视频监控市场在过去10年经历了爆炸式的增长，由于高清智能摄像头的价格比之前有了大幅下降，使得高清网络摄像头在视频监控项目中的部署越来越普遍。而自2018年以来，人工智能（AI）也得到了迅猛发展，其中落地速度最快的当属视频监控项目，因此，出现了越来越多的嵌入了视频分析功能的智能摄像头，让“安防+AI”成为了安防行业发展的趋势。

视频监控市场中国最大，印度越南增速最快

   根据IHS Markit统计的数据，2018年和2019年全球视频监控市场规模分别为182亿美元和199亿美元。从市场增长率上来看，2015年到2018年，全球视频监控市场的增长率分别为1.9%、3.9%、9.3%和8.7%，持续保持了一个较高的增长率。这与政府和企业在安防方面的支出持续增加密不可分，特别是近几年来，智慧城市和平安城市项目的展开，大大促进了安防方面的支出。

   从市场分布来看，2018年中国视频监控市场占了全球市场份额的45%，是全球最大的一块市场，而且增长速度也远高于海外市场。据IHS Markit预计，2018年至2023年，视频监控市场增长率比较快的市场有中国、印度、越南和泰国。其中，增长速度最快的印度将会达到16.6%，其次是10.7%，当然，中国的增长速度也不慢，有10.5%。

国内城市摄像头密度排名深圳最高，205个/平方公里

   中国市场增长较快的一个重要原因是政府“雪亮工程”“平安城市”等推动了对城市监控项目的投资，而且还扩展到了周边农村地区。比如在2020存储产业趋势峰会上，有嘉宾介绍中国的“平安城市”项目里使用的摄像头数目，其中深圳在1953平方公里的城市里使用了40万个摄像头，平均每平方公里就有205个摄像头。摄像头数目上100万的城市有北京和上海两个，北京115万个，上海100万个，不过由于这两个城市的面积相对较大，密度并没有深圳高。

   除了政府和企业的推动，视频监控市场快速增长的原因还有视频监控摄像头的价格下降了很多。自2015年以来，全球市场上网络监控摄像头的平均价格下降了22%以上。

   此外，视频监控的用途越来越广。摄像头除了在传统公共安全或者防盗应用中使用外，还有很多场景中会用到，比如监控、控制和记录业务运营情况；安全生产监督，像滑倒和跌落，火灾和烟雾报警检测等；市场营销信息收集，像零售行业中的客户数目统计、整理客户信息资料，绘制商店客流热力图等等；以及在诉讼案件中用于收集潜在的视频证据等等。

智能安防时代的基础架构变化

  如此多摄像头的部署，加上新部署的摄像头很多都是高分辨率的摄像头，比如1080p，2K，甚至是4K分辨率的摄像头，尽管压缩技术正在不断进步，但这么多摄像头产生的数据依然是个庞大的数字，企业需要的存储空间不断提升。据IHS Markit估计，2018年全球用于视频监控的存储出货达81 EB，相当9200万小时的视频（1080p @ 2Mbps）。这些存储通常分布在录像机（DVR或者NVR），内部存储以及外部存储系统中。

   西部数据公司高级副总裁兼中国区总经理Steven Craig曾表示，2018年约产生了32ZB（约1万亿GB）的数据。“到2023年，预计会产生103ZB的数据。” Steven Craig进一步指出。这些数据主要来源于末端的边缘数据、在边缘进行整合后的数据，以及在云端经过了处理和转换的智能信息。

   在Steven Craig看来，这些看似庞大的数据其实只有小部分会被存储下来，比如说2018年的数据存储量是5ZB左右，占产生数据的15%；预计到2023年，存储下来的数据为12ZB左右，占产生数据的11%，其他的数据将会失散掉，而且将永远也不可能找回来了。

   如此海量的数据，原有的视频监控基础架构已经不再适用新的形势，尤其是对于大型项目。一种结合了AI、云，大数据以及物联网技术的新型架构正在视频监控系统中大规模落地，尤其是在中国的平安城市项目中。

   随着AI、云、大数据和IoT等变革性技术越发渗透于视频监控系统，出现了不同的方法来满足将这些技术集成到现代系统的需求。诸如安全城市等的大型项目需要从全局了解公共安全状况，简化视频监控并自动化视频处理和分析过程。

    云、边、端（在国外也称为云、雾、边）是基于物联网概念的三层架构，在许多中国公共安全项目中被广泛使用。从传统的集中式数据中心演变而来的该体系结构通过添加雾层作为云和端的中间层，而传统的架构正在被这种新型的分布式架构所取代。不同于传统的架构，云中心将计算、存储和网络资源整合在一起并对这些资源进行集中管理。同样，边侧也在各个节点提供统一的平台管理并整合来自不同厂商的IT基础设施部件以及端侧设备。

AI从云迁移到端侧，数据从端侧汇聚到云

 AI解决方案一开始是部署在数据中心，或者云端的，然后逐渐扩展到边缘端。特别是近年来，随着ASIC和SoC技术的发展，芯片的算力越来越强，摄像头也能够运行一些AI推理算法。因此视频分析既可以在现成的标准化分析服务器或录像机上运行，又可以嵌入到网络摄像头和编码器之类的视频监控端侧设备中。

目前主要有三种方法来部署AI解决方案：

   部署在端侧的AI摄像头。AI摄像头生成的结构化数据通过网络传输到服务器，用于例如面部图像识别和车辆识别等基于场景的其他应用程序。但是，这种方法难以被广泛采用的原因是AI摄相头替换传统摄像头的成本相对较高。此外，端侧AI摄像头的算力限制也阻碍了广泛应用。即使使用最新的ASIC芯片，许多端侧设备也将无法同时运行多种算法。因此，仅靠端侧设备很难实现规模效益。

