那么，目前安防AI芯片的發展現狀如何?安防AI芯片的崛起對行業將帶來怎樣的影響?產品的推出與落地情況如何?等等，帶著這些問題，本刊特邀請行業企業及AI創業公司共同探討AI安防芯片的現在與未來，希望對行業人士有所啟發。

　　參與嘉賓：比特大陸科技有限公司產品戰略總監湯煒偉;深圳云天勵飛技術有限公司研發副總芯片負責人李愛軍;北京地平線機器人技術研發有限公司智慧城市事業部總經理劉俊華;中星微電子有限公司人工智能市場副總裁陳為民

　　當前，安防市場正大步邁向智能化，而芯片是決定安防智能化進度的核心要素。目前芯片市場尤其是AI安防芯片總體上處于什么樣的發展狀況?

　　劉俊華：數據、芯片、算法是AI技術的核心。隨著實用數據、計算能力、開發者生態系統的不斷發展，預計AI硬件消費市場在2025年將達到1090億美元的規模。而在這千億美元級別的市場規模中，已經凸顯出的領頭者是人工智能處理器——GPU、FPGA、ASIC等AI硬件的制造商。同時預計在2017年至2025年間，ASIC、FPGA和GPU將迎來最快速的增長。其中，ASIC增速最快，達92%。

　　隨著物聯網技術的發展，未來的安防智能化需要解決如何將物理場景數據化，同時隨著前端接入設備和非結構化數據的劇增，前端邊緣計算能力提升成為迫切需求，然而高性能、低成本、低功耗和的嵌入式AI芯片成為挑戰。在過去7-8年的時間內，我們看到AI處理器架構處于不斷遷移的過程。2011年，采用上萬臺CPU的大規模集群出現。2012年，百度IDL首次在世界范圍內第一次將GPU構造成一個集群。2014年，我們發現由于GPU的成本和功耗的問題非常不適合大規模部署，首次大規模將預測過程算法部署到FPGA這種半定制的硬件設備，大大降低了計算功耗，同時使得系統穩定性得到保證。然而，如果想把人工智能能力推向前端提升邊緣計算能力，不管是CPU、GPU還是FPGA，都有一個致命缺陷，就是成本和功耗仍然不能夠滿足前端邊緣端的需求，ASIC硬件將成為未來方向。

　　2015年地平線成立，我們的愿景就是要將算法和芯片集合在一起，去創造推動邊緣AI人工智能計算和推廣。2017年底，經過兩年的努力，地平線發布了首款嵌入式AI專用芯片，可每秒處理30幀1080P視頻，延時小于30毫秒，典型功耗僅1.5瓦。

　　湯煒偉：多年的發展讓安防行業形成了比較完整的市場格局和產業鏈。目前視頻監控占據安防近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。縱觀全局，AI在前后兩端的重要性都在加強，但現階段來看后端依然是主流。在芯片方面，英偉達的GPU被采用最多，相對通用且昂貴，行業的可選擇性很少。如果全部基于GPU構建云端的AI安防方案，其成本、能耗之高令人咂舌。所以專用、高性價比的ASIC芯片的優勢越來越明顯。

　　以比特大陸為例，比特大陸張量處理器BM1680芯片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。算豐BM1680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。目前，第二代芯片BM1682也已經面世，實際性能相比第一代提升了約5倍。

　　陳為民：在高畫質、智能化、網絡化、高安全性的安防市場發展趨勢下，安防芯片技術快速迭代發展。近幾年，視頻編碼方式從H.264快速過渡到H.265，與此同時，隨著中國SVAC標準的出現以及政府的大力推動，SVAC編解碼技術也在全面推進過程，已經從SVAC1.0發展到了SVAC2.0。更高的壓縮效率、更低的編碼碼率一直是近年來安防芯片追求的一個重要目標，在視頻編解碼領域，安防芯片的技術已經上了一個新的臺階。

　　同時數據安全作為安防領域的重要特點始終是安防芯片的一個重要指標，在大數據和人工智能應用蓬勃發展的今天，這一點顯得尤為重要。開發符合國家標準安全性要求的安防芯片也是近幾年的一個主要技術發展方向。

　　智能分析是掀起大量圖像儲存和處理需求的關鍵，而智能分析必須解決算力瓶頸的問題。近幾年AI安防芯片針對前端智能應用提供的算力已經初步能將前端智能和云端智能結合，具備了一定的實際應用能力，目前已經能在前端實現包括分類檢測、生物識別、車輛識別等多個領域的應用，結合云端的存儲和搜索能力，將智能分析技術發展到了一個新的高度。但是目前AI安防芯片的能力還不能完全滿足安防應用實時性的要求，這是未來幾年AI芯片要進一步提高和解決的問題。

　　李愛軍：目前AI安防芯片總體處于起步階段，當前安防市場主要活躍在云端，同時由于各方面技術有待完善成熟，所以沒有太多大公司會激進地推芯片安防。原因有兩點：第一，結合一些大的AI公司案例，例如海思和大華，由于缺少相關業務經驗做支持，他們做芯片時是比較慎重的。第二，對于成本及運作速度的考量，在成品安防設備上新增芯片以及集成架構的探索都需要時間及成本支出。比起大公司，創業型公司的進程相對快一些，也更有優勢。值得一提的是，云天勵飛推出的“深目”系統，可實現“全城視頻監控，秒級人臉搜索“已協助公安破獲各類案件4000余起，找回多名失蹤兒童及老人。這一項目的成功為我們提供了豐富的應用經驗。

　　猶記得，幾年前針對安防專用的ASIC芯片的誕生對行業的影響和意義重大，當前安防AI芯片的快速發展是否也將對行業產生如一些觀點所認為的“顛覆”性影響?會表現在哪些方面?

