為了更全面和深入的了解產業內AI創新技術的落地應用的實況，過去一個月里，a&s對安防人工智能領域產、學、研機構進行了集中走訪，并和相關資深專家和部分頭部企業高層展開了深度訪談對話。

在這一系列訪談中，針對當前階段人工智能在安防領域的落地應用現狀，包括落地應用的成熟度、現存的技術或應用瓶頸以及待突破的方向等話題，各路專家及企業高層紛紛給出了針對性的意見和反饋。

a&s對這些觀點進行了綜合性的梳理和整合，以期能夠給產業界人士帶來些許參考！

●如何突破人工智能在實際應用中的瓶頸問題？

公安三所物聯網技術研發中心研究員梅林博士：

1）實現AI系統價值的最大化。現階段由于條塊分割措施，使得很多政府投入的設施局限到誰建誰用，誰建誰管的規則之中，極大地限制了這些設施價值的充分發揮，自然也導致了應用成本的加大。公安信息化過程中，創新科技產品和技術作為一種基礎的設施投入本身并沒有問題，但投入之后如何實現價值最大化這是一個需要認真思考的問題。

2）加快政策標準制定，重視專用數據集建設。人工智能技術的發展是通過海量的數據進行驅動，卓越的算法主要是建立在大量數據的投喂和訓練基礎之上，這個過程中，由于缺乏適用的數據集，很多時候數據標注的成本便需要由企業自己來承擔，企業為了降低成本或追求速度，很多時候會以犧牲隱私的方式來進行數據的采集和標注。目前在整個建設和建設效益之中最困擾的其實說到底就是數據共享的問題，而這個問題需要從國家層面，從政府層面用政策去引導去解決。

3）充分理解應用場景需求。具體到技術的應用落地上，主要還有對于場景和業務需求的理解。由于人工智能的應用特別講求場景化，而每一個行業領域的應用需求其實是非常細化的，這需要企業花時間和精力專注到用戶端的實際業務場景當中，充分了解用戶的細微需求，這對于一些初創企業而言，可能比較具有挑戰性。

4）從商業模式的設計著手。在商業模式的設計上，也值得諸多企業認真思考，如何設計一套真正能夠進行商業化落地的技術應用模式，讓政府、廠商及用戶均能從這套模式中實現需求的滿足，從而讓產業實現良性循環，這是技術是否能夠落地的一大關鍵。

復旦大學計算機學院視頻技術與系統工程研究中心薛向陽博士：

1）強化AI算法模型的泛化能力。AI依賴于應用場景，只要場景確定（即各種邊界條件確定），這個時候研發人員比較容易將應用性能等調整得很好。但如果更換了一個場景，原來那套方法就需要進行再調整，這也反映出AI算法模型泛化能力不夠，主要以定制化為主，限制了大范圍推廣，因此，強化AI算法模型的泛化能力是推進AI普適應用的一大關鍵。

2）加強產學研合作。當前許多AI算法都是以數據驅動的，需要持續收集大量特定應用場景的數據，然后在應用中進行持續迭代優化，這個過程所需人力與物力對于許多企業而言，顯然是一個非常大的技術、成本和運維等綜合壓力。因此，對于企業而言，產學研合作模式可以一定程度上緩解企業的各方面壓力，大家形成合力共同推進AI在行業領域更好的落地應用。

來源：a&s安防知識網