下面从工程化的挑战、标准化的缺乏和AI需求的碎片化3个视角论述现阶段面临的问题和挑战。

工程化的挑战

  纵览目前智能安防+AI落地实施好的环境，工程属性的问题解决得好是必备条件，前端的工程属性包含设点、工堪、架体、安装、补光、校准等等这些，后端的工程属性主要是指数据资料的技战术。例如ITS的应用是一个典型的AI落地实施环境，AI人工智能更早在安防企业落地实施就是叭ITS开始，前端的卡口和电警等设备，被清晰地定义了工程属性参数，在停止线后多少距离设点、抓拍点至架体距离多少，配什么样子的镜头，抓拍几车道，补光灯強度规定多少，安装照射视角是什么，校准标准怎样等等这些，都是有严格的工堪表格和实施标准。按这样的工程属性安装和校准的系统，再加上后端数据资料的技战术，可以 更大程度地实现客户的需求。从ITS衍生的出入口停车场车辆管理系统，清晰的工程化属性定义，加上后端的数据资料运维平台，是典型的toG端到toB端衍生的案例。

 再例如人脸识别相机，规定安装高度、人脸像素大小、补光等等这些。反向过来思考，假如离开或者弱化这一些工程化属性实施的可能性，AI人工智能安防企业的落地实施还能仍然发挥优势吗？首先，注重工程化其本质上没有错，工程上代表着环境的准确定义和AI人工智能的可实施可复制；其次，计算方式的不断改进，以及用于计算方式训练的场景模型不断完善，正在广泛AI人工智能的适应性能力，逐渐削弱对工程化属性的依赖；再次，客户调整需求和对AI人工智能的期待值，例如使用两个泛智能的摄像机，替代一个工程属性较强的专业智能摄像机，抓拍率或许可以达到同样的效果，但减低了工程实施的难度系数和整体TCO。

关于联达置高

 联达置高深耕弱电安防行业16年，公司目前的主营业务包含网络覆盖、视频监控、综合布线等内容。在16年的经营历史中，公司一直担任锐捷、宇视、联想、戴尔等品牌的一级经销商，做到了施工产品为一体的综合性公司。【 监控安装公司】