预计随着物联技术和智能算法的加速突破与应用，运算能力和数据量的大幅增长，不远的未来，智慧汽车、智慧交通、智慧物流、智慧零售、智慧医疗、智慧金融、智慧教育、智慧制造、智慧通信、智慧芯片等产业也将成为安防的延伸行业，均将创造巨大的商业价值。
1、智慧汽车
在普通车辆的基础上增加先进的传感器(雷达、摄像)、控制器、执行器等装置，通过车载传感系统和信息终端，实现车与人、车与车、车与路等的智能信息交换，使车辆具备智能的环境感知能力和行驶状态分析能力，使车辆按照人的意愿安全高效的到达目的地，这便是智慧汽车。当前，智慧汽车已具备了远程遥控泊车、自动巡航、自动跟车、车道保持、换道行驶、自主超车等能力。智慧汽车的最终目标是彻底实现无人驾驶。
安防企业可利用自身在传感器、云计算、大数据、人工智能、高精度地图等领域的优势，结合传统车企在整车制造、零部件制造等领域的经验，可以加速推进辅助驾驶、自动驾驶的技术进程。
当前各个国家也在加快智慧汽车相关的立法工作。根据各厂商的规划，2025年将有望实现高度自动驾驶功能。
2、智慧交通
道路拥堵、停车困难、交通事故频发等交通问题严重制约城市发展，智慧交通有望缓解、甚至解决这些问题。
通过深度学习模型，以大数据为核心，可以实时监测分析道路上的车流量，根据道路上真实的情况自动切换和调配信号灯的时间，从而极大的提高交通效率，提升交通体验。交通事故的避免也是非常关键的一个环节。通过人工智能算法，进行智能图像分析，行车时实时收集车内外的环境数据，进行物体识别，让驾驶人员及时察觉潜在的危险，从而预防交通事故的发生。
3、智慧物流
利用智能搜索、推理规划、计算机视觉、智能机器人等技术在仓储、运输调度、配送装卸等环节的应用，进行自动化改造，能够基本实现无人操作。
用大数据对商品进行智能配送规划，优化配置物流供给、需求匹配、物流资源等。目前物流行业大部分人力分布在“最后一公里”的配送环节，即使如此，利用无人机和无人汽车，将来也可以在相当程度上实现“货到小区、货到大楼”，彻底释放大量的人工投入。
4、智慧零售
从无人便利店到智慧供应链，从客流统计到无人仓储，从智能导购到虚拟试衣，人工智能在零售业的应用已非常广泛。通过大数据与业务流程的密切配合，人工智能优化了整个零售产业链的资源配置，为企业创造更多效益，让消费者体验更好。在设计环节，机器可以提供设计方案;在生产制造环节，机器可以进行全自动制造;在供应链环节，无人仓库可以对销量和库存需求进行预测、合理补货和调货;在终端零售环节，机器可以支持智能选址，优化商品陈列位置，并分析消费者购物行为。AI赋能零售，推动形成新零售生态，从而进一步提升消费体验。
5、智慧医疗
当下人工智能在医疗领域应用广泛，从最开始的药物研发到操刀做手术，利用人工智能都可以做到。智慧医疗按领域可划分为八个主要方向，包括医学影像与诊断、医学研究、医疗风险分析、药物挖掘、虚拟护士助理、健康管理监控、精神健康以及营养学。
利用深度学习，快速准确地挖掘筛选合适的化合物或生物，可以缩短研发周期，降低新药研发成本，提高新药研发的成功率。机器视觉结合大数据技术可用于辅助诊疗，让计算机学习医生的思维和诊断推理，像医生一样给病人看病，并给出可靠的诊断和治疗方案。人工智能技术还能够将优质医疗资源合理赋能至基层医疗机构，助推医疗资源平衡化发展，为广大偏远地区提供与大城市同等的医疗条件。
6、智慧金融
智慧金融覆盖一整个金融科技的生态圈，包括支付清算、融资、金融基础设施建设、大数据、交易、保险以及投资管理等，其生态可归类为智能投顾(私人财富管理)、区块链(比特币)、监管科技、数字银行、支付与清算以及其他多元金融七类，其中，智能投顾、保险科技以及监管科技的发展较快。
智慧金融通过大数据、云计算、人工智能、区块链等技术改变传统的金融信息采集来源、风险定价模型、投资决策过程、信用中介角色，大幅提升传统金融的效率，代表技术就是大数据征信、智能投顾以及供应链金融。
7、智慧教育
智慧教育将教学变为大数据分析和人工智能辅助的以学生为中心的个性化学习，为每个学生提供个性化、定制化的学习内容、方法，从而激发学生深层次的学习欲望。在教育资源的均衡化方面，人工智能也可以发挥很大的作用，可以有效解决以前远程教学中师生不能进行有效互动和教师不了解学情的问题。
当前，图像识别、语音识别、人机交互等人工智能应用技术在教育领域都有应用。通过图像识别技术，人工智能可以将教师从繁重的批改作业和阅卷工作中解放出来;语音识别和语义分析技术，可以辅助教师进行英语口试测评，也可以纠正、改进学生的英语发音;人机交互技术，可以协助教师为学生在线答疑解惑。个性化学习、智能学习反馈、机器人远程支教等人工智能的教育应用也被看好。
8、智能制造
智能制造，是在基于物联网意义上实现的包括企业与社会在内的全过程的制造，把“智能工厂”、“智能生产”、“智能物流”进一步扩展到“智能消费”、“智能服务”等全过程的智能化中去。
人工智能在制造业的应用主要有三个方面：首先是智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备。其次是智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容。最后是智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式。
虽然目前人工智能的解决方案尚不能完全满足制造业的要求，但作为一项通用性技术，人工智能与制造业融合是大势所趋。
9、智慧通信
有分析认为，2020年将有超过500亿台机器和设备进行互联，超过2000亿个联网传感器产生海量数据。联网汽车每天将产生4TB数据，一个联网工厂每天将创造超过1PB数据。传输这些海量数据得依靠高速宽带的通信技术。
根据规划，5G服务将在2020年推出，但是国内外多家运营商将加快推出5G业务技术。物联网方面，已经出现比较成熟的商业模式，包括智能抄表、智能穿戴以及环境监控等。宽带固网方面，全光网已经成为标配，宽带战略已成各国基本策略，宽带市场主流数量级是“千兆”。
5G技术的推出将使机器人、自动驾驶汽车、可穿戴设备、无人驾驶飞机和其它对网络延迟敏感的系统，比如VR/AR等成为一个微数据中心。
10、智慧芯片
如果数据是AI的燃料，那么算力就是引擎了。目前，GPU由于海量数据并行计算优势，只需要进行高速运算而不需要逻辑判断，在人工智能芯片领域具有统治地位。另一个是以FPGA为代表的半定制化芯片，利用FPGA动态处理数据的能力，数据中心可以把单位功耗下的数据处理能力提高。FPGA主要应用于通信、军队、工业、自动驾驶等领域，其中自动驾驶与数据中心将是未来增长的核心。除了目前主流的这两种芯片架构之外，业内也在积极研发面向人工智能应用的ASIC全定制化芯片，包括谷歌的TPU、我国中科院的寒武纪，这类的针对特定算法以及特定框架的全定制AI芯片，除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗的移动端。
