2023中国安防人工智能发展产业指南

目 录

Part1AI政策篇/4Part4安防+AI技术应用篇/19

一、国家级层面政策/5一、人脸识别/20

二、地方级层面政策/6二、车牌识别/24

三、总结/7三、大模型/26

四、视频结构化/30

Part2AI技术篇/8五、3D视觉/33

六、AI芯片/36

一、AI技术分析/9

七、其他生物识别/39

二、AIGC（生成式人工智能）概念

梳理与发展历程/10

Part5企业巡礼/45

Part3AI市场篇

/13附件《2023中国安防人工智能发展

产业指南》产业图谱

一、中国AI产业发展“三大”战略/14

二、中国AI产业2022年-2023年上半年

的融资/IPO事件/14

三、总结/18

CPS中安网成立于1999年，立足安防，放眼不断衍生的AIoT，是国内智慧安防和AIoT

行业具有代表性的媒体和服务平台。CPS中安网持续对行业市场趋势和前沿技术进行报道解读，

为产业链各角色提供有竞争力的推广方案和服务，帮助各类客户获得成功。

CPS中安网可提供推广、会议、咨询、报告等服务，产品涵盖门户网站、新媒体、APP、

中国安防论坛、中国安防赋能大会、百城会等。CPS中安网积极致力于推动行业发展，运用互

联网信息技术与行业经验，弥合信息鸿沟，帮助各类企业扩大价值，实现整个产业链的共赢。

3

01

Part1AI政策篇

4

AI政策篇

人工智能作为国家战略的重要组成部分，是未来国际竞争的焦点和经济发展的新引擎。近年来，随

着数字经济的快速发展和全社会数字化水平的升级，人工智能的积极作用越来越凸显。

目前，人工智能行业受到国家及各级政府的高度重视和国家产业政策的重点支持，2023年初至今陆

续出台了多项政策，鼓励人工智能行业发展与创新。

一、国家级层面政策

政策汇总

2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》

《数字中国建设整体布局规划》（简称：《规划》）提出系统优化算力基础设施布局，促进东西部

算力高效互补和协同联动，引导通用数据中心、超算中心、智能计算中心、边缘数据中心等合理梯次布局。

2023年4月11日，国家互联网信息办公室发布关于《生成式人工智能服务管理办法（征求意见稿）》

首次明确了生成式人工智能“提供者”内容生产、数据保护、隐私安全等方面的法定责任及法律依据，

确立了人工智能产品的安全评估规定及管理办法。

2023年4月28日，中共中央政治局指出要重视通用人工智能发展

2023年4月28日，中共中央政治局召开会议，分析研究当前经济形势和经济工作，会议内容提及

要重视人工智能发展，营造创新生态，重视防范风险。

2023年5月11日，国资委指导中央企业加大在新一代信息技术、人工智能等战略性新兴产业布局

力度

5月11日，国资委党委召开扩大会议，会议提到要指导推动中央企业加大在新一代信息技术、人工

智能、集成电路、工业母机等战略性新兴产业布局力度，推动传统产业数字化、智能化、绿色化转型升级，

引领带动我国产业体系加快向产业链、价值链高端迈进。

2023年6月8日，国务院发布2023年度立法工作计划，人工智能法草案等预备提请全国人大常

委会审

国务院办公厅近日印发《国务院2023年度立法工作计划》，其中提到，预备提请全国人大常委会

审议人工智能法草案等。

2023年6月20日，国家网信办发布深度合成服务算法备案清单

国家网信办公布了国内首批《境内深度合成服务算法备案清单》，共有18家公司的41类算法入围，

包括语音、文字、图像、音频生成与交互技术，场景包括智能客服、即时通讯、视频剪辑与文字、图像

多模态交互场景等。

5

小结

自2015年以来，国家发改委、科技部、工信部、教育部等多部门都陆续印发了支持、规范、监督

人工智能行业的政策，内容涉及人工智能基础设施建设、技术研发、人才培养及引进、伦理规范和法律

规范等内容，旨在探索人工智能发展新模式新路径，以人工智能高水平应用促进经济高质量发展。

二、地方级层面政策

为了响应国家号召，全国各省市积极推动人工智能产业发展，如北京、上海、深圳等地相继发布支

持人工智能产业发展的政策文件，围绕打造拓展人工智能应用场景、加强相关领域人才高地建设等方面

作出多方面部署，为打造人工智能产业良好生态提供了强有力的政策支撑。

政策汇总

北京

2023年5月30日，北京市发布《北京市加快建设具有全球影响力的人工智能创新策源地实施方案

（2023-2025）》（以下简称《方案》）和《北京市促进通用人工智能创新发展的若干措施》（以下简称《措

施》）。

文件提到，到2025年，人工智能核心产业规模达到3000亿元，持续保持10%以上增长，辐射产

业规模超过1万亿元。

2023年7月5日，北京市印发《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》

提出要完善人工智能数据标准库，探索打造数据训练基地，促进研发自然语言、多模态、认知等超

大规模智能模型，力争到2030年，北京市数据要素市场规模达到2000亿元。

上海

2023年5月30日，上海市发布《上海市加大力度支持民间投资发展若干政策措施》提出，充分发

挥人工智能创新发展专项等引导作用，支持民营企业广泛参与数据、算力等人工智能基础设施建设。目前，

上海徐汇区正积极引进和培育一批大模型研发团队，将加快研究打造大模型生态集聚和创新应用高地。

2023年6月15日，上海市人民政府办公厅印发《上海市推动制造业高质量发展三年行动计划

（2023-2025年）》，引导更多资源要素向先进制造业集聚。提出将瞄准人工智能技术前沿，构建通用

大模型，面向垂直领域发展产业生态，建设国际算法创新基地，加快人形机器人创新发展。

深圳

《深圳市加快推动人工智能高质量发展水平应用行动方案（2023~2024）》于5月31日出炉，该

方案明确提出：“加大财政资金投入力度，重点支持人工智能创新和应用。发挥政府投资引导基金作用，

统筹整合基金资源，形成规模1000亿元的人工智能基金群。”

