【市场分析】通俗点来总结激荡的2023安防行业
，，在内卷加剧、、技术相对滞缓时，，找人、、、
、找钱
、、、、出海，，，似乎又回归至多年前一寸山河一寸血的搏杀市场。。。
 　　科技圈唯快不破的定律也似乎被打破，，，在市场慢节奏下
，，
，技术的慢与市场的快，，形成鲜明对比。。。
 　　而这一切，，，只为将疫情的那三年失去的，，尽快找回来。。
 　　2023的平静从另一面也预示着2024智能安防的激荡
，，
，百废待兴
，，政策引导、、、、需求释放、、、颗粒变大、、
、
、场景无穷尽，，，，都昭示着春风无限。
。
 　　是等风来的时候了。。。然
，，，，等风来不如乘风去，
，，，如何先于时代以技术引领风潮，，，是2024一众头部科技企业的主攻方向。。。
 　　对于一个科技型产业，
，，安防技术与市场是驱动与接受的逻辑关系。。
 　　绕开外部内外因素，，
，，2024技术层面将在激荡中大步流星奔向前，，行业市场应用将进一步加深与拓宽，，，
，与之带来的是，，行业技术进一步的大调整与大变革，，，一切向新出发
。。
 　　为此，
，一同瞭望2024，，看智能安防技术圈的蓄势勃发与求同存异。。。
 　　大模型与小模型并行时代
 　　如果非要细数2023智能安防突破变革而不是延续性的技术
，，，非大模型莫属。。。。
 　　两年前ChatGPT的出现
，，让生成式AI的浪潮推向制高点。。。。
 　　落地速度之快、
、商业化应用之快，，，，让全产业数字化转型迎来了时代级机遇。。
 　　2023这一年，，，AI取得巨大进步。。。无论是目前已经颇有水准的文本、、图像和代码生成能力，
，还是未来即将出现的视频与多科学比如生物医疗
、、、、交通绘图等场景融合的前景，，，，都让用户感到兴奋莫名。。
 　　头部企业都在寻找生成式人工智能的潜在用例，，安全部门也不例外。。
 　　2024年，，
，，我们将看到基于LLM和生成式人工智能的使用的以安全为中心的应用的出现。。
。。这些可能包括操作员助理，，，帮助他们更准确、、更有效地解释场景中发生的情况，，
，以及作为交互式客户支持，，，，为客户的查询提供更有用和可操作的响应。。
 　　此外，，
，生成式人工智能已经证明了其在软件开发中的价值，，，，这将给整个安全领域带来好处
。。
 　　当然，，，，我们确实需要意识到生成人工智能的风险和潜在陷阱。。
。
。
 　　关于采用哪些模型以及如何采用，
，，特别是围绕使用开源模型还是专有模型，，将会存在争论，，，但******的风险将是忽视它
。。。。
 　　此外，，
，，大模型训练还需要依赖进口GPU显卡，，，
，但英伟达A100显卡以及未来更高级别的显卡已经进售了，，
，，国产替代GPU目前最领先的技术指标可以达到A100的一半左右，
，并且设计能力在持续迭代。。
。在这一领域，
，，， “卡脖子”依然存在。。。
 　　哲学告诉我们，，，，凡事物有大就有小。。
 　　2023市场相对保守，，
，，大模型的用武之地受限，，，，而小模型的2024，，，，却机遇不小。。。。
 　　大模型之大
，，，
，体现在语料规模大、、参数规模大。。。与大模型相比，，，
，小模型的训练数据量与参数量较少，，，
，其优势在于“专精”，，，，可满足特定任务需求。
。。
 　　“小而美”的小模型，，
，连点成面，，，，深入社会各环节、、赋能千行百业。。。
 　　2024小模型训练呈现作坊式特征，，据了解截至目前，，国内近4000家AI企业分别在各自赛道中迭代自家小模型，，，广泛分布于各行各业，，
，协助社会整体生产效率的提升
。。
