对于人工智能的行业化应用来说，算法、芯片以及大量的数据训练，确实是发展的重要因素，但是能不能有效地把技术与应用场景有效结合起来，形成切实可行的整体解决方案，才是决定“AI+安防”是否能切实发展最核心的因素。如果一项技术无法依赖在数据处理技术上面的优势，去实现产品到商品的转变过程，那么技术的发展并没有实际的应用意义。
对于安防行业来说，海量的数据并没有意义，经过挖掘和分析后的数据才有价值。进入到安防大数据时代，安防系统每天产出的海量数据，仅仅依靠人工来进行分析和处理变得越来越困难，众多原因的推动之下，使得安防行业对利用深度学习进行数据处理和深度挖掘的需求日益迫切。
再加上，公安、政府、交通等这些代表性的行业也都对安防的智能化提出了强烈的诉求。其中公安行业用户迫切需要在海量的视频信息中，发现犯罪嫌疑人的线索;而交通行业用户迫切需要能迅速检测运动对象，识别人、车属性信息。安防行业亟需一种新的方法来进行数据信息的提取和分析，而基于深度学习的人工智能尤其擅长处理海量数据。安防行业的海量数据以及对海量数据的处理需求，使得安防行业成为了人工智能绝佳的训练场所和应用领域，甚至有望成为AI迈向产业化应用的首个突破口。
然而，与安防行业迫切的需求以及厂商火热的热情相对的是，用户的态度热情不高。这其中有部分是被早年“智能分析”伤害的后遗症：数年前开始，安防行业就意识到了数据挖掘和分析的市场痛点，开始发展智能分析。但是由于传统智能受限于芯片与算法的发展，一直难以取得令人满意的突破。
对于有人工智能需求的用户来说，这已经是应用智能安防最好的时代。安防行业作为深度智能绝佳的应用场所，早就有敏锐的安防企业看到了安防智能化的巨大市场，积极布局人工智能，而且获得了不错的成绩。近两年，基于深度学习的人工智能在安防市场的应用越来越深入，尤其是车牌识别、人脸识别等技术得到了大规模的应用，并获得了非常不错的应用效果。
