2022-2023年，全球經濟前景的“不確定性”正在對安防與其他行業產生著重大的影響，通貨膨脹、供應鏈挑戰、地緣政治沖突、全球勞動力市場結構變化……不穩定的經濟環境在很大程度上給全球安防行業的發展帶來了極大的阻力。2022年國內安防市場保持著增長，但增速放緩，2023年國內宏觀經濟呈現復蘇態勢，市場需求有所回暖，但由于國內政府財政收支減少、部分項目進展緩慢、房地產市場下滑、企業端市場投資信心減弱等因素，給安防企業帶來持續挑戰。

    安防設備市場概況

    對于安防市場而言，在過去一年里最明顯的變化主要有2個明顯的變化：

    一是傳統的政府類項目市場進展緩慢，隨著雪亮工程等大規模城市級項目建設進入尾聲，政府端對公共安全的投入呈現放緩的態勢，大部分企業開始向商業市場布局，如電力、水利、零售、物流等，抓住商業端企業數字化轉型的機遇；

    二是生成式AI及大模型席卷各行各業，安防行業作為AI落地最佳場景，在過去的三年中卻陷入了沉默期。不少CV創企“AI賦能千行百業”的愿景被現實的人員成本居高不下、產品難以標準化和規模復制、落地場景單一內卷化等現實所澆滅。AIGC技術與大模型，讓業內看到了喚醒海量的AIoT的數據的新方式，業內不少企業開始思考如何通過這些新的技術，去促進新的商業應用的落地。

圖：2021-2022中國安防設備市場概況（單位：億元）

    針對中國安防設備市場的調研結果，a&s plus統計，2022年中國安防設備市場達1878億元，其中視頻監控市場達808億元，防盜報警市場達214億元，出入口控制市場達528億元，樓宇對講/智能家居市場達328億元。2022年是安防發展多年來不確定性因素最大的一年，國內疫情防控與國際環境變化讓產業供應鏈、市場需求等脫離了原有的發展軌道，企業普遍感受到了較大的壓力。

    a&s plus調研結果顯示，46%的調研對象表示2022年企業經營有所增長，且企業規模正在  擴大， 46%的調研對象表示2022年企業經營有所增長，且企業規模正在擴大，32%的企業看好AIGC和大模型在行業的應用，并創造更大市場商機，70%的安防企業希望通過數字化轉型升級，實現盈利能力的提升。

圖：2022企業經營狀況

    在調研中，42%表示2022年產品或解決方案的平均單價上升，34%表示產品或解決方案的交付時長上升。從整體市場上看，供應鏈短缺問題，已經較于上年有所好轉，但由于諸多不確定性因素的影響，供應鏈仍然存在著一些問題。另外需要引起注意的是，由于過去一段時間的供應鏈失衡，導致設備商都進行了大量的備貨，大部分庫存都處于較高的水平，在未來的一段較長的時間中，將面臨著去庫存的壓力。目前地緣政治與全球需求疲軟的影響仍不可能退去，因此整體安防行業市場發展依然充滿著未知的挑戰，這或許會對近幾年快速發展起來的國內安防芯片廠商形成新的洗牌與淘汰態勢。

    智能安防落地現狀

    當前智能安防落地的應用主要在人臉識別、車牌識別、視頻結構化、智能分析等應用上最為高頻，可以看出目前AI技術在安防項目的落地應用仍然聚集在感知與認知階段。尤其在人臉識別的應用，大部分企業都在相同的開源框架下完成技術開發，算法間的差異相對較小，具體方案的同質化現象日趨嚴重。

    同時隨著智能安防技術的發展成熟，安防企業所承接的項目也從之前的平安城市、智能交通、雪亮工程等公共安全項目，延伸到智慧水利、智慧景區、智慧電力等數字化管理項目，同時非傳統安防類型項目正呈現出逐年上升的態勢。

    a&s plus針對智能安防落地現狀分別對業內廠商及部分行業用戶進行了交流，綜合起來看，目前智能安防落地仍然存在三處常見的痛點：

    一是算法服務成本的居高不下，在許多大型項目中， AI應用在落地后，對高級算法人才提出了長期駐場的需求，但相關研發人員不足，給AI應用落地造成了極大的成本壓力;

