AI 安防芯片之争，赢者难通吃

眼下的中国，正在建设全球最大规模、最为复杂、最具智能的视频监控安全网络。以贵阳市“天网系统”为例，各类视频监控探头能够实现人脸识别的数量已经达到6万路之多，如此星罗密布铺设，完全有能力让安全部门在半个小时之内轻而易举在大街上找到重点关注人员。

AI芯片作为安防AI应用的大脑，是所有平安城市和智慧城市构建智能“天网系统“的核弹头。

在安防产品中，交换机、IPC、硬盘刻录机、各类服务器等智能设备都需要芯片，在安防智能化进程中，产品升级将带来存量和增量市场的共同增长。

如此，AI芯片自然也就引起了行业的广泛关注和讨论。

AI芯片按技术路线可以分为ASIC（专用集成电路）、GPU（图形处理器）、FPGA（现场可编程门阵列）三种。

类比来看，ASIC就像在工厂里完整制造出来的机器人，而FPGA则像是每个人自己用乐高积木组装的机器人，能够满足用户灵活性的需求。

GPU与FPGA都适用于AI训练（AI负载分为“训练”和“推理”），并涉及大量浮点运算，但是GPU的效率更高； AI推理则看重整点运算，FPGA的并行处理能力、可编程的灵活性就比GPU更好。

眼下的AI芯片市场入局者中，即有传统芯片巨头和安防巨头，也有新锐半导体公司。

国内新锐的AI芯片公司更加专注于高价值市场，例如安防、零售、自动驾驶等。

比如比特大陆，全球“矿机”的领导者和供应商。

他们入局安防，借助于在“挖矿”产品中积累的技术优势，同样也可在诸如平安城市、智慧城市等场景中找到非常好的落地应用，为城市级的大规模智能视觉分析提供超大算力支，实现芯片更高效率、更低功能的目标。

如今，比特大陆已经推出面向智能分析的AI芯片和智能服务器，在福州市的平安城市和智慧城市建设也有项目落地。

近日，有报道称，比特大陆准备开始裁员，裁员比例或达50%。

据业内人士透露，随着虚拟货币的价格在震荡中走弱，全球矿机市场的饱和以及其他矿机厂商的纷纷入局争食，比特大陆出现一定程度的裁员非常正常，其中绝大部分人员应该隶属矿机相关事业部。

“当下，他们志不在挖矿，志在城市算力中心。”

面对矿机这个较为成熟的业务，比特大陆有可能会在智慧城市等国家级战略市场上寻求突破，通过加强在智慧城市的投入，让其AI芯片和服务器能够大举布局市场，并形成品牌效益。

这更能体现一个企业的社会价值，也满足了公司不断拓展业务边界的需求。

今天的比特大陆，拥有超大规模的现金流，已经推出7nm AI推理型芯片，据专业人士介绍，这款产品已经同华为AI芯片处于同一起跑线上，并有可能在明年二月份开始进入商用阶段。

在智慧城市方面，比特大陆很有可能将成为华为AI芯片的强有力竞争者，具体可以从两方面分析：

一是业务营收（有充足的现金流），中国半导体公司营收排名，华为海思第一，比特大陆第二，海思业务更聚焦在智能终端，比特大陆更聚焦在智能服务器领域。

二是技术团队，比特大陆创始人团队具有深厚技术实力，对人工智能技术方向的发展更加了解。

根据相关技术人员的测试，比特大陆之所以能够快速在项目上落地，是因为其软件的架构支撑能力很强，GPU的算法迁移非常方便，很多项目方愿意与之合作。

同时，也要清醒地认识到，虽然比特大陆在一些地方陆续有项目落地，但也面临着应用场景有限，项目交付经验不足，垂直领域的专业人才缺乏等问题。

总结来说，转型会面临阵痛，未来可期但过程艰辛，安防业务的投入收益相较销售矿机缓慢很多，这将考验着比特大陆的耐心和坚持。

再以地平线为例，在智能摄像头嵌入AI芯片方面，地平线的AI芯片已经具备了在前端实现大规模人脸检测跟踪、视频结构化处理的性能。

更为重要的是，地平线不仅手握AI芯片，还具有结合场景的深度AI算法，这是他们在安防行业竞争的杀手锏。

安防存有海量的视频数据，这些数据都是非结构的，结构化技术将是未来安防智能应用非常重要的技术方向，它可以实将视频数据进行特征提取，并标注标签用于数据检索、比对分析等。

而智能视觉分析应用，不仅需要超强大的AI芯片，还要有结合业务场景的应用算法，双剑合璧，效率更高。

长远来看，AI芯片市场同质化严重，未来这个市场上，算法层面有明显优势的公司会更有可能胜出。

比如，有了编解码芯片之后，真正能把产品做好的还是那些尤为擅长编解码技术，并在编解码产品上有专长的公司。

有了硬件引擎后，很多功能需要在新引擎上重新构建，很多工作是顶层的应用去控制和驱动下面的引擎，看哪些模块应该怎么运行，去实现哪些功能。

地平线的差异化在于处理器是专用人工智能处理器，带有自主知识产权的指令集，可以灵活实现各种AI算法，在这基础上面向重大应用场景做了针对性的优化设计，使得在安防等场景下的效率比通用AI处理器大大提升。