6

AI政策篇

安徽

2023年6月9日，安徽发布《加快场景创新构建全省应用场景一体化大市场行动方案（2023-2025年）》

安徽省科学技术厅印发的《加快场景创新构建全省应用场景一体化大市场行动方案（2023-2025年）》

提到到2025年，基本建成全身应用场景一体化大市场。围绕特色研究领域打造一批可示范、可体验、

可推广的科技首用场景样板，探索场景驱动的科技创新范式。下一代人工智能领域优先探索深度学习、

脑机接口、图像识别、语音识别、语音合成、机器翻译等场景。

成都

2023年6月1日，成都鼓励AI产业发展，提出19项资金扶持措施，最高奖1000万元。

2023年6月1日，成都市经济和信息化局对《成都市关于进一步促进人工智能产业高质量发展的

若干政策（征求意见稿）》公开征求意见，征求意见稿给出了多条资金补贴和奖励措施。对取得国家科

技重大专项（含科技创新2030-重大项目）、国家重点研发计划立项项目成果或国家科学奖获奖成果在

成都落地转化的，给予最高1000万元经费支持。

广东省

2023年6月16日，广东省委、省政府出台《广东省质量强省建设纲要》支持人工智能、区块链、

量子信息、生命健康、生物育种等前沿领域加强研发布局，支持量子通信、信息光子、太赫兹、新材料、

生命健康等领域努力抢占未来发展制高点。

小结

不难看出，当人工智能新一轮产业竞赛持续升温之时，各地鼓励支持人工智能发展的利好政策也将

密集出炉。有AI产业内的人士表示，国家及地方出台的多项AI产业支持政策将给产业发展带来助推力，

更进一步推动数字经济与实体经济的融合发展。

三、总结

目前，中央及各地方政府出台的相关人工智能政策已超百部，从这些出台的政策文件当中看出，当

前人工智能政策较为强调人工智能技术在各个行业场景的应用。一方面体现出AI技术的普及率逐渐提

高，另一方面也彰显了AI的活力，能为行业发展增添新的动能。未来，随着数字经济的快速发展和全

社会数字化水平的升级，人工智能的重要性日益凸显。

近年来，在数字经济发展浪潮的推动下，学界围绕人工智能的经济发展效应从不同角度开展了较为

丰富的研究，从多方位强调了实施“智能+”、数智融合、智能产业价值创造与获

取的重要意义，为社

会经济领域技术创新向智能化转型奠定基础。

7

02

Part2AI技术篇

8

AI技术篇

近年来，在数字经济发展浪潮的推动下，学界围绕人工智能的经济发展效应从不同角度开展了较为

丰富的研究，从多方位强调了实施“智能+”、数智融合、智能产业价值创造与获取的重要意义，为社

会经济领域技术创新向智能化转型奠定基础。

一、人工智能技术分析

数据挖掘与学习

目前，大数据技术已得到了十分广泛的应用，其中信息的收集和处理是大数据技术的主要应用领域。

但在数据量过于庞大时，单纯依靠大数据技术进行数据的处理和分析则显得较为困难，此时就需要将大

数据技术与人工智能技术进行高效结合，以充分运用机器学习技术来完成相关工作任务。机器学习简言

之就是以计算机为基础来对人类的学习进行模拟，通过模拟的方式来完成相关任务。目前较为常见的机

器学习方式包括概率学习和决策树训练。该项技术的优势在于能够高效地对数据进行处理，同时能够通

过学习和训练来形成新的处理模型用以对多种不同类型的数据进行处理，尤其是在对一些海量数据进行

处理时，数据挖掘与学习的方式能够达到理想的处理效果。

知识数据的智能处理

人工智能技术的知识与数据智能化处理能够在专家系统上得到充分的体现。专家系统是智能化极高

的计算机系统，能够将某一领域的知识进行全面集合，再通过前期的程序设定来完成相应的系统架构构

建，后续在解决问题时则可以利用该系统的程序进行高效解决。专家系统最为重要的两个组成部分是数

据库和推理系统，数据库主要是包含某一领域的专业知识和相关经验，而推理系统主要是模拟人类的智

慧推理过程，再以数据库为基础对问题进行解决，通过数据库和推理系统的结合能够快速得到问题的答

案。

人机交互

人机交互技术是将用户和系统进行有效连接的技术。用户在使用相关软件时可以通过交互界面完成

指定操作。而人机交互技术主要是以机器人的学习和模式识别技术为基础，该项技术需要依靠相应的输

出设备和指定软件系统实现。想要对现有的人机交互技术进行提升，则必须对硬件系统和软件系统进行

同时优化。此外，在技术研发过程中还需要对传统人机交互技术存在的不足进行优化和调整，转变原有

手动操作模式，以有效扩大人际交互技术的使用范围，给用户带来更好地操作体验。

其中，机器学习作为人工智能非常重要的基础，主要有判别式和生成式两类模型。其中，判别式模

型主要是给定一个数据，估计一个条件概率进行分类、判决；生成式模型则是直接估计一个分布，然后

生成新数据。与之对应，可以将人工智能系统分为判别式人工智能和生成式人工智能。

其实，人工智能（AI）并不是一个新的概念，20世纪以来，人类围绕人工智能领域的探索从未止步，

不过主要围绕“判别式AI”来展开。虽有1997年IBM“深蓝”战胜国际象棋大师卡斯帕洛夫等标志性突破，

但始终没有产业化。随着算法、算力、数据三要素的突破，“判别式AI”实现产业化应用。步入21世纪，

9

互联网、移动互联网带来数据量陡升及大数据技术发展，GPU等硬件及云计算技术突破，神经网络“深

度学习”算法出世，三者共同驱动“判别式”AI快速发展，并商业化应用于人脸识别、语音识别等领域，

2016年AlphaGo战胜李世石第一次点燃AI的讨论浪潮。

随着AI基础设施逐步完善，深度学习技术不断进步，人工智能应用场景逐渐增多，过去模型参数

规模和数据量也实现了大幅度增长，为NLP、CV等领域带来更强大的表达能力和性能，显而易见，现

今已进入了以AGI为代表的新里程碑阶段。

ChatGPT让大家意识到，AI发展步入全新阶段即生成式AI（AIGC）。较此前的最大突破是

形成了内容生成，交互式体验对应用前景和商业模式的落地带来了新的想象空间。例如，2015年

Transformer模型发布以来，NLP大模型发展开始提速，OpenAI2018、2019、2020年分别推出的

GTP1-3代分别有1.17亿、15亿、1750亿个参数。在计算机视觉之外，NLP领域的AI也开始发展起来，

AI得以通过文字、视频、图像等与外界产生“交互”，2022年底杀手级应用ChatGPT横空出世。

二、AIGC（生成式人工智能）概念梳理与发展历程

AIGC概念与内涵

1950年，艾伦·图灵在《计算机器与智能》中提出了著名的“图灵测试”——判定机器是否“智能”

