根據美國信息服務社的數據，截至 2015 年末，全球已安裝了超過 2.45 億個視頻監控攝像頭，我國已安裝的監控攝像頭也已超過 3000 萬個，同時全球和國內監控攝像頭銷售市場仍在逐年擴張，每年僅我國就產生數萬PB的數據量。與數據量同步增長的是巨大的市場規模，國內安防市場在近十年來快速發展，市場總產值從2012年的3280億，增長到了2017年的6000億，研究機構預計到2022年會達到萬億規模。
海量數據決定了智能化的發展速度，市場規模決定了商業化的潛力。人工智能+安防成為各大公司追逐的“香餑餑”則是必然。本文將從市場格局、技術方案、AI芯片三個方面，由大到小分析AI安防芯片的行業面貌及其發展現狀與前景。
市場格局
近年來，安防行業保持了中高速增長態勢，行業中企業集中度大幅提高，行業競爭加劇，資源向龍頭企業集中趨勢愈發明顯。隨著安防龍頭企業快速崛起，大型企業與中小企業之間的差距逐漸拉大，再加上產業鏈延伸、橫向跨界、行業深耕方面的優勢，強者越強、贏者通吃的趨勢已經顯現。
國內安防行業價格競爭日趨激烈，導致傳統產品毛利率有所下滑，具有技術壁壘的安防龍頭公司占據優勢。行業長尾效應明顯，洗牌加劇，龍頭企業依托技術、資源和規模優勢仍能保持高速增長，而位于長尾尾端的眾多中小企業已逐漸處于盈虧平衡狀態，生存艱難。
安防行業發展多年，企業在規模上明顯形成了梯度，海康威視、大華、宇視等公司占據了絕大部分市場份額，并且都在積極擁抱AI技術。國內安防領域整體的集中程度也逐年攀升，形成了“兩超多強”的格局，海康威視和大華股份領跑市場，東方網力、佳都、蘇州科達、天地偉業、漢王等第二梯隊企業奮起直追。AI技術火爆之后，近幾年又出現了眾多基于人工智能的軟硬件提供商，例如依圖、商湯、曠視、云從、比特大陸等。當有了新技術的支持，尤其在AI應用正式落地安防之后，投資或收購AI技術公司成為傳統安防企業最有效創新升級的方式。
技術方案
多年的發展，使得安防行業不僅形成了比較完整的市場格局和產業鏈。在市場格局方面，視頻監控占據了近50% 的市場份額，這其中又分為前端(攝像頭)和后端(主控/云端)兩部分。
前端產品的核心功能是為后端提供高質量、初步結構化的圖像數據，其主要作用有兩點：提升部分智能分析應用的實時性，節省帶寬和后端計算資源。
典型的前端智能攝像頭內置深度學習算法，一方面可以在前端完成人臉定位檢測和質量判斷，有效解決漏抓誤報問題，同時擁有較好的圖像效果，即使周圍環境光線不佳，人員戴帽子或一定角度下低頭、側臉，仍然可以做到準確檢測，并自動截取視頻中的人臉輸出給后端;另一方面可以輸出編碼后的網絡視頻，還支持輸出非壓縮、無損無延時的視頻流圖像，這樣可以為大型用戶節省服務器成本和帶寬，在同等服務器數量和計算能力的情況下能夠接入更多路攝像頭。
后端產品的核心功能是利用計算能力對視頻數據進行結構化分析，一般包括智能 NVR、高密度 GPU服務器。前者是基于深度學習算法推出的智能存儲和分析產品，兼顧傳統 NVR 優勢的同時增加了視頻結構化分析功能;后者集成了基于深度學習的智能算法，每秒可實現數百張人臉圖片的分析、建模，可支持數十萬人臉黑名單布控，人臉 1V1 比對、以臉搜臉等多項實用功能，滿足各行業的人臉智能分析需求。
從前后端智能化模塊來看，目前的解決方案有兩種思路，一種是智能前置，一種是后置智能，這一直是行業備受爭議的兩個方向。由于前端設備內的空間有限，再加上功耗、成本等因素的限制，智能前置會受硬件計算資源限制，只能運行相對簡單的、對實時性要求很高的算法，但算法升級、運維較難;后端智能分析通常可以根據需求配置足夠強大的硬件資源，能夠運行更復雜的、允許有一定延時的算法。另外，在后端算法升級、運維都會比較方便。需要說明的是，前后端產品不是對立與競爭的關系，根據實際應用的不同將長期同時存在。
AI芯片的發展前景
無論是前端產品還是后端產品，其底層能力都是芯片賦予的。對于智能前端產品目前有兩種芯片解決方案。
