在安全行业中，人工智能技术的进步和未来发展趋势是毋庸置疑的，并且行业中的许多公司已经推出了相关的产品和解决方案。尽管安全一直将自身视为人工智能的最佳场所，但从当前的角度来看，人工智能在安全行业市场细分场景中的应用尚未达到预期的效果，并且新的AI产品的替换率是仍在寻求新的突破。无论是参与企业的实力，还是技术研发和产品集成应用，仍然存在许多困难和困境。 1.行业参与者的水平受到各自技术领域和行业发展的限制。在安全领域中参与AI技术的研发和应用的各方都有明显的优缺点。这也是人工智能技术不断推广中面临的一些问题。问题。首先，虽然传统的安全公司已经表现出积极拥抱AI技术的态度，但一些大型上市安全公司也提出了相应的策略，但是时间点集中在过去的两到三年中。成熟的AI产品和行业解决方案相对较少，算法的积累以及与行业的集成时间仍然相对较短。根据目前的市场反应，传统安全公司的AI产品仍然仅限于人脸识别，车辆识别以及相应的大数据平台的应用。其次，尽管一些AI算法公司已经在四，五年前将其眼光转向了安全领域，并基于自身在算法上积累的优势，却推出了相应的AI安全产品和解决方案。但是，在硬件制造，产业积累和渠道扩展方面，算法公司与传统安全制造公司之间存在较大差距，尤其是在细分领域的应用和积累方面，亟待进一步完善。最后，最底层的安全中小企业既没有资金实力，也没有算法领域的研发能力，也没有通过与当地公安部门建立合作关系获得大数据支持的能力，仅具有细分行业应用的经验。 。这也是AI时代安全中小企业面临的一系列紧迫问题。 2.从技术层面上讲，人工智能技术在安全行业中的应用正在呈现繁荣的局面，但目前的应用还只是一个较浅的层次，技术还不成熟，在某些情况下，人工智能仍然无法实现。达到比较理想的着陆效果。例如，人工智能在细分领域的环境适应性很差。当前，鉴于车辆和道路环境的相对标准化，识别率较高，但是人脸的准确识别容易受到光线不足，图像模糊以及目标尺寸太小的影响。或相互屏蔽和其他环境影响，从而影响识别精度。另外，数据资源分散，安全领域中监控数据的开放性和共享性较低。很难对多维数据进行交叉集成分析。这使得人工智能分析缺乏有效的数据支持，也影响了准确性。同时，对不同情况的理解是有限的。由于缺乏专业经验和知识的有效积累，因此理解视频内容的能力很弱。当前的智能分析主要是单场景目标检测和行为分析，很少涉及大规模场景。关联的行为分析使其很难用于异常行为分析和风险预测。 3.着陆应用级别早在2012年，深度学习被广泛使用后，一些AI算法公司就将眼光转向安全领域，并开发了基于人工智能或深度学习的AI安全产品。从产品线的角度来看，它主要分为人像识别部署控制系统，视频结构分析系统，车辆大数据平台，警察大数据平台和AR实景命令系统。但是，在硬件制造，行业积累和渠道扩展方面，算法公司与传统安全制造公司之间存在较大差距，尤其是在细分领域的应用和积累方面，还有待进一步完善。