智能安防行业研究：现状、趋势与格局

        AI 芯片应用在安防系统主要有两种方式，一种是以 AI 加速卡的形式嵌入到 前端摄像头和后端 DVR/NVR 中，提高整体计算能力，主要的 AI 芯片类型 为 ASIC 和 FPGA；另一种是以集成编解码、网络接口、视频分析等模块于 一体的 AI 芯片形式，应用于后端 DVR/NVR 或云端/中心服务器中，主要 的 AI 芯片类型为 GPU，也有部分 ASIC 和 FPGA 芯片。

        AI 芯片的目标在于“训练”和“推断”。其中云端聚集训练和推断双重功能，通用 GPU，特别是 NVIDIA 系列 GPU 芯片方案是目前 AI 训练领域应用最 广泛的平台。GPU 芯片擅长并发计算，适合图形运算，上市快，通用性强， 但存在成本、效率、功耗三方面的瓶颈。半定制化 FPGA 芯片在中心推理 及数据中心也有较多应用，FPGA 允许用户通过硬件编程定义逻辑，其前期 启动成本低，通过再编程特性提供了灵活性，但这种优势是以更高总成本、 功耗以及牺牲性能为代价。面向云端 AI 应用，越来越多的公司开始尝试设 计专用芯片（ASIC 芯片）以达到更高的效率，其中最著名的例子是 Google TPU，由于使用了专用架构，TPU 实现了比同时期 CPU 和 GPU 更高的效 率。国内的很多初创公司，如寒武纪及比特大陆，也往往从门槛较低的专用 芯片入手。安防是 ASIC 芯片的主要应用场景，ASIC 芯片是一种专向设计 的集成电路，无论功耗、可靠性还是体积、成本均远低于 GPU，业界普遍 认为将会成为未来人工智能领域的核心。随着人工智能应用生态的爆发，越 来越多的 AI 应用开始在前端设备上开发和部署。像海康、大华、宇视、苏 州科达、格灵深瞳、商汤科技等大部分公司的前端智能产品在 2016 年正式 推出。较为通用的应用为将智能识别类算法直接固化为 IP，嵌入到视频监 控 SOC 芯片中（全定制芯片），优点是量产后功耗、价格等都极具优势，但 功能拓展性有限。

        当前安防监控领域最主流的深度学习芯片方案是 GPU，基本被英伟达掌控， 国内的 GPU 芯片方案尚无较大进展。但考虑到 GPU 方案存在成本、效率、 功耗三方面的瓶颈，针对推理阶段并非最佳选择。随着智能计算的不断前移， 不少安防产业链企业着重开发 FPGA/ASIC 智能芯片，如深鉴科技的 DPU 芯片（FPGA）、北京君正的 NPU 协处理器（ASIC）、寒武纪的 AI 服务器芯 片（ASIC）等，这些芯片在不同程度上解决了行业痛点，应用前景广阔。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!