#頭條創作挑戰賽#
引言
傳統的安防市場已經逐漸接近業務成長天花闆，是以安防廠商們都在不斷試圖尋找新的業務突破。而随着5G通信技術、AI人工智能技術、雲計算技術、IOT技術等新一代資訊技術的快速發展，不僅為安防廠商們提供了新業務發展的基礎技術支撐，同時也打開了更大的業務想象空間。通過新一代資訊技術，傳統的安防廠商可以借助自身積累的技術優勢以及行業經驗，打破業務領域邊界實作新的業務增長，進而逐漸進入所謂的泛安防時代。但是泛安防時代就是安防廠商的業務終局嗎？
顯然不是，在慕楓看來，企業數字化轉型才是AIOT發揮業務智能化價值的黃金賽道，也是傳統安防廠商實作去安防化，脫胎進化為AIOT巨頭廠商的業務落腳點。那麼對于傳統安防廠商來說，AIOT到底應該怎樣和企業數字化相結合才能助力中國企業數字化轉型？很多公司都看到了AIOT是未來十年重要的戰略發展機遇，那麼傳統安防廠商應該怎樣做才能在未來激烈的市場競争中保有優勢，去安防化之後成為AIOT頭部公司？本文将逐一進行分析并提供可能的解法。
為什麼IOT要結合AI
在回答上文問題之前，我們得先搞清楚為什麼IOT需要結合AI才能真正實作業務突破，因為隻有了解了背後基礎技術融合的底層邏輯，我們才能真正把脈技術發展推進業務突破的必然趨勢。
無論是移動網際網路或者IOT物聯網的發展都離不開背後基礎支撐技術的進步。4G通信技術的發展，使得智能手機完成了億級别人與人之間的互聯互通，其本質是實作了人的線上化。而到了5G時代，由于通信技術的進一步發展，為實作萬億級别物與物之間的連接配接提供了網絡技術基礎，是以實際上IOT的本質是實作了物的線上化。
IOT技術解決了萬物互聯線上的問題，将實體世界的萬物映射到數字世界中，由實向虛，通過各種傳感器技術、射頻識别技術、空間位置技術等等實作光、電、熱、視訊、紅外、位置等資訊的采集，進而實作物物資訊的數字化感覺。簡單了解就是IOT裝置相當于人的眼、鼻、耳以及皮膚等組織，用于感覺外界環境的畫面、氣味、聲音、溫度、濕度等資訊。
但無論對于To C使用者還是To B使用者，萬物線上以及資訊感覺隻是實作業務智能化價值萬裡長征的第一步，并不是最終目的。使用者們更加關心萬物線上之後能産生怎樣的實際業務價值，能不能幫助降低公司營運成本，能不能提高産品生産效率，能不能增強公司産品的競争力，能不能為自身客戶帶來更加智能化的使用者體驗，這些問題才是企業真正關心的，是以裝置線上後的資料處理和應用才是發揮IOT業務潛力的落地路徑。
當萬億規模的裝置資料線上後必定會産生海量資料，是以對于海量資料的處理、分析、預測以及沉澱才是真正發揮裝置線上後智能化價值的正确方向，而大資料技術、AI人工智能技術天然需要海量資料進行持續輸入喂養。AI人工智能技術在不同應用場景之下，通過對不同裝置線上後的各類曆史資料以及實時資料進行深度學習訓練，最終能夠沉澱出不同應用場景下的AI訓練模型，通過這些AI訓練模型可以指導公司排産、為公司産品打造更加個性化的、智能化的服務，進而不斷提升産品的核心競争力。
AIoT即為AI+IOT，指的是将人工智能技術（AI）與物聯網（IOT）技術相結合，同時在具體業務場景中進行落地應用，最終實作AI+IOT 1+1遠大于2的業務效果。是以如果把AIOT比作為一個人的話，IOT就像相當于人的鼻、眼、耳、皮膚等，用于持續感受外界資訊，而AI人工智能技術就相當于人的大腦，用于處理資訊以及做出決策。同時從IOT技術以及AI技術的融合發展中，我們可以看得出來出無論是C端使用者還是B端使用者，都存在日益增長的數字化以及智能化産品需求。是以我們要以對待To C使用者的心态來對待To B使用者，在AIOT領域，能否為客戶帶來業務體驗質變，是實作産品智能化價值最大化的關鍵。
數字化轉型機遇