一个裁缝做出来的上衣加裤子才能成为完美的一套衣服。

而业内部分芯片厂商提供给客户的都是普通计算型芯片，只在底层提供一些加速操作，没有面向重大场景做针对性优化，客户拿到芯片之后还得再找算法厂商购买算法。

谈完AI芯片新锐公司，再观察传统安防巨头。

公开资料显示，海康及其关联公司已经开始在芯片领域进行投资、并购和投产研发，涉及了SSD主控芯片、AI芯片等。

2018年人工智能与实体经济深度融合创新项目名单，将大华申报的视频监控人工智能SoC芯片研发及应用的项目公之于众。

作为传统安防玩家，他们的优势是对安防各类应用场景非常熟悉，对摄像机的光学特性结合AI应用了如指掌，获得AI芯片最终落地应用的成本更低。

但可以肯定的是，芯片并非他们主业，进入芯片领域，更多的考虑是在出现“中兴事件”时，在芯片产品供货方面不要出现令公司“休克”的情况即可。

最后便是赛道固有的玩家，在传统芯片巨头队伍中，海思半导体在国内安防市场后来居上，与德州仪器（TI）、安霸、恩智浦、升迈等安防芯片供应商在IPC的ASIC高清芯片的竞争中崭露头角，并手握海康、大华等主流安防巨头的芯片订单，一度出现供不应求的情况。

英伟达凭借对芯片技术趋势的准确把握，在GPU芯片方面厚积薄发，在安防大规模视频图像分析领域，如鱼得水，一举成名。当前，在高性能智能分析服务器市场，对于百十路视频分析的需求，英伟达GPU成为了市场的主要选择。

英特尔在AI芯片更具有理想色彩，更关注整个应用链端到端的解决方案。它也更希望结合人工智能产品和深度算法，与合作伙伴共同为客户提供个性化和定制化的智能解决方案。

由于AI芯片的落地场景非常多元，无法将各个赛道玩家逐个列举出来。以安防为例，这些现有掘金者，大概可以分为两类，一类往前做、一类往后做。

每个视频监控系统都拥有完整的数据采集、传输、存储、管理、分析和应用的环节。在这条长链上，视频数据的智能分析主要集中在后端的硬盘录像机（DVR/NVR）或智能平台的服务器里面，少数智能分析的功能通过AI芯片前置到前端的高清IPC里面，实现快速的结构化分析和检索，从而大大提升事前和事中预警的效率。

部分业内人士推断，将AI从后端设备前置到前端摄像机将是安防行业未来的重要方向，并且列举了多个应用场景：

如交通执法部门可以通过前置到摄像机的AI芯片，快速将抓拍到的违章车辆的视频数据进行结构化分析，然后传到后端管理平台，将违章信息发送到车主终端，大大缩短车主违章信息推送滞后的问题。

再如零售商超将嵌入AI芯片的摄像机安装在指定地点，通过抓拍顾客的人像属性、行为轨迹等描绘成区域热图，快速分析出顾客的消费目标和意愿，现场推荐和引导客户达成消费行为。

对于AI芯片前置感兴趣的群体里，大部分是尝试或正在进入安防领域的AI芯片初创公司，他们正在通过具体的场景去试点运行。

但部分专业人士并不看好AI芯片前置的前景，主要存在两个方面的问题：

一是能耗。以安防视频监控智能分析为例，AI芯片需要将大量的非结构化视频数据转化成结构化数据，将视频数据打上标签，然后进行比对分析。

想要实现整个分析过程的通畅无阻，AI芯片的性能必须达到要求，并要求整体的软硬件的耗能不能太高。

例如，同样是分析同一个红绿灯路口的车辆监控数据，不同的芯片装在同一个摄像机上，由于AI算法的千差万别，就会造成分析的同一张画面所需能耗可能一个只需要80毫安，另一个则需要120毫安。

虽然相差40毫安，但是在酷暑的气候条件下，这40毫安持续散发的热量可能会导致摄像机主板被烧坏，增加额外成本和维修费用。

二是价格。普通的高清枪机和球机，价格一般在几百到千元左右，但是如果在摄像机上加入场景定制的AI芯片，价格可能会翻一倍以上，对于大多数客户而言，在前置的智能分析无法带来业务和管理效率的提升时，没有必要冒险将智能分析的功能从后端前置到摄像机上。

可以看出，应用模式上的争议，正考验着整个安防行业的实践智慧，同时也让芯片商在产品上做出取舍。

在竞争激烈的芯片市场，前有虎后有狼，安防应用场景的不同，意味着产品聚焦要么在后端，要么在前端，二者选其一，如果顾头又顾尾，最终可能两头都没法达到预期效果，这是安防场景分散化，产品个性化和需求碎片化决定的。

可以肯定的是，深耕竞争激烈的AI芯片市场，各家企业都有自身的看家本领，也就是说，无论做前还是做后，各家都有机会占领一隅，成为一方诸侯。

摩尔定律揭示了信息技术进步的速度，芯片市场作为摩尔定律的代表行业，一步落后，寸步难行。

AI芯片因为核心竞争力在智能算法，所以相比传统芯片的迭代速度更快。云天励飞研发副总李爱军曾表示，现在算法每半个月迭代一次，AI芯片则要同步迭代，而传统芯片的迭代是按年计算。

进入AI芯片时代，将没有永远的霸主，每个阶段都会有赢家，只是这赢者不能再通吃。

目前来看，确实也没有哪家芯片企业，决定将所有的研发资源All in安防行业，但是作为能够带来真金白银的高价值市场，势必会有虎狼争食的时候，谁能笑到最后，稳坐钓鱼台，前方依旧迷雾重重，如履薄冰。