    二是數據素材的獲取，在法律允許的條件下，獲取真實的、有效的數據是一個長期且艱巨的工作過程，而且沒有捷徑可走，同時由于過去傳統建設中，數據大部分都是獨立存在的，形成了較為突出的“信息孤島”問題，打破這樣的局面同樣需要一定的時間；

    三是場景應用過于單一，雖然在某些特定的場景，智能安防與AI應用已經取得了良好的落地效果，但更多的細分場景充滿著各種多樣化及個性化的需求，目前市場并沒有良好的解決方案去覆蓋這些痛點，其本質是企業對于場景業務理解的深度及投入產出比的優化還未真正做到位。

    許多廠商在宣傳自身AI方案時，往往采取的是實驗室的數據，這也導致了用戶對產品的期望值偏高，在落地的體驗上出現極大的落差感。對于用戶而言， AI安防工程化目前亟需解決的問題主要為四點，一是算法場景限制，二是前端布點困難，三是成本仍然較高，四是智能與深度應用不足。

    同時安防行業的發展也面臨了諸多的挑戰。其中“芯片法案”等對國內安防市場產生了一定的影響，在高端新品領域，目前國內的空缺仍存未填補，對產品創新的影響仍然較大。

    據國際貨幣基金組織(IMF)公布的數據顯示，2022年全球GDP總量超過100萬億美元，相比2021年96.29萬億美元增長4.05%，但整體增速開始放緩。2022年國內生產總值1210207億元，比上年增長3.0%。縱觀近年的工程項目市場，政府類項目放緩，地產類項目逐漸萎縮，商業類項目較為分散，行業軟件和硬件供應漸入飽和，安防系統集成行業增速逐年放緩。

    據a&s plus調研發現，與2021年相比，2022年國內工程項目加速回暖，增長勢頭強勁，安防集成及工程項目市場保持著穩定的增長，但受市場競爭、項目放緩、交付周期拉長等多方面因素影響，整體市場增速有所放緩，甚至一些規模較小且市場集中的企業面臨著巨大生存壓力。

    對于大型安防系統集成商而言，近年來也緊跟行業發展潮流，在大數據、云計算、人工智能、物聯網等新興技術賦能下，通過軟件及平臺的優勢，在用戶數字化轉型中找到安防之外的發力點，借助自身資源，整合合作伙伴資源，實現服務的差異化，獲得新的發展機遇。

    對于中小型安防系統集成商而言，由于客戶資源集中在中小型客戶群體，受經濟環境影響，這類型的客戶對安全管理項目的投入呈現放緩觀望的趨勢，同時已經交付項目回款周期也被拉長，為了尋找新的發展出路，不少集成商也開始在智慧旅游、智慧林業、智慧水利等中小型項目中發力，尋找傳統安防之外的新商機。

    從量的角度看，據a&s plus統計數據顯示，2017-2022年中國安防系統集成市場的規模分別為3158.00億元、3631.70億元、4067.51億元、4474.26億元、4742.71億元、5169.55億元，近五年增長率各自是13%、15%、12%、10%、11%、9%。

    a&s plus通過走訪與問卷的形式，向企業及用戶調研智能安防落地難的主要原因，前三分別是應用效果無法達到預期效果、技術成熟度不足、產業碎片化嚴重，從這些原因中不難看出，目前智能安防的落地仍然處于初級階段，應用效果是影響用戶選擇智能安防產品或者解決方案的第一要素。

    除此之外，在調研中廠商代表們也反映出目前智能應用落地中存在的問題：

    一是目前人工智能在安防行業的滲透仍然較低，需要所有攝像頭都能對視頻信息進行全面智能分析之時，人工智能在安防行業的價值才能真正凸顯出來，目前的現狀僅僅是用小部分算法解決小部分的問題而已；

    二是國內企業AI設備的出貨量已經占整體產品出貨量的70%左右，尤其在疫情之后，園區、辦公樓宇等對電子哨兵等智慧防疫產品需求更加強烈，吸引了眾多企業的關注，也造成了市面產品同質化嚴重與質量參差不齊的現象；