 　　以计算机视觉领域为例，，，，小模型已经在泛安防(人脸识别闸)、
、、互联网(用户匹配)
、、金融(身份核验)
、
、、、工业(缺陷检测)
、
、、医疗(辅助诊断)等诸多场景商业化落地。。
 　　大小互博
，，大中有小，，
，以小见大
，，
，，关乎于AI模型训练，，未来大小模型的关系并非取代，，，而是协同促进
，，
，，核心原因在于两者各有优劣，，这一点在未来一年
，，，值得期待。。。
 　　智能体让AI傻瓜化，，一触即达
 　　既然人机交互新范式已被大模型蓝海已打开，，，那与大模型有千丝万缕的智能体技术，，也会同上一个台阶。
。
。
。
 　　从技术应用来看
，，
，这个与大模型有关的智能体，，，，能对应B端、、、C端需求
，，能够实现复杂流程的效率提升和提供情感情绪价值。
。
。。
 　　在不久的将来，，，嵌入自主智能体的软件极有可能改变现有的使用方式，，，从「用户适应软件」变成「软件适应用户习惯」
，，
，
，真正成为「个人助理」。。。
 　　举例来看，，，，一座城的发展是将其成为有机体、
、、生命体。。。建设“眼、、
、、脑
、、、、手、、、脉”齐备、、
、“感、
、
、传
、、
、、知、、
、、用”协同、、、、具有深度学习能力的一体化智能协同系统。。。。
 　　这个城市智能体中有一指挥中心，，，，如同人体“大脑”将智慧城市运行管理当做“一盘棋”来盘活；数字底座、、智能中枢获取类似于人体四肢在云边端自由流动的软件、、、、数据感知和AI算法；而智能连接如人体经脉般的万物互联与无缝覆盖，，实现智能联接至中枢大脑，，，从而让各种智慧应用协同、、、数据协同
、
、组织协同
。。
 　　如此一体成型
，，，城市智能体能让城市治理
，，“智”序井然。。
。之于智慧城市下的城市治理，，，已经从“治”到“智”的全新阶段
。
。。
 　　当下，
，，，交通因城市产业结构、
、、需求结构、
、、、要素结构都开始重大变化
，，交通新常态出现，，，进入转型“深水区”
。。
 　　传统交通方式，
，难以承载
、、、、举步维艰。。。。而交通智能体以交通云脑为基础，，，，建设行业大数据、、、、AI、、
、场景化三大核心能力，，，构建场景化、、自动化的交通治理系统
，，，全面提升交管系统的情报感知
、
、信息传输、、、、分析判断、、决策处置和组织协调能力，
，赋能交通全场景业务。。。。
 　　在C端，
，，，这一智能体更多体现为通用型的AI工具，
，覆盖多个工作&生活场景。。
。
 　　主要用于灵感生成
、、聊天陪伴、
、、知识获取等，，，部分应用也就诸多具体细分场景提供了垂类AI助手。。
。。
 　　其实，，，生物识别领域的多模态与这类智能体，，同宗同源。。。
 　　2024云化万物
 　　未来的一切，，
，
，皆在云上
，，这是业界对未来技术走向的共识之一
，，就如同万事万物的智能走向一样。。
。。
 　　2023很清晰的市场技术走向之一是深度学习向边缘的扩散正在加速。。。
 　　事实上，，，任何正在推出的新网络摄像机都具有深度学习功能，，这极大地提高了分析的准确性。。。这些功能是构建可扩展云解决方案的基础，
，因为它们消除了繁重的带宽需求，
，，，减少了云中的处理，，，并使系统更加可靠
。。
 　　安防的云未来将更加智能化、、高效化、、稳定化 
。
。随着云计算技术的发展，，，，安防行业正逐步向云端迁移。。
 　　云存储技术可以实现单、、多台节点故障时，，，
，云存储服务不中断，，，全面保障系统性能稳定可靠
。。
 　　同时，，，
，智能识别算法在安防行业的广泛应用，
，
，，也为安防的云未来提供了坚实的基础。。。
