AI安防芯片的发展现状与前景分析

　　从2015年以来,人工智能的第三次浪潮可以说是随着深度学习技术的突破发展驱动而掀起。 发展到现在, 人工智能的产业发展关键在于商业化。商业化仅仅依靠技术本身将无以为继,AI市场容量、应用的深度、数据的规模决定了人工智能在某个具体行业的发展速度。就这一点而言,得益于平安城市十几年的建设,安防行业的智能化走在了前面。根据美国信息服务社的数据, 截至2015年末, 全球已安装了超过2.45 亿个视频监控摄像头, 我国已安装的监控摄像头也已超过3000万个,同时全球和国内监控摄像头销售市场仍在逐年扩张,每年仅我国就产生数万PB的数据量。与数据量同步增长的是巨大的市场规模,国内安防市场在近十年来快速发展,市场总产值从2012年的3280亿,增长到了2017年的6000亿,研究机构预计到2022年会达到万亿规模。海量数据决定了智能化的发展速度,市场规模决定了商业化的潜力。人工智能+安防成为各大公司追逐的“香饽饽”则是必然,本文将从市场格局、技术方案、AI芯片三个方面,由大到小分析Al安防芯片的行业面貌及其发展现状与前景。

　　市场格局

　　近年来,安防行业保持了中高速增长态势, 行业中企业集中度大幅提高, 行业竞争加剧,资源向龙头企业集中趋势愈发明显。 随着安防龙头企业快速崛起, 大型企业与中小企业之间的差距逐渐拉大,再加上产业链延伸、横向跨界、行业深耕方面的优势,强者越强、赢者通吃的趋势已经显现。国内安防行业价格竞争日趋激烈,导致传统产品毛利率有所下滑,具有技术壁垒的安防龙头公司占据优势。行业长尾效应明显,洗牌加剧,龙头企业依托技术、资源和规模优势仍能保持高速增长,而位于长尾尾端的众多中小企业已逐渐处于盈亏平衡状态,生存艰难。

　　安防行业发展多年, 企业在规模上明显形成了梯度, 海康威视、 大华 宇视等公司占据了绝大部分市场份额,并且都在积极拥抱AI技术。国内安防领域整体的集中程度也逐年攀升,形成了“两超多强”的格局,海康威视和大华股份领跑市场,东方网力、佳都苏州科达、天地伟业、 汉王等第二梯队企业奋起直追。AI技术火爆之后,近几年又出现了众多基于人工智能的软硬件提供商, 例如依图、 商汤、 旷视、 云从、 比特大陆等。当有了新技术的支持,尤其在AI应用正式落地安防之后,投资或收购AI技术公司成为传统安防企业最有效创新升级的方式。
        技术方案

　　多年的发展,使得安防行业不仅形成了比较完整的市场格局和产业链。 在市场格局方面, 视频监控占据了近50%的市场份额,这其中又分为前端(摄像头)和后端(主控/云端)两部分.

　　前端产品的核心功能是为后端提供高质量、 初步结构化的图像数据, 其主要作用有两点:提升部分智能分析应用的实时性, 节省带宽和后端计算资源。典型的前端智能摄像头内置深度学习算法,一方面可以在前端完成人脸定位检测和质量判断,有效解决漏抓误报问题,同时拥有较好的图像效果,即使周围环境光线不佳,人员戴帽子或一定角度下低头、侧脸,仍然可以做到准确检测,并自动截取视频中的人脸输出给后端另一方面可以输出编码后的网络视频,还支持输出非压缩、 无损无延时的视频流图像, 这样可以为大型用户节省服务器成本和带宽,在同等服务器数量和计算能カ的情况下能够接入更多路摄像头。后端产品的核心功能是利用计算能力对视频数据进行结构化分析,一般包括智能NVR,高密度 GPU服务器。前者是基于深度学习算法推出的智能存储和分析产品, 兼顾传统NVR 优势的同时增加了视频结构化分析功能后者集成了基于深度学习的智能算法,每秒可实现数百张人脸图片的分析、建模,可支持数十万人脸黑名单布控,人脸1V1比对、以脸搜脸等多项实用功能, 满足各行业的人脸智能分析需求。

　　从前后端智能化模块来看,目前的解决方案有两种思路,一种是智能前置,一种是后置智能, 这一直是行业相互竞争的

　　两个方向。由于前端设备内的空间有限,再加上功耗、成本等因素的限制,智能前置会受硬件计算资源限制,只能运行相对简单的、对实时性要求很高的算法,但算法升级、运维较难;后端智能分析通常可以根据需求配置足够强大的硬件资源,能够运行更复杂的、允许有一定延时的算法。另外,在后端算法升级、运维都会比较方便。需要说明的是,前后端产品不是对立与竞争的关系,根据实际应用的不同将长期同时存在。

