2022年年初，海康威視、大華股份、千方科技等頭部企業紛紛把公司定位進行了調整，由安防升級為智能物聯。
?？低?、大華股份、千方科技的年報中，都不約而同地對業務定位做了新的調整。在年報中，鮮少提及“安防”，取而代之的是“物聯”。
?？低暠硎?，未來，公司將致力于用物聯感知、人工智能、大數據技術服務千行百業，引領智能物聯新未來；宇視科技總裁張鵬國對外也表示，未來宇視科技是一家AIoT公司，不屬于安防行業。
近幾年來，各行業數字化轉型速度加快。傳統行業數字化轉型都離不開AI的技術底座，離不開AIoT。視頻監控系統等安防技術的應用已經不再局限于安全防范，而是延伸到了更多的場景。
隨著AI、大數據、云計算、5G等技術與安防行業的高度融合，讓安防行業的邊界越來越模糊的同時，也使安防的應用場景得到不斷的拓展和延伸。借助AIoT的賦能，給行業帶來巨大的增長動力。智能物聯技術是數字化轉型中重要的技術之一，數字化轉型的一個特征是物信融合。
過去，安防企業多以政府業務為主。當政府需求漸趨飽和，各行各業數字化轉型又催生出龐大的市場新需求。AIoT能夠幫助實現萬物數據化、萬物智聯化，最終形成一個智能化生態體系。因此可以肯定，AIoT不是終點，只是里程碑。也可以看作是新征程的起點。
安防從產品為主，到解決方案為主，再到今天的AIoT賦能。是技術的引領，也是市場需求的推動。但是，如同安防各個階段的市場特征一樣，都只是技術和需求的變化和進階，并沒有改變行業的本質。

任何系統的構建都是為應用服務的，“物聯安防”行業更是如此。物聯網在安防行業的未來功能應用和結構與人腦類似，也將具備物聯網虛擬感知、虛擬運動、虛擬中樞、虛擬記憶神經網絡，并繪制一幅物聯網虛擬大腦結構圖。

　　物聯網對應前端感知、運動系統，互聯網、移動互聯網、現代物聯網傳輸對應系統傳輸神經系統，云存儲、云計算對應信息匯聚及處理系統，大數據應用則對應虛擬神經元及大腦終端決策系統。 　　采集：“物聯安防”下的信息采集不僅有虛擬視覺系統、虛擬聽覺系統，而且加入更多的虛擬感覺系統和虛擬運動系統，將更多的物理傳感融合在一起，只有匯聚更多的特征信息，才能夠為后端提供更加精確和豐富的應用服務。
　　傳輸：傳統安防行業的數據傳輸，還是以運營商有線的互聯網為主，GPRS、3G/4G、2.4G/5.8G等無線傳輸為輔，這些傳輸更多的是解決中遠距離數據傳輸問題。在物聯網時代下，更多的終端需要接入網絡，終端與終端間也需要互相通信，如何搭建“最后一公里”數據傳輸系統，將決定“物聯安防”乃至整個物聯網產業的發展狀態。
　　無線傳輸技術是物聯網產業發展率先需要解決的問題，但Wi-Fi、ZigBee、Z-wav都面臨傳輸與功耗的問題。目前在物聯網傳輸技術上，主要聚焦三大技術陣營LoRa、NB-IoT與Sigfox，相關產品與產業應用也逐步趨向成熟，如無線煙感、地磁，智能抄表、智能停車、車聯網等行業應用。
　　匯聚：對安防行業而言，數據的匯聚包含兩個層面，一是數據的存儲，二是數據結構化分類。 　　隨著攝像機部署數量的不斷增加，音視頻數據存儲時間越來越長，安防數據存儲容量也越來越大，如何挖掘這些數據的價值，首先要解決的是數據共享問題，避免各種信息孤島。傳統的集中存儲方式很難做到數據的高效匯聚和融合，而通過云存儲技術能夠更好地解決上述問題，同時更加安全、高效，可擴展性更強。
　　安防行業采集的數據不同于互聯網行業，數據類型更加豐富、更加復雜，有結構化的數據，也有非結構化和半結構化數據，這就給數據分析應用帶來困難。為應對越來越復雜的數據類型，必須對數據進行結構化分類，通過云計算技術將非結構化視頻轉換成結構化數據，通過分布式數據庫管理和加速數據的分類管理，通過標準的接口方式提供給上層業務系統。
　　應用：數據采集、傳輸、匯聚是幾種連續的技術手段，都是為最終的行業業務應用服務的。在匯聚到海量的各種數據信息后，如何挖掘數據背后的價值是安防行業亟待解決的問題。從目前整個全行業發展趨勢來看，基于人工智能的大數據分析是未來技術的發展方向，也是服務各行業應用的重要手段。通過深度機器學習手段，可以讓系統更加聰明，能夠快速識別人像、車輛、其他各種信息庫等信息，并將各種信息按照某種屬性(如個人ID)關聯起來，為相關業務部門提供更加便捷化、智慧化的業務應用。

 　　國內安防行業經過十幾年的發展，取得了很大的進度，但仍存在很多問題、很多困難。在目標識別上，基于視頻的目標識別受圖像采集環境、目標角度、技術瓶頸等限制，尚不能實現對目標的百分百識別，而結合物聯網RFID則能有效解決部分問題;在終端信息聯網方面，也是各種原因造成數據無法有效匯聚，基于IoT相關技術則是一個很好補充，能夠最大限度的實現萬物互聯，獲取海量數據，最終實現行業的大數據分析研判應用。因此，物聯網成為安防行業下一個風口值得期待。