在搞清楚了IOT技術與AI人工智能技術進行深度融合的底層邏輯之後，我們需要思考通過什麼樣的業務場景來進行AIOT實際落地，或者說它能解決未來什麼樣的社會變革問題。因為AIOT的本質隻是技術手段或者工具，那麼誰能使用這個工具解決未來10年社會生産力變革出現的各種問題，誰就能把握住未來業績持續增長的主動權。在筆者看來，全國範圍的工業、農業以及服務業的數字化轉型就是AIOT進行落地的最佳業務場景。
什麼是企業數字化轉型
到底什麼是企業數字化轉型呢？所謂企業數字化轉型，就是企業運用數字化解決方案，借助于IOT、大資料、雲計算以及AI人工智能等新一代資訊技術，與企業自身管理、業務營運、産品研發、産品生産等經營活動進行深度融合，進而提升自身工業能力，創造智能化增量價值，以達到降低企業營運成本、為客戶創造智能化使用者體驗以及不斷提升自身産品核心競争力的目的。
目前全國服務業、工業、農業等都處在深度數字化轉型曆程當中，而中國作為擁有全世界最完整工業體系的國家，這其中蘊含的市場體量以及掘金機會自然不言而喻，是以企業數字化轉型在未來也必定是各大科技公司兵家必争之地。根據有關機構預測，到2025年全球數字化轉型市場規模将達到3.9萬億到11.1萬億，其中工業數字化轉型市場規模可以達到1.2萬億到3.7萬億的規模。是以未來誰能夠幫助制造業低成本、高品質地完成企業數字化轉型，誰就能抓住這波企業數字化轉型時代紅利以及重塑未來高科技公司的競争格局。
相比于網際網路公司，筆者認為傳統安防廠商更容易通過協助企業數字化轉型來落地公司自身AIOT戰略。為什麼這麼說？主要有兩方面的原因。
1、技術積累充足
目前很多安防廠商在物聯感覺方面已經積累了豐富的技術儲備以及實際場景應用，逐漸形成以可見光、毫米波、紅外、X 光等領域為主，融合發展聲、溫、濕、壓、磁等感覺手段，完成建構全面而多元的感覺技術平台，實作智能物聯在感覺層的技術支撐，也就是說AIOT的物聯感覺的基礎已經建立起來了。另外經過多年的AI人工智能技術沉澱，已經形成以算法模型為基礎，行業應用場景檢測算法為支撐，實作以人、物、場景為對象的智能圖像識别能力。同時在大資料處理、标注、清洗以及應用等方面也有一點的技術造詣。
2、行業場景豐富
很多安防廠商的業務範圍已經涉及公安、交警、交通、政府、司法、工商企業、建築、能源冶金、文教衛以及金融等多個行業場景，是以對于在各個行業中的業務有一定的了解和沉澱。雖然目前在各個行業中主要還是以安防業務為主，但是在未來進行AIOT落地數字化改造的過程中，可以此為切入點，将生産線異常産品檢測、生産裝置狀态統一管理、管理系統資料破壁等包含到制造業AIOT智能物聯解決方案中。是以，安防廠商的業務範圍在各個行業當中不在局限于安防，而是要深入到具體的行業業務當中，甚至是B端客戶産品制造當中去，深度參與企業數字化更新改造。
AIOT在數字化轉型中的作用
企業謀求數字化轉型無非就是降本和增效兩個核心目的，降本就是通過數字化的手段實作公司經營活動全面成本管理，提升産品生産效率，進而降低公司營運成本。而增效就是通過智能化手段實作按需生産、滿足客戶日益增長的智能化需求同時提升使用者體驗，進而增強公司産品的核心競争力。
是以AIOT作為基礎支撐技術，在企業數字化轉型過程中的作用也是圍繞着降本以及增效這兩個核心目的展開的。通過引進AIOT解決方案，可以實作對于生産原材料的全鍊路數字化管理，避免出現原材料的浪費的問題，進一步降低生産成本。比如在化纖行業，通過對絲錠異常産品的智能檢測，可以大大提高産品良品率，彌補人工檢測的弊端，更快發現異常産品，進而進一步提升産品的整體生産效率，效率提高了，那麼産品對應的機關成本就會降低。
是以，如上圖所示，AIOT智能物聯網平台最核心的價值就是幫助工業、農業、服務業實作物聯裝置數字化、智能化，賦予曾經孤立的各類裝置數字生命，同時利用裝置産生的海量資料與企業業務資料進行深度融合，不斷推進企業高效率低成本的營運，提升公司生産效率。
面臨的挑戰