 　　在安防，，有种说法，，未来产品被场景取代
，，而行业也将被生态覆盖，
，行业是垂直的，，
，而生态呈网状，，
，显然融合性和粘性更强
。。。。
 　　基于此，
，
，云化就是技术路径之一，，，安防要做深做透一个市场，，，，当视频数据聚沙成塔后，，全面云化以云来做架构支撑应用，，
，，是必然
。。
 　　举例来看，
，警务云相对其他场景
，，，需求最早应用最为成熟。
。。
 　　为什么要做警务云，
，都是需求驱动使然。。最近三年，，，公安部对于大数据都有新需求提出与政策制定
。
。。
 　　视频云解决的就是视频数据
，
，从用户当前面临的“服务在，，，，成本大”、
、“视频多，，，挖掘浅”、
、“重突击，，轻积累”、、、、“重建设，，轻运营”等难题和实际需求出发，，，，经不断迭代、、、优化，，，
，形成了一套符合公安部标准
、
、同时也有自己特色的视频云解决方案。。。
。
 　　云解决方案以“多维感知
、、资源汇聚、、、数据融合、
、平台开放、、、服务集成、、智慧应用”为理念，，，，构建物理分布、、逻辑统一的公安视频云
。。
 　　通过建立一个以视频图像为主
、、多种资源关联叠加的视频资源智能化服务体系
，，实现视频、、手机、
、、车辆等信息的整合和汇聚，，，，达到人、
、、
、屋
、、
、车
、、、、场等信息关联融合，，，为各警种、、、、各地市、、、、各基层实战单位提供一个资源共享、、能力开放、、安全可控的多元化视频资源服务平台。。
 　　从以上大致能看出以云为平台基点来打造技术底座，，进而形成大技术框架来做应用伸展
。。
 　　与大小模型一样，，公有与私有云混合架构之势
，，，在未来应用更甚，，打破云厂商的壁垒，，，，实现多云协同。。
 　　当然，
，2024一切还未可知，
，，但从2023深圳安博会一众大中小企业都在云上发力，，就可以窥见2024的安防云
，，，，景色倍好。。。。
 　　高价值解决方案的应用循环
 　　云上风景无限，
，，，那与云直接衔接的解决方案，，，，也随之而变。。。
 　　当然，，解决方案不像硬件或纯平台一样进行研发再生产，，
，，而是融合并蓄之物
，，
，上述的云解决方案就是佐证。。
 　　解决方案本身就是集成融合能力表现
，，这是传统安企对于碎片化问题的考量更多是从前端、、后端硬件，，到方案上，，，，去覆盖得更多、、、更全。。。。
 　　而方案设计的精良就是另一个战场，，凸显在技术整体驾驭能力，，，面对的需求也更加复杂和多维，，，，往往不再是简单的安全与管理需求，，，还会有业务和商业模式、
、、、运营模式
、、甚至是组织运作模式等方面的诉求。。
。。
 　　如何从不确定性中寻找确定？？？？场景化解决方案的打造本身就是一个高价值创造的闭环过程
。
。最近市场上混合解决方案架构正在流行。。
 　　其是利用本地、
、、、云和边缘技术的优势，，，，现已成为许多安全解决方案的新标准。。功能部署在最高效的地方，，充分利用系统中每个实例的优点，，，从而提高灵活性
。。
。
 　　最终，，，，系统架构应该服务于客户的需求
，，而不是供应商的******结构。。。
 　　在很大程度上，，，
，这是一个可及性问题。
。。
 　　供应商和客户都可以轻松访问的环境中存在的解决方案越多
，，，供应商管理系统元素的能力就越强，，，，承担更大的责任并减轻客户的负担。。
 　　混合架构还支持即将推出的解决方案管理和操作中的人工智能支持和自动化用例；提高系统可访问性对于人类支持和人工智能都很有价值，
，，
，充分利用每个不同实例的优势。。。。
 　　有例为证，，前几年“猪脸识别”红火一事，，，，智慧养殖也日益渐旺。。。。