一種是較為通用的視覺處理器(半定制芯片)，如 movidius 、英偉達的 Jetson 系列芯片、NVIDIA 的Jetson TX 芯片，這些主要針對終端市場。海康、大華、宇視、蘇州科達、格靈深瞳、商湯科技等大部分公司的前端智能產品在 2016 年正式推出。另一種是將較為通用的智能識別類算法直接固化為 IP ，嵌入到視頻監控 SOC 芯片中(全定制芯片)，優點是量產后功耗、價格等都極具優勢，但功能拓展性有限。
在后端芯片方面，英偉達的GPU被采用最多，其應用場景通用，但是昂貴，不過我們不得不承認在安防監控領域GPU依然是最主流的深度學習方案，但GPU在成本、效率、功耗三方面仍在不足：
成本方面，嵌入式端GPU為數百美金，后端高性能GPU高達數千美金。在嵌入式端，市場上已量產的IPC Soc 芯片價格已經降到幾美金，可以說是很好的替代品，但后端需要做大規模數據處理時還是離不開GPU。高昂的芯片成本，推高了前后端設備的價格，阻礙了大范圍應用。
效率方面，GPU擅長深度學習算法訓練，但卻拙于推理。在推理階段，一次只能處理一張輸入圖像，并行優勢不能完全發揮。
功耗方面，GPU在深度學習計算上，比CPU節省10倍能耗，但作為通用型芯片，在處理大量視頻數據時功耗依然不容小覷，用電及散熱成本也是一個大問題。
相比GPU，專用定制的、高性價比的ASIC 芯片的優勢越來越明顯，目前被越來越多的企業寄予希望。經過專門設計優化的ASIC 芯片，有著更高性價比、更容易大規模部署的優勢。相比 GPU 的通用性，ASIC 芯片是一種為實現特定要求設計的集成電路，這意味著該芯片無法擴展，但除此之外，無論功耗、可靠性還是體積、成本均遠低于GPU。鑒于 ASIC 芯片的諸多特質，業界普遍認為將會成為未來人工智能領域的核心，越來越多的算法企業也在基于ASIC 優化算法，而安防也成了主要的應用場景。
例如比特大陸人工智能芯片BM 1680 就是一款面向深度學習應用的 ASIC 芯片，其加速核采用改造型脈動陣列架構技術，具備4096個并行執行單元，適用于CNN/RNN/DNN 等神經網絡的預測和訓練。BM 1680 從2015年底開始設計，歷時一年多成功流片，在2017年6月拿到了樣品，并在當年內實現量產。
基于BM 1680，比特大陸還推出了算豐 SC1 和 SC1+兩種深度學習加速卡，前者擁有一顆高性能BM 1680 芯片，后者則采用雙BM 1680級聯架構，兩顆芯片通過高速SerDes聯接。此外，針對視頻和圖像分析，比特大陸基于BM 1680芯片和加速卡SC1+，研發了智能視頻分析服務器算豐SS1。SS1 預裝 Ubuntu 16.04操作系統，預裝包括固件、驅動、BMDNN計算庫、Runtime庫等軟件環境，以及目標檢測和目標識別的樣例模型和測試程序，適用于人臉檢測、人體檢測、人臉識別、機非人檢測分類等安防場景。
目前，比特大陸第二代人工智能芯片 BM 1682 于 2018年3月份推出，可脫離 X86 CPU 單獨存在，支持客戶二次開發，擁有單芯片八路H264/H265解碼能力，支持視頻圖像后處理硬件加速，相比第一代擁有更低功耗、更高密度的特點，實際性能提升5倍以上。此外支持以太網，PCIE的多芯片互聯，易于橫向擴展，支持大規模數據中心。
受限于已經部署了大量的非智能前端設備，以及前端有限的計算和儲存能力，后端設備在空間、能耗、環境等方面限制較少，也更有利于大規模數據的深度處理，因此后端設備在當前更適合人工智能技術的大規模應用，在不改造前端設備的前提下進行智能化升級。
結語
未來，AI 勢必將改變安防，賦予安防系統更加智能化，自動化處理視頻、圖片等非結構化數據和結構化數據，提升信息搜索的精準程度，極大提高警務效率，讓整個社會更安全、更有秩序，而要實現這樣的轉變這有賴于行業上下游的通力配合。值得注意的是，在這個耗資巨大、耗時很長的行業中，尋找具有創新性、性價比高、可大規模部署的方案，是最務實也最接近成功的選擇。
京公網安備 11010502049343號