在AI安防芯片上，各種市場力量的試水即將接近尾聲。

近兩年來，AI安防芯片掀起了熱潮。僅去年一年，業內就推出了十幾款AI芯片。

但安防廠商在應用芯片時也發現，這些AI芯片易用性較差，單純的算力高指標芯片，其實同質化很嚴重，并不適合安防場景。

一面是“萬眾創芯”，AI初創芯片企業、傳統芯片企業、傳統安防廠商紛紛涌入，陸續開啟自己的造芯計劃；另一面，市場喧囂后，AI芯片實際的落地需求相對于硬性指標，也逐漸成為造芯和用芯的重點。由此，安防廠商在這場造芯戰役中的行業角色也更為凸顯。

AI安防芯片，不能純看算力

AI芯片對于安防智能化升級之重要性，可類比船槳之于舟。

從前端攝像頭提高邊緣智能，到后端服務器進行大規模訓練分析，部署端到端的“算力+算法”一體化解決方案，顯然已經成為安防行業新的價值點所在。

于是，一場造芯的戰役也隨之打響。

AI芯片廠商“拿釘子找錘子”，率先瞄準了安防這一市場；而傳統視覺芯片廠商也紛紛在原有芯片中開始加入AI模塊。

如果說什么是衡量一款AI芯片的有力指標，大部分人給出的反應，應該是“算力”、“能耗比”等這些直觀數據。

但在實際使用時，這些計算核的利用率非常低，甚至很多計算種類不支持。

“ 這樣的標稱一般可以通過使用非常大數量的MAC計算核而縮減其他計算單元來達到。 此外， AI加速硬件因為神經網路計算的特性非常依賴存儲器的帶寬，所以在相同算法及計算量情況下，計算核對帶寬的使用效率往往也決定整體系統的性能。最后，隨著智能應用逐漸豐富，多業務（算法）同時運行逐漸成為常態，所以計算核在多業務切換情況下的性能表現也必須關注，特別在節點端芯片和云端芯片上更是重要指標。 ” 大華研發中心芯片研究院院長方偉告訴AI掘金志。

芯片要做軟硬一體，做“傻瓜式”移植

“從行業應用落地來說，一個標稱多高多高的硬件是遠遠不夠的，如果方案方無法快速高效地將自己的算法和方案在此硬件上得以實現并快速推向市場，那這樣的芯片注定是失敗的。”方偉說道。

這其實指向的，就是芯片的軟硬一體化問題。

沒有比較完善的軟件生態來耦合芯片，用戶其實很難動態部署符合他們需求的方案。

以算法為例，用戶的迫切需求是，利用算法開發平臺把算法訓練出來后，只需進行“傻瓜式”移植，就能將其應用在人工智能芯片上，產品隨之迅速出爐。但實際情況是，算法移植到人工智能芯片時還需要花很多時間進行硬件化改造，讓它適應芯片的硬件。

除了算法本身，軟件層面還包括算法的移植、芯片驅動程序、配套軟件工具、人機交互界面等。這就像電腦不僅僅需要好的處理器，還需要好的操作系統一樣。

而支持算法框架不夠，或擴展性不強的芯片，在使用時，就需要用戶的算法開發人員投入大量的精力對自身算法進行改變甚至重新設計，甚至有時花費很多精力也無法達成。

這也是IP往往無法直接使用開源網路框架，即用其編譯器無法編譯的原因。

除此之外，芯片生態的另一面，是技術保護和利益分配問題。

為了能夠讓用戶快速部署和使用芯片，很多芯片供應商在推自己芯片時也在推銷自己的方案或算法，又或提供人力幫助方案方進行方案開發。

但應用方案方出于對自身技術及市場價值的保護，和芯片廠商間也很難合作，這樣就形成了不可逾越的障礙。

要越過這個障礙，必然要求芯片的AI開發、優化工具足夠的開放、通用和有繼承性，方案方可在保護自身知識產權的情況下進行快速的移植或新開發。

舉個極端的例子：如果能做到如原GPGPU開發界面那樣的生態，在任意PC上都能驗證算法能效和精度，方案方必然會毫無障礙的引入。

另外，一個創新應用所需算法需要近百人半年到一年的時間去移植到特定一款芯片。而廠商每季度都需要在市場上推廣多種產品和應用，算法移植到芯片的時間成本過高，顯然趕不上廠商推出新產品的速度。

