AI芯片“碰撞”安防：智能安防行业的命门——安防芯片

随着经济的发展，人工智能产业取得新的突破性进展，AI芯片市场规模保持50%以上的增长速度。我国AI芯片市场在全球占比最大，占据市场主导地位，积累了海量的数据资源和多样化的应用场景，例如安防行业未来前景就十分广阔。

智慧安防需求多样，AI安防芯片崛起契机来临

在传统的认知中，算法的深度学习都依赖GPU的CUBA模块，据相关实验结果表明，12颗英伟达GPU可以提供相当于2000颗CPU的深度学习性能。但CPU作为图像处理器时，设计初衷是为了应对图像处理中的大规模并行计算。因此应用于深度学习时有明显的局限性。

首先就是硬件结构完全由GPU厂商决定（主要是英伟达），其次是在深度学习方面，其效能远低于ASIC及FPGA芯片。

通俗的讲，采用GPU，你可以定制场景化的算法，但硬件性能以及发挥的效率完全是由英伟达决定，且算法的复杂程度还需要看GPU的效能决定。

尽管GPU目前依靠其优秀的编程环境和顶尖的算力依旧稳坐AI芯片市场NO1的地位，但其他两种芯片已呈现出后来居上之势。

ASIC和FPGA在安防行业越来越得到重视

算力的优势并不是凭空而来，传统的GPU虽然在算力上占尽优势，但存在严重的晶体管堆料的现象，导致其利用效率不高而且造成的功耗远高于其他两种芯片，对于以7X24小时运行的安防设备来说，这样的功耗很难接受。

市场上虽然对这些缺点还算比较容忍，（毕竟客户主要更关心算力）。但长此以往无异于饮鸩止渴。

在设计层面，由于摩尔定律的失效。7nm后制程升级越来越困难，GPU若想保持其算力优势势必还会走“堆料”的路子，在云端市场不断发展的今天，这样的市场越来越难以为继。也导致不少安防厂商纷纷开发自己的ASIC和终端的FPGA市场。

由一家独大，到如今隐隐的三分天下之势，GPU确实该考虑如何更好的适应市场了。

安防AI已进入“后人脸”时代，场景化应用才是根本

随着人脸技术的成熟，安防AI已迅速进入“后人脸”时代，即更广而泛化的AI。这一“后人脸”时代的到来，也对芯片提出了更高的要求。

那么，当下及未来，什么样的芯片是适合于安防的？

第一，要考察的指标就是对算法框架支持的广度，也就是其自身转换工具能正常编译常用算法框架的类型数量，一般以众多开源算法框架进行测试。

第二，对性能或能耗指标的评测应该建立在相同算法——最好是多种开源算法，在完成相同精度和性能下所用的带宽和能耗，包括计算核、外部支撑的硬件以及内外部存储器功耗的总合。

最后，常用业务组合在芯片上的性能实际表现也需要认真评估。

AI芯片“碰撞"安防：智能安防行业的命门——安防芯片这样的指标才是在实操中有意义的指标。

并且，从AI芯片上可能支持的算法来说，人脸只是目前最明确的应用，但不是AI的全部。

在安防领域，人形、车型、车牌、小目标检测、人群聚集、防伪、防误、特定行为检查等应用也非常多，其后如红外、热成像甚至雷达等各种新成像器件的接入也将进一步完善安防系统的可感知性。

应该说，结合系统化的控制，后期跨场景跨域的全方位安防系统也将作为主力研发方向。

而能提供完整的硬件和软件产品及解决方案的安防厂商，则将在这场芯片战役中扮演更重要的角色。

对AI安防芯片而言，安防场景下的视觉技术仍是核心。如超低照度降噪、超宽动态、畸变矫正、多摄像头拼接、可见光、红外、热成像、多光源融合、图像压缩、传输及存储、无感对焦等。

显然早先在视觉安防领域进行芯片研发的传统企业具有先天优势。

此前业内人士也表示，AI芯片并不是一个单点技术，更大的难题在生态上。在这个系统中，AI 是核心竞争要素，但除此之外，99%的工作量是传统的东西。

从对需求的灵活把控来说，应该说没有能比在这一行业摸爬滚打了多年的安防厂商更了解行业需要怎样的AI芯片，怎样的芯片能尽快部署、使用和较快的进入市场。

另一方面，安防AI已迅速进入“后人脸”时代，即更广而泛化的AI后，AI安防芯片和摄像头内或者后端其他芯片的协同更为重要，安防场景属性也会更重，相对单一的AI加速需求可能不再会是必杀器。