聲音報警器的中美校園生存差距側寫_風聞

圖片來源@Unsplash

文｜腦極體 來源丨鈦媒體

康涅狄格州的Staples Pathway學院，一個同學薩米·德安娜因為胸悶突然咳嗽了幾下，隨後，一條信息出現在了學校裏的屏幕上——“檢測到危險聲音”。

她無意間觸發的裝置，是最近一些學校和醫院在頻繁發生校園持槍暴力案件之後，正在計劃部署的智能麥克風，靠算法在衝突暴力發生前識別壓力和憤怒。

同樣是安防，我們在中國校園內看到的技術解決方案，卻常常與視頻攝像頭，智能可穿戴設備（校服、手環）等緊密相關。

這兩種截然不同的解題思路引發了我們的好奇，差異究竟是如何產生的？

報警器在校園：還未騰飛，就將落幕？

佛羅里達州帕克蘭市高中和其他屠殺事件發生後，美國學校越來越願意接受報警廠商遞來的橄欖枝，美國國會也在去年批准了2500多萬美元用於學校安全改進，一位分析師預計，教育安防市場將擴大到27億美元，這也吸引了許多企業投身新型報警器的研發。

比如美國I-TEAM公司聯合Genetec和Lencore開發出了一套槍手檢測系統，可以在最短的時間內阻止類似事件進一步擴散。韓國的漢華科技公司（以前是三星的一部分），也推出了一種“尖叫檢測”產品，用於識別槍聲、汽車警報和玻璃破碎聲，目前已經在不少美國學校部署。英國的音頻分析公司，也曾向歐洲和美國的客户（包括思科的安全部門）出售其入侵和槍擊檢測軟件。

而在同樣重視安全的中國校園中，近兩年卻很少能聽到報警廠商的重磅消息。

2016年教育部提出智能校園規劃以來，AI智能分析技術與傳統的視頻監控相結合為主流的AI視頻安防，成為主流。而不幸的是，在技術的加持下，“事前預警、及時報警”不再是報警系統所獨有的能力。視頻監控系統集成音頻探測等功能之後，就可以好無障礙地擔負起這一職責，而且功能更進一步。

比如能夠通過動態視覺完成對人羣以及特定對象的實時監控和分析預判，進行風險等級提示和預警。如果某個被監控人員多次出現在校園周邊，系統就會自動進行風險提示，由公安等相關人員進行盤查，將風險化於無形，這是傳統依靠聲音、傳感器等判斷的報警器所做不到的。

聽上去，報警器廠商被AI企業碾壓和瓜分，似乎只是早晚的事，畢竟誰不希望技術改造一步到位，越新越好呢。

實際也確實如此，在2016年海康威視收購英國報警專家Pyronix、大華將ADT China （安達泰）中國業務扛起來之後，“吃棗藥丸”的恐慌就一直縈繞在報警行業的心頭……

喧囂的安防爭議

雖然無論是現實需求，還是AI優先的“政治正確”，都決定了報警行業難以奪AI廠商的鋒芒。不過，圍繞計算機視覺、智能可穿戴等暗訪設備在校園場景中的應用，卻還存在不少爭議，這也給傳統報警器留下了一個難得的逆襲窗口。

第一，是數據範圍過於寬泛。AI終端主導的智能安防，特點就是數據蒐集範圍廣，對生活細節的侵入性強。

比如此前某中學給學生配置了電子手環，不僅能夠實時監控定位學生行動，還會檢測上課舉手次數和每日活動量等多個場合、不同種類的數據信息，引發了巨大爭議。美國的安防設備製造商和學校也逐步從預防大規模槍擊到監控未成年人吸煙等諸多生活細節。

第二，是技術的倫理矛盾。打瞌睡就報警、全天候追蹤學生動態、生理狀況等監測功能，家長擁有了無邊界侵入孩子生活的權力。比如購買了智能校服以後，有些父母會開玩笑稱，“你現在動動腳趾頭我都知道。” ，很容易激發逆反心理。哈佛醫學院研究學校安全的精神病學副教授Nancy Rappaport博士在接受媒體採訪時也説到，視頻監控可能會導致學生越來越不信任和疏遠的意外後果。 而如何保證學生數據和隱私在雲端不被泄漏和濫用，這些都會是持續焦灼探討的社會問題。

第三，是部署的性價比。雖説AI企業比部分報警企業更早推出智能視頻安防產品，技術上也更加領先，但AI企業在安防產品落地上經驗相對較少；同時AI企業的視覺化硬件成本更加高昂，雲端存儲和處理分析視頻數據的計算成本所需不菲。因此在要求不高的行業，基於硬件穩定性、交付能力、性價比等的綜合考慮，許多學校還是會選擇傳統的報警設備廠商解決方案。

