作為AI產業(yè)發(fā)展的基石，AI芯片近年發(fā)展勢頭迅猛，作為人工智能落地首站的安防領域，開始成為眾多企業(yè)發(fā)力的焦點，從前端攝像頭提高邊緣智能，到后端服務器進行大規(guī)模訓練分析，部署端到端的“算力+算法”一體化解決方案，顯然已經成為安防行業(yè)新的價值所在。然而，當前安防AI芯片發(fā)展看似火熱，實際上尚處于“嬰兒期”，企業(yè)要想保持未來發(fā)展勢頭，仍需找準突破點。

如何衡量AI芯片？不唯有算力

如果要給出一個衡量AI芯片的有力指標，大部分人也許會認為是“算力”、“能耗比”等這些直觀數據，畢竟算力是人工智能發(fā)展的關鍵因素之一，市場對具有海量數據并行計算能力、能夠加速計算處理的AI芯片有很大需求。

但在實際使用時，有些場景下計算核的利用率非常低，甚至有很多計算種類不支持。由此看來，算力不能作為衡量AI芯片性能的唯一指標。

同時，如今安防邊界逐漸擴大，各類場景下的智能應用也隨之豐富，多業(yè)務同時運行成為常態(tài)，所以計算核在多業(yè)務切換情況下的性能表現也是一項重要的衡量標準，尤其是在衡量節(jié)點端芯片和云端芯片性能方面。

此外，AI加速硬件十分依賴存儲器帶寬，因此在相同算法及計算量情況下，計算核對帶寬的使用效率往往也決定整體系統(tǒng)性能。

掘金安防行業(yè) AI芯片需要適配場景

傳統(tǒng)芯片企業(yè)更關注通用化芯片，但在做到通用化的同時也犧牲了對具體領域的契合性，這在落地應用時會遇到不少問題。

例如，安防端側關注點在于降低AI芯片的單位功耗，但芯片企業(yè)對功耗要求可能不是首要優(yōu)先級，這就給提供解決方案和算法的企業(yè)帶來了難題：算法是統(tǒng)一的，但在不同場景中需要適配不同的芯片模組。

因此，要想打開安防領域的市場，就要在功耗和成本的嚴格約束下，不斷提升算力，適配場景，提升芯片的專用性。

安防行業(yè)需要怎樣的芯片？

AI芯片應用位置不同，需求也不同。在端側，以往采用主芯片加AI協(xié)處理器的方式，而目前合二為一的方案已成為主流，且需要易用、穩(wěn)定、支持主流深度學習框架的軟件開發(fā)工具，此外，端側設備對功耗和價格也非常敏感。

與端側相比，云側對AI芯片的解碼能力要求更高，起碼不低于AI處理能力，在此基礎上，大數據并發(fā)效率決定了AI算力實際能發(fā)揮的程度。在價格與功耗方面，云側并沒有端側那么敏感，不過降低花費始終是用戶的訴求。

目前致力于研發(fā)安防領域AI芯片的公司非常多，這意味著安防AI芯片擁有十分廣闊的市場，但誰能更好地滿足行業(yè)需求、實現大批量出貨還有待時間驗證。

來源：安防展覽網