安防AI的發展主要面臨以三個方面的挑戰：算法的場景適應能力、大規模應用的技術與經濟可行性和面向業務應用的解決方案。

算法的場景適應能力

以人臉識別為例，目前絕大多數廠商的算法來源于對人臉靜態圖片的學習訓練—比如標準證件照，對所采集的人臉照片的清晰度、光照、角度、妝容都有著嚴格的要求，但在實際監控場景中，除了室內個別環境外，絕大多數現場環境采集的人臉圖片無法滿足這樣的要求，造成人臉識別精度的大幅度衰減。如國內某知名廠商的人臉識別算法在靜態人臉比對測試中總是名列前茅，但其復雜環境下動態人臉識別的效果就比較差，特別是在偏轉角度較大（超過30°）、化妝、戴墨鏡、戴口罩等情況下識別率會大打折扣。

大規模應用的技術與經濟可行性

目前計算機視覺的大規模運算還主要依賴GPU和CPU的算力，以人臉識別和視頻結構化分析為例，一般利用GPU做視頻圖像處理與特征解析運算，用CPU做人臉特征比對運算。在復雜動態人臉采集環境下，1臺8卡GPU（TESLA P4）＋2個16核CPU服務器每秒可支持80路1080P高清視頻實時動態解析和100萬庫的實時動態比對運算，硬件成本折合4000元／路，電力消耗（服務器自身耗電＋散熱制冷耗電）折合每年800元／路。如果采用800萬像素的監控圖像，硬成本會再增加3倍，這還沒有計算算法與應用軟件系統的費用，如此高昂的建設與運行費用很難得到大規模的應用推廣。

面向業務應用的解決方案

AI是一項技術，從AI技術到客戶價值，需要一整套的產品與解決方案，向客戶最終交付的是應用，尤其是面向業務的應用軟件，不同行業、不同場景、不同用途的業務應用都不盡相同，需要針對性的集成與應用軟件開發，否則無法規模化推廣。而目前情況來看，無論是AI算法廠商、安防產品商還是系統集成商，都不具備全行業應用軟件的開發能力。