分享好友 行业资讯首页 频道列表

人工智能+AI安防芯片 必然成为各大公司追逐的“香饽饽”

2018-09-01 09:490
        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。

目前,安防行业拥有海量数据和场景诉求两大特征,与人工智能的技术逻辑不谋而合,这使得许多AI芯片厂家将安防作为核心应用场景之一。据不完全统计,现阶段国内AI芯片初创企业中,有超过八成选择布局安防市场。随着安防行业需求逐渐明确,AI智能安防企业芯片市场也在强劲发展。

而据前瞻产业研究院发布的《人工智能芯片行业市场前瞻与投资战略规划分析报告》显示,2013年至2017年中国集成电路产业年复合增长率为21%,约是同期全球增速的5倍左右。国际市场方面,到2023年,全球AI芯片市场规模将达到108亿美元,年均复合增长率为53.6%。以芯片产业为代表的高新技术行业,具有强劲发展动力。

 

人工智能+AI安防芯片 必然成为各大公司追逐的“香饽饽”

安防行业产业链分为三个环节:上游包含视频算法提供商、芯片制造商、图像传感器、镜头模组等其他核心零部件;中游包含硬件供应商、软件服务商、系统集成商、运营服务商;下游是终端行业应用,涉及政府、公安、交通、金融、民用等领域。其中,上游芯片制造商作为产业链第一环,在安防行业未来发展方向上起到关键作用,影响着安防系统的整体功能、技术指标、稳定性、能耗、成本等。

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AI智能安防公司芯片的行业面貌及其发展现状与前景。

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,伽玛科技、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,江苏伽玛、东方网力、佳都、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。

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力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,这一直是行业备受争议的两个方向。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。对于智能前端产品目前有两种芯片解决方案。

一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。二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。江苏伽玛科技有限公司 是一家专业从事物联网+人工智能的高科技自主创新企业。公司致力于以安全为核心的深度开发研究。其中,战马智能系统一代包含消防预警城域网系统、消防应急指挥调度系统、智能巡防系统、隐患上报(奖励)系统以及在线安防培训系统。伽玛科技自主研发的软硬件产品将快速地服务于江苏并覆盖全国市场。

在后端芯片方面,英伟达的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:

1、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。

2、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。

3、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。

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。

基于BM 1680,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。

近年来,人们对安全的要求越来越高,各级政府也正在加快推进平安城市、智慧城市等项目的建设,在此背景下,以视频监控为代表的安防行业市场颇大,芯片需求量将进一步增长。目前来看,中国集成电路企业发展才刚起步,国内需求端企业和芯片供应商共同成长,安防芯片厂商需与下游厂商进行充分沟通,掌握下游核心客户对芯片的需求,针对市场需求推出产品,抢先布局。

 
举报 0
收藏 0
打赏 0
评论 0