人工智能技术|机遇与挑战：AI+安防新趋势展望( 二 )

相比硬件而言，软件具有高可扩展性，可持续集成，可持续部署的应用优势。首先，在系统层面，安防厂家应尽可能将AI产品设定成通用平台＋定制化开发的模式。
其次，要真正实现新的AI应用和平台脱钩，实现算法版本的不断迭代，而不影响整体智能平台的正常运维，需采用更加先进的软件设计架构，如当前流行的微服务架构，通过将功能分解到各个离散的服务中，实现对整体AI解决方案的解耦，降低系统的耦合性，并提供更加灵活的服务支持；
最后，围绕安防业务领域组件，来创建各定制化的AI应用，这些AI微服务可独立地进行开发、管理和迭代。通过容器的方式，在通用平台中部署、管理和服务功能，使产品交付变得更加简单。
AI+安防之算力：研发自主可控的AI芯片，国产化算力替代势在必行
AI智能化水平的提高依赖于算力的快速增长，而AI算力的基本载体是一颗颗高度集成的芯片。随着以AI+安防为代表的智能应用不断推广，AI算力需求平均三四个月就会翻一番，已经远超芯片集成摩尔定律的增长速度，在已经与AI深度融合的安防行业中，AI芯片的快速迭代需求尤为迫切。
而另一方面，近年来美国企图遏制我国科技产业的发展，对华实施技术封锁，已经断供了我国各大安防龙头企业的芯片供给；特别是美国对我国上游国产芯片生产企业的直接制裁，使得国内安防芯片的生产中断，各下游安防企业处于无芯可用的困难局面；
在此背景下，研发生产自主可控的AI芯片，保障AI芯片供给，关乎着我国安防行业的命脉，已经成为当前AI+安防最重要的课题之一。

文章插图
现代化的安防终端设备上所使用的AI芯片用量极大，以智能网络摄像机内的核心SoC为例，根据IHS相关数据估算，2020年安防SoC芯片市场规模约为31亿元，2023年有望达到42亿元，年复合增长率为13.4%。在国外芯片断供，国内龙头芯片生产企业受禁的当下，国内各芯片厂家均看到了这一广阔真空地带，快速推出了多款具备AI算力的安防SoC芯片；大量的创投资本涌入，也孕育出若干颇具潜力的安防芯片公司，一时间国产安防终端芯片出现了熙熙攘攘的繁荣局面。
但是，SoC系统芯片设计复杂，集成度极高，在单颗SoC芯片内除了具有一定算力的AI加速引擎之外，还集成了视频采集，ISP，编码器，DSP等多种不同的功能组件，每个组件均必须具备出色的性能，才能构成一颗优质的SoC系统芯片。此外，如此复杂的芯片，又受限于端侧芯片的封装面积，功耗和散热的限制，需要28nm以下，甚至是7-10nm的先进半导体工艺，这些对半导体设计企业提出了极高要求。不仅如此，AI加速引擎的软件工具配套，需要大量的软件开发人员，相应的设计厂家还必须具有高超的软件设计能力。
目前来看，国产终端侧AI芯片，良莠不齐，在AI算力提供上，介于0.5Tops到8Tops之间，差别很大；各功能组件依赖与IP设计提供商，不具备对安防场景的定制化能力，缺少直接有力的技术支持；AI加速引擎的软件工具链均不完善，对深度学习网络的量化和优化支持不足，各厂家的加速引擎开发软件也完全不具备通用性。诸多问题，不仅使得AI算法在端侧的开发周期迟滞，部署实现困难，甚至出现了AI迭代产品的各项性能指标倒退的状况。
在智能云侧的AI芯片，则以通用图形处理器（GPU）为算力代表，作为横跨图像显示、视觉计算和人工智能计算的通用平台，GPU拥有巨大的市场前景；特别是随着人工智能技术的发展，GPU作为AI核心算力基础，在科学计算、自动驾驶、智能分析、大数据等云端计算领域有着海量的应用空间。目前，国产GPU芯片设计厂家也不断涌现出来，正招兵买马，力求替代国外先进GPU芯片算力。