速度太快赶不上？安防还未有真正适用的AI芯片

近两年，许多AI企业的芯片纷纷宣布流片，尤其针对安防领域的芯片并不少，但似乎还并未出现强势的对传统芯片的替代或继任者。目前市场上还没有足够优秀的安防前端的通用芯片，也没有一款很适用安防的AI芯片出现。

贸易战下芯片总体受波及

近年来，中美贸易关系不断恶化，美国对中国的不公平手段轮番登场，如出口限制、投资限制以及技术封锁等，其中，芯片产业受其波及影响更为深远。

特别是中高端性能芯片核心技术，一直以来是中国的技术短板，无疑，美国一系列的关键技术扼喉政策，对中国芯片产业造成一定的影响。

人工智能时代，AI芯片的价值则是以大规模商用为前提。在安防市场，巨头企业最初采用英伟达开发平台的智能摄像机，由于受限于价格以及高达十几瓦的功耗所带来的散热问题，无法实现规模化量产。

而后采用Movidius视觉处理器，虽然低耗高能但灵活度差、开发难度太大等问题，这一代的智能摄像机仍然没有规模化打开市场。

总的来看，虽然在后端高性能处理芯片领域，中国芯片技术还处于弱势地位，但同时自身又具有一定的优势。

而且，视频监控领域的中国芯是集成电路产业重要组成部分，随着近年来，国家对集成电路产业特别芯片发展政策的倾斜，以及国内芯片厂商的不断发力革新迭代，可以预见的是，国内安防AI芯片产业将有望加速前进。

安防还未有真正适用的AI芯片

在传统通用芯片进口额高达万亿的情况下，AI芯片显然被认为是中国创企弯道超车的一个绝好机会。

但实际上，AI芯片也像一座围城一样，外面的人想进来，里面的人想出去。

目前市场上还没有足够优秀的适合安防前端的通用芯片，也没有很适用安防的AI芯片出现。

在安防领域里面，有大量的算法需要前置。目前的算法基本都是基于深度学习。安防领域的数据特点，主要在于需要实时的处理大量连续的图像数据流。

安防领域的数据处理，在于两个维度。第一是每秒处理帧率要越来越高，第二是图像分辨率上要高。在这两个维度上，安防对边缘芯片提出了要求。

AI安防芯片规模化受限

在提高AI安防芯片性能，加强算力的同时，芯片中最为关键的其实并不是单纯提升算力，如果不进行存储优化，那么芯片实际提供的计算力会大大降低。

要突破AI芯片的瓶颈，并不能只是简单的增加计算算力，而是一定要把数据存储管理做好。而对于存储问题的解决，仍是一个探索中的新方向。

AI芯片对于传统芯片带来的挑战，并不只是计算架构上的，更多是在存储架构间的。

传统的芯片采用的是冯·诺依曼架构，其核心架构中计算模块和存储单元是分离的。CPU和内存条并不集成在一起，只在CPU中设置了容量极小的高速缓存。

也就是说，CPU在执行命令时必须先从存储单元中读取数据。每一项任务，如果有十个步骤，那么CPU会依次进行十次读取，执行，再读取，再执行，这就造成了延时，以及大量功耗花费在数据读取上。

AI依赖的算法是一个庞大和复杂的网络，有很多参数要存储，也需要完成大量的计算，这些计算中又会产生大量数据。

在完成大量计算的过程中，一般芯片的设计思路是大量增加并行的运算单元，例如上千个卷积单元，需要调用的存储资源也在增大。

AI初创芯片公司虽然采用不同的路径打造芯片，但事实上都在努力对这一问题予以解决。大部分针对 AI，尤其是加速神经网络处理而提出的硬件架构创新，都是在与这个问题做斗争。

目前专注于从存储子系统入手，着力解决AI芯片的存储计算架构问题的企业并不多，而其中很多公司从事的都是成本结构并不合理的存算一体架构，符合合理的成本结构并优化存储子系统的公司更是屈指可数。

技术+产品主导AI芯片格局

AI芯片确实是被公认的一个国内企业弯道超车的机会。相较于国外更看重云端场景，国内有在边缘端有大量市场，这为国内AI企业在边缘芯片的发展提供了良好的机会。

但国内虽有很多公司关注对AI芯片的底层架构的研发，也有不少AI芯片公司只追求有，不追求好，用拼凑的方式来做芯片。

很多公司为了顺应市场形势，将自己包装为一个AI芯片公司。这样就给市场造成了很大泡沫。并且，国内AI芯片企业，也普遍缺乏后端设计的人才。

后端设计相对于前端的逻辑设计，更多涉及到芯片的工艺，也相对更需要丰富的经验。国内在后端设计人才上更为紧缺。因而，很多厂商会通过外包的方式做后端服务，来完成生产。

芯片作为一个赢者通吃的行业，对技术和产品的能力要求都非常高。行业最终会看到，技术和产品会主导AI芯片的格局。具备两者实力的AI芯片公司，会最后存活下来。

AI芯片必须挤进前两名

仅去年一年，业内就推出了十几款AI芯片。但实际，市场上可能只需要一款主流产品。

芯片行业高度集中，其竞争是全球性的，在这种情况下形成了二元法则：芯片的每一个细分领域只有前两名能够“健康”生存，第三、第四名就只能夹缝求生。而在人脸识别芯片领域，最终也只能存活一两家。

在安防视频芯片的领域里，有海思这样的对手存在，做视觉智能芯片几乎没有太多机会，这一事实很难改变。

当很多厂家还在致力于1080P分辨率智能芯片时候，海思已经从2K到4K、8K、多目、双目等全系列、全算力、全覆盖，而且海思还有虎视眈眈的服务器芯片系列，这比国外，及国内的初创芯片创业，要高出许多。

芯片行业最重要的门槛是这个主体是不是做芯片的，再来看它做的是AI芯片还是做非AI芯片。

国内很多AI芯片厂商，其实最开始专攻算法方面，缺乏芯片制造的经验，后来依靠招揽的做芯片的人才，才能正式推出可用的芯片。

另外，AI芯片领域虽然一直在谈创新，但实际上，真正的创新还尚未到来。国内目前还不算有真正的算法企业。

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后效率才会更高。

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。

结尾：

商业化仅依靠技术本身将无以为继，AI市场容量、应用的深度、数据的规模决定了在某个具体行业的发展速度。AI安防领域想要突围，除了各家企业的创新外，还要依靠市场整体环境的烘托。