從探路智能起始，云邊端就開始在安防萌芽并深耕，漸漸蔚然成蔭，成為智能安防時代顯著的架構符號。

01.開始流行的云邊端

云邊端在安防出現(xiàn)，就是時代產物，帶有明顯智能安防屬性。

在前端設備智能化的同時，智能安防發(fā)展進程呈云邊結合勢態(tài)，系統(tǒng)逐漸形成云邊端三級結構。

在端邊層級，得益于邊緣AI芯片與模組的能力提升，越來越多的攝像機、DVR、NVR獲得了一定程度的智能化，可以對數(shù)據進行包括人臉識別、視頻結構化、圖譜分析等處理。

同時，前端采集和預處理的數(shù)據匯聚融合到中間層，即形成了數(shù)據中臺。

數(shù)據中臺起到聚合關聯(lián)數(shù)據以及跨領域治理的作用，可以有效打破安防系統(tǒng)煙囪林立而子系統(tǒng)之間無法有效協(xié)同，而形成數(shù)據孤島的局面，因此得到了眾多安防廠商的關注。

可以看出，智能安防技術的不斷發(fā)展，視頻圖像可以承載越來越多的信息，但仍需要更多的與前端多維感知設備之間進行數(shù)據的交互，提升決策準確率，并盡量在前端決策，減少后端處理壓力；多維感知數(shù)據的端云協(xié)同和對數(shù)據的實時交互對于網絡的時延、帶寬要求越來越高；同時防控走向深水區(qū)，對于防控的立體化、系統(tǒng)化、機動化要求不斷提升。

最后需要提及的是，傳統(tǒng)安防行業(yè)，簡單來說就是視頻監(jiān)控，以攝像機作為前端感知設備，負責數(shù)據的采集；服務器作為后端設備，負責數(shù)據的處理及分析。

邊緣計算的出現(xiàn)則將安防的智能化帶向了前端。傳統(tǒng)方式下，可能需要堆疊大量的GPU服務器來實現(xiàn)這些智能化的服務，而現(xiàn)在，可以逐步的將例如人臉的檢測、抓拍、識別，視頻的結構化、車輛的檢測與識別放到前端攝像頭去實現(xiàn)，這樣的變化帶來的影響巨大。

02.落地生根于安防，云邊端的難處

盡管云計算早在2005年就已提出，且具有強大的運算能力以及海量數(shù)據挖掘與分析能力。但隨著智能安防時代的到來，日常生活中產生的大量數(shù)據需要更快速的響應及處理，這些都是云計算不能解決的問題。

在網絡帶寬有限、網絡擁堵、響應延時一系列技術的要求下，邊緣計算開始成為超越云計算的最佳使用方法。

但，云邊端架構下，只求邊緣計算也會顧此失彼。邊緣計算雖然有其明顯的優(yōu)勢，但是用邊緣計算來替代云計算也是不可行的。

例如海量數(shù)據的挖掘、關聯(lián)分析，關鍵數(shù)據的存儲，多邊緣節(jié)點的聯(lián)動都需要依賴云端來完成，云計算廠家布局邊緣計算，是對自身能力的一個補充，從而可以提供更好更完整的解決方案，也是順應云邊端架構的技術發(fā)展需要。這兩者如果相輔相成，那如雙劍合璧，威力更大。

此外，邊緣計算存在節(jié)省帶寬成本、節(jié)約服務器成本、存儲成本、降低響應時間等優(yōu)勢，但其在落地應用過程中仍然存在應用層面、技術層面的問題。

比如：場景適應性、改造成本、技術實力與實戰(zhàn)標準的區(qū)別。以人臉識別為例，人臉識別的技術是很成熟的，但是到了實際的場景中，仍然存在識別不準確、識別不出來、識別效果不好等，例如人是開口找、低著頭的、光照會發(fā)生變化、攝像頭拍攝角度問題這些不可控因素都會導致識別結果不好。

人臉識別這項很成熟的技術尚且如此，那么到了其他應用場景，例如要做安全帽的識別、做車輛亂停的識別、做水尺的識別、集裝箱識別，這些理論上，只要數(shù)據量足夠充分都可以發(fā)掘，但是達到真正解決客戶問題這樣的標準，目前還有很多工作有待解決，也就是說，識別僅僅只是開始，識別后的分析與決策，還需增強。

智能安防，時代向往。經得起風吹雨打，才可成參天大樹，并扎根于智慧安防這塊沃土之中。平臺云化不僅可以優(yōu)化業(yè)務部署的效率和成本，還可以豐富生態(tài)，實現(xiàn)安防業(yè)務功能與不同業(yè)務場景的快速適配和應用。

業(yè)務平臺開放、云化還將催生算法市場、應用市場等新的商業(yè)形態(tài)，使視頻業(yè)務應用更廣泛、更活躍；而邊緣計算這幾年風口之時，炙手可熱，成行業(yè)頭部企業(yè)熱衷之事；在端側，從AIOT的物與物互聯(lián)開始，就已經在泛感知與全覆蓋的進程中完成布局。

總之，云邊端架構下的智能安防，無所不聯(lián)、無處不在，或許在未來也將無所不能。