视频技术在人工智能技术的支持下可以实现智能化，成为信息化、互联网化和物联网化的重要手段。人工智能为视频技术用于更广泛的领域开辟了通道。目前安防行业已经进入到大数据、智能物联和人工智能深度应用的阶段。无论任何技术还是要跟实际应用结合起来才能使其技术覆盖面增大；要把整个产业链全部打通，才能覆盖整个行业的诉求。

视频与RFID技术是物联网的基础，物联网的市场空间也大得多，这也是众多安防企业发展的主要方向。物联网整体的价值链由终端、网络、平台和应用服务四大部分组成，业内预估其价值比例分配为30:10:20:40，应用服务中透露的数据价值依然是较高的；而为了实现从低价值到高价值的跃升，就必须重视起在中间起到“桥梁”作用的平台。

而且伴随安防IT化的发展以及安防业务的不断深化，安防领域所涉及的设备和系统种类越来越多，除了传统的监控，还包括各种红外的、智能化的视频采集终端、RFID采集终端、多种传感器数据采集终端，以及多种综合安防业务系统，相应的数据类型也迅速增加。与此同时，安防业务应用也在不断深化，对数据的应用越来越复杂，对业务场景也分的得越来越细，精细化的应用使得不同数据的融合处理以及数据间的关联性分析需求不断提升。面对大量不同类型的数据，如何保证数据的质量、如何保证数据存储读写的效率、如何发掘数据间更深层次的信息、如何提升数据在业务层面的应用效能，解决安防行业的碎片化问题等等，成为安防行业发展道路上的重大课题。

面对这些课题，行业内外的许多厂商都在积极地探索，通过借鉴和学习当前先进的互联网、物联网理念和技术，构建安防大数据平台以及安防数据中台逐步成为大家的共识。

2015年之后，IoT（物联网）技术发展起来，带动了视图声（视频、图像、声音）数据的增长，未来80%以上的数据来自于视图声的非结构化数据，这些数据需要视觉计算技术、图像解析的引擎+视频解析的引擎+音频解析的引擎来转换成结构化数据。要使用这些数据，光有视觉算法和智能端也不行，要有云来存储和处理这些数据，以及打通其他领域的数据。数据中台就是聚合和治理跨域数据,将数据抽象封装成服务,提供给前台以业务价值的技术平台。

数据中台的概念是由阿里巴巴提出的，是为了应对像双十一这样的业务高峰、应对大规模数据的线性可扩展问题、应对复杂业务系统的解耦问题，而在技术、组织架构等方面采取的一些变革，其本质上还是一个平台，阿里称之为“共享服务平台（SPAS）。2015年阿里巴巴集团启动了中台战略，目标是要构建符合互联网大数据时代的，具有创新性、灵活性的“大中台，小前台”的机制。

大多数企业的后台建设是为了满足各个业务管理的需求，中台链接了前台用户与后台核心资源，既可以将前台系统中的稳定通用业务能力“沉降”到中台层，为前台减肥，实施“大中台，小前台”战略,又可以将后台系统中需要频繁变化或是需要被前台直接使用的业务能力“提取”到中台层，赋予这些业务能力更强的灵活度和更低的变更成本，从而为前台提供更强大的“能力炮火”支援。数据中台理论上是为大型企业大量的应用提供专业的服务。从本质上来讲数据中台是一种面向数据服务的架构（SOA）。

真正让安防数据能够高效地用于各类业务就需要构建数据中台。数据中台是实现数据智能化的核心载体，能够保证海量的不同类型数据能得到高性能、高可靠的存储，数据中台通过数据湖具备异构数据统一存储和计算的能力，并且将数据湖中不同类型的数据通过规范化的方式统一管理起来。数据中台通过大数据平台提供的全流程覆盖的数据研发能力以及数据服务化的特性，大大提高了安防数据的开发效率，显著提升了安防数据的应用效能。

