物理安防中，AI和云的下一步是什么？

人工智能（AI）和深度学习在物理安全市场中的应用涵盖了从云计算到边缘计算的各个领域。各种硬件解决方案都能够把AI部署在不同级别的系统中，从云端到边缘设备，如安全摄像头。

更智能的AI应用

分布式结构可以包含云计算和边缘计算。它将人工智能（AI）算法从云端扩展到本地视频录像机和服务器，并进一步扩展到安全摄像机等边缘设备。三层架构都支持构建一类新的AI驱动应用目标，甚至更智能，更快速。

云端摄像机视频分析和深度学习功能的结合可以改善视频分析。摄像机可以配备基本的视频分析，它们与云基础设施相连，可提供额外的深度学习算法。这些摄像机提供计算机视觉预处理，而大量详细的分析则可以在云端神经网络中处理。

软件即服务（SaaS或云）模式为企业提供了改善深度学习的资源。使基于用云端系统来自不同客户的大数据，系统将变得更加精确、规模更大更容易扩展。所有数据汇聚到一起，用户之间便可以共享知识数据带来的利益。

从边缘到云端的数据分布

云计算允许具有各种计算功能的用户在私有云或位于数据中心的第三方服务器上存储和处理数据。然而，随着计算业务变得越来越频繁和复杂，对数据处理性能的需求甚至更高。在数据传输到云端的过程中，云计算消耗了巨大的网络资源和时间，这些都导致网络拥塞和低可靠性。

从边缘到云端，整个系统的数据分布，任何一点都可以减轻压力。通过将AI算法配置到边缘设备中，仅仅提取和发送诸如视频图像中的人员或车辆之类的关键信息，将明显地提高传输效率并降低网络带宽，同时仍然能够保持高质量和准确性。

云端增加了AI功能

云端提供了AI和深度学习应用所需的额外数据计算功能。单个Amazon 网络服务数据中心就拥有50，000到80，000台服务器。总而言之，据观察人士评估，亚马逊网络服务可能拥有300万到500万台服务器。而其它主要云服务商，如谷歌，微软，VMware，Citrix等，都增加到了数百万台服务器。

亚马逊网络服务（AWS）为企业提供广泛而深入的机器学习和人工智能服务。实际上，该服务为所有开发人员提供机器学习，使他们能够快速构建，培训和部署机器学习模型。

为了消费者的利益，亚马逊网络服务将专注于处理那些比较棘手的阻碍开发者使用机器学习的挑战。所有功能基于全面的云平台构建，该平台针对机器学习进行了优化，具备高性能且不会影响安全性和数据分析。

边缘系统的优势

深度学习和神经网络计算无处不在。它们现在已经在本地计算机，嵌入边缘设备的系统中，甚至云端广泛使用。

边缘计算在视频监控市场中尤为重要，它使系统能够在任何带宽或延迟问题都会限制基于中央服务器系统有效性的情况下运行。同时，基于边缘的功能还降低了对信息隐私的担忧和对网络连接的依赖。

人工智能（AI）是一个计算密集型的过程，无论是在云端还是在本地计算机上，在边缘进行处理都无需集中进行。特别是视频监控摄像机，没有足够的带宽来通过网络基础设施传输视频数据以进行处理。全球一半以上人口密集的地区互联网速度低于8 mbps，这肯定无法处理新智能应用所需的数据水平。

延时是采用边缘智能的另一个优势。目前，大量的应用越来越要求很小甚至没有延时（小于200毫秒），并且将数据传输到其它地方再进行处理则需要花费时间。

边缘计算还可以确保数据更加私密，而不是将数据留存在私有云或公共云中，甚至本地存储。 更高的计算能力和边缘嵌入式系统的效率为具有智能的物理安全设备铺平了道路，远远超出了业界现在使用的范围。