在安全领域，随着平安市建设的不断推进，越来越多的监测点出现，从最初的数千条道路到数万条道路，甚至几十万条道路的规模、视频和港口都产生了大量的数据。

在智能安全时代，随着高清晰度的普及，对视频存储和数据分析的要求越来越高，目前视频监控系统中90%以上的数据是海量的非结构化数据，这对存储系统的可靠性、性能和可扩展性提出了新的挑战。

视频监控的存储变化

人脸识别门禁,智能道闸,智能安防系统,小区人脸识别门禁,办公楼人脸识别门禁,人脸识别门禁系统,人脸识别闸机,小区道闸,自动道闸,道
闸厂家,智能摄像头,安全防范系统,安防监控系统,视频安防监控系统

随着人脸识别、行为识别、车牌识别、目标分类等人工智能算法的迅速发展，安全智能已成为近两年来最明显的发展趋势，人工智能相机将继续快速增长，大量传统摄像机将被取代。

在智能安全时代，随着高清晰度的普及，对视频存储和数据分析的要求越来越高。这种需求的结合增加了视频监控存储解决方案的成本，并对整个智能安全解决方案的可伸缩性和可管理性造成了巨大压力。

目前，需要满足海量高清视频数据存储、高清视频数据如720 p、1080 p、5MP、8MP等高分辨率IPC接入、大量大流量实时数据读写的需要，传统存储的性能面临着巨大的挑战。

这也意味着数据存储能力和计算处理性能的提高，存储产品要求高性能、高容量、高可靠性和可扩展性。同时，为了满足大规模视频数据管理在安全系统中的特殊业务应用，必须实现与安全行业应用的深度结合。

人工智能安全存储的要求和挑战

随着人工智能智能安全的出现，一方面，存储对象从最早的简单原始视频转变为经过视频、图像和人工智能分析后的结构化半结构化数据。随着对象的变化，存储系统需要考虑更多的问题。如何更好地适应各种存储对象？如何最有效地存储各种类型的数据并提供可靠的保护？当大量小文件混合存储时，如何避免传统存储性能上的大折扣？

另一方面，存储的写读模式也发生了很大变化。原始视频存储后不会被访问，而写读模型基本上是10/1，但人工智能技术的出现已经完全激活了这些数据。高性能分析服务器可以提取存储的视频，用于人脸分析、车辆模型分析、结构化分析，写读模型已经达到1：1甚至1。在这种写入模型下，对存储设备也提出了更高的要求。存储不再仅仅是如何存储更快的存储，而是如何与AI业务集成并优化组合。