在上文中我們主要分析了IOT為什麼要結合AI才能發揮價值以及傳統安防廠商為什麼有機會可以通過助力中國企業數字化轉型這一大的頭部業務場景進行AIOT落地。雖然我們找到了企業數字化轉型這一AIOT戰略抓手，但是在實際落地的過程中會遇到各種各樣的困難以及挑戰，因為企業數字化程序中涉及到的行業衆多，各個業務場景碎片化嚴重，物聯網終端異構化現象普遍存在，各類系統資料難以共享共用，是以必定會帶來各種各樣的挑戰。本文主要羅列了面臨的四大挑戰，這四大挑戰也是安防廠商在成為AIOT頭部廠商道路上必須需要解決以及攻克的。
架構挑戰
随着雲原生技術的普及、邊緣計算技術的興起，AIOT智能物聯網平台在部署形态以及架構演進層面都在發生着巨大變化。
傳統的IOT項目正在從項目型本地私有部署模态逐漸向公有雲部署模态遷移，通過托管營運的方式實作B端客戶業務營運成本的降低。如此，B端客戶不再需要購買伺服器，不再需要進行運維團隊維護。但是對于一些資料安全性要求較高的B端客戶，可以考慮将核心資料留在本地，非核心資料在公有雲的混合部署方式。
在平台架構層面，相比傳統的微服務架構，AIOT智能物聯網平台由于增加了感覺層以及邊緣端，是以整體的架構形态更加複雜。另外由于海量裝置的接入，必定會帶來整體平台業務規模越來越大、平台的分布式複雜度越來越高，對于研發人員的額外負擔也會越來越多。是以傳統的架構形态越來越不能滿足AIOT智能物聯網平台對于平台穩定性高、業務疊代速度快、開發接入成本低、擴充配置能力強的要求。是以基于以上原因，平台的整體架構逐漸向雲原生架構進行演進。
對于雲原生架構來說，它最大程度的從業務代碼中剝離了非功能性能力到IaaS層以及PaaS層，是以研發人員可以将精力都投入在業務邏輯的開發當中，而類似高可用能力、容災能力等等不是業務功能但是又十分重要的特性都由雲原生基礎設施來進行統一的管理，資料庫、緩存、MQ等中間件也都被雲化為雲原生基礎服務，是以極大的減少了研發人員的平台關注範圍，是以可以将研發人員從運維、存儲、高可用等與業務邏輯無關的事務中解脫出來。同時還可以充分利用雲原生架構在微服務快速部署、容器彈性伸縮等方面的優勢，極大地提升軟體部署傳遞效率。
雖然雲原生架構有諸多好處，但是它依賴于企業擁有雲原生基礎設施建造能力，強大的雲原生基礎設施能力是以雲原生架構建構AIOT智能物聯網平台的基礎。是以雲原生架構對于後期的運維等都是巨大的挑戰，技術團隊、運維團隊是否已經做好迎接挑戰的準備，這是一個未知數。
安全風險
安全挑戰分析
随着AIOT在各行各業不斷深入推進，物聯網裝置線上數量與日俱增，根據 IoT Analytics 的預測，到2025 年将有300 億台物聯網裝置。是以在AIOT飛速發展的同時也面臨着嚴峻的安全挑戰。特别是最近爆出來的某超級大國長期在大陸進行完全滲透，竊取大量高價值資料的新聞，更加給大家敲響了警鐘。任何一個AIOT的安全問題都可能造成不可挽回的巨大财産損失以及個人安全風險，甚至威脅國家安全，可見如何應對AIOT的安全風險是每個AIOT入局者都不得不面對的現實挑戰。
與傳統的網際網路以及移動網際網路不同，AIOT的平台架構中涉及到大量的感覺層以及邊緣節點，也就是說平台需要接入大量不同類型的IOT裝置，整個平台的觸角延伸到更加廣闊的空間，不再是傳統的微服務架構或者硬體産品體系。是以AIOT平台面臨的安全挑戰也是和以前的平台有很大的差異。AIOT平台安全問題主要可以分為如下三類：
1、裝置資源種類繁多
AIOT感覺層以及邊緣節點涉及到的物聯裝置種類繁多，各個裝置的使用的晶片、系統版本、通信協定各不相同，是以在建構安全防護機制層面适配難度大，安全固件更新可能存在不及時的情況。
2、網絡環境開放度高
在AIOT架構下，物聯裝置需要連接配接網際網路，是以網絡開放度相比傳統硬體産品更高，是以面臨的安全風險就會更大。
