安防行业成巨头必争之地 一文梳理安防AI芯片产品与主要企业

在人工智能兴起之后，安防市场就成为了其全球最大的市场，也是成功落地的最主要场景之一。对于安防应用而言，智慧摄像头、智慧交通、智慧城市等概念的不断涌现，对于芯片产业催生出海量需求。那么，国内安防AI芯片领域的主要玩家及产品都有哪些呢？

安防市场有多大？

根据IDC最新发布的数据显示，2018年我国人工智能市场规模为176亿美元，预计2023年将达到119亿美元。而在这其中，平安城市中的安防仍然是最大的应用场景。

而这也与安防本身的特性密切相关。首先，以视频技术为核心的安防行业拥有海量的数据来源，可以充分满足人工智能对于算法模型训练的要求。其次，安防行业中事前预防、事中响应、事后追查的诉求与人工智能的技术逻辑完全吻合。为此，安防市场也成为众多巨头以及创业公司的必争之地，例如华为。

近日，据俄罗斯国家媒体Sputnik 报道，华为将以5000万美元收购莫斯科安防技术企业Vocord，进一步完善视频监控和人脸识别技术布局。在产品方面，华为在2018年就曾发布了星像、星驰、星图、星盾、星辰五款系列化智能摄像机，与传统安防巨头正面竞争。

从细分领域来看，视频监控的市场规模占比接近安防整体市场一半。未来两年预计保持134%的年复合增速。

需要哪些类别芯片？

从技术角度而言，ISP 芯片(Image Signal Processing，图像信号处理)主要负责对前端摄像头所采集的原始图像信号进行处理；DVR（Digital Video Recorder，数字硬盘录像机）SoC 芯片主要用于模拟音视频的数字化、 编码压缩与存储；IPC （IP Camera，IP 摄像机）SoC芯片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、网络接口模块等，具备入侵探测、人数统计、车辆逆行、丢包检测等一些简单的视频分析功能；NVR (Network Video Recorder，网络硬盘录像机) SoC 芯片 主要用于视频数据的分析与存储，功能相对单一，但由于多与 IPC 联合使用，市场增长也较快。

通常情况下，安防视频监控模拟摄像机的核心部件包括一颗图像传感器和一颗ISP芯片，安防视频监控网络摄像机的核心部件包括一颗图像传感器和一颗IPC SoC芯片。

随着5G和物联网的快速发展，对于安防行业而言，未来“云边结合”也将是最主要的趋势。在云端芯片方面，目前主要还是英特尔、英伟达、谷歌等国外企业的天下，国内企业短期内还难于取得突破。相反，在边缘侧尤其是视频处理方面，对国内企业而言是难得的机遇，国产替代正在不断深入。

主要的玩家有哪些？

对于国内企业而言，华为海思、寒武纪、云天励飞、中科曙光、国科微、 中星微、北京君正、富瀚微、景嘉微等在安防芯片领域都有布局。其中，海思布局比较完善，在IPC SoC市场占有大量份额，并且已经覆盖云端及边缘。以下为国内主要厂商在安防AI芯片领域布局情况：

华为海思

主要产品：Hi3516CV500 等、云端 AI 芯片“升腾”系列

目前，在视频编解码芯片领域海思是绝对的霸主。根据HIS统计数据，2016年海思以62%的出货占比，远超TI、NXP和Ambarella等国外企业。另外，在网络摄像机（IPC）SoC芯片市场中，海思半导体可谓一家独大。

云天励飞

主要产品：NNP100

云天励飞成立于2014年，经过短短几年的发展已成为一家提供五位一体（芯片+算法+数据+应用+服务）端到端全栈式解决方案的供应商。其“深目”方案已经被广泛应用到平安城市、智慧城市、智慧商业、无人机船车、机器人和智能制造等行业。

云天励飞在2016年完成了第一代深度学习神经网络处理器NNP100的研制，并基于FPGA载体实现商用。2018年8月，云天励飞面向嵌入式端的边缘人工智能芯片IPU 成功流片。

