在人工智能興起之后，安防行業(yè)就成為了人工智能技術最大的試驗田，也是落地的主要場景之一。

對于視頻監(jiān)控行業(yè)來說，在GPU的CUBA模塊出現(xiàn)后（相關鏈接：為何GPU能在安防行業(yè)呼風喚雨？十幾年前這件事改變了安防前端格局），前端攝像機對GPU的依賴就越來越重，一臺攝像機能夠搭載什么樣的智能算法，算力又如何很大程度上取決于GPU的性能。

然而安防行業(yè)是一個場景化的行業(yè)，GPU再好也有著它的局限性。在AI發(fā)展的浪潮下，越來越多的安防企業(yè)選擇自研芯片來適應更細分的需求。

各個安防企業(yè)都鉚足力氣或自研或合作生產(chǎn)安防芯片，幾乎每隔幾天就能蹦出一條非GPU安防芯片問世的新聞，在這個勢頭下，不少人都在心里打鼓：“是否GPU的王朝就要結(jié)束了？”

隨著深度學習的火熱，GPU面臨嚴峻挑戰(zhàn)

王朝是否結(jié)束先按下不表，但從2019年全年智能安防芯片的產(chǎn)出來看，ASIC、FPGA表現(xiàn)優(yōu)秀，更是有專家表示，在細分場景的深度學習方面安防芯片已經(jīng)展現(xiàn)出了良好的發(fā)展趨勢，那么我們今年就來看一下2019年安防芯片得到了哪些發(fā)展機遇，又有哪些安防芯片表現(xiàn)出不俗的競爭力。

智慧安防需求多樣，AI安防芯片崛起契機來臨

在傳統(tǒng)的認知中，算法的深度學習都依賴GPU的CUBA模塊，根據(jù)吳恩達教授在2011的實驗結(jié)果表明，12顆英偉達GPU可以提供相當于2000顆CPU的深度學習性能。

但CPU作為圖像處理器時，設計初衷是為了應對圖像處理中的大規(guī)模并行計算。因此應用于深度學習時有明顯的局限性。

首先就是硬件結(jié)構(gòu)完全由GPU廠商決定（主要是英偉達），其次是在深度學習方面，其效能遠低于ASIC及FPGA芯片。

通俗的講，采用GPU，你可以定制場景化的算法，但硬件性能以及發(fā)揮的效率完全是由英偉達決定，且算法的復雜程度還需要卡GPU的效能決定。

盡管GPU目前依靠其優(yōu)秀的編程環(huán)境和頂尖的算力依舊穩(wěn)坐AI芯片市場NO1的地位，但其他兩種芯片已呈現(xiàn)出后來居上之勢。

ASIC和FPGA在安防行業(yè)越來越得到重視

算力的優(yōu)勢并不是憑空而來，傳統(tǒng)的GPU雖然在算力上占盡優(yōu)勢，但存在嚴重的晶體管堆料的現(xiàn)象，導致其利用效率不高而且造成的功耗遠高于其他兩種芯片，對于以7X24小時運行的安防設備來說，這樣的功耗很難接受。

市場上雖然對這些缺點還算比較容忍，（畢竟客戶主要更關心算力）。但長此以往無異于飲鴆止渴。

在設計層面，由于摩爾定律的失效。7nm后制程升級越來越困難，GPU若想保持其算力優(yōu)勢勢必還會走“堆料”的路子，在云端市場不斷發(fā)展的今天，這樣的市場越來越難以為繼。也導致不少安防廠商紛紛開發(fā)自己的ASIC和終端的FPGA市場。

由一家獨大，到如今隱隱的三分天下之勢，GPU確實該考慮如何更好的適應市場了。

激烈的安防芯片競爭

在AI芯片選擇方面，一般是有錢的選擇ASIC，早期過渡和追求性價比會選擇FPGA。

FPGA的是很多創(chuàng)業(yè)公司初期選擇的平臺，深鑒、寒武紀、地平線、比特大陸都先后使用過FPGA，商湯等視覺公司也應用過FPGA+GPU的解決方案，但當業(yè)務發(fā)展到一定程度后，都逐步開始轉(zhuǎn)向ASIC。

這是由于其芯片結(jié)構(gòu)決定的，F(xiàn)PGA相比GPU功耗更低，相比ASIC具有更短的開發(fā)時間和更低的開發(fā)成本。

一句話總結(jié)就是方便、性價比高。且由于英特爾于2015年收購了最成功的的FPGA芯片廠商Altera（151億美元的天價，不得不說英特爾也是給CPU研發(fā)部門下了“死命令”），近年來不斷推出CPU+FPGA的組合給各個行業(yè)都帶來了前所未有的AI發(fā)展機遇。

成本低、重構(gòu)靈活成為FPGA最大的競爭籌碼

且由于近兩年業(yè)界對于深度的學習能力大為推崇，在這方面具有優(yōu)勢的FPGA無疑就成為了很多廠商的選擇。

相比性價比較高的FPGA，ASIC芯片無疑就彰顯了定制化芯片的霸氣。除了不能像FPGA那樣進行功能擴展和重構(gòu)以外，ASIC芯片幾乎滿足了所有安防高端定制化的需求，在功耗、可靠性、體積方面優(yōu)勢很大，尤其是在移動端，其高性能、低功耗的特點成為了眾多廠商的首選。

尤其是人工智能越來越深度化的當下，人們對于智能化深度的要求越來越高。相對應的芯片需要運行的算法也越來越復雜，這都要求芯片擁有一套專用的架構(gòu)與其進行對應，而ASIC芯片完美地滿足了這一需求。

而ASIC應用的典型的代表就是知名的Alpha Go的大腦：谷歌研發(fā)的TPU芯片，其強大的深度學習能力和較低的功耗都讓業(yè)內(nèi)艷羨。

據(jù)寒武紀發(fā)布的指令集指出，未來ASIC芯片將是AI芯片的核心。

TPU在深度學習方面“獨樹一幟”

不過研發(fā)ASIC芯片的一大難題就是其高昂的成本和較長的開發(fā)周期。目前，致力于研發(fā)AISC芯片的都是既擅長芯片研發(fā)又具備AI算法的行業(yè)巨頭，適用于已經(jīng)具有一定規(guī)模且需求場景化定制需求的安防大廠。

除了這幾大類以外，目前安防行業(yè)還有云端芯片和類腦芯片具有強大的競爭力。

不過不管誰將在這場競爭中勝出，GPU在安防行業(yè)中的衰落或?qū)⒊蔀楝F(xiàn)實，而在AI芯片的競爭當中誰又能拔得頭籌，這還要看他們具體和安防行業(yè)的適配程度。

智能芯片市場玩家可不止“御三家”

自研芯片的春天

2019年，我國安防芯片取得了很大的成就，不管是泛用性極廣的海思Hi3516CV500、昇騰系列、還是具有超高集成度的國科微GK7205/GK7205S、亦或是致力于智慧城市建設的地平線旭日1.0都向我們揭示了如今安防行業(yè)對于定制化AI芯片的渴求。

在新的一年里，隨著安防智能化的不斷深入，AI芯片行業(yè)競爭也會愈加激烈，但無論如何這對于中國安防的發(fā)展，都是多了一種選擇，也多了一份效能。