前言：近几年来，人工智能为安防产业带来了丰富的想象力，安防+AI的组合应用带来了传统安防功能价值的颠覆性变革。然而现在的人工智能技术还是处于弱人工智能时代，大量的智能需求是以碎片化、场景化的形式出现，这也驱动着安防产业原有的运作模式不断顺应着市场需求发生改变。
过去几年，安防产业的智能化升级很大程度上得益于人工智能在行业领域的应用，对于AI在行业领域的作用，有业内人士表示，AI和互联网一样，它是一个非常基本的底层技术，这项技术会重构整个行业，甚至重构整个社会。互联网在过去20年里是最火的技术元素，它颠覆了很多人的认知以及行业领域原本的运作模式，AI技术亦是如此。
场景碎片化成为AI落地应用的关键问题
AI本身的赋能属性，会紧紧和场景结合在一起，而场景则意味着个性化，因此随着AI在行业领域应用的不断深化，用户对于AI应用的诉求也将根据不同的场景变得越来越个性化和碎片化。
这种论调正被越来越多的厂商所提及，碎片化的应用场景是AI落地过程中不可跨越的问题，对于厂商而言，由场景碎片化带来的困扰表现在多个方面。
曾有厂商指出由于场景的碎片化，企业所提供的产品和解决方案也会呈现碎片化，当前的情况是，不管是边缘计算还是云计算，实际上都是在解决点状的问题，但由于碎片化太严重，在各个节点上部署智能化和数据流转等AI应用是一个很痛苦的过程。
除此之外，其实还有算法的碎片化，大规模应用问题由于算法持续不断的更新，算法更新将成为一个永无止境的过程。这样一来会让厂商在进行数据规划、可视化检索和大数据融合时增加不少难题。
也正因为如此，当前业内厂商普遍都比较期待AI项目标准化的尽快到来，标准建设将在一定程度缓解碎片化的痛点，让项目的交付变得更便于执行。不过，现阶段看，AI应用的标准同样需要充分考虑各种场景因素，标准建设也将是一个纷繁复杂的过程。
在标准到来之前，为了更好的推进AI项目的进展，不少企业正在积极完善AI工程化的部署，或是尽可能将AI产品设定成“通用+定制化二次开发”的模式，既降低厂商的量产成本，同时也能为用户个性化的需求预留接口。
碎片化带来的作业模式变动
缓解场景碎片化痛点，并不是由某一类厂商独自解决就可以，这需要产业链上多个环节的共同参与。将难点拆分出来，大概涉及到这几个主要环节：
首先需要积累面向场景的数据，第二个需要工程师开发面向场景的算法，第三需要大规模的训练系统进行算法的训练，第四需要前后端的产品来承载智能算法，最后需要一个平台软件来对接智能功能和行业的需求。
这一连串的作业任务将会成为直观的驱动因素让企业的运作模式发生一些变化，从数据积累、场景算法开发、算法训练、前后端智能产品研发到配套应用平台软件，分属于算法企业、设备商以及平台厂商的业务范畴，而在面对碎片化的场景及其应用需求时，大部分企业的出发点首先是为了最大程度提升AI部署的便捷性。基于此，不少芯片商、算法厂商以及设备商也在逐渐细化企业内部的作业流程，完善产品技术的“出厂”设计。
比如一些AI芯片商，会采用把AI软件算法结构固化到芯片中的方式，让合作伙伴可以直接使用AI芯片整套解决方案，除此之外，芯片商还会预留芯片二次开发的空间，便于他们的合作伙伴在其芯片架构中训练特殊的模型，这样可以让合作伙伴所需投入的资源、时间相对减少很多，降低AI芯片产品化的成本。
对于产品和解决方案商而言，他们需要考虑更多的东西，除了AI终端产品的设计和功能实现之外，还需要结合应用场景做系统工程部署，细化到AI摄像机的选点安装、算法库的构建、软件平台和场景的应用需求对接等等环节。当下，在这方面，很多厂商也会尽量简化用户的安装使用流程，按照行业领域推出对应的套装产品。对于更细微的个性化需求，积极采用本地化的作业模式，以便能更快速和精准的响应用户需求。
总而言之，应对场景碎片化问题，厂商当下的重点将主要围绕着用户反复提及的成本问题、交付和维护的问题以及如何构建一个整体的信息系统架构，更好地融入用户业务。
针对碎片化的应用需求，一个很明显的趋势也正在显现出来，那就是软件的价值，软件相比硬件而言，具有高可扩展性，尤其在对接用户的个性化需求过程中相比硬件的固化设计具有短、平、快的应用优势。在技术迭代快速的当下及未来，软件所能承担起的功能价值将愈加凸显。“软件定义”有望成为一股新的潮流在安防AI化的过程中发挥重要作用。