    三是數據的制約性， AI落地依賴數據訓練基礎算法，因此獲得高質量數據是落地的關鍵，在一些傳統安防之外的場景，缺乏統一、標準、高質量的數據，導致創新應用進度緩慢；

    四是隨著國內人臉識別規范以及數據安全法等出臺，隱私與安全無疑也會是智能安防落地的重要難題。以數字城市建設為例，隨著數字化程度的提高，安全挑戰也將越大，面對復雜多樣的應用場景，網絡和數據資產數量龐大，網絡邊界也難以被定義。

    a&s plus認為，要加快智能應用落地速度，必須要處理好行業深度碎片化問題，表現為用戶不集中、應用與產品分散、缺乏標準化的建設，導致出現以下狀況：

    首先是場景碎片化嚴重，在產品和項目的過程中，用戶認為智能化便能解決一切問題，但實際上人工智能并不是萬能。在很多碎片化場景里，其實需要投入大量的人力、物力去解決場景化的問題;

    其次是產品與解決方案的碎片化問題。當前看來，不管是邊緣計算還是云計算，實際上都是在解決點狀的問題，但由于碎片化太嚴重，在各個節點上部署智能化和數據流轉等AI應用是一個很復雜的過程。也正因為如此，當前業內廠商普遍都比較期待AI項目標準化的盡快到來，標準建設將在一定程度緩解碎片化的痛點，讓項目的交付變得更便于執行;

    最后是算法碎片化問題，由于算法的持續更新實現了大規模智能應用的落地，但算法的升級是永無止境的過程，這導致廠商在進行數據規劃、可視化可檢索和大數據融合時增加了不少難題，這點目前也只能通過技術的迭代、算法的穩定得以緩解。總而言之，緩解場景碎片化痛點，并不是由某一類廠商便能獨自解決的，需要產業鏈上多個環節共同參與。

    綜合上述，目前的難點大概涉及到這幾個主要環節：

    (1)一是需要積累面向場景的數據，二是需要工程師開發面向場景的算法，三是需要大規模的訓練系統進行算法的訓練，能讓前后端的產品承載智能算法，四是需要一個平臺軟件對接智能功能和行業的需求;

    (2)規模化智能應用部署成本高。許多產品與方案在演示或者PK的階段都處于相對理想的環境中，但到了實際的環境中，用戶便會發現較大的差異。相對巨大成本的投入，卻得不到預期的效果，智能應用的效果往往南轅北轍，讓眾多用戶望而卻步;

    （3)安全問題。在行業進入智能化之后，一方面人工智能可以實現無人類干預，基于知識并能夠自我修正地自動化運行，這種決策方式往往會產生人們無法預料的結果，另一方面視頻的數據都經過高度濃縮，價值遠超于前，尤其是個人隱私問題，導致被犯案的機率變得更高，對社會的影響也更大。

    因此要真正解決落地及生根的問題，必須突破算力、算法、應用、成本等因素，正面目前尚存的四大難題：

    一是中國安防市場的對于海量視頻圖像分析的AI應用剛需較大，但目前的應用仍然處于初步階段，越往后發展，場景會越來越多元，應用會越來越復雜，面臨AI的無限可能性，企業需做好長期性的技術儲備；

    二是安防項目是集產業、技術、模式、資本、服務為一體的復雜系統，涉及前端采集、存儲、傳輸、管理、應用等多個產業鏈條，當下賦能過程中， AI僅僅滲透到了采集等單個環節，智能效果還有較大的提升空間；

    三是作為傳統制造業，安防產業鏈長、成本高也是擺在企業面前的一道現實問題，成百上千人的隊伍，加上巨額的營銷、研發成本，想要一直緊咬傳統安防巨頭，做垂直應用變得越來越艱難；

    四是賽道現有玩家太多，且無法形成數據閉環，直接導致眼下的安防項目構成⸺集成商們拿著傳統安防廠商的攝像機、 AI創業公司的算法、 ICT廠商的服務器，找第三方公司做軟件交付，作業模式無法形成數據閉環，也是行業面臨的大問題。