　　AI芯片的发展前景

　　无论是前端产品还是后端产品,其底层能力都是芯片赋予的。

　　1.智能前端产品。 目前有两种芯片解决方案:一种是较为通用的视觉处理器(半定制芯片),如 movidius,英伟达的 Jetson 系列芯片,NVIDIA的 Jetson TX芯片,这些主要针对终端市场。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o

　　另一种是将较为通用的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。

　　2.后端芯片产品.目前GPU被采用最多,其应用场景通用,但是昂贵,不过我们不得不承认在安防监控领域GPU依然是最主流的深度学习方案,但GPU在成本、效率,功耗三方面仍在不足:成本方面:嵌入式端GPU为数百美金,后端高性能GPU高达数千美金。在嵌入式端, 市场上已量产的IPC Soc芯片价格已经降到几美金,可以说是很好的替代品,但后端需要做大规模数据处理时还是离不开GPU.高昂的芯片成本, 推高了前后端设备的价格, 阻碍了大范围应用。效率方面:GPU擅长深度学习算法训练,但却拙于推理。在推理阶段,一次只能处理一张输入图像,并行优势不能完全发挥。功耗方面:GPU在深度学习计算上,比CPU节省10倍能耗,但作为通用型芯片,在处理大量视频数据时功耗依然不容小觑,用电及散热成本也是一个大问题。

　　3.ASIC芯片被看好。 相比GPU,专用定制的、高性价比的ASIC芯片的优势越来越明显,目前被越来越多的企业寄予希望。经过专门设计优化的ASIC芯片, 有着更高性价比、 更容易大规模部署的优势。相比 GPU的通用性,ASIC芯片是一种为实现特定要求设计的集成电路, 这意味着该芯片无法扩展, 但除此之外, 无论功耗、 可靠性还是体积、 成本均远低于GPU. 鉴于ASIC 芯片的诸多特质, 业界普遍认为将会成为未来人工智能领域的核心, 越来越多的算法企业也在基于ASIC优化算法,而安防也成了主要的应用场景。

　　例如比特大陆人工智能芯片BM 1680就是一款面向深度学习应用的ASIC芯片,其加速核采用改造型脉动阵列架构技术,具备4096个并行执行单元,适用于 CNN/RNN/DNN 等神经网络的预测和训练。BM 1680从2015年底开始设计,历时一年多成功流片,在2017年6月拿到了样品,并在当年内实现量产。基于BM1680,比特大陆还推出了算丰 SC1和SC1+两种深度学习加速卡,前者拥有一颗高性能BM 1680芯片,后者则采用双BM 1680级联架构,两颗芯片通过高速SerDes联接. 此外, 针对视频和图像分析, 比特大陆基于BM 1680芯片和加速卡SC1+,研发了智能视频分析服务器算丰SS1.SS1预装Ubuntu 16.04操作系统, 预装包括固件、驱动、BMDNN 计算库,Runtime 库等软件环境,以及目标检测和目标识别的样例模型和测试程序, 适用于人脸检测、人体检测,人脸识别、机非人检测分类等安防场景。

　　目前,比特大陆第二代人工智能芯片BM 1682于2018年3月份推出,可脱离 X86 CPU单独存在,支持客户二次开发,拥有单芯片八路H264/H265解码能力,支持视频图像后处理硬件加速, 相比第一代拥有更低功耗、更高密度的特点,实际性能提升5倍以上。此外支持以太网,PCIE的多芯片互联,易于横向扩展,支持大规模数据中心。

　　受限于已经部署了大量的非智能前端设备, 以及前端有限的计算和储存能力,后端设备在空间、能耗、环境等方面限制较少,也更有利于大规模数据的深度处理,因此后端设备在当前更适合人工智能技术的大规模应用,在不改造前端设备的前提下进行智能化升级。

　　结语

　　未来,AI势必将改变安防,赋予安防系统更加智能化,自动化处理视频、图片等非结构化数据和结构化数据,提升信息搜索的精准程度,极大提高警务效率,让整个社会更安全、更有秩序,而要实现这样的转变这有赖于行业上下游的通力配合。值得注意的是,在这个耗资巨大、耗时很长的行业中,寻找具有创新性、性价比高、可大规模部署的方案,是最务实也最接近成功的选择。

作者：汤炜伟

编辑：广翰楼