邊端AI芯片在實際應(yīng)用終端需要深度神經(jīng)網(wǎng)絡(luò)滿足存儲占用小、網(wǎng)絡(luò)精度高、計算速度快、電量消耗低等條件，才能真正發(fā)揮作用。例如在社會治安應(yīng)用中，可根據(jù)治安、反恐、社區(qū)可疑人員等信息結(jié)合時間頻次信息等預(yù)測出可能出現(xiàn)的危險情況和安全隱患，從而組織治安力量更有針對性地進(jìn)行社會管理，這些都需要網(wǎng)絡(luò)的準(zhǔn)確性和實時性，而且邊緣端設(shè)備對體積和成本要求很高，不能接受占用很大的存儲空間和功耗。

一、AI芯片是安防領(lǐng)域強需求

　　在電子安防產(chǎn)品市場中，視頻監(jiān)控系統(tǒng)占據(jù)了過半的份額，市場規(guī)模達(dá)到962億元，成為構(gòu)建安防系統(tǒng)的核心。目前安防行業(yè)涉及多個領(lǐng)域，包括公安安防、智能家居、智能交通、智能制造、智慧城市等，主要需求還是來自于對人和車輛的檢索和識別，后期在行為識別方面的需求也會越來越大。在不久的將來，人工智能技術(shù)將會取代眾多傳統(tǒng)的安防技術(shù)，整個安防行業(yè)的發(fā)展已經(jīng)到了比拼核心技術(shù)的關(guān)鍵節(jié)點。

　　得益于深度學(xué)習(xí)的發(fā)展，以往模式識別中依靠人工完成的特征提取工作全部可以通過網(wǎng)絡(luò)結(jié)構(gòu)自主完成。它能夠?qū)⒁曨l圖像內(nèi)容轉(zhuǎn)化成清晰表達(dá)目標(biāo)屬性的結(jié)構(gòu)化數(shù)據(jù)，再進(jìn)行數(shù)據(jù)深度挖掘，可有效提高數(shù)據(jù)處理效率。圖像和視頻的人工智能處理，是目前AI芯片商業(yè)化前景最樂觀的賽道，也是玩家們彎道超車的最佳機會。

　　目前市面上主流的人工智能攝像頭產(chǎn)品售價均為幾千元不等，是普通高清攝像頭的幾倍，其主要原因在于AI芯片成本居高不下。如何讓AI芯片成本降低，性能不斷提高，才是智能安防能否真正落地的關(guān)鍵。

　　二、邊緣計算是智能安防的主要瓶頸

　　1.應(yīng)用層面

　　目前，產(chǎn)品落地上主要體現(xiàn)在視頻結(jié)構(gòu)化(對視頻數(shù)據(jù)的識別和提取)、生物特征識別(指紋識別、人臉識別等)、物體特征識別(車牌識別系統(tǒng))等應(yīng)用方向。安防系統(tǒng)每天產(chǎn)生的海量圖像和視頻信息造成了嚴(yán)重的信息冗余，識別準(zhǔn)確度和效率不夠，并且可應(yīng)用的領(lǐng)域較為局限。

　　視頻監(jiān)控系統(tǒng)作為前后端分屬較為明顯的物聯(lián)網(wǎng)系統(tǒng)，在邊緣計算的應(yīng)用方面有很大潛力。攝像機作為前端采集設(shè)備，目前不僅清晰度大大提高，而且對智能化需求也越來越強，因此行業(yè)內(nèi)正在極力推進(jìn)攝像機能夠?qū)崿F(xiàn)對視頻圖像內(nèi)容的實時處理，不但能夠極大地降低信息傳輸系統(tǒng)和后端設(shè)備的負(fù)擔(dān)，同時還能夠提升整個安防系統(tǒng)的響應(yīng)速度，為安防領(lǐng)域一直提倡的"事前預(yù)警、事中制止、事后復(fù)核"理念走向現(xiàn)實提供最有利的技術(shù)支撐。

　　比如在人臉識別應(yīng)用當(dāng)中，通過前端抓拍+中心分析的前后端智能相結(jié)合的模式，將人臉識別智能算法前置，在前端攝像機內(nèi)置高性能智能芯片，通過邊緣計算將人臉識別抓圖的壓力分?jǐn)偟角岸?，解放中心的計算資源，以集中優(yōu)勢計算資源做更高效的分析。

　　2.技術(shù)層面

　　現(xiàn)階段的人工智能，通常是指依賴于海量數(shù)據(jù)和深度學(xué)習(xí)，通過監(jiān)督或非監(jiān)督方式訓(xùn)練而獲得的智能，代價是巨大的計算和存儲復(fù)雜度，隨著算法多樣性和復(fù)雜度的進(jìn)一步提升，運算和存儲的代價都會大幅增長。傳統(tǒng)的解決方案是，大量的數(shù)據(jù)是在云端的數(shù)據(jù)中心被分析并決策后，再將結(jié)果發(fā)還給終端，也就是說，云端負(fù)責(zé)人工智能的部分，終端（也就是邊緣端）負(fù)責(zé)數(shù)據(jù)采集以及執(zhí)行。

　　三、結(jié)語

　　AI芯片在智能安防領(lǐng)域扮演著核心角色，芯片在很大程度上左右著安防系統(tǒng)的整體功能、技術(shù)指標(biāo)、穩(wěn)定性、能耗、成本等，并在安防行業(yè)未來發(fā)展方向上起到關(guān)鍵作用。目前安防監(jiān)控領(lǐng)域主流的深度學(xué)習(xí)芯片是GPU，但GPU存在成本、效率、功耗等瓶頸，因此針對安防行業(yè)開發(fā)的FPGA/ASIC智能芯片成為新趨勢，而且要滿足即時、準(zhǔn)確、低成本這些條件，才是未來能在智能安防應(yīng)用中真正落地的AI芯片。相比于傳統(tǒng)視頻監(jiān)控，邊緣計算+視頻監(jiān)控最主要的變化是把被動監(jiān)控變?yōu)橹鲃臃治龊皖A(yù)警，因而解決了需要人工處理海量監(jiān)控數(shù)據(jù)的問題。從本質(zhì)上看，邊緣計算通過對視頻圖像進(jìn)行預(yù)處理，去除冗余信息，使部分或全部視頻分析遷移到邊緣處，由此降低對云中心計算、存儲和網(wǎng)絡(luò)帶寬的需求，提高視頻分析速度。

　　智能安防領(lǐng)域急需適用于邊緣計算的AI芯片，能滿足即時、準(zhǔn)確、低成本、低功耗等高要求，通過研究院研發(fā)的量化神經(jīng)處理架構(gòu)QNPU開發(fā)的硬件AI芯片，以及配套的一系列推理引擎等軟件，可以讓智能安防有望突破上述瓶頸，推動智能化安防監(jiān)控設(shè)備更大范圍地普及。