 　　智能养殖解决方案就是融合物联网技术、、
、、大数据分析、、、
、人工智能等多种技术手段，，将所采集的大量数据需要经过深度分析，，，从中挖掘出有价值的信息和规律。。
。
 　　大数据分析技术可以帮助养殖场主分析养殖环境的变化趋势，
，，，预测动物的生长情况
，，甚至优化饲料的配给。
。
。
。
 　　通过对历史数据和实时数据的比对，
，，养殖户可以做出更明智的决策，
，，
，提高养殖效益。
。
 　　2.5D机器视觉的精准刀法与场景扩容
 　　专攻场景，，，那为了更加透明与彻底的“开眼看世界”，，
，，3D机器视觉
，，随即而至。
。。
。
 　　而2.5D机器视觉应用在2023年有初步释放
，
，，
，其并非一种降维，，
，而是市场回归理性之后的合理选择
。。
 　　那介于2/3D之间的2.5D
，，，，是技术过渡阶段的产物，，，2.5D兼具2D和3D的部分特征，，，形成了对图像的独特处理方式
。。。
 　　作为图像技术，，其最为核心的光源分为平行光源、、、、点光源、、环形光源和斜光源四种
。。每一种光源都有自己的特点和应用场景，
，
，，可以根据具体的需求来选择使用。。
 　　通过使用2.5D光源技术，，，我们能够更好地模拟三维效果，，，提高机器视觉系统的准确性和稳定性。。
 　　相比2D，，，2.5D增加了深度信息，，与3D相比，
，，2.5D图像又并非通过点云
，，，，而是通过颜色传递高度信息。。。。
 　　并且不同于3D的多视角，，2.5D是单视角，，信息比较残缺
，，
，，很多算法最终都会回归到2D算法上。。。
 　　2.5D机器视觉是一个纯粹的技术领域，，而技术遵循的行业逻辑是先有技术萌芽，
，
，，然后对接场景，，在场景中丰满优化，，
，，这就是从场景中来，，，，到场景中去，，，
，最后以场景内需来反哺技术。。。。
 　　小荷才露尖尖角，，早有蜻蜓立上头
。。。。由于在精度上的应用优势，，，2.5D视觉定位技术的协作机器人于2023年问世。。。。
 　　市场上大多移动底盘采用SLAM技术，
，，可实现厘米级定位精度，，而协作机器人精度一般在毫米级，，
，
，当协作机器人与移动底盘集成组成“手脚”兼备的复合机器人，，，往往需要机器人能够灵活调整空间姿态，，智能执行高精度作业。。
 　　但是，，普通的2D相机只能在平面内进行定位校正
，，
，难以满足空间位姿校正需求。
。。。
 　　在智能制造领域，，，，以2.5D机器视觉为核的解决方案
，
，，能与各种工业设备、、流程和软件结合使用，
，以减少人工工作量并******程度地提高生产效率，，从而帮助企业实现更广阔的战略目标并******程度提高投资回报。。
 　　比如
：工业制品生产过程中，，表面容易出现划伤、
、划痕、
、辊印、
、、
、凹坑、、、粗糙、、、波纹等外观缺陷，，，基于工业视觉检测技术原理的工业表面缺陷检测系统能够在线高速扫描每个产品
，
，，，形成高分辨率的片材图像，，，进行实时的图像处理。
。。
 　　诚然，，，2.5D的场景依然偏少，
，，其技术的“中庸之道”所适配的场景还有充分挖掘空间
，，，，相信在2024，
，，会有一番作为。。。。
 　　值得一提的是，
，，2024的安防流行术还有不少，，，，尤其是与AIoT相关，，，，将在另外一篇中展示
，，，在此不雷同了。。
。
 　　看清时代和未来，，等风来还不如乘风而去。。。激荡的技术双桨，
，
，
，让即将到来的2024，，，，划过内需紧缩、、外部敏感、、、深层转变的行业阵痛，，，也将在浪头拔尖的未来中
，，，挂云帆、、、、济沧海！！！