針對視頻云存儲技術，業內主流安防廠家可以說已經做得爐火純青了。安防廠家將云存儲的底層技術與安防流媒體結合，形成了安防特色云直存產品。無需外部設備拉流，存儲可直接接收前端傳輸過來的數據。但如今，安防行業也發生了翻天覆地的變化，視頻流已經*不能代表安防行業的數據特色了，AI時代即將來臨。
目前業內的AI數據內容主要有人臉數據和結構化數據兩種，包含機動車、非機動車、行人。數據類型包含了圖片、抓拍記錄、報警記錄、圖片屬性信息等一系列非結構化數據。這類數據的特點是比較碎片化，與視頻流數據類型不同。視頻流可以保證持續不斷的寫入，而且文件打包大小比較均勻。但是碎片化的文件，由于其大小和數量都是未知，零散的寫入對CPU和硬盤資源的消耗都是很大的。對CPU來說，需要同時處理很多的線程。對于硬盤來說，磁頭需要不斷的換道尋址，大大減少了硬盤的壽命。
對于這種比較特別的數據類型，傳統的流媒體服務無法進行處理。目前主流安防廠商都為此專門開發了用于拉取此類數據流的軟件，安裝在通用的存儲硬件中就可實現存儲功能。由于是新興市場，目前絕大多數場景中使用單臺設備存儲就可以滿足，但隨著AI的普及，數據量也將不斷增大，對于一座城市來講，為了掌握城市中交通狀況，需要采集每一條道路、每一個路口的車輛數量信息、擁堵信息以及車流走向等。通過算法后的數據，可以模擬城市交通的運行狀況，以此來預測下一秒的動向，及時作出預警方案，實現真正的大數據時代。當數據規模擴大到一定程度的時候，底層的云存儲機制將是人們不得不考慮的技術支撐。但這樣的話問題就出現了，傳統安防云存儲只有對視頻的接入能力，無法主動獲取結構化數據。于是，在未來的短期內，這種AI數據云存儲勢必成為存儲應用層的主流。
雖然通過應用層與底層的對接，可以實現一體化的AI數據云存儲，但是當數據類型進一步進化，出現新的數據結構時，云存儲將如何應對？一味地做兼容開發勢必不是長久之計，還會浪費人力物力。更糟糕的是，如果在一個現場存在多種數據類型，那就需要部署多套云存儲來進行不同數據的存儲，這對存儲空間是一種浪費，占用的資金成本也高，可行性低。
為了解決這一困境，我們需要一種新的開發模式，那就是異構云存儲，將存儲的應用層與文件管理層、資源分配層獨立開發部署，這樣一來，做云存儲底層和硬件的廠商可以專心保障存儲機制的穩定性，應用廠商可以專心做不同數據類型的兼容。只要底層標準化做好，各大安防與存儲廠商就可以形成一個穩定的生態合作。一方提供物理資源，一方提供上層業務，不再局限于軟硬一體的產品模式。在此基礎上，一些受限于資本投入的廠家甚至可以開發自己的云服務。上層的應用軟件甚至可以存儲在云端，作為一個公用資源，讓終端用戶開發屬于自己的專業存儲服務。
未來已來，相信在不久的將來，勢必會看到各大安防廠商、算法廠商、存儲廠商共同合作，構建一個統一的AI存儲生態圈，為AI的場景化、民用化提供有力的數據支持。(作者：付邦鵬 靳龍雪 )