地平线

主要产品：旭日系列

地平线基于自主研发的边缘计算平台及领先的深度学习算法，可以实现边缘端 AI 的计算与推广，为客户提供高清人脸识别摄像机、高性能视频结构化服务器及高性能、低功耗、低成本的全栈式智慧城市解决方案。

阿里巴巴

主要产品：Ali-NPU

2018年4月，阿里巴巴宣布达摩院正在研发一款神经网络芯片–Ali-NPU。这款芯片将用于图像视频分析、机器学习等AI推理计算。

Ali-NPU将应用在解决图像、视频识别、云计算等商业场景的AI推理运算问题，提升运算效率、降低成本。据阿里方面透露，按照设计，阿里巴巴的Ali-NPU性能，将是目前市面上主流CPU、GPU架构AI芯片的10倍，而制造成本和功耗仅为一半，性价比超过40倍。该芯片成熟后将通过阿里云提供公共服务。

依图 科技

主要产品：questcore

2019年5月，依图宣布推出其首款视觉推理AI芯片产品questcore（中文名“求索”），该款芯片采用16nm工艺，最高能提供每秒15TOPS（每秒万亿次运算）的视觉推理性能，适用于人脸识别等多种任务场景。

questcore单芯片可支持64路视频高清实时解码，支持50路视频实时解析，可支持视觉的检测、分类、识别、跟踪等任务。

景嘉微

主要产品：JM5400、 JM7200

长沙景嘉微电子股份有限公司成立于2006年4月，致力于信息探测、信息处理和信息传递领域的技术和综合应用，为客户提供高可靠、高品质的解决方案、产品和配套服务。目前是国内率先成功自主研发国产化图形处理芯片(GPU)并产业化的企业。

景美系列GPU芯片是高可靠性、高性能、低功耗的图形处理芯片，能够高效的完成图形加速功能，并提供了多种丰富的外设接口，支持外视频在图形上进行开窗、缩放、旋转以及叠加显示。

富瀚微：

主要产品：FH8856、FH8852、FH8632、FH8535、FH8538D等。

上海富瀚微电子股份有限公司成立于2004年4月，专注于视频监控芯片及解决方案，满足高速增长的数字视频监控市场对视频编解码和图像信号处理的芯片需求。

在视频监控方面，可提供高性能视频编解码SoC和图像信号处理器芯片，主要包括IPC SoC和Camera ISP两个方面。

国科微

主要产品：GK7205/GK7205S 、GK7202、GK7101、GK7102

国科微电子股份有限公司成立于2008年，长期致力于智能机顶盒、智能监控、存储、物联网等领域大规模集成电路及解决方案开发。

国科微2015年进入安防IPC领域，凭借其优秀的ISP性能、完善的系统架构、超高的系统集成度、优异的低功耗设计等高性价比优势，先后推出GK710x等系列H264监控芯片，新一代H265智能监控芯片GK720系列及产品解决方案，广泛应用于平安城市、智能家居、交通、金融、学校等行业级、民用消费级安防监控市场。

既然说了大型，首先要考虑的就是高用户并发的情况。这就需要结合你实际用户端应用场景，视频都双向传输和简单的低通量的文本交互一定不是一个概念。做大型的系统，还要考虑平时的情况和突发的高占用率情况。

首先我们先对应用做一个分类：

1高带宽消耗累应用

这个方面的代表就是直播相关或网络教学领域。直播系统的大体原理，主播手机采集音视频、编码，然后推送一个视频流给服务器（实际上是一个做了负载均衡的视频服务器矩阵组）。然后负责实时流媒体数据流接收的服务器，会将流媒体数据流推送给分发服务器（现在有现成的CDN,这样开发难度就小了很多。）然后观众申请观看的时候，分发服务器就会将所申请的时时流媒体推荐给客户。