   部署在中心的AI解决方案。借助这种方法，无需更换传统的摄像机便可将视频流发送到分析服务器或录像机或云端以进行集中处理。这使系统能够为每个摄像头视频运行更多样的分析，并将多路摄像头联动来运行不同的视频分析。但是所有数据都需要被发送到数据中心，而这种方法需要高带宽支持。数据中心必须能够提供所有算力，这很大程度上意味着用户为购买AI服务器和录像机需要支付高昂成本。

   云-边-端基础架构上分布的AI解决方案。这种混合方式可通过结合使用端侧的智能摄像头、边侧集中式服务器和云中心，来确保视频分析的工作负载更加均衡。这意味着可以在摄像头上运行一些分析，例如人群监视、计数和对象检测，目的是节省带宽并减轻后端的算力压力。可以使用功能更强大的集中式分析来运行需要大算力的应用程序，例如人或车辆的特征提取以及对象搜索。

   另外，由于深度学习分析能够将非结构化的视频和图像转换为结构化和半结构化的数据。这些数据可以通过云-边-端基础架构汇聚，从AI摄像头开始，然后到边缘侧的服务器或录像机，再到云数据中心。该过程由算法和算力实现，需要用到强大的逻辑处理器、图像处理器、内存和存储的支持。

   在端侧，目前具有1TOPS算力的嵌入式SoC的智能摄像头已经很普遍，有些高端的摄像头已经采用了16TOPS算力的芯片，这些高端 摄像头可以运行多种深度学习算法和应用程序。还有，高性能大容量并且具有高P/E（写入/擦除）周期的嵌入式闪存存储器在端侧的AI摄像头中被越来越多的使用，例如e.MMC和UFS。

   由于大量基于AI技术的上层应用，显著增加了用户对视频数据和结构化数据的读操作，这就需要存放这些数据的存储器具有更好的顺序和随机读写性能，以及更大的本地存储空间。<电子发烧友>从视频监控设备供应商处了解到，现在很多视频监控厂商其实都是使用消费级的存储卡，但这类存储卡很容易损坏，这时客户就认为这是监控设备出了问题。这给他们带来了很大的困扰。也正是为了解决这个问题，西部数据去年开始特意推出了专门针对安防市场的存储设备------WD Purple系列产品。比如下面这款专门针对端侧的WD PurpleSC QD101耐久度microSD存储卡，该产品专为主流安全摄像头市场中的设备制造商、经销商和安装人员而设计。它采用了西部数据先进的96层3D NAND技术，并提供了高耐久度、高性能存储和512GB大容量的高性价比组合，可满足不断增长的视频安防市场的需求；重要的是，在兼容的摄像头中，存储卡的运行状况管理使安装人员和集成商能够查看剩余续航时间，并在需要时预先维修存储卡；此外，该存储卡可提供32GB、64GB、128GB、256GB和512GB容量选择。

   在边缘侧和云端，适合运行包括图像识别在内的大量深度学习任务的“CPU+GPU”架构变得流行。

   随着越来越多的数据在包括录像机和企业级存储在内的后端存储中被汇聚，需要更大的存储支撑。具有更高容量的硬盘存储阵列可在有限物理区域中提供更大的容量。由于叠瓦式磁记录（SMR）技术的发展，使得最新一代3.5英寸硬盘的容量可以最高达到20TB。叠瓦式硬盘通过将驱动器磁道部分彼此叠置（类似于屋顶上重叠的瓦片）来实现更大的容量，从而以较低的成本增加同一区域的存储密度。这种方法可以在视频监控云中心中很好地发挥作用，因为视频数据流具有顺序化存储的特性，并且视频云中海量归档的视频都不会进行随机写操作。

   另外，为了提升在云端进行密集的AI计算的能力，一些厂商开始在视频监控系统的AI计算中引入非易失性内存主机控制器接口（NVMe）存储，即NVMe enterprise SSD。为了获得更好的性能，西部数据还提出了一个开源的标准化的分区存储技术ZNS，以在NVMe SSD上实现更好的耐久性、可预测的低延迟和QoS（服务质量）性能。

   当然，西部数据也没忘记在边缘和云端推出相应的产品，其最新的WD Purple 14TB* HDD就是专门针对安防市场的存储产品。与西部数据其他WD Purple系列硬盘一样，WD Purple 14TB硬盘专为24/7全天候高清安防系统应用而设计；它采用西部数据专有的AllFrame技术，可改善视频获取能力，同时有助于减少录像系统中可能发生的错误，例如像素失帧或视频中断；而且，WD Purple硬盘可处理更繁重的工作负载，支持配有64个摄像头并进行24x7录像的系统。

结语

   基于AI和深度学习的视频分析现在正影响着新型的视频监控基础架构，即从端到边再到云数据中心。AI初创公司，半导体厂商与传统的视频监控供应商已经建立了一个完整生态系统以提供从芯片到算法和应用程序的解决方案，推动AI技术的落地。

   AI解决方案的开发需要涉及科技界多方共同努力。没有一家企业可以独自推动AI产业向前发展，因为AI硬件和软件的开发非常耗时耗资，甚至对一些科技巨头都是一项巨大的挑战。由于AI的这个特点，各厂商的AI技术的协作和整合是构建可持续视频监控生态系统的必要条件。

   未来在AI加持下的安防行业，将会出现两大趋势，即数据汇聚到云端数据中心，而算力则逐渐下放至边缘测和端侧。