在AI安防芯片上，各种市场力量的试水即将接近尾声。
近两年来，AI安防芯片掀起了热潮。仅去年一年，业内就推出了十几款AI芯片。
但安防厂商在应用芯片时也发现，这些AI芯片易用性较差，单纯的算力高指标芯片，其实同质化很严重，并不适合安防场景。
一面是“万众创芯”，AI初创芯片企业、传统芯片企业、传统安防厂商纷纷涌入，陆续开启自己的造芯计划；另一面，市场喧嚣后，AI芯片实际的落地需求相对于硬性指标，也逐渐成为造芯和用芯的重点。由此，安防厂商在这场造芯战役中的行业角色也更为凸显。
AI芯片对于安防智能化升级之重要性，可类比船桨之于舟。
从前端摄像头提高边缘智能，到后端服务器进行大规模训练分析，部署端到端的“算力+算法”一体化解决方案，显然已经成为安防行业新的价值点所在。
于是，一场造芯的战役也随之打响。
AI芯片厂商“拿钉子找锤子”，率先瞄准了安防这一市场；而传统视觉芯片厂商也纷纷在原有芯片中开始加入AI模块。
如果说什么是衡量一款AI芯片的有力指标，大部分人给出的反应，应该是“算力”、“能耗比”等这些直观数据。
但在实际使用时，这些计算核的利用率非常低，甚至很多计算种类不支持。
“ 这样的标称一般可以通过使用非常大数量的MAC计算核而缩减其他计算单元来达到。
此外， AI加速硬件因为神经网路计算的特性非常依赖存储器的带宽，所以在相同算法及计算量情况下，计算核对带宽的使用效率往往也决定整体系统的性能。
最后，随着智能应用逐渐丰富，多业务（算法）同时运行逐渐成为常态，所以计算核在多业务切换情况下的性能表现也必须关注，特别在节点端芯片和云端芯片上更是重要指标。 ” 大华研发中心芯片研究院院长方伟告诉AI掘金志。
“从行业应用落地来说，一个标称多高多高的硬件是远远不够的，如果方案方无法快速高效地将自己的算法和方案在此硬件上得以实现并快速推向市场，那这样的芯片注定是失败的。”方伟说道。
这其实指向的，就是芯片的软硬一体化问题。
没有比较完善的软件生态来耦合芯片，用户其实很难动态部署符合他们需求的方案。
以算法为例，用户的迫切需求是，利用算法开发平台把算法训练出来后，只需进行“傻瓜式”移植，就能将其应用在人工智能芯片上，产品随之迅速出炉。但实际情况是，算法移植到人工智能芯片时还需要花很多时间进行硬件化改造，让它适应芯片的硬件。
除了算法本身，软件层面还包括算法的移植、芯片驱动程序、配套软件工具、人机交互界面等。这就像电脑不仅仅需要好的处理器，还需要好的操作系统一样。
而支持算法框架不够，或扩展性不强的芯片，在使用时，就需要用户的算法开发人员投入大量的精力对自身算法进行改变甚至重新设计，甚至有时花费很多精力也无法达成。
这也是IP往往无法直接使用开源网路框架，即用其编译器无法编译的原因。
除此之外，芯片生态的另一面，是技术保护和利益分配问题。
为了能够让用户快速部署和使用芯片，很多芯片供应商在推自己芯片时也在推销自己的方案或算法，又或提供人力帮助方案方进行方案开发。
但应用方案方出于对自身技术及市场价值的保护，和芯片厂商间也很难合作，这样就形成了不可逾越的障碍。
要越过这个障碍，必然要求芯片的AI开发、优化工具足够的开放、通用和有继承性，方案方可在保护自身知识产权的情况下进行快速的移植或新开发。
举个极端的例子：如果能做到如原GPGPU开发界面那样的生态，在任意PC上都能验证算法能效和精度，方案方必然会毫无障碍的引入。
另外，一个创新应用所需算法需要近百人半年到一年的时间去移植到特定一款芯片。而厂商每季度都需要在市场上推广多种产品和应用，算法移植到芯片的时间成本过高，显然赶不上厂商推出新产品的速度。
因而，在足够强势易用的AI安防芯片产品出现之前，市场上依然还是“诸侯割据混战”的局面。
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？
方伟认为，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。
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加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。
作为软硬件一体化的解决方案商，在AI安防芯片的浪潮中，大华其实早已入局。
早在2016年，大华便成立芯片研究院，全力投入芯片研发，布局AI安防领域。
多年积淀下打造技术壁垒，经济型产品助力大华快速提升市占率：大华在行业内率先推出自研AI芯片绝非偶然。
大华在2010-2011年左右开始人脸检测和识别技术研究，早于行业内大部分公司。公司2016年在人脸识别领域的LFW上取得排名第一； 2017年，公司在文本检测和识别领域的ICDAR上3项排名第一，在场景流识别领域的KITTI排名第一。2018年，公司在全球算法竞赛中荣获10余项第一。
在人工智能时代，解决方案更需要先进算法、算力进行数据的挖掘和分析，没有数十年的技术积累和投入很难实现。目前行业内只有少数公司具备完整的量产芯片的能力。
业内人士也分析道，做技术的时候很容易拿锤子去找钉子，认为技术能解决一切问题，然而在安防行业深扎多年，就会发现技术只能解决其中一部分问题，并且解决问题的方式还要符合行业特点和客户需求。
面对日益增强的智能摄像头需求，芯片和算法的技术壁垒将不断优化行业的竞争格局，作为自研AI安防芯片与自身摄像头产品结合的先行者，大华或许是率先吃到螃蟹的那个。
进入人工智能时代之后，行业对视频监控企业的需求，可以说，就从以单纯硬件的提供商为主，转变为在芯片、硬件产品、算法全生态布局。
可提供软硬件一体化的解决方案提供商，在行业中扮演着更重要的角色，也进一步提高了行业进入的技术壁垒。
在这场混合大战中，能够先研发出自己的AI芯片的厂商，就能在比较务实、看重性价比的安防行业获得更多潜在市场。
而在芯片领域的发展上，大华所做的并不是想着如何替代别人，而是如何增强整体解决方案能力，打造跨场景跨域的全方位安防系统，用差异化芯片，更好的迎接安防“后人脸”时代的到来。雷锋网雷锋网雷锋网
正在生成分享图...
nebula