《2018年中國AI+安防行業發展研究報告預告版》中顯示，安防領域智能攝像頭應用率只有1%，在公安動態識別系統滲透率僅0.4%。

所以在上述問題都找到更好的答案之前，聲音報警系統這個最有效、最基礎的安全保障功能，恐怕還有可能在校園中佔據一席之地。

從頭收拾舊山河：校園報警系統的老問題與新故事

話説回來，報警器製造廠商也好，報警運營企業也好，到底能不能從AI 公司手中分到校園安防這一杯羹呢？

我們將目光轉回2014年，以報警器廠商為代表，以校園一鍵報警系統為主流的應急系統，成為整個行業的新潮流。

校園一鍵報警系統與應急反恐報警系統有些類似，最早在各地區的學校都有相關要求和佈置，一開始是以財務室等機要地方安裝隱藏式應急報警系統為主，後來隨着多起中小學幼兒園的暴力傷害事件發生，教育部以及各地教育局和安全部門都陸續下發通知要求加強校園及周邊安全，於是以報警柱、報警樁作為載體的可視化應急報警系統，也得到了較大規模的應用。一鍵報警與校園保安、應急反恐等措施組合之後，一時間成為報警行業開疆拓土的新方式。

但是，這種模式的弊端很快就顯現了出來。

首先是缺乏品牌規模效應。科技巨頭作為智慧城市建設的重要一環，其技術實力與豐富案例更容易獲得各地政府與學校單位的青睞，後續還能衍生出其他全方位服務項目，這種品牌效應和生態規模，散兵遊勇式的中國報警廠商一時半會兒做不到，報警系統的搭建和檢測維修成本也很難均攤下降。

其次是持續服務的缺位。從事報警行業的企業大多規模小，商業服務能力不足，加上該行業沒有統一的服務及諮費規範，有些單位只為了工程項目能驗收通過，滿足政策強制要求，所以安裝的報警系統往往會在兩三個月後形同虛設。

最關鍵也是最普遍的問題，就是技術層面的提升難以滿足用户需求。不管是報警控制主機、前端入侵探測器、中心控制平台，還是報警服務系統所涉及到的種種技術，很少或單一使用人工智能等前沿技術。

正如開篇所提到的那樣，在學校裏大聲祝願同學生日快樂都有可能觸發警報，卻又會對一些成年男子十分激烈的言行無動於衷，導致報警系統在實際運行中廣受質疑。在歷經三年、耗資2.2萬美元之後，新澤西州的山谷醫院就決定淘汰了探測器。

造成這一現象的原因有很多，比如報警板塊無法獨立運作，而校園智能化過程中所採用的系統是由不同廠家提供的，這就使得算法在獲取數據時無法進行共享，形成了信息孤島，從而給報警領域的數據分析帶來阻礙。

再比如聯網報警服務企業缺乏數據挖掘、分析利用的習慣與能力，技術維護員完全不需要數據的統計和分析就能夠判斷出某一個用户的誤報原因，因此就算掌握了一定的客户數據但僅僅只是做留存，各地公安/治安有要求時方便備查，完全談不上利用、難以產生價值，或者根本就不具備開發的附加值。

而就算擁有智能算法開發能力，缺乏足夠的訓練資料，也很難得到高性能的入侵探測算法。比如美國一些學校和醫院使用了Sound Intelligence公司的入侵探測器，該設備的核心是機器學習算法，它會分析聲音，但目前還常常會將咳嗽之類相對較高的音高等同於攻擊性。

2007年，Sound Intelligence公司在荷蘭格羅寧根市中心的11個地點放置了探測麥克風，並將探測器的發現與警方關於攻擊行為的報告進行了比較，結果“令人印象深刻”，以至於荷蘭的警察部門、荷蘭鐵路公司和兩所監獄都認為該裝置是“必不可少的”。

沿着這條技術路徑向前看，AI將持續引領報警行業升級浪潮，一方面提高檢索效率，算法可將聲音、紅外等數據進行結構化處理；同時將提高識別準確率，降低人工成本和誤報。朝着這些方向努力，或許報警行業在中國校園，還有“回春”的可能。

而報警系統的艱難探索也提醒我們，一味為AI鼓與呼的起跑階段已經過去。面對複雜情況，技術能解決的問題依然有限，而隨着AI技術逐漸產業化、智能化，人們越來越多地開始關注技術改造的性價比、可行性、新倫理等一系列落地問題。

在這種情況下，為AI尋找盟友，與傳統企業一起拼出產業的拼圖，也就成了一件“think beyond，live within”的事了。