这么粗糙的应用就可能包换用户端权限管理服务器组，业务调度服务器组，不同区域IDC建立的接入服务器组，不同区域IDC建立的分发服务器组，分等级的数据存储服务器组，ai内容审核服务器组（基于分流实时分析，预设内容审核规则），归档视频存储服务器组，短视频评级推荐服务器组，应用兴趣行为分析服务器组。客户在请求交互的时候可能还会有一些缓冲的队列呀，nosql之类的（redis，memcache）。各组服务器的规格和数量都是根据同时并发的情况定的，在程序开发好的时间可以通过自动化的方式模拟高并发，再通过查看分析瓶颈，而对前期的规划做出合适的调整。

有些时间还要实现不经过分发，交互直通以降低延时。pk的连线的时候，太高延时是接受不了的。这个就不继续展开了。

还有网盘类应用也也很多类似，只是延时要求没那么高。传统的视频网站也是基本相同原理。

传统的微博也是类似的分发机制。

2低延时需求型

这方面一般是以网络游戏为主。对于一些点电子竞技类的应用，做到80ms以下的低延时是必须。服务器的核心响应速度和带宽的低延时是重点。这种服务器最好可以独享一条专线，或者在虚拟网络系统中设置一个更高的优先级，数据线优先同行也会尽可能的降低延时。至于服务器组之间的vpc也应该有一个更高的通过优先级，以保证服务器之间的访问延时极地。这种应用服务器，最好要支持核心运算，不过这个要开发的架构支持。

再就是后期用户量大的时候，做更新包下载的时候会采用分发服务器（CDN）。

3高突发的缓冲

这种都是电商网站，平时就是讲全段应用服务器做彼此依赖，后端选择一个大吞吐，大并发的后端框架（京东使用的go语言对高并发和数据挖掘就有很多优势，我也刚开始学习）。这种系统网元架构就简单很多，传统的负载均衡后挂着不同模块的应用服务器组，然后经过缓冲服务器组，之后到达数据服务器组和APIGateway。

日常的应用都是没啥问题，都是因为一些节日或促销，或爆款等发生临时性数据 *** 作的拥堵。解决这种缓冲都方式有很多，比如临时快速读写缓存，消息队列等。甚至开发总线通信队列等待机制，很多解决方案。

现在系统本身的规划和后期都优化都有许多解决方案，现在的瓶颈往往是系统间的交互通信。

服务器种类各云服务商都称呼也不一致，总体说分为轻量应用服务器，负载均衡服务器，超算服务器（CPU和GPU两个方向,后者也常常被成为图形处理服务器。）数据服务器（常见的版本都有），文件服务器（nas和oss），分发服务器，缓冲服务器，数据分析服务器。我项目中使用大大类就这些了，也许有些我没用过和不知道的，希望大家在讨论区补充纠正。

希望对你认知有所拓展。

人工智能好就业吗
人工智能就业机会很多，发展前景很好。随着5G时代的到来，智能技术在社会各个领域的应用进一步扩大，人工智能发展迅速，人工智能方向的毕业生也能在各领域大展拳脚，就业形势良好。毕业生可以从事研发工程师、数据挖掘工程师、算法工程师等岗位，在互联网行业中都是炙手可热,并且收入非常可观的。
人工智能技术发展，智能机器人、智能化电器、智慧物流、智能化社区等创新性应用逐渐深入到人类的社会生活史人类生活方式正不断发生改变。在未来发展中，智能技术的应用将致力于改变医疗、起居、出行驾驶等各个方面，因此该专业的学生就业前景十分广阔。
人工智能专业就业方向
⑴)搜索方向:百度、谷歌、微软、yahoo等(包括智能搜索、语音搜索、搜索、视频搜索等都是未来的方向)(⑵医学图像处理:医疗设备、医疗器械很多都会涉及到图像处理和成像，大型的公司有西门子、GE、飞利浦等。
(3)计算机视觉和模式识别方向:前面说过的指纹识别、人脸识别、虹膜识别等;还有一个大的方向是车牌识别;目前鉴于视频监控是一个热点问题，做跟踪和识别也不错;
(4)还有一些图像处理方面的人才需求的公司，如威盛、松下、索尼、三星等。
另外，Al方向的人才都是高科技型的，在待遇方面自然相对比较丰厚，所以很这个方向很有发展前途。

---