的试验方法（Turing，2009），即机器是否能够模仿人类的思维方式来“生成”内容，实现人机交互。

因此，人工智能从图灵开始就被寄予了用于内容创造的期许。经过半个多世纪发展，数据快速积累、算

力性能提升和算法效力增强，如今人工智能不仅实现了人机互动，还能够进行写作、编曲、绘画、视频

制作等创意工作。2018年，由人工智能创作的肖像画《埃德蒙·贝拉米画像》拍卖43.25万美元，成为

人类历史上首次拍卖的AI艺术品，引发各界关注。随着人工智能越来越多地被应用于内容创作，AIGC

10

AI技术篇

概念悄然兴起。

目前，对AIGC的定义，尚无统一规范的界定。国内产学研各界对于AIGC的理解是“继专业生

成内容（ProfessionalGeneratedContent，PGC）和用户生成内容（UserGeneratedContent，

UGC）之后，利用人工智能技术自动生成内容的新型生产方式”。在国际上对应的术语是“人工智能合

成媒体（AI-generatedMedia或SyntheticMedia）”，其定义是“通过人工智能算法对数据或媒体

进行生产、操控和修改的统称”。

AIGC发展历程

梳理人工智能的发展演进，AIGC的发展基本可以划分为三个时期：酝酿萌芽阶段（20世纪50年

代至20世纪90年代中期）、稳步推进阶段（20世纪90年代中期至21世纪10年代中期）以及迅猛发

展阶段（21世纪10年代中期至今）

·酝酿萌芽阶段

20世纪50年代至20世纪90年代中期，受限于技术水平，AIGC仅局限于小范围实验。1950年，

图灵提出“图灵测试”能够判定机器是否“智能”；1957年，计算机首次创作完成弦乐四重奏《依

利亚克组曲》；1966年，世界上第一款可人机对话的机器人“伊莉莎（Eliza）”问世，主要通过关

键字扫描与重组完成交互任务。20世纪80年代中期，国际商业机器公司（InternationalBusiness

MachinesCorporation，IBM）创造了语音控制打字机“坦戈拉（Tangora）”，约能处理20000个

单词。20世纪80年代末至90年代中，由于高昂的研发投入没有实现预期的商业变现，因此，世界各

国开始减少人工智能领域的投入，AIGC没有实现重大突破。但在此期间，图灵测试、对话机器人以及

语控打字机已经孕育了AIGC的雏形。

·稳步推进阶段

20世纪90年代中期至21世纪10年代中期，AIGC逐渐从前期的技术实验性向商业实用性转变。

2006年起，一方面，图形处理器和张量处理器等算力设备性能大幅提升，深度学习算力增强，深度学

习算法取得重大突破；另一方面，互联网的推广普及使得数据规模剧增，这为各类人工智能算法提供了

海量训练数据。虽然算力的提升与数据的膨胀使人工智能取得了长足发展，但AIGC仍受限于算法约束，

创作任务依然没有取得重大突破，应用场景有限，应用效果有待提升。2007年，纽约大学的人工智能

系统撰写小说《1TheRoad》——世界第一部完全由人工智能创作的小说，虽然小说可读性不强、存在

拼写错误、逻辑混乱，但从AIGC整个发展历程来看，其突破性意义远高于实际意义。2012年，微软

推出全自动同声传译系统，计算机能够自动完成语音识别、英中机器翻译，以及中文语音合成，效果非

常流畅，这标志着深度神经网络模型在语音识别和音频生成领域获得了巨大的成功，为AIGC进一步发

展带来希望。

·迅猛发展阶段

11

21世纪10年代中期至今，AIGC迎来新发展，生成内容更加多元，生成效果更加逼真。自2014年

起，Goodfellow等（2020）提出以生成式对抗网络（GenerativeAdversarialNetwork，GAN）为

代表的深度学习算法，并不断迭代更新，为AIGC提供了强大的技术支撑。此后，2017年，微软人工

智能少女“小冰”完成了世界首部完全由人工智能创作的诗集——《阳光失了玻璃窗》。2018年，英

伟达发布可以实现自动生成图片的模型——StyleGAN（Karras等，2020），该模型目前已升级到第

四代—StyleGAN-XL（Sauer等，2022），其生成图片的分辨率极高，人眼难以分辨真假。2019年，

DeepMind发布DVD-GAN模型（Clark等，2019）可以生成高度逼真且连贯的视频，该模型能够通

过学习和理解人类的语言，进行对话、聊天互动。2021年，OpenAI推出DALL-E，主要用于文本与图

像的交互生成内容，并于一年后推出升级版本DALL-E-2（Marcus等，2022）。DALL-E-2基于对主题、

风格、调色板和所需概念意义的“理解”，可以生成相应的图像，同时该模型还能够根据原图像进行二

次创作。至此，AIGC技术基本成熟，有望成为改变商业模式和产业发展范式的重要驱动力。

以ChatGPT的发布为里程碑事件，AI的发展进入到了继突破工业红线之后的，以AGI为发展目

标的全新通用智能时代。生成式AI成为大模型能力应用的爆发点，以文生文、文生图等内容生成为代

表的大模型应用快速增长，并逐渐成为日益完善的生产力工具。

习近平总书记指出，“把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升

的驱动力量，努力实现高质量发展”。在深度学习算法不断突破和算力不断提高的背景下，人工智能生