因而，在足夠強勢易用的AI安防芯片產品出現之前，市場上依然還是“諸侯割據混戰”的局面。

安防AI已進入“后人臉”時代，場景化應用才是根本

隨著人臉技術的成熟，安防AI已迅速進入“后人臉”時代，即更廣而泛化的AI。這一“后人臉”時代的到來，也對芯片提出了更高的要求。

那么，當下及未來，什么樣的芯片是適合于安防的？

方偉認為，第一要考察的指標就是對算法框架支持的廣度，也就是其自身轉換工具能正常編譯常用算法框架的類型數量，一般以眾多開源算法框架進行測試。

第二，對性能或能耗指標的評測應該建立在相同算法——最好是多種開源算法，在完成相同精度和性能下所用的帶寬和能耗，包括計算核、外部支撐的硬件以及內外部存儲器功耗的總合。

最后，常用業務組合在芯片上的性能實際表現也需要認真評估。

這樣的指標才是在實操中有意義的指標。

并且，從AI芯片上可能支持的算法來說，人臉只是目前最明確的應用，但不是AI的全部。

在安防領域，人形、車型、車牌、小目標檢測、人群聚集、防偽、防誤、特定行為檢查等應用也非常多，其后如紅外、熱成像甚至雷達等各種新成像器件的加入也將進一步完善安防系統的可感知性。

應該說，結合系統化的控制，后期跨場景跨域的全方位安防系統也將作為主力研發方向。

而能提供完整的硬件和軟件產品及解決方案的安防廠商，則將在這場芯片戰役中扮演更重要的角色。

對AI安防芯片而言，安防場景下的視覺技術仍是核心。如超低照度降噪、超寬動態、畸變矯正、多攝像頭拼接、可見光、紅外、熱成像、多光源融合、圖像壓縮、傳輸及存儲、無感對焦等。

顯然早先在視覺安防領域進行芯片研發的傳統企業具有先天優勢。

此前業內人士也表示，AI芯片并不是一個單點技術，更大的難題在生態上。在這個系統中，AI 是核心競爭要素，但除此之外，99%的工作量是傳統的東西。

從對需求的靈活把控來說，應該說沒有能比在這一行業摸爬滾打了多年的安防廠商更了解行業需要怎樣的AI芯片，怎樣的芯片能盡快部署、使用和較快的進入市場。

另一方面，安防AI已迅速進入“后人臉”時代，即更廣而泛化的AI后，AI安防芯片和攝像頭內或者后端其他芯片的協同更為重要，安防場景屬性也會更重，相對單一的AI加速需求可能不再會是必殺器。

自研芯片，大華早已加入“戰局”

作為軟硬件一體化的解決方案商，在AI安防芯片的浪潮中，大華其實早已入局。

早在2016年，大華便成立芯片研究院，全力投入芯片研發，布局AI安防領域。

多年積淀下打造技術壁壘，經濟型產品助力大華快速提升市占率：大華在行業內率先推出自研AI芯片絕非偶然。

大華在2010-2011年左右開始人臉檢測和識別技術研究，早于行業內大部分公司。公司2016年在人臉識別領域的LFW上取得排名第一； 2017年，公司在文本檢測和識別領域的ICDAR上3項排名第一，在場景流識別領域的KITTI排名第一。2018年，公司在全球算法競賽中榮獲10余項第一。

在人工智能時代，解決方案更需要先進算法、算力進行數據的挖掘和分析，沒有數十年的技術積累和投入很難實現。目前行業內只有少數公司具備完整的量產芯片的能力。

業內人士也分析道，做技術的時候很容易拿錘子去找釘子，認為技術能解決一切問題，然而在安防行業深扎多年，就會發現技術只能解決其中一部分問題，并且解決問題的方式還要符合行業特點和客戶需求。

面對日益增強的智能攝像頭需求，芯片和算法的技術壁壘將不斷優化行業的競爭格局，作為自研AI安防芯片與自身攝像頭產品結合的先行者，大華或許是率先吃到螃蟹的那個。

總結

進入人工智能時代之后，行業對視頻監控企業的需求，可以說，就從以單純硬件的提供商為主，轉變為在芯片、硬件產品、算法全生態布局。

可提供軟硬件一體化的解決方案提供商，在行業中扮演著更重要的角色，也進一步提高了行業進入的技術壁壘。

在這場混合大戰中，能夠先研發出自己的AI芯片的廠商，就能在比較務實、看重性價比的安防行業獲得更多潛在市場。

而在芯片領域的發展上，大華所做的并不是想著如何替代別人，而是如何增強整體解決方案能力，打造跨場景跨域的全方位安防系統，用差異化芯片，更好的迎接安防“后人臉”時代的到來。雷鋒