3、部署場景複雜多變
微服務架構的部署場景相對來說簡單一些，服務都部署在伺服器中，而伺服器一般都在專屬的機房當中，有專門的值守人員，伺服器本身安全隐患相對來說比較可控。但是IOT物聯裝置部署環境比較複雜，可能在大街上、可能在礦井中、可能在邊境上，常常暴露在無人看管的區域，是以給裝置安全維護帶來非常大的挑戰，裝置安全固件更新可能不夠及時，另外還有被人為實體破壞的風險。
常見安全問題
1、弱密碼
裝置密碼采用預設或者容易被猜測進行暴力破解的密碼，很容易導緻裝置被非法通路。一些家庭攝像頭使用預設密碼或者使用了容易猜測的弱密碼，最終導緻家庭攝像頭的畫面被黑客在網絡上進行售賣或者直播。
2、網絡不安全
裝置使用了不安全的網絡服務，特别是暴露在毫無防護的網際網路之上，很容易遭受遠端
攻擊。
3、資料傳輸不安全
敏感資料在網絡傳輸以及本地存儲的時候未進行加密處理，導緻資料被竊取使用。
4、系統不安全
裝置接入的平台不安全，導緻裝置本身被攻擊。
5、缺乏安全更新機制
木馬病毒以及攻擊手段都是日新月異，如果裝置端不能及時更新安全防護或者根本缺乏
安全更新機制，那麼很容易被黑客利用已知漏洞進行攻擊。
如何應對
1、隐私安全防護
對于使用者資訊的的采集需要複核所在國當地的安全法律法規，盡量做到最小化資訊采集，同時進行資料安全防護，避免隐私資料被第三方使用。
2、傳輸存儲加密
涉及到的敏感資訊無論網絡傳輸還是存儲都必須進行資訊加密，避免明文傳輸和存儲，加密後的敏感資訊可以有效防止攻擊。
3、強制修改密碼
首次使用的裝置不允許使用預設密碼必須強制修改密碼， 同時對于裝置密碼進行安全等級校驗，不允許存在弱密碼。
4、遠端更新能力
對于IOT物聯裝置必須具備遠端線上OTA更新能力，同時支援對OTA更新的合法性進行校驗，進而保證安全更新檔能夠及時且安全的更新到IOT裝置中。
5、鑒權完全覆寫
無論對于AIOT平台對外提供的接口，還是IOT裝置對外提供的能力都必須進行安全鑒權全覆寫。
産業賦能
問題分析
中國是世界第一制造業大國，大陸制造業有31個大類、179個中類和609個小類，是全球産業門類最齊全、産業體系最完整的制造業。全國各地分布着各種各樣、門類豐富的産業帶叢集，有家電産業帶叢集、太陽能産業帶叢集、新能源汽車産業帶叢集、 廚具産業帶叢集、燈具照明産業帶叢集等等。而目前制造業都在追求數字化轉型，以降低企業經營成本同時提高産品核心競争力，是以助力制造業進行數字化轉型更新、賦予制造業智能化業務價值具有廣闊的市場前景以及迫切的市場需求。
誠如上文所說，我們可以借助于企業數字化轉型來進行AIOT系統工程落地，同時以資料為核心，将工業産品制造中涉及到的供應鍊管理、産品研發、生産、裝配、營銷、物流等各個環節通過各類資料進行融合打通，形成制造業數字孿生，再結合人工智能技術，進行各個業務場景的模型訓練，進而創造産品的智能化價值，這是我們落地AIOT的方向。
雖然數字化變革正在深刻重塑中國社會生産力，很多的傳統行業因為插上了數字化的翅膀邁向了企業發展的新台階，但是實際上目前制造業數字化程序相對于其他行業較為緩慢，主要有以下六方面的原因：
1、場景碎片化嚴重
制造業涉及到的業務場景以及環節碎片化現象嚴重，不同行業的制造業場景又各不相同，缺乏統一的平台可以将所有的碎片化場景進行融合貫通。
2、工廠裝置多樣化
制造業工廠中涉及的各類裝置種類繁多，有機床類、PLC類、傳感器類、傳送類等等，同時裝置所使用的協定各不相同，包括Modbus，OPC-UA、OPC-DA以及各種驅動協定，可以說是多種多樣。同時裝置單點自動化程度較高與整體智能協同程度較低形成了鮮明的對比。
3、系統平台內建難
在整個制造業工廠管理中涉及到的管理軟體系統主要包括ERP、MES、CRM等等，各個系統之間不能互聯互通，資料難以綜合利用，系統豎井化嚴重導緻無法釋放數字化價值，最終形成一個個資料孤島。是以在企業數字化轉型過程中，需要對豎井化嚴重的系統進行改造，打破系統之間的壁壘，實作資料共享共用。
