智能安防行业研究：现状、趋势与格局

        芯片在产业链中扮演着最核心的角色。芯片广泛应用于安防系统的前端、后 端、中心系统等各处，左右着安防系统的整体功能、稳定性、能耗和成本， 并在很大程度上决定着安防行业未来的发展方向。视频监控系统中从图像 信号处理、视频编解码、视频存储、到 AI 智能分析，每项技术的发展都需 相适配的芯片硬件紧密结合，才能充分发挥整个系统的功效。最早的模拟系 统中，仅需负责图像处理的专用 ISP 芯片，随着应用功能的复杂化，全定制 型的片上芯片（System On Chip，SoC）把一个系统所需的各种芯片和电子部 件集成到单一芯片上，成为监控系统的主流应用，前端集成的 IPC SoC 芯片 和后端集成的 DVR SoC 芯片、NVR SoC 芯片在数字监控系统和网络高清监 控系统中广泛应用。目前 ISP、IPC SoC、DVR SoC 和 NVR SoC 四类芯片均 已实现了较大程度的国产化替代，主要厂商有华为、海思、富瀚微、中星微 等。随着智能化与安防行业紧密结合，各种类型的 AI 芯片正快速向安防监 控各环节渗透，但高性能 AI 芯片仍以国外为主导。

        ISP 芯片(Image Signal Processing，图像信号处理)：主要作用是对视频监控摄 像机前端的图像传感器（CCD 或 CMOS）所采集的原始图像信号进行处理， 包括高性能的空间域时间域噪声消除、镜头暗角/畸变校正、色度空间变换、宽动态合成和映射、数字稳像、去雾以及自动曝光（AE）、自动白平衡（AWB）、 自动聚焦（AF）的数据统计和控制策略等，使图像得以复原和增强。ISP 芯 片的性能直接决定了视频监控摄像机的成像质量。

        DVR（DigitalVideoRecorder，数字硬盘录像机）SoC 芯片：将 CPU 处理器、 内存、压缩、外设接口等进行整合。其中，模数转换（A/D）芯片和视频编 解码芯片是其最主要的部分，A/D 芯片的主要作用是将音视频模拟信号转 换成数字信号；视频编解码芯片将 A/D 输出的数字信号进行编码转换成 MPEG-4 或 H.264、H.265 等标准码流。

        IPC SoC：通常集成了嵌入式处理器（CPU）、图像信号处理（ISP）模块、视 音频编码模块、网络接口模块、安全加密模块和内存子系统，视频原始数据 经过 ISP 模块处理后，传到视频编码模块进行压缩，然后通过网络传输到后 端 NVR 接收处理并存储。可见，IPCSoC 芯片涵盖了视频监控的核心技术 ——ISP 技术和视频编解码技术。

         NVR (Network Video Recorder，网络硬盘录像机) SoC 芯片：NVR 系统的前 端为网络摄像机 IPC，IPC 将视频信号传输至 NVR 进行存储，NVR 功能单 一，仅视频传输与存储，更多视频分析功能放在后台（云端）服务器运行。 随着 IPC+NVR 方案渐成主流，NVR SoC 芯片也迎来了高速增长。

        当前，人工智能正处于初步开发阶段，对于 AI 芯片的定义并没有一个严格 和公认的标准，应用于人工智能场景的各类芯片都被宽泛的认为是AI芯片。

        AI 芯片主要囊括三大类，一是经过软硬件优化可以高效支持 AI 应用的通用 芯片，例如 GPU 方案 ；二是侧重加速机器学习（尤其是神经网络、深度学 习）算法的芯片，这也是目前 AI 芯片中最多的形式，如 FPGA、ASIC 方案； 三是受生物脑启发设计的神经形态计算芯片，称之为类脑芯片，通过模拟人 脑运行机制设计。比如IBM的类脑芯片TrueNorth就是基于脉冲神经网络。 但受限于脑科学的发展水平，目前还很难研制出通用的类脑芯片，市场上的 类脑芯片一般只是部分汲取了人脑特点的专用处理芯片。

        AI 芯片应用在安防系统主要有两种方式，一种是以 AI 加速卡的形式嵌入到 前端摄像头和后端 DVR/NVR 中，提高整体计算能力，主要的 AI 芯片类型 为 ASIC 和 FPGA；另一种是以集成编解码、网络接口、视频分析等模块于 一体的 AI 芯片形式，应用于后端 DVR/NVR 或云端/中心服务器中，主要 的 AI 芯片类型为 GPU，也有部分 ASIC 和 FPGA 芯片。

        AI 芯片的目标在于“训练”和“推断”。其中云端聚集训练和推断双重功能，通用 GPU，特别是 NVIDIA 系列 GPU 芯片方案是目前 AI 训练领域应用最 广泛的平台。GPU 芯片擅长并发计算，适合图形运算，上市快，通用性强， 但存在成本、效率、功耗三方面的瓶颈。半定制化 FPGA 芯片在中心推理 及数据中心也有较多应用，FPGA 允许用户通过硬件编程定义逻辑，其前期 启动成本低，通过再编程特性提供了灵活性，但这种优势是以更高总成本、 功耗以及牺牲性能为代价。面向云端 AI 应用，越来越多的公司开始尝试设 计专用芯片（ASIC 芯片）以达到更高的效率，其中最著名的例子是 Google TPU，由于使用了专用架构，TPU 实现了比同时期 CPU 和 GPU 更高的效 率。国内的很多初创公司，如寒武纪及比特大陆，也往往从门槛较低的专用 芯片入手。安防是 ASIC 芯片的主要应用场景，ASIC 芯片是一种专向设计 的集成电路，无论功耗、可靠性还是体积、成本均远低于 GPU，业界普遍 认为将会成为未来人工智能领域的核心。随着人工智能应用生态的爆发，越 来越多的 AI 应用开始在前端设备上开发和部署。像海康、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。较为通用的应用为将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。

        当前安防监控领域最主流的深度学习芯片方案是 GPU，基本被英伟达掌控， 国内的 GPU 芯片方案尚无较大进展。但考虑到 GPU 方案存在成本、效率、 功耗三方面的瓶颈，针对推理阶段并非最佳选择。随着智能计算的不断前移， 不少安防产业链企业着重开发 FPGA/ASIC 智能芯片，如深鉴科技的 DPU 芯片（FPGA）、北京君正的 NPU 协处理器（ASIC）、寒武纪的 AI 服务器芯 片（ASIC）等，这些芯片在不同程度上解决了行业痛点，应用前景广阔。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!