根據(jù)市場(chǎng)預(yù)估，至2026年全球AI軟硬件及服務(wù)支出將超過3000億美元，2022～2026年的年復(fù)合增長(zhǎng)率（CAGR）達(dá)26.5%;而結(jié)合AI技術(shù)的安防應(yīng)用市場(chǎng)規(guī)模也將增加超過100億美元，CAGR達(dá)18.64%，且增長(zhǎng)速度有愈來(lái)愈快的趨勢(shì)。

  因此，安防廠商們紛紛爭(zhēng)先恐后地投入AI的懷抱，尤其以影像為主的監(jiān)控廠商，早已將AI技術(shù)運(yùn)用于監(jiān)控影像針對(duì)特定對(duì)象的偵測(cè)、搜尋、追蹤，并可自動(dòng)觸發(fā)、聯(lián)動(dòng)警報(bào)等相關(guān)系統(tǒng)設(shè)備，大幅降低人力、物力，并提升安全管理的效能。

  AI雖好用，但支持其運(yùn)算的硬件設(shè)備和耗能負(fù)載皆頗高，因此在追求精準(zhǔn)度的同時(shí)，如何減輕負(fù)載、讓AI更「輕盈」、速度更快，又能解決企業(yè)普遍欠缺AI專業(yè)人才的問題、降低所需付出的成本，成為業(yè)界共同努力的方向。在今年Secutech展場(chǎng)上，a&s觀察到AI在安防產(chǎn)業(yè)發(fā)展的3大趨勢(shì)：

 一、從云端到邊緣

  近年來(lái)AI運(yùn)算功能逐漸由后端／云端往邊緣（Edge端）發(fā)展的態(tài)勢(shì)愈來(lái)愈明顯，主要的好處在于可縮短時(shí)間、降低風(fēng)險(xiǎn)及耗能，當(dāng)然還有最重要的——節(jié)省成本。例如，IT大廠Intel（英特爾）提出的Edge AI解決方案，強(qiáng)調(diào)只需要一般的PC、Notebook或x86的工業(yè)計(jì)算機(jī)，透過OpenVINO開放式平臺(tái)，即可運(yùn)用該平臺(tái)上200多種算法（包括TensorFlow、CaffeZ…等）自行開發(fā)或采用第三方伙伴已預(yù)先訓(xùn)練好的AI模型，輕松將終端設(shè)備轉(zhuǎn)變成Video AI Box、具AI功能的NVR或Edge端的AI Server，進(jìn)而解決各種領(lǐng)域所面臨的問題，讓AI系統(tǒng)成本不再高昂。

  安防廠商推出的Edge AI解決方案也相當(dāng)多元，尤其監(jiān)控?cái)z像機(jī)廠商已紛紛將AI視頻的辨識(shí)、分析、搜尋、追蹤等功能做在前端。例如：晶睿（Vivotek）通過前端的對(duì)象特征擷取運(yùn)算（Edge-centric object extraction），不需在后端安裝高效能顯卡執(zhí)行分析運(yùn)算，有效降低服務(wù)器的運(yùn)算資源和建造成本。利凌（LILIN）則早已看準(zhǔn)Edge AI將成為主流，致力于邊緣運(yùn)算AI攝像機(jī)結(jié)合5G與云端的應(yīng)用，并推出最新的AI廢棄物偵測(cè)（Trash Detection）、球類追蹤（Ball Tracking）、性別判斷（Gender Detection）等功能，其視頻管理軟件（VMS）更是專為邊緣運(yùn)算AI攝像機(jī)整合設(shè)計(jì)。而軟件廠商富萱（AiUnion）所開發(fā)的AI視頻辨識(shí)邊緣運(yùn)算，則是融合了AI深度學(xué)習(xí)的影像分類、對(duì)象偵測(cè)和影像分割（Image Segmentation）技術(shù)，建立如智慧工業(yè)、科技執(zhí)法、安防監(jiān)控等的通用模型，便于用戶直接導(dǎo)入使用，若有特定應(yīng)用再視其需求量身訂制。

  二、從「沉重」到「輕快」

  一般來(lái)說，AI在辨識(shí)視頻時(shí)會(huì)將相似的影像（如背景）視為獨(dú)立圖像而重新進(jìn)行辨識(shí)，因此運(yùn)算量大;當(dāng)有大型場(chǎng)域要做AI視頻辨識(shí)時(shí)，支持其運(yùn)算的硬設(shè)備數(shù)量及成本必然昂貴，相對(duì)耗能也高，并不符合企業(yè)持續(xù)性發(fā)展（ESG）的原則。因此，已有不少?gòu)S商想方設(shè)法，希望能為現(xiàn)行的AI運(yùn)作模式「做減法」，令其揮別沉重的負(fù)擔(dān)，展現(xiàn)輕盈的體態(tài)、邁出輕快的腳步。

