在20多年的本土化发展后，安防行业经历了模拟、数字、网络、高清4个时代，现已迈入“安防+AI”智能化时代。传统安防企业在此过程中不断前行，而AI的加入则吸引了众多AI公司的关注，甚至包括BAT、华为等巨头。这一市场的蓝海吸引力让千方科技在5月27日宣布获得阿里巴巴近36亿美元投资，这一消息立即激发了行业内对阿里巴巴未来安防布局的猜测。
事实上，阿里巴巴早已推出了名为“城市大脑”的基于大数据应用的城市级管理平台，这标志着其对智慧城市顶层应用的布局。此次投资千方科技至少说明阿里的前期安防布局进展不顺利，因此需要通过合并和收购来扩充资源，以便更好地将其AI技术扩展至安防领域。
那么，我们如何看待这个行业，以及它所构建的人工智能生态呢？我们发现，在这个生态中，每个环节都有各自独特的问题和挑战。从算法到芯片，再到设备制造和解决方案，每一个环节都有其特殊之处，但同时也面临着难以克服的问题。
在最上层，即基础算法和芯片方面，我们看到中国企业如宇视科技等已经开发出自己的一套高级人工智能算法。而芯片端，则由GPU、ASIC、FPGA三种类型产品主导，其中中国企业已经能够满足自身需求，不再依赖于国际市场。
然而，在下游，即政府、教育、医疗等各个行业场景应用中，虽然存在大量产业链和企业参与，但实际落地中的产品往往是变现过程中的“最后一公里”，这是一个巨大的挑战。在这一点上，无论是运营服务商还是系统集成商，都需共同努力以解决这一问题。
除了这些明显可见的问题，还有一些潜藏且被忽略的情况，如核心架构层面的建设。目前主流的人工智能底层架构，如Caffe（卷积神经网络框架）和TensorFlow（第二代人工智能学习系统），主要掌握在谷歌及Facebook等国际巨头手中。在国内，只有少数几家公司，如百度、阿里巴巴、中兴通讯等正致力于构建自己的深度学习架构。
综上所述，由于受限于历史发展规律以及硬件条件限制，加之缺乏专门针对人工智能算法设计的心理处理单元（GPU）的支持，使得早期的人工智能技术不能像现在一样快速普及。但随着时间推移与技术进步，“深度”学习算法爆发性的发展，为整个产业带来了新的机遇，并使得人脸识别成为首要研究方向之一。此外，与游戏业务紧密相关的心理处理单元（GPU）的突破，也为深度学习提供了一定的支持力量，从而推动了整个产业向前发展。