自从数据中台在2018年开始在大数据领域崛起，安防大数据也在这时逐步跟上了步伐。如海康威视通过统一软件技术架构、物信融合、数据开放平台等数据中台，将更多技术资源下发到省级中心层面，以更加灵活、省时高效的方式快速响应用户需求。海康威视还在云边融合的基础上，提出物信融合，即构建物联网数据与信息网数据的融合。大华股份认为，数据中台的本质则是大数据的延伸，是打通数据孤岛、实现数据互通，以及实现数据智能化必备的手段。数据中台要形成高能力级别的复用平台，以实现对业务的支撑，实现敏捷的迭代。2019年深圳安博会上，宇视也发布了数据中台、业务中台的双中台战略。

目前的数据中台，底下的数据平台是中台技术方案的其中一个组件，主要解决数据存储和计算的问题；在上面是数据服务层，数据服务层通过服务化API能够把数据平台和前台的业务层对接；数据中台去做对接，通过智能算法，能把前台的分析需求和交易需求去做对接，至此赋能业务。

数据中台不是一套软件系统，也不是一个标准化产品，站在企业的角度上，数据中台更多地指向企业的业务目标，也即帮助企业沉淀业务能力，提升业务效率，最终完成数字化转型。数据中台是一系列解决方案的基础设施。

在大数据时代，一切业务数据化，一切数据业务化。数据业务化也需要很强的行业经验来指导，建立合适的业务场景，在场景里面去使用数据，从而体现数据的价值，来大大扩展数据在行业中的应用能力，这就需要建立业务中台，而业务中台是需要数据中台来支持的。

针对当前的市场来说，市场的需求变化快，应用开发的周期时间长，导致数据开发和应用开发速度不匹配，数据中台通过提供API的方式提供数据服务，能够让前台开发迅捷，快速获取所需的数据。针对企业内部来说，构建良好的数据管理系统和资产管理系统，在提供数据服务的方面能快速获取到所需的数据，同时也提供数据存储。

数据中台通常包含以下几个部分：1、数据存储部分；将企业所含的数据湖的数据，通过数据的清洗转换到数据仓库中，经过主题域的构建形成数据集市。2、数据资产管理部分；将企业内部的数据进行规范化的管理，按照企业的需求对企业数据按目录进行划分和管理。3、数据服务部分；按照特定的需求以API的方式提供数据服务，随着企业大数据运营的深入，各类大数据应用层出不穷，对于数据服务的需求非常迫切，大数据如果不服务化，就无法规模化。4、数据的分析与挖掘部分；以数据为推理的基础上，对数据进行分析，挖掘其更深层次的价值，比如说，用户对某个数据服务访问次数特别多，通过数据分析访问此服务的用户对其它服务的需求，分析其中的联系，之后更加侧重于提升这方面的服务，从而提高客户的满意度。反之，对用户访问较少的服务，反思其中的原因，进行服务的改进。数据中台的构建不是不是一蹴而就的，需要通过小的业务场景的不断累积，需要长时间的业务经验的沉淀，不断的进行优化创新，才能构建出具有企业业务特色的数据中台。

数据中台需要以场景化的方式去驱动，只有与具体的业务场景相结合，将业务数据场景落地，才能快速验证其价值，相较于需求驱动来说，它是更贴近业务的数据平台，当出现新的问题是，能快速给出解决方案。

构建数据中台不是盲目的照搬，每个企业的业务系统有所差异，只有深入了解自身企业的业务特色，找出能体现价值的应用点，以此为切入点，才能挖掘出企业更深层次的价值。

数据中台适合做“组合式创新”，但很难做“颠覆式创新”。颠覆式创新是从根上做创新，它要打烂前台、中台、后台，颠覆现有模式和能力。所以，中台不支持颠覆式创新，这是中台的基因所决定的。2015年，张勇在阿里巴巴推出“大中台、小前台”战略。事隔5年，他亲手拆掉自己搭建的中台。

越往后，平台技术的门槛可能会越来越低，单纯靠平台的营收也许会逐步缩小，那时基于平台产生的数据价值才是更为重要的事。在不少公司看来，物联网平台更应该做的事是纵向的，更应该充分融合细分行业的知识，落实在具体的场景和行业里面解决好问题。