當年視頻監控市場曾幾乎是日本品牌一統天下，但后來國內視頻企業發展非常迅速，從模擬到數字、從看得見到看得清以及再到看得懂，視頻產品在技術方面實現了質的飛躍，讓視頻產品有了非常豐富的應用場景。反觀報警產品，現在銀行、商鋪、博物館等場所使用的報警探測產品大部分還是過去的磁開關、被動紅外、主動紅外、微波等探測技術，沒有大的突破，由于這些傳統技術探測器的一些局限性，很大程度上制約了報警市場的發展。

報警產品的技術創新為什么沒有視頻產品那樣的快速發展？

首先，報警市場的規模遠小于視頻監控市場，尤其是隨著我國經濟的發展和安全程度的提升，傳統防盜報警市場嚴重下滑，大的企業不愿在小市場的產品上投入太多的研發，小企業又沒有相應的研發能力。

其次，攝像機研發的效果很容易顯現，用戶很容易感受到性能的改善和提升（如：從標清到高清），愿意用更高的價格購買更新產品。而報警探測器將探測可靠性從95%提升到99%可能要花一年三年甚至更長時間，用戶可能三年也不一定能感受到性能的提升，所以用戶不愿花更多的錢去購買性能可能更好的探測器。

第三，報警產品尤其是探測器種類太多，研發工作量太大，很難聚焦，也就很難將產品做精做細。同時報警產品的性能很大程度上受制于傳感器本身的性能，在傳感器本身沒有大的突破前，報警探測產品很難有大的突破。

雖然報警探測產品突破的難度較大，但報警產品的技術也是可以突破的，突破的路徑是“傳感器+算法”。由于報警探測需要對不同對象進行感知探測，必須使用不同的傳感器，不像攝像機那樣僅僅使用圖像傳感器。這些傳感器采集的信號中都會有干擾信號，或受到多種因素的影響，會導致探測器的誤報警或漏報警，如果不過濾掉這些干擾信號，將嚴重影響探測器的可靠性。這就需要采用AI算法技術對這些信號進行分析處理，從大量復雜的信號中提取出有效信號以確保探測的可靠性。一方面，通過對多維度信息進行AI算法分析，而不是單一維度信息進行分析，可以有效提升探測的可靠性。另一方面，采用深度學習技術，不斷采集現場環境相關信息進行分析計算，生成個性化算法，可以讓探測器適應不同場景的實際環境，以滿足更多市場的應用需求。

從表面上看，報警產品的算法比視頻產品較為簡單，但報警產品的算法技術相比視頻產品的算法技術有很大不同。

首先，報警系統都要求交流電停電后要能繼續工作，報警產品應確保在電池供電的情況下能正常工作。報警探測器要求低功耗甚至微功耗，在設計上只能選用低功耗的芯片，而算法所需要的高性能芯片一般耗電量較大。

其次，報警探測器一般價格不高，成本控制要求很嚴，一般采用價格較低的單片機系統，程序空間和內存空間非常有限，很難容納常用算法，必須用盡可能少的芯片程序空間、存儲空間等資源對信息進行分析處理。

第三，報警探測器需要感知不同的物理信息，傳感器種類很多，而攝像機只有圖像傳感器，所以很難有攝像機那樣的通用算法植入不同的報警探測器。報警探測器設計時只能根據具體的傳感器、具體的應用場景，采集大量數據樣本進行分析提煉，設計非常精簡但很麻煩的專用算法。所有的算法都需要從底層進行設計、編寫、調試、驗證。

為什么通過傳感器+AI技術可以解決傳統技術很難解決的問題？

首先，傳統探測器一般只對信號幅度進行判斷，幅度達到設定值即報警，干擾信號很容易產生誤報警。而算法技術可以對信號波形、幅度、寬度、間隔、頻率、變化態勢等多參數進行分析計算，很容易區分有效信號和干擾信號，降低誤報率的同時提高探測靈敏度。

其次，算法技術可以同時對紅外、溫度、光照、震動、加速度、角度、電壓、電流、時間等多維度信息進行分析，解決單一維度信息探測可靠性差的問題。更重要的是算法技術具有自學習、自適應的特點，可以自動不斷采集、存儲、分析探測器使用現場的多維度信息，根據現場采集的信息自動優化算法，自動適應不同的應用場景。

過去很多報警服務的場景都是室內場景，例如銀行、商店、家庭、機關單位等報警應用都是室內。

一方面，過去的需求主要是防盜，而需要防盜的財物主要在室內。另一方面，室外環境非常復雜，有一定的技術難度。未來隨著“探測器+AI技術”的發展，室外探測技術不斷優化和豐富，報警運營服務除了繼續深化和優化室內報警市場，還可以去拓展文物古墓、名木古樹、野外工地、高端種植等野外環境的安全服務市場。預計未來報警運營服務將從“室內”走向“室外”，市場將更為廣闊。