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。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。

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:

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。

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。

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。


AI芯片的发展前景

2018-08-28
0