  例如，電子大廠臺(tái)達(dá)（DELTA）就推出了DIVA（DNN Inference OS for Video Analysis）智能加速器，利用一連串相似影像的特性加快AI視頻分析的速度，可應(yīng)用在靜態(tài)或動(dòng)態(tài)攝像機(jī)上。只要在任何影像應(yīng)用的AI模型上加上一層DIVA SDK軟件，就可加速2～6倍（視場(chǎng)域硬件、視頻分辨率、AI模型不同）且不損失任何精準(zhǔn)度，進(jìn)而降低設(shè)備數(shù)量及能耗，達(dá)到節(jié)省成本目的。

  新創(chuàng)公司耐思尼（Nexuni）也提出利用低功耗、小型化、高度定制化的嵌入式系統(tǒng)（如Embedded Linux、Nvidia Jetson Platform…等），結(jié)合可降級(jí)至KB儲(chǔ)存等級(jí)的機(jī)器學(xué)習(xí)模型TinyML成為Edge AI系統(tǒng)架構(gòu)——可在資源有限的端點(diǎn)硬件規(guī)格上，進(jìn)行視頻（如人臉）和語(yǔ)音的AI運(yùn)算，并保持與Server級(jí)運(yùn)算相同的準(zhǔn)確率。根據(jù)實(shí)測(cè)，TinyML可將Server等級(jí)所需的16GB，降至邊緣嵌入式系統(tǒng)的320KB，等于將傳統(tǒng)機(jī)器學(xué)習(xí)模型縮小了5萬(wàn)倍，更便于開發(fā)可應(yīng)用于各種規(guī)格系統(tǒng)、易于普及的自動(dòng)化解決方案，提升管理效率。

  三、從專業(yè)到普及

  近來(lái)ChatGPT讓AI在全球的關(guān)注熱度居高不下，主要在于它讓大家使用AI這件事變得容易起來(lái)。同樣地，為了讓AI能夠加速普及市場(chǎng)應(yīng)用，業(yè)界也努力透過簡(jiǎn)化開發(fā)技術(shù)與設(shè)計(jì)流程，希望即使不具備AI專業(yè)知識(shí)的人，也能輕易打造滿足本身業(yè)務(wù)需求且有效的AI訓(xùn)練模型。例如，Intel（英特爾）Geti計(jì)算機(jī)視覺平臺(tái)標(biāo)榜可讓任何人透過簡(jiǎn)單的數(shù)據(jù)上傳、標(biāo)注、模型訓(xùn)練以及再訓(xùn)練界面，配合OpenVINO工具組進(jìn)行優(yōu)化，就可輕易部署高質(zhì)量的計(jì)算機(jī)視覺AI，藉以推動(dòng)更多應(yīng)用創(chuàng)新、提高企業(yè)整體效能。

  有鑒于一般AI項(xiàng)目導(dǎo)入流程：數(shù)據(jù)預(yù)處理→選定算法→程序開發(fā)AI模型→模型驗(yàn)證，不僅需要AI或IT專業(yè)人員，還需反復(fù)作業(yè)、動(dòng)輒耗時(shí)數(shù)月;杰倫智能（Profet AI）發(fā)展的AutoML Platfrom（No-Code AI平臺(tái)），則是將「選定算法→程序開發(fā)AI模型」兩步驟利用機(jī)器學(xué)習(xí)技術(shù)自動(dòng)、快速地建立AI模型，而且可將模型驗(yàn)證優(yōu)化。如此一來(lái)，企業(yè)各部門（如人資、研發(fā)、生產(chǎn)、IT…等）人員都能很方便地應(yīng)用AI解決所屬業(yè)務(wù)領(lǐng)域的各種問題，例如，將AutoML Platfrom應(yīng)用在工業(yè)生產(chǎn)上，能夠優(yōu)化生產(chǎn)制造過程、提升整體良率與效能;應(yīng)用在網(wǎng)絡(luò)安全上，也可協(xié)助預(yù)測(cè)安全程度，防止外泄風(fēng)險(xiǎn)郵件。

圖文轉(zhuǎn)自安防知識(shí)網(wǎng)