4、涉及領域知識多
一個工業産品從研發到制造再到可以上架售賣以及售後服務，整個産品的生命周期中涉及到的人員衆多、涉及到的領域知識紛繁複雜，是以對整個生命周期進行統一管理并不是一件容易的事情。
5、智能接入成本高
對于制造業工廠來說，他們希望時刻掌握裝置運作健康狀況，但是大量裝置接入雲端進行分析之後，其中的接入成本包含了伺服器的購買成本、網絡帶寬成本、後期各類伺服器運維成本以及智能終端開發成本這些都會增加制造業進行AIOT接入的成本，使得決策者常常望而卻步。
6、裝置智能靈活度不高
通常情況下裝置一旦燒制完成，其所具備的業務能力就已固定，是以裝置的智能靈活度不高，不具備智能擴充能力，限制了端側裝置智能化應用。
是以如果想紮實推薦AIOT在制造業中的落地，就必須要解決以上這六個問題。
如何應對
想要讓AIOT賦能産業數字化轉型，那麼必須降低各個産業實作AIOT智能物聯能力接入的成本，讓雲端的強大能力能夠服務于IOT裝置。進而實作高效率、低成本的AIOT能力接入。
讓裝置更加智能
如果在制造業新工廠建設期間，可以考慮将AIOT模組內建到生産裝置當中，這樣雲端平台可以将雲的各種能力下放到端側裝置當中，使得端側裝置可以根據實際場景的需要動态更新裝置的智能化能力。
但是在一些已将投入生産的制造業工廠中，不太容易內建AIOT模組到産生裝置中，此時可以考慮增加邊緣智能節點裝置，通過近場計算的方式實作各生産裝置資料的彙總以及處理，邊緣裝置将預處理後的資料再傳到雲端進行各類模型訓練。
企業級AIOT解決方案
為了進一步降低企業數字化轉型過程中的AIOT解決方案接入成本，将來安防廠商向B端使用者傳遞的可以是一整套完整的雲端一體化AIOT平台企業級解決方案。針對不同行業、不同制造業，可以在安防雲AIOT平台中直接建立對應符合行業特征的解決方案模闆平台。每個解決方案對應的資料、存儲、運維、計算以及智能分析都是互相隔離的。如此，B端客戶不再需要考慮伺服器購入成本、運維成本，大大降低AIOT接入的難度和成本。
算力建設
AIOT在未來各行各業在數字化轉型階段落地生根的過程中，必定會帶來龐大的資料分析、人工智能模型訓練以及資料預測等AI計算需求，未來10年人工智能的計算需求相比當下将增長500倍。是以安防廠商應該主導或者參與建設算力中心基礎設施，積極參與國家東數西算工程。隻有擁有了強大的AI計算能力，才能夠真正的實作AIOT為各行各業數字化更新改造提供基礎計算服務，創造更大的數字化業務價值。在未來，算力中心可以不僅為安防廠商提供AI算力支撐，還可以為千行百業數字化轉型提供強有力的算力支撐，另外由于提供底層的算力支撐，安防廠商可以更加友善向合作夥伴推廣自己的AI預訓練大模型。
在不久的将來，算力資源也會像水電煤一樣成為社會營運的基礎設施。但是目前各個算力中心相對獨立，算力中心中跑的資料格式并不統一，相關接口不能互相相容。是以要想真正将各個算力中心連接配接成算力網絡，必須在運算資料的格式上、在調用接口的相容性上、在硬體裝置的制造上建立相對統一的标準。
總結
未來10年AIOT将集中爆發業務潛力，它将化有形為無形，将來大家看到的都是AIOT帶來的業務價值而不是AIOT本身。在筆者看來泛安防并不是安防公司的終局目标，對于一些頭部安防玩家來說，安防業務應該隻是未來公司業務版圖中的一部分，積極擁抱服務業、工業以及農業數字化轉型才是未來公司業務實作長期增長的關鍵所在。是以傳統安防廠商應該以安防業務作為支點，打破安防業務領域邊界限制，對使用者進行品牌能力再教育，在企業數字化轉型更新浪潮中深耕細作，助力AIOT技術成為像水電煤一樣的未來經濟體的新型基礎設施，進而推動傳統實體經濟邁向數字化、智能化，如此才能成為中國企業數字化轉型的賦能者， 上司者。