成内容（ArtificialIntelligenceGeneratedContent，AIGC）技术迎来加速发展，正在催生全新产

业体系。

12

Part3AI市场篇

13

当前，人工智能技术正在各行业全面铺开，终端产品种类、解决方案及应用场景等日益丰富，如何

使AI赋能更多的传统产业升级以产生更大的经济及社会效益成为工作重点。

人工智能已成为科技创新的关键领域和数字经济时代的重要支柱。据IDC最新发布的数据，2022

年全球人工智能收入预计同比增长19.6%，达到4328亿美元,包括软件、硬件和服务。预计2023年可

突破5000亿美元大关。

一、中国AI产业发展“三大”战略

自1956年达特茅斯会议以来，人工智能产业已发展60多年。在此历程中，随着深度学习算法、海

量数据和充足计算力三大要素的合理配置，加速人工智能产业的变革性的突破。

聚焦我国人工智能产业的发展，2017年发布了第一个涉及人工智能领域系统战略部署的文件《新一

代人工智能发展规划》后，陆续发布《新一代人工智能发展白皮书（2017版）》、《人工智能标准化

白皮书（2018版）》、《高等学校人工智能创新行动计划》、《国家新一代人工智能创新发展试验区

建设工作指引》、《新一代人工智能治理原则——发展负责任的人工智能》等文件。

同时，“十四五”规划和2035远景目标纲要建议指出，要瞄准人工智能、集成电路、脑科学等前沿领域，

实施一批具有前瞻性、战略性的国家重大科技项目，为人工智能产业的发展提供政策指导。

近年来，在众多规划政策的支持下，我国人工智能产业发展明确了“三大”战略，为整个产业的发

展提供核心驱动力。

到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，

培育若干全球领先的人工智能优质企业，预计人工智能核心产业规模超过1500亿元，带动相关产业规

模超1万亿元。

到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能核心

产业规模超4000亿元，带动相关产业规模超过5万亿元，初步建立人工智能法律法规、伦理规范和政

策体系。

到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，

人工智能核心产业规模超过1万亿元，带动相关产业规模超10万亿元，形成一批全球领先的人工智能

科技创新和人才培育基地。

二、中国AI产业融资/IPO事件

回溯人工智能产业融资的节点，2018年是投融资的顶峰期，至2020年持续下滑。与此相对的是，

融资金额在2020年出现明显增长，可见一部分AI企业进入了成熟期，估值体量增长。

可以说，如今人工智能产业已进入深水区，亟待进军资本市场补充“弹药”，维持长远发展。

14

AI市场篇

据Wind数据显示，目前港交所通过聆讯排队等候上市的企业一共有106家，涉及AI或数字化的

公司达到28家，占比26%。

聚焦到这28家AI公司，有19家截至2022年度的经营状态为亏损，7家实现微盈利，净利润在1

亿元人民币以下，2家净利润在10亿元以上，呈现普遍亏损状态。

由此可见，在AI大潮之下，产业链相关厂商的存活状态并不如意。据CPS中安网不完全统计，目

前安防行业的AI厂商2023年上半年的业绩情况依旧惨淡，超过八成企业的净利润仍呈亏损状态。

因而，在AIGC技术和大模型的支撑下，AI厂商想挽救危局，最直接的方式还是融资上市。

1.中国AI产业2023年上半年IPO事件

2023年4月24日，AI独角兽企业第四范式于2023年4月24日更新招股书，继续推进港交所主

板上市进程。据IPO披露，第四范式2022年营收30.83亿元，净亏损5.04亿元，研发支出达16.5亿元。

2023年6月27日，AI独角兽企业云知声向港交所递交招股书，拟在香港主板上市。据IPO披露，

云知声2022年收入为人民币6亿元，净亏损3.8亿元，研发支出达2.9亿元。

2023年6月30日，自动驾驶计算芯片第一股黑芝麻智能向港交所提交上市申请书，计划在港交所

挂牌上市。据IPO披露，黑芝麻智能2022年营收1.65亿元，净利亏损10.53亿元，研发投入7.64亿元。

2.中国AI产业2023年上半年融资事件

·致瓴科技完成两轮融资

致瓴科技作为家庭安防科技产品研发商，在今年2月和6月完成两轮融资，致力于在产品研发和技

术升级上加大投入，提高产品的智能化能力以及云服务能力，加快攻入北美智能摄像头市场的步伐。

2月，致瓴科技获得5000万人民币的Pre-A轮融资，投资方为琮碧秋实、云时资本。6月，致瓴科

技又完成了数千万元人民币A轮融资，本轮融资由坚果资本领投，合创资本和老股东云时资本跟投，资

金将用于产品研发、AI大模型应用研究及业务发展。

·澎思科技完成两轮融资

澎思科技作为人工智能安防厂商，今年1月完成数千万元Pre-A轮融资。该轮融资由IDG资本领投,

高捷资本、上古资本、洪泰基金跟投。4月，澎思科技宣布完成1.5亿元A轮融资，此次融资由360、

富士康等产业资本联合投资。

据了解，澎思科技创始人和核心团队拥有多年丰富的AI+安防行业落地服务经验。此轮融资将用于

继续夯实算法、软硬件产品研发，打造更丰富的产品线，针对智能安防、智能制造等垂直行业进行全系

列的产品布局。

3.中国AI产业2022年的IPO事件

15

