边缘计算赋能安防行业

　　2012年以前的传统安防行业，简单来说就是“视频监控”，以摄像机作为前端感知设备，负责数据的采集;服务器作为后端设备，负责数据的处理及分析。

　　边缘计算的出现则将安防的智能化带向了前端。传统方式下，我们可能需要堆叠大量的GPU服务器来实现这些智能化的服务，而现在，我们可以逐步的将例如人脸的检测、抓拍、识别，视频的结构化、车辆的检测与识别放到前端摄像头去实现，这样的变化带来的影响巨大。

　　首先是带宽方面，我们不再需要将原始数据全部传输到云端去处理，然后发送回来，而是直接边缘端即可完成处理;第二是成本方面，大规模量产的前端芯片成本要远低于后台服务器的芯片成本，同时海量服务器的运维、散热、机房租用等等成本更高;第三是延时方面，例如一个人脸识别，前端设备直接能够自行处理，可以不需要将视频传输回去，解析、抠图、识别然后再把结果返回来，这难以满足很多场景下快速响应的需求。

　　当然，安防行业的智能化与前置化的核心或者说难点是前端处理能力，也就是芯片。云端的处理能力，我们可以通过服务器的叠加来实现。但是。边缘端的芯片则需要在保持强大运算能力的同时，尽可能的降低功耗、降低成本以满足大规模推广需求，这是一件非常具有挑战的事情。

　　云边融合已为产业必然趋势

　　尽管云计算早在2005年就已提出，且具有强大的运算能力以及海量数据挖掘与分析能力。但随着物联网时代的到来，日常生活中产生的大量数据需要更快速的响应及处理，这些都是云计算不能解决的问题。在网络带宽有限、网络拥堵、响应延时一系列技术的要求下，边缘计算开始成为物联网时代超越云计算的最佳“使用方法”。

　　不过，尽管云计算与边缘计算是看似矛盾，实际上却是协同、互补的两种方式。也就是说，边缘计算虽然有其明显的优势，但是用边缘计算来替代云计算也是不可行的。例如海量数据的挖掘、关联分析，关键数据的存储，多边缘节点的联动都需要依赖云端来完成，云计算厂家布局边缘计算，是对自身能力的一个补充，从而可以提供更好更完整的解决方案，也是顺应技术发展的需要。

　　但不管是安防行业还是物联网，只有将边缘计算和云计算协同使用，才会发挥出最大的价值。

　　由于物联网设备类型的多样性和广泛性，对网络要求、计算存储、运维管理等诸多方面带来挑战，而云计算在安防行业(物联网)领域并非万能，边缘计算和云计算融合才能更好解决物联网的现实问题。以视频监控的发展为例，视频监控数字化后将部分存储和管理功能转移到边缘，随着技术演进，既需要边缘设备的灵活响应，又需管理复杂的采、存、算等设备，像人体这个复杂系统一样，连接感知末梢与大脑有序运作的，是非常复杂的经络体系，而不是简单的信息通道。

　　所以，云计算与边缘计算的协同不是简单的云+端，更不是简单地分成若干个所谓的“小云”再汇聚到更大规模的云，而是切实解决从端到云所带来的应用、数据处理、管理等一系列问题。

　　要落地?但边缘计算难点有待解决

　　尽管边缘计算存在节省带宽成本、节约服务器成本、存储成本、降低响应时间等优势，但其在落地应用过程中仍然存在应用层面、技术层面的问题。

　　●场景适应性。我们知道，当前还处于人工智能发展初级阶段，各项应用与服务都是基于“模型训练“得到的，并没有达到强人工智能的阶段，所以本身计算、识别及分析能力对场景的依赖性较大，所以我们需要更多的应用场景去加速边缘计算的落地，需要更多的技术投入、资金及人力的投入。

　　●改造成本。传统安防的客户主要是公安、政法委这一类，这些客户具有项目运作周期长的特点，所以新技术的应用很难快速的在这些场景铺开。

　　●技术实力与实战标准的区别。以人脸识别为例，“人脸识别“的技术是很成熟的，但是到了实际的场景中，仍然存在识别不准确、识别不出来、识别效果不好等，例如人是低着头的、光照会发生变化、摄像头拍摄角度问题这些不可控因素都会导致识别结果不好。人脸识别这项很成熟的技术尚且如此，那么到了其他应用场景，例如要做安全帽的识别、做车辆乱停的识别、做水尺的识别、集装箱识别，这些理论上，只要数据量足够充分都可以发掘，但是达到”解决客户问题“这样的标准，目前还有很多工作有待解决。

　　小结：

　　新行业的发展必然伴随着新的需求出现，而技术的突破则能够带来新的产品和解决方案。

　　巨头布局边缘计算是必然趋势，未来云和端缺一不可，但是由于边缘计算面向的还是某个具体应用场景，且AI的应用场景会比互联网以及移动互联网时代要丰富得多。可以预见的是，在未来人工智能时代，边缘端将会有大量机会，也将出现有多家AI芯片厂商共存的局面。我们一起期待!