對於業務選擇，在人力物力有限的情況下，與其廣撒種不如深紮根，想要一口氣涉足甚至吞下所有行業，還不如專下心來重點深耕幾個賽道，認真分析研究這些賽道的情況和需求，提供貼合實際的全棧解決方案、精細化服務，增強與客戶的粘性，之後再去做些新的嘗試。

不放過每次0.001%精度的提升

場景優先，技術先行，技術是場景的催化劑、場景是技術的煉火石，想要在安防行業更好、更穩地走下去，一定要有自己『拿得出手』的核心技術。

這不是一句廢話，也不是老生常談，人人都懂的道理說來不過一秒，做起來需要持續不斷的投入，而且風險巨大，到最後可能成了先烈、賠了歲月。

從演算法角度來說，太多依靠開源框架微創新，然後採用低價策略搶佔市場，導致整個行業喪失了做基礎原創技術創新動力的案例。

堅持自研是一條漫長且艱苦的路，沒人知道數年的努力能不能換得一次數量級的提升，也沒人知道高投入後是否得到與之相匹配的回報。

幸運的是，現在的AI安防市場已經過了普及技術的階段，眼下5%不到的智能安防產品滲透率只是暫時數據，行業『去偽存真』階段已經開始，之後不久，整個智能安防市場發展速度會在此背景下指數增長。

在AI安防時代下，沒有自主演算法的、不能指數級提高生產力的、為了做人工智慧而做人工智慧的參與者都會被淘汰，過去太多偽智能的存在讓很多人理解不到AI真正的應用價值，導致了一些AI泡沫的產生。

與此同時，對於安防行業的AI技術融合、應用，頻頻出現「點到為止」技術論。

支持者認為，基於安防行業自身天然的高試錯率，小數點後的演算法精度數量級提升對於項目的最終歸屬沒有大的改變。

其實，現階段，與安防相關的AI技術精準度還遠遠沒有達到天花板，基於安防場景的不斷變化，其對演算法迭代的要求一定是非常嚴苛且上升的。在這個市場中，誰能夠看到演算法精度提升解鎖的更多場景，並根據場景的變化做到最為快速且精準的反應，誰就能在未來競比中走得更遠。

眼下，AI在安防領域的研究應用主要針對幾個核心問題：分別是分類檢測、分割、以及對整個圖像區域分類。

以往來看，AI神經網路中激活函數、非線性單元、權重矩陣的應用形成了非常高維的非線性函數，從而可以完成非常複雜的任務；與此同時，在這基礎之上，GPU的出現讓神經網路的發展如虎添翼。

即便如此，相關AI技術在安防市場上的應用還存有幾個挑戰：

認知問題相較感知問題較難解決。感知問題可以用神經網路函數逼近，相比之下認知問題解決起來比較棘手。

比如如何教會機器辨識一把椅子。如果定義為四條腿，很多椅子並不滿足此描述；如果定義為可以坐的物體，如此也行不通。所以說簡單的檢測物體問題上，背後都蘊含著更深層次的認知問題，如今很多問題還尚未解決。

在弱線索、遮擋、模糊、對象追蹤等情況下，人類在識別的過程中通常會依據常識，並加入豐富的想像及推理。但是想要將這些能力傳授給機器便非常困難；即使實現，識別能力與人類相比也相差甚遠。

計算機視覺技術帶給機器的能力不只是用來觀察世界，而是需要與世界建立聯繫，從而一起做交互。在某個機器人去解決一件重要的問題需要用到手眼協同時，需要連續的關鍵決策，而不停地觀察、決策和控制，這是機器智能目前非常難做到的事情。

隨著安防行業的多元化發展，未來很多細分場景對於精度要求之高勢必讓人咂舌，基於背景知識的圖像內容描述，挑戰都非常巨大。

也就是說，AI在安防行業的探索才剛剛開始，如果此時只是準備現有場景且剛剛達標的技術儲備，未來在這個市場比拼中會比較被動。

資金、交付、平台能力尚不可缺

一般來說，TO G 項目周期較長，一個項目首先會讓多家競標企業在不同分局免費試行一年，確定技術和系統運行穩定性後再集中POC測試，眾多參與者最終只有一家企業獲得訂單。

免費試行一年，再到回款，一來一去最少三年，三年時間要不斷投入而且顆粒無收，對於多數創業公司來說壓力巨大。

資金實力也決定賽道玩家是否有足夠的糧草度過眾人爭食的寒冬。

再者，選擇一個好的平台，通過生態平台來進行合作不失為一大智舉。包括安防、智慧城市等項目是非常繁雜的系統，沒有任何一家公司能夠做好全部的工作。

在這個過程中，如果能夠選擇一個利益衝突不大且擁有非常強大生態能力的平台合作夥伴，會在接下來的智慧城市拓展之路上走的更穩、更快、更好。

AI安防需要持續廣度與深度

做好安防需要一定的偶然及必然。偶然是所謂的運氣，必然是絕對的實力。

也許對於大多從業者來說，安防是一個強GR行業，其實深耕下去，可能會發現，在通往接單的彼岸，關係也許是一座橋，但只要你自身硬實力夠強，也能成功到岸。

未來人工智慧的發力需要更多的深度和廣度。從實驗室到實際應用，人工智慧需要邁過商品化鴻溝，因此要大力推進人工智慧在應用層面落地。

在這個競爭殘酷的行業中、在面對智能安防的轉型大勢中，你必須更加註重科技進步及全面創新，要把科技進步放在前所未有高度上的同時，通過全面創新為發揮科技創新的作用創造條件，最終實現經濟發展向創新驅動轉型。

值得一提的是，雖說商業世界是殘酷的，找准方向事半功倍，但以上所談「方法論」的充分且必要條件是做好自己。

打鐵還需自身硬，唯有修鍊好內功，才能找到好的合作夥伴，才能更好地解決實際問題，才能更好地為客戶服務，才能獲得更大的市場份額。雷鋒網雷鋒網雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！