人工智能技术|机遇与挑战：AI+安防新趋势展望( 三 )

尽管如此，目前的国产GPU虽然可满足目前大多数图形应用需求，但在科学计算、人工智能方面仍然和国外领先水平存在较大差距，特别是国际上GPU的领头企业已经对AI算力的开发生态耕耘多年，很多深度学习的加速库都是基于其底层加速，并且是与其特定硬件深度绑定，这成为了国内新兴GPU公司难以撼动的壁垒。GPU芯片的竞争不仅仅是简单的半导体设计之争，更是AI算力的生态之争。国产AI芯片企业在努力提升产品性能同时，更需关注芯片生态的建设和完善，在进行GPU芯片推广时，不仅要强调芯片的高超性能，还要强调对应AI支撑软件的易用性，兼容性和可移植性。
由上可见，无论是在边端还是云端，国产AI芯片的开发设计还任重道远, 其软硬件基础技术在功能、性能、成熟度等方面与国外同类型产品存在一定的差距，生态尚不完善。

文章插图
当前，全球半导体产业供应链的局势仍然异常紧张，部分安防芯片供应短缺影响，安防设备普遍涨价，业内人士估计这一周期将会延续到2022年底，这一深刻教训已经警示我们，忽视对制造业的关键领域中核心科技的掌握，必然受制于人，行业的持续性健康发展难以为继。我们必须在AI芯片方向迎头赶上，加大投入，快马加鞭，实现国产化算力的真正替代。
目前，国家各有关部门正大力推进各个信息技术应用创新（信创）项目，信创产业发展是一项国家战略，也是当今形势下对国家经济发展的重要保障。各信创项目从国产化的人工智能、云计算、软硬件安全等方面推进行业的创新发展，提升信息安全管理的技术防护能力，已经成为促进安防行业产业链平稳有序发展的关键。安防行业各厂家必须尽快拥抱信创项目，大量开发、采购和使用信息技术应用创新名录中的厂家的人工智能设备，从根本上摆脱AI算力对国外技术和产品的依赖。
AI+安防之算法：向低层次图像处理拓展，向小样本自训练延伸
人工智能算法是AI+安防的根本原动力。我们可以按低层次，中层次，和高层次三个级别对AI算法在安防中的应用进行分类：
低层次的AI算法，主要对监控视频图像在像素级别进行各种加工修复，以改善视觉效果、突出有用信息，或是通过有效编码以减少对其所需存储空间或传输带宽的要求；
中等层次的AI算法，主要对视频图像中感兴趣的目标进行检测、分割和分析，从而建立对感兴趣目标的客观描述；
而高层次的AI算法，则是在中级AI算法的基础上，进一步研究视频图像中各目标的性质和它们之间相互的联系，得出对视频图像内容含义的解释，从而真正达到智能理解场景，指导人工行动的目的。
过去大量的AI+安防算法，主要集中于中高层次的图像分析与理解而忽视了低层次图像处理这一方向；
但是，视频图像中的丰富信息，能否准确完整的呈现给用户，一直是以视频为主要信息载体的安防应用的根本追求。例如，视频监控成像受限于环境光线，在白天可以提供清晰、色彩还原度高的影像，然而在低光照的夜间环境下成像质量大幅下降，而夜间却正是犯罪分子作案的高发时段，所以低照成像技术是安防应用的关键点。

近两年来，低层次AI图像增强、超分、恢复等算法，已经开始得到了业界的重视。如最近出现的AI超微光算法，就是针对这一低层次图像处理要求，运用神经网络完成输入图像到输出图像端到端的非线性映射，通过对应用场景目标图像要求的提炼，针对性的进行数学建模，在提升图像亮度的同时，还能充分还原物体颜色与纹理等细节信息，完全革新了传统夜视监控产品的成像技术；又如由AI加持的ISP技术，已经在多个安防厂商的产品中开始出现，并且开始在芯片设计层面逐步替代传统ISP算法链；此外，利用AI算法进行编码器的性能和压缩比优化，也是近来学术界和工业界研究的一大热点。