1月6日，苏州国芯科技股份有限公司（股票代码：688262）正式在科创板挂牌上市。国芯科技成

立于2001年，是一家从事国产自主可控嵌入式CPU技术研发和产业化应用的芯片设计公司，处于集成

电路产业链的上游。

据悉，国芯科技本次发行募集资金总额为25.19亿元，扣除发行费用后募集资金净额为22.62亿元。

该公司最终募集资金净额比原计划多16.60亿元，拟分别用于云-端信息安全芯片设计及产业化项目、

基于C*CoreCPU核的SoC芯片设计平台设计及产业化项目、基于RISC-V架构的CPU内核设计项目。

1月14日，翱捷科技股份有限公司（股票代码：688220）在科创板挂牌上市。翱捷科技作为一家

提供无线通信、超大规模芯片的平台型芯片的企业，自2015年成立后一直专注于无线通信芯片的研发

和技术创新，同时拥有全制式蜂窝基带芯片及多协议非蜂窝物联网芯片研发设计实力，且具备提供超大

规模高速SoC芯片定制及半导体IP授权服务能力。

据悉，翱捷科技IPO原本计划募资23.80亿元，后来，公司将计划募资额度上调至27.17亿元。

用于商用5G增强移动宽带终端芯片平台研发、5G工业物联网芯片项目、商业WiFi6芯片项目、智能

IPC芯片设计项目、多种无线协议融合、多场域下高精度导航定位整体解决方案及平台项目、研发中心

建设项目、补充流动资金项目。

3月17日，北京格灵深瞳信息技术股份有限公司（股票代码：688207）在上交所科创板上市。格

灵深瞳是北京代表性人工智能企业之一，也是国内领先的人工智能科技公司之一，其主要技术落地方向

是计算机视觉和大数据应用。

据悉，格灵深瞳拟募集资金约10亿元，主要用于人工智能算法平台升级项目、人工智能创新应用

研发项目等。

4月20日，杰创智能科技股份有限公司（股票代码：301248）在深圳证券交易所创业板上市。杰

创智能致力于推进物联网、云计算、大数据、人工智能等新一代信息技术在智慧城市、智慧安全领域的

产业化应用，为客户提供涵盖业务咨询、方案设计、设备采购、产品研发、系统集成及运营维护的全周

期综合解决方案。

据悉，杰创智能IPO募集资金将用于智慧城市平台升级及产业化项目、智慧安全产品升级及产业化

项目、杰创研究院建设项目、补充营运资金项目。

5月20日，思特威（上海）电子科技股份有限公司（股票代码：688213）在上海证券交易所科创板上市。

思特威作为安防CIS龙头，2017年成立于上海，是一家从事CMOS图像传感器芯片产品研发、设计和

销售的高新技术企业。

据悉，思特威披露的招股说明书显示，公司拟募集资金28.20亿元，分别用于研发中心设备与系统

建设项目、思特威（昆山）电子科技有限公司图像传感器芯片测试项目、CMOS图像传感器芯片升级及

产业化项目、补充流动资金。

16

AI市场篇

5月27日，云从科技集团股份有限公司（股票代码：688327）正式在上交所科创板上市。国内AI

独角兽云从科技自主研发的跨镜追踪、3D结构光人脸识别、双层异构深度神经网络和对抗性神经网络

技术等人工智能技术，均处于业界领先水平。

6月24日，龙芯中科技术股份有限公司正式登陆科创板。龙芯中科是为令我国首款自主知识产权的

通用高性能微处理芯片“龙芯1号”得以市场化运作而诞生的企业。

7月6日，凌云光技术股份有限公司在上交所科创板上市。凌云光长期从事机器视觉及光通信业务，

聚焦机器视觉业务，自研形成了光学成像、智能软件、智能算法与精密控制四大技术平台，为客户提供

核心视觉器件、可配置视觉系统与智能视觉装备等产品与解决方案。

7月7日，奥比中光科技集团股份有限公司在上交所科创板挂牌上市，成为国内“3D视觉第一股”。

奥比中光公开募集资金12.39亿元，将继续加大对3D视觉感知技术的创新投入，开展3D视觉感知技

术升级研发和应用拓展，进一步推动3D视觉感知技术的科技创新。

8月5日，深圳市江波龙电子股份有限公司在深圳证券交易所创业板上市。江波龙电子是国内主要

存储企业之一，自成立以来一直专注于Flash及DRAM存储器的研发、设计和销售。多年来，公司打

造了嵌入式存储、固态硬盘、移动存储和内存条四大产品线，拥有FORESEE和Lexar两大存储品牌。

8月8日，广东魅视科技股份有限公司在深圳证券交易所主板上市。魅视科技是国内领先的分布式

视听产品及解决方案提供商，致力于不断提升图像应用技术和视音频联结能力，为视音频信号的接入采

集、传输交换、分析处理和调度呈现等提供软硬件相结合的专用视听产品。

据悉，魅视科技IPO拟募集资金约5.43亿元，募集资金将全部用于智能分布式产业发展。

8月17日，熵基科技股份有限公司在深交所创业板上市。熵基科技在多模态生物识别领域已经占据

领头羊地位，公司已研发推出包括“指纹+人脸识别”技术、“人脸+掌静脉识别”技术、“指纹+指

静脉识别”技术、“人脸+虹膜识别”技术和“指纹+手掌+人脸识别”技术等在内的多模态生物识别

技术，取得多模态生物识别领域发明及实用新型专利11项。

4.中国AI产业2022年的融资事件

·依图科技数亿元新一轮融资完成首次交割

2022年2月，依图科技新一轮融资完成首次交割。其中，香港博约国际投贷基金作为本轮领投方，

首笔交割金额达数亿元人民币。

依图科技联合创始人林晨曦也表示：“期待本次与博约携手，加速依图科技在深圳及粤港澳大湾区

的产业布局，推进城市智能化基础设施建设，助力依图的世界级人工智能公司的发展进程。”