　　劉俊華：我們認為AI芯片一定會對行業產生“顛覆性”的影響。我們打造AI專用芯片初衷就是希望能夠實現AI的前端化、邊緣化。傳統的AI解決方案基本是前端架設攝像頭，通過網絡傳輸將數據送回服務器，借助服務器及算法實現人工智能，然而服務器成本高居不下，無論是部署或者遷移都非常困難。同時，隨著NB-IOT和5G時代的到來，2020年全球500億IOT互聯，具備前端邊緣計算能力的AI芯片和解決方案也使得小數據包和高帶寬的無縫切換的回傳應用成為可能，真正意義實現部署成本和傳輸成本的節省，以及部署效率的提升。

　　七年多以前，ASIC的芯片將視頻的A/D轉換及編解碼帶向了前端，帶來了攝像頭的更新，如今我們已經很難找到模擬攝像頭。而我們的芯片將會給攝像頭裝上智能的眼睛，將智能的抓拍機識別帶向前端，我相信這也必將會是攝像頭的發展方向，也是安防行業的發展方向。我們認為五年后，市場上將很難找到不帶AI的攝像頭，這就是“顛覆性”的。

　　李愛軍：AI安防芯片對產業內是會產生影響的，因為AI芯片不同于傳統芯片，它更加注重“從場景到算法，從算法到芯片”。這種不同于以往的從硬件出發的思路，會促成新的AI芯片行業形態和商業模式。這種影響不僅僅會涉及安防領域，也將會拓展到智能家居和消費電子、自動駕駛、云計算、智慧城市等領域。

　　湯煒偉：ASIC芯片的誕生對整個芯片行業都意義重大，目前的AI芯片就是能夠運行深度學習算法的ASIC芯片。而我們知道，深度學習算法掀起了人工智能的這一波浪潮，而人工智能又正在大力改造著安防、金融、教育、醫療等傳統行業，安防尤為明顯。

　　這個顛覆性的影響主要來自于數據的規模，以視頻監控的應用需求來看，2017年全球的攝像頭數量達到了140億只，未來5年將維持兩倍多的年復合增長率。我們僅取其中的監控攝像頭來做分析。監控攝像頭在2017年約為4億只，假設每一路攝像頭需要用0.5TFLOPS的算力，2017年需要210ExaFLOPS的算力來處理全球的監控攝像頭，相當于廣州超算中心計算力的4000倍，比特幣全網算力的20倍。“看得懂”是監控的硬需求，攝像頭需要24小時不間斷地工作，所以假設所有攝像頭的數據全部需要實時地進行智能分析，這是合理的。

　　巨大的數據量產生了巨大的計算需求，要求有相應的計算能力，如果沒有性能卓越的深度學習專用芯片，使用現有的GPU，在成本功耗等方面都是無法去滿足目前安防應用的需求。

　　安防是AI芯片最為火熱的商業應用場景，安防AI芯片有怎樣的行業需求屬性與特點?與具備一定智能化處理的IPC芯片相比，AI芯片有怎么樣的突破與升級?

　　陳為民：安防的AI芯片從性能上來講需要具有更高的實時性、可靠性、安全性等特點。針對安防的AI芯片需要具備前端實時處理復雜應用環境，其性能要求比一般的IPC芯片要高很多。同時還需要適應保證在多種室外環境下可靠工作的能力，另外安全性在安防應用中非常重要，對于視頻流的實時加密未來會是安防芯片的標準需求。同時在系統應用中要考慮和云端處理平臺的功能融合問題，如結構化視頻描述的需求。這些都和一般的IPC芯片需求有很大的不同。

　　SVAC國家標準中對視頻結構化、加密都有完整的定義，通過芯片本身在可靠性和性能上的保證，兩者結合，可以完善地滿足安防市場的需求。

　　李愛軍：作為AI芯片里的最熱門的商業應用場景，安防AI芯片主要是專注于處理動態視頻中的人和物，抓取事物的典型特點。隨后在前端完成特征壓縮和后臺的特征比對，以有效降低對傳輸線路的沖擊，獲取更好的性能。同時安防AI芯片還要能夠完成和現有傳統安防前端的場景數據對接適配，在前端解決問題，這樣能有效的降低成本。此外，前端還需要預留矢量接口，即神經元參數的刷新接口，使得后臺能夠快速地實現前端神經元參數的調整與升級，提高前端的智能化水平。簡而言之，安防AI芯片的特點必須靈活性高、性能好、成本低。

　　IPC芯片采DSP、FPGA公模，其發熱量、運算單元冗余(內含太多不必要的運算指令)等特點使其不適為人像識別專用。還有就是公模發熱量和價格都很高。

　　比起IPC芯片，AI芯片剔除一切跟人臉識別無關的指令，把更多的運算單元用于人臉識別參數。此外AI芯片還有發熱量小、體積小、成本低等特點，更加適合人像場景的應用。