山重水复疑无路
老张干了十多年的安防项目集成，也经历了行业的起起落落。
行业的每次变革，都会给老张带来新的商机。
2010年前后，模拟到数字，一台IPC能报价上千。
2017年前后，数字到智能，一台人脸识别面板机利润可翻番。
大潮退去，行业都皆回归平淡。
“安防+AI“让老张看到过希望，也享受过红利。
但好景不长，新的行业秩序还没来得及建立，“安防+AI“的赛道也开始了拥挤和内卷。
老张现在做的项目能用到AI的，基本就是人和车的识别。
因为上游方案商能提供成熟解决方案的，大多数也就是围绕人车非展开的。
客户时不时也会向老张提一些定制化的需求。
当老张把这些需求反馈给厂家的时候，得到的回复基本都是可以做，但是有些问题。
因为算法需要定制，
要么开发周期长；
要么算法精度差；
要么研发成本高。
AI看似美好，落地总是徒劳。
柳暗花明又一村
如果问今年最热门的技术是什么？
大模型必然会占据一席之地。
大模型带来的意义：
让判别式AI走向生成式AI，让生产力的提升更为直接。
降低了AI的边际成本，这是AI规模化应用的核心。
年初大模型刚炒热的时候，包括老张在内的行业人士也没想到它跟安防有何联动。
的确，大家刚接触的都是通用大模型，很多人对它的认知还仅限于一个智能的聊天对象。
但随着几家行业大模型产品的发布，老张似乎有了新的理解，也看到了新方向。
首先什么是行业大模型？
通用大模型+行业场景+训练调优=行业大模型
举个智慧工地的例子。
之前的智慧工地通过小模型算法可以做人、车、安全帽、火焰等场景的识别。
更细化的一些需求由于成本、精度等问题就难于落地。
通用大模型训练了很多计算机视觉的能力。
工地上提供了建筑材料、塔吊、脚手架等识别场景。
两者结合加上训练调优，就可得到针对工地的行业大模型，解决很多之前难于落地的个性化需求。
其次大模型的特点是什么？
大模型较之于之前的小模型，有几个特点：
大模型训练成本很好，但这个成本是厂家承担的，反而它的部署应用边际成本很低；
小模型是一个模型解决一个问题，而大模型是一个模型可以解决多个问题。
最后大模型的意义是什么？
老张经常会自嘲，“我不做方案，我只是厂家的搬运工”。
厂家有什么我就卖什么，其他定制化的需求，太难搞了。
前段时间老张接到个项目需求，识别工地的建筑材料是否合规摆放。
找了几个算法厂商，要么成本高，要么周期长，要么还需提供大量训练数据，想应用还是有距离。
大模型的出现就有可能改变这种局面。
有了行业大模型，只需要提供少量的建筑材料样本数据，就可以快速生成需要的细分算法甚至是应用软件。
快速交付、敏捷迭代，这样大量的定制需求和长尾市场就能被激活。
老张是离用户最近的，得到的需求也是最多的。
有了行业大模型，他们价值可以得到最大的体现。
老张说，“我只管找需求，剩下的交给行业大模型”。
雄关漫道真如铁
大模型拉通了厂商、集成商、用户的需求。
行业大模型更是带来了一场技术平权和知识平权的变革。
不再受技术的局限，让有渠道有资源的企业都可以做细分行业的解决方案。
而且是高效率和低成本的。
现在都说安防的延伸是AIoT，这是一个坡长雪厚的赛道。
还有很多长尾的、个性的、碎片的、全新的需求等待挖掘和探索。
老张也研究了一下现在行业大模型跟安防结合的一些案例，启发很大：
有的公司用NLP大模型做了智能的售前工程师，咨询、配单、报价都可以搞定；
有的公司用MM多模态做了发挥了监控摄像头的附加价值，除了监控，还成了拍摄游客vlog的工具；
有的公司用视觉大模型做了开放性的目标检测，让视频在完全没有预训练的情况下做到各种开放性的识别；
有的公司用视觉问答做了图像和视频的深度推理，做到了真正的人机互动。
水可载舟，亦可覆舟。行业大模型的发展同样有风险和挑战。
公平性：个体差异得到的内容是否一致；
伦理性：产生的内容是否违背道德伦理；
正确性：输出的结论是否正确；
安全性：如何保护数据的安全；
可释性：推理的过程是否可以解释；
鲁棒性：在不同环境下系统是否可靠。
而今迈步从头越
安防是AI在探索行业应用过程中见效显著、落地快速的行业之一。
老张也是第一波吃到“安防+AI”红利的人。
但如今，“安防+AI”也开始了同质化的竞争。
“安防+AI”上半场做的是技术布局，现在基本完成了。
“安防+AI”下半场做的是行业应用，拼的是落地能力。
行业大模型带来了“安防+AI”的二次驱动。
有单接不住，这是老张他们的痛点。
有了大模型，“安防+AI”能做的事会更多一些。
老张又可以开始憧憬这波变革带来的商机了！