据了解，依图科技是中国人工智能行业的头部企业，主要从事AI算法软件及芯片、服务器等超高

性能算力硬件的研发，是国家科技部认证的国家新一代人工智能开放创新平台。

17

·暗物智能完成B轮融资

7月4日，暗物智能宣布5亿元B轮首期融资正式收官。暗物智能与广州产投、广州城投、广州工控、

广州金控、南沙科金控股五家国企签署《暗物智能投资协议》，由五家国企联合对暗物智能进行战略性

投资。

暗物智能由著名计算机视觉专家朱松纯于2017年创办，2020年年中获5亿元A轮融资。“暗物智

能作为强认知人工智能科技的重要实践载体，以强认知AI为核心，构建融通学、研、产、用的新型创新链，

将强大的人才优势与先进的科研实力转化为产业转型发展的新引擎、新动能，智能社会治理的新思路、

新解法。”朱松纯表示。

·瑞为技术完成D轮融资

2022年8月18日瑞为技术获数亿元D轮融资，由招商局资本、泓宇资本领投，高略资本、景泰投

资、赛富资本跟投。本轮融资资金将主要用于深化AI算法及产品研发，增强在各个社会公共安全场景

的领先地位并凭借优势继续开拓垂直市场。

·极视角完成战略轮融资

2022年10月13日完成由山东陆海联动投资基金领投、青岛海创智链工业互联网产业投资基金共

同投资的战略轮融资。

极视角此前曾获得华润创新基金、高通创投、北高峰资本、经控金融投资集团、兰馨亚洲、青岛国

信等资金方的投资。本轮融资资金主要用于算法商城及平台产品研发、人工智能生态建设。

极视角成立于2015年，是专业的人工智能与计算机视觉算法提供商，开创了国内首家计算机视觉

算法商城。经过7年多的发展，公司在青岛、深圳、上海、成都、珠海、佛山、芜湖及港澳等地均设有

下属机构，落地业务辐射全国。

三、总结

众所周知，目前人工智能已广泛赋能于千行百业，人工智能工具的迭代也为中国数字经济发展带来

巨大的增量，其发展态势健康稳定、持续且乐观。

同时，在产业智能化转型升级的进程中，传统行业的参与度越来越深入，为AI提供海量的数据和

更丰富的应用场景，如互联网、教育、机器人、医疗、自动驾驶、交通、制造、智慧城市、金融等多个

应用领域。

当前，各国都出台了政策和相关标准，致力于深化人工智能技术在行业应用场景中的创新和融合。

与此同时，在实现技术迭代和创新之外，还需要聚焦可落地的场景实践和数据的安全可信，推动人工智

能产业迈向新阶段，使AI技术变成更好的行业应用工具。

18

Part4

安防+AI技术应用篇

19

一、人脸识别

安防+AI是传统安防行业借助计算机视觉与知识图谱技术在城市级和行业级安防场景中的实际落地

应用，不仅仅局限于由公安部门、司法部门、政法部门等采购使用的人工智能相关商品、服务及工程类

项目的狭义安防+AI，同时也涵盖安防在社区楼宇、文教卫等其他领域的应用。

1、人脸识别的原理及特点

原理：

人脸识别利用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进

而对检测到的人脸图像进行一系列的相关应用操作。技术上包括图像采集、特征定位、身份的确认和查

找等等。

人脸识别的大致流程：

人脸图像的采集人脸特征

人脸检测人脸识别活体鉴别

与预处理提取

特点：

人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性

为身份鉴别提供了必要的前提，与其它类型的生物识别比较，人脸识别具有如下特点：

非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这

样的取样方式没有“强制性”。

非接触性：用户不需要和设备直接接触就能获取人脸图像。

并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别。

除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

2、人脸识别发展历程

据公开的资料显示，人脸识别的发展历程大体上分为四个阶段，包括机械识别、半自动化识别、非

接触式识别及互联网应用阶段。细分来看：

20

安防+AI技术应用篇

机械识别上个世纪60-90年代，无自动识别

半自动化识别上个世纪90年代，主要研究人工算法识别

非接触式识别21世纪初至2014年，主要研究鲁棒性

互联网应用2015年至今，理论走向全面应用

与其他生物识别方式相比，人脸识别优势在于自然性、不被察觉性等特点。自然性即该识别方式同

人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点

使该识别方法不易使人抵触，而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图

像，在采集过程中体验感不佳。

总体而言，相比指纹识别、虹膜识别等传统的生物识别方式，伴随着后期人脸识别精度问题得到解

决后，人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术。

3、人脸识别应用场景

近年来，随着人工智能技术的快速发展和社会认同度的提高，人脸识别技术在身份识别、人证对比、

人脸编辑、人脸验证等方面有着非常广泛的应用。具体如下图所示：

