日新月异的AI技术揭开了智能视频网的新篇章。在海量视频监控数据中，非结构化与半结构化占据了九成，其数据形式以及处理方式与结构化数据也存在较大差异，给智能视频监控网络应用带来了应用困境，那么，这个困境该如何解决?

云边融合大行其道

数字化背后的基础技术是云计算，随着物联网应用和智慧城市的发展，几乎所有数据都需要连接到云，安防视频监控图像即使被压缩后也包含巨大的数据量，但如何传输和处理这些数据，已成为当前云计算技术架构的挑战。 而人脸、车牌识别这一类较复杂的视频分析技术要求前段设备具有很高的计算能力，因此云端大数据计算全局性的优势还要配合边缘计算的敏捷性，云边融合大行其道。

提到云边融合，就不得不提海康威视。海康于2017年下半年发布AICloud框架，AICloud由云中心、边缘域、边缘节点三部分构成，通过对云端和边缘资源进行统一配置、管理、调度，实现从端到中心的边缘计算+云计算的结合，使系统的功能更为强大。

胡扬忠认为：”只谈云计算不全面，只谈边缘计算也不全面，最后还是要云边融合，云边融合才能更好地解决问题。“

云端+边缘=云边融合?

云边融合不是云端与边缘简单相加，也不是将“大云”分解成一个个“小云”。具体来说，边缘侧重点存储以及处理终端设备所提供的多维感知数据，并将处理后的结果上传至云，云端中心侧重数据融合以及大数据多维分析应用。其中，边缘侧负责决定在什么时候、将什么类型、处理到什么程度的数据发送到云中心，实现“按需汇聚”，解决从边到云所带来的应用、数据处理、管理等一系列问题。

安防行业的多个领域都有此类需求。以智能交通为例，无论何种场景，安全都是最为重要的因素。如同人类对于危险的“下意识”反应一样，当出现突发灾害、信号干扰或技术故障等事故时，云端处理显然不能满足及时响应的需求，智能依靠边缘端进行“下意识”反应，将危险降低到最小程度。云中心虽不必进行实时处理，但需要对各种事件进行收集、分析、预测，以提供优化解决方案，乃至为管理者提供决策参考。这其中“云计算”就相当于智能设备的大脑，处理相对复杂的进程;而“边缘计算”就相当于智能设备的神经末梢，进行一些“下意识”的反应。

结语：由此可见，云边融合不仅是对算法结构的优化，还可以从本质上改善现实困境。值得一提的是，在落地方面，无论是BAT，还是海康大华和华为，面临的最大问题不在于技术，而在于如何不断协调不同部门的不同利益和需求。