人脸识别应用场景

身份识别人证对比人脸编辑人脸验证

安防监控识别、考勤打卡、登机人脸美化、刷脸支付、找回

人脸门禁、VIP安检、考试身份密码、安全登录

身份识别等认证等人脸贴纸等特效系统等

21

在安防应用领域，人脸识别技术起到至关重要的作用。例如，在地铁、公交车站、机场等公共场所，

人脸识别技术可以帮助警察对犯罪嫌疑人进行快速识别和逮捕。在高清晰度影像监控系统中，人脸识别

技术还可以帮助管理者更好地监管设备，并提高安全水平。

总的来说，人脸识别技术已广泛应用于金融、司法、军队、公安、边检、政府、零售、航天、电力、

工厂、医疗等多个领域。未来，随着技术的不断迭代更新，人脸识别技术将应用在更多的领域。

4、人脸识别现状、挑战、趋势及前景

现状：

在生物识别技术发展中，人脸识别技术现已非常成熟，市场对其认同度比较高。其主要是通过“局

部特征分析”和“图形”、“神经识别算法”对面部各器官和特征不同的方位进行分析、提取成数字化

信息，再比对数据库中样板信息进行判断确认。

虽然人脸识别技术已经取得了很大进展，具有高度的准确性和稳定性，有效提升了安全防控水平。

但人脸识别技术也面临一些问题。例如，如何保证人脸库的安全、如何提高人脸识别的准确率、如何保

护公民隐私等等。

在竞争方面，由于人脸识别技术的快速发展，吸引了安防巨头企业和互联网巨头积极布局。在安防

企业方面，海康威视作为全球领先的安防龙头，在人脸识别领域有着重要地位。目前其产品广泛应用于

安防、交通、金融服务和楼宇等场景。大华股份推出人脸识别门口机、通行闸机等产品，则多数应用于

智慧警务、智慧楼宇和日常消费场景。

在互联网巨头方面，百度、腾讯、阿里等分别利用自身云团队开展人脸识别技术研究，拓展应用场景。

22

安防+AI技术应用篇

应用场景不仅包含安防、门禁等领域，同时还在智能相册、人脸美颜、动态贴图等领域进行拓展。

未来，随着科学技术不断进步以及政策持续推动，人脸识别技术将不断与各行各业相互融合，深入

各场景应用。届时，人脸识别技术维度升级也是应市场需求而持续推进。目前，人脸识别的研究趋势已

转向使用3D人脸表面，但现对面部变化提取的准确性、复杂性和稳健性技术攻关还存在一定难度。

挑战：

A、隐私保护问题

目前，人脸识别技术的应用已经涉及到人们的生活的方方面面，这也带来了隐私泄露的风险。因此，

加强隐私保护并制定相关的法规和规范是当前人脸识别技术面临的重要问题。

B、技术可靠性问题

虽然人脸识别技术在可靠性和准确性方面已经取得了很大的进展，但是在一些特殊环境下，识别的

稳定性和准确率仍然需要进一步提高。

C、法律法规不完善问题

在应用人脸识别技术时，相关法规和标准的制定并不完善，导致了许多前沿技术的适用不够明确和

规范，在这方面需要制定完善的法规和标准。同时，还需要加强教育和普及，提高用户的安全意识和防

范意识。

趋势：

在趋势上，人脸识别技术在硬件设备、政策法规方面有着以下演变趋势。如硬件设备方面，随着近

些年可穿戴设备、智能家居等物联网技术的发展，人脸识别技术也将不断加强和应用。未来，人脸识别

系统将更加智能化、小型化和便携化，使得用户可以更加轻松地进行身份验证和信息交互。

政策法规方面，随着人脸识别应用越来越广泛，国家政策和法规对于人脸识别技术的制约和规范也

越来越重要。未来，随着相关法律法规和标准的出台，人脸识别技术将更加正规和规范化，同时，将更

好地保护用户的隐私和个人信息。

前景：

随着行业发展，2023年的人脸识别行业预计将受益于它的简单性、准确性和可视性，进一步拓宽应

用范围。它将可以更有效地执行支付交易、多种联合身份验证程序以及安全访问管理服务。该技术目前

主要应用于各类内部安全监管、支付验证、汽车访客识别等，此外，随着技术的进步，未来还可以应用

于交通运输和医疗领域，减少前件办理手续，提高效率。

整体来看，作为我国人工智能发展的一个缩影，人脸识别技术落地的大趋势已不可改变，就像任何

新技术一样，趋其利、避其害，扬其长、避其短，方能避免可能发生的伤害。

23

二、车牌识别

随着人们生活水平的提高，使用私家车在人们的出行中占据越来越大的比重，大量的汽车出行给交

通管理和停车等造成了巨大的压力。不但在道路上有随处可见拥堵的车流，而且随意停靠的车辆越来越

多，为了能较为合理引导车流以及规范汽车的行驶，对于车辆的精确识别显得至关重要。

车牌智能识别技术是指根据影像技术将动态的或静态的车辆车牌与车身颜色等进行辨别的智能管理

系统。此套系统主要包括车牌定位算法、车身颜色识别系统等分系统。一般来说，车牌识别系统的工作

流程是车辆检测、图像采集、车牌识别。

1、原理

第一步图像采集，通过高清摄像抓拍主机对过往车辆进行实时、不间断的记录和采集。采集在路面

上行驶的车辆信息，首先获取车辆的图像，采集汽车的图像数据，并将图像转换为位图存入内存中的汽

车图像数据采集库;第二步是图像的预处理，处理过程涉及到图像灰度化处理、灰度图像均衡化、边缘

检测值化、检测候选区域并二值化这几个步骤;第三步是车牌粗定位，具体过程是利用车牌纹理特征确

定车牌区域的大概位置，对车牌进行大概位置的判断;第四步是车牌精确定位，是利用车牌底纹颜色特

征确定车牌的精确位置以便后续处理使用;第五步是采用基于车牌字符分割技术，对字符进行判断分类;

第六步是对分割出的字符进行识别并且显示分类结果，经过计算给出图片的处理结果。

当前的车牌识别技术，主要有3个特点：一是前端嵌入式一体化，二是算法基本都是基于深度学习

架构;三是前端设备除算法外，还集成了很多原来需要配套设备实现的功能。

2、发展历程

车牌识别起源于20世纪80年代，主要应用在被盗车辆的检测，但没有形成一套完整的识别系统。

随后，出现了一些用于车牌自动识别的图像处理方法，针对一些特定的问题采用简单的图像处理技术来

实现。到了20世纪90年代，随着计算机技术的发展以及计算性能的提高，车牌识别研究也进入热潮，

欧美的一些国家率先开始了车牌识别系统的研究工作。

在中国，开始车牌识别研究始于上世纪90年代末，虽然当时的技术并不成熟，是一种既昂贵又不

完善的产品，规模也不大，识别率一直在80-90%左右徘徊，因此应用市场限制在高端的小众市场里。

自2005年以来，各地政府开始加速进行智能交通系统建设。车牌识别作为智能交通的核心技术，

得到快速的发展，识别率从80%提高到97%，分辨率从模拟视频到高清视频，应用平台从PC上的软

识别到相机内的DM642，DM648，DM8127等。2005年到2015年是车牌识别技术整整高速发展的十

年时间。

3、应用场景

24

安防+AI技术应用篇

停车场及小区出入口

停车场及小区的车牌识别系统的运用主要是指在小区及停车场将车牌识别系统运用在进行车辆的车

牌识别、记录进出时间、辨别车辆是否属于小区等，以此来规范小区的车辆管理、提高效率、降低人工

管理成本。例如在小区中运用车牌识别系统时车牌识别系统自动采集车辆的相关信息并做出判断，对不

属于本小区的车辆进行及时收费。除此之外，车辆识别系统还能与车辆调度系统进行结合，综合对车辆

进行出入、调度等的管理。在小区及停车场安装车牌识别系统可以说是一个一劳永逸的动作，小区在未

安装车牌识别系统时往往需要投入大量的人力及物力用来管理小区内的车辆正常出入工作，因为在小区

及停车场对车辆用人力进行相关的记录和管理工作是十分复杂的，如果采用人力的办法进行管理和疏导

那么人工需要做的工作主要有：记录、汇总、引导、收费等，可以说是工作十分繁杂且细小的，并且时

间成本与人力成本也比较高，不仅如此，在未安装车牌识别系统时采用人力记录的出错率相比于安装车

牌识别系统后也比较高。在安装车牌识别系统后这些问题都将得到有效的解决。车牌识别系统对那些遮

挡车牌、掉漆断裂、车牌模糊不清的车辆也能够在进行信息的分析后做出相对准确的判断，这也减轻了

对车辆管理的复杂度。

高速公路收费站

在改革开放后我国的经济保持着迅猛的增长趋势，高速公路的发展也同经济一样保持高速的增长，

在短短近三十年间我国高速里程数突破十三万公里。我国在高速公路的各个出口都设有收费站，收费站

在进行收费的同时也可以作为交警的高速公路规范管理基地。在高速公路收费站进行车牌识别系统的运

用一方面有利于更好的进行相关的管理，另外也可以对那些违法车辆进行有效的监管，当在高速公路上

行驶的车辆在经过车牌识别系统的辨认之后会对车辆的合法性做出有效的分辨，在车牌识别系统发现车

辆违法的时候便将违法车辆信息传输给高速公路公安，方便公安对违法车辆的抓捕与调查。鉴于高速收

费站的特殊性，在收费站安装的车辆识别要求一般较高。传统的车牌识别像素都是106P，这一像素的

有效识别区域小、辨识度不高，因此在高速收费站中就不适用。在现代技术的支持下，现在高速收费站

的车牌识别系统的摄影技术都是高清的，这为公安和交警进行工作提供了方便和可靠的信息支持。一般

来说，车辆在高速公路上行驶速度通常在90-120公里每小时之间，低分辨率的摄像头无法很好的在如

此之高的速度之下保证有效的对车辆信息进行分辨，因此，采用高清的摄影技术作为车牌识别系统的支

持可以很好的提高车牌识别系统的准确度和工作效率，为公安和交警的工作提供更加有效的信息。在收

费站进行车牌识别系统的运用在有利于提高管理效率的同时还有利于对违法犯罪车辆进行监控，为抓捕

工作提供信息支持。

在公路卡口中的应用

在人民生活水平和需求逐渐提高的今天，车辆的增多带来了许多的违法问题。车牌识别系统可以为

违法车辆的处罚提供信息支持，在这一点最具有代表性的便是公路卡口系统。一个完整有效的公路卡口

系统一般包括车辆识别系统、治安卡口系统与中心管理平台，三者相辅相成，共同构成公路卡口系统。

25

车辆识别作为最基础的检测系统，在公路卡口系统中具有重要作用。在公路卡口系统中车辆识别系统的

识别速度是一个主要的参考指标。当车牌识别系统的识别速度快时系统的工作效率就高，识别速度不足

时系统的工作效率就相对较低。识别车牌速度快、准确，车牌识别系统才能有效地实现自动比对报警，

避免出现大量的误报。同高速收费站的车牌识别系统一般，公路卡口系统也为公安交警系统的破案提供

信息支持。

在城市交通的应用

我国的城市化进程正在越来越快，城市公路运输业也在迅速的发展着。由于基础设施建设的落后，

交通管理现状和需求的增长之间的矛盾正在逐渐加剧，与交通有关的刑事与治安案件也在越来越多发。

公安交通管理部门目前面临的主要问题之一便是运用何种手段对城市公路交通进行有效的监管、打击各

类公路违法犯罪行为。

4、现状、趋势及发展前景

虽然车牌识别技术这些年取得了飞速的进步，但还未达到普适化通用的程度，各个应用场景的产品

还是使用专用的车牌识别相机效果较好。比如高速公路的放在停车场就明显不太适应，停车场的用在加

油站、工地等场景也表现不佳。

现如今车牌识别技术在应用方面已开始由交通领域走向了非交通领域，比如4S店、汽修店、汽车

美容店、加油站、地磅、充电桩、工地等领域，这些复杂场景的识别特点、需要集成的应用功能与交通

场景存在极大的不同，所以现有的许多适用于动态交通或者静态交通的车牌识别产品，在这些更加细分

的复杂场景中使用存在诸多痛点。

正是在这样的背景下，专注于非交通领域的车牌识别技术获得了越来越多的关注。目前针对智慧车

服、智慧工地、智慧加油站、充电桩、地磅等细分场景都已经出现了各个复杂场景专用的车牌识别一体机，

针对场景功能需求设计了许多具备亮点的特色功能，如智慧加油站的防爆车牌识别一体机、充电桩防占

位车牌识别一体机等。

可以预见，未来越来越多的细分场景都较大可能要使用场景专用智能车牌识别一体机，才能让车牌

识别技术为产业革命带来更多的发展方向，帮助企业实现大数据管理，从而完成行业改革进步。

三、大模型

1、原理

大模型是指模型具有庞大的参数规模和复杂程度的机器学习模型。在深度学习领域，大模型通常是

指具有数百万到数十亿参数的神经网络模型。这些模型需要大量的计算资源和存储空间来训练和存储，

并且往往需要进行分布式计算和特殊的硬件加速技术。

大模型的设计和训练旨在提供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。

26

安防+AI技术应用篇

大模型通常能够学习到更细微的模式和规律，具有更强的泛化能力和表达能力。

然而，大模型也面临一些挑战。首先是资源消耗问题，大模型需要大量的计算资源、存储空间和能

源来进行训练和推理，对计算设