智能安防产业链：算法和芯片开始突破

科技 07-03 来源：干货研报

简单划重点：

智能安防产业链中的上游技术核心是：芯片和算法。

芯片有四类，最难的深度学习算法加速器芯片还是英伟达（美国上市公司，创始人是华人）提供，其余已经可以自主可控。

算法中国厂商已经快速崛起。

智能安防产业链中的系统集成核心技术：就是海康威视和大华，没有别的公司了。

快速发展中的智能安防产业链

◾智能安防产业链，包括上游零组件供应商、算法和芯片供应商等；中游为软硬件设备设计、制造和生产环节，主要包括前端摄像机、后端存储录像设备、音视频产品、显示屏供应商、系统集成商、运营服务商等；下游为产品分销及终端的城市级、行业级和消费级客户应用。

上游零部件供应商，代表企业有华为海思、索尼、中星微，还有视频算法提供商Object Video等；中游软硬件供应商、系统集成商的主力厂商包括海康、大华等。下游为终端客户，主要涉及到政府、公共行业、民用行业等。

◾芯片算法是智能安防发展基础。在智慧城市的普及下，安防市场容量持续增加，安防产品的智能化程度不断提高，数字监控技术日益成熟，人工智能技术在安防市场上的应用大规模落地，推动传统安防产业进化革新，从而带动了安防产业市场规模的扩大。智慧安防产业链中，上游的算法、芯片和其他零组件供应环节属于技术集成部分，是智能安防产业的发展基础。

◾算法-中国厂商快速崛起。算法环节主要包括图像处理、视频压缩和内容识别三个分类。计算机视觉、深度学习、集成算法等重要的人工智能算法的引入和革新，助力安防产品适应大众不断增长的安防需求。在安防领域智能算法的运用主要体现在，利用无间歇工作的智能算法对视频画面进行监控，以弥补人力无法长时间保持监控状态的缺失；利用生物识别技术解决人脸、指纹、语音等生物特征被盗用的情况；提高安防产品保密和防御级别，确保场所安防布控。

此前，算法的基础框架的研发几乎被国外企业垄断，但近年来，伴随人工智能深度学习算法的快速成熟，中国芯片设计公司和设备产品厂商都致力于在基础算法上进行改进和优化，培养自己独有的算法技术，部分优质的图像内容识别、算法供应商陆续出现。

◾芯片-高性能的深度学习算法加速器芯片仍由国外芯片厂商提供。在智能安防监控领域，芯片是硬件设备中成本占比最高的零组件之一，也是安防视频监控设备的核心部件，通过前端摄像机内置人工智能芯片，可实时分析视频内容，检测对象，识别人、车属性信息，并通过网络传递到后端人工智能的中心数据库进行存储。因此芯片的性能直接影响系统的图像质量、码流控制能力、智能识别效率、信息稳定性等性能表现。

目前，安防视频设备中所需要的处理器芯片主要包括网络摄像机中的SoC芯片、后端DVR/NVR中的SoC芯片以及深度学习算法、加速器芯片以及前端模拟摄像机中的ISP芯片四种类型。

目前，高性能的深度学习算法加速器芯片仍由国外芯片厂商提供，但其余三类处理器芯片已实现了较大程度的国产化替代。伴随芯片国产化的崛起和技术路线创新，中国安防监控设备的平均价格逐渐降低，应用规模不断扩大，进一步推动了智能安防产业市场规模的扩张。

◾前端模拟摄像机ISP芯片。前端模拟摄像机用到的芯片主要为ISP芯片，用于承载视频图像处理功能。2010年前后，前端模拟摄像机中CMOS图像传感器开始大范围替代CCD图像传感器，芯片厂商富瀚微开发出基于CMOS图像传感器的ISP芯片，首先通过华南地区的中小安防监控设备厂商占据了一定的市场，后继其产品成功导入海康威视，进一步替代了国外厂商（例如Nextchip）的份额。

◾DVR SoC芯片。DVR SoC芯片将CPU处理器、内存、DSP或ASIC芯片、外设接口等进行整合，集合录像机、画面分割器、云台镜头控制，报警控制和网络传输等功能于一身，具有接口丰富、功耗低、可靠性高等特点。DVR SoC芯片厂商以海思、德州仪器为主，海思占据绝大部分市场份额。

◾前端网络摄像机IPC SoC芯片。前端网络摄像机中通常使用IPCSoC芯片，IPCSoC芯片主要集成ISP技术和视频编解码技术，具备高压缩比的视频编解码技术的IPC SoC芯片价格逐步占领市场，提供支持H.265编解码算法的芯片厂商为主要竞争者，以华为海思为代表的国产厂商依靠性价比优势和更好的本地化服务实现了对海外厂商（德州仪器、安霸）份额的快速替代，占据较大市场份额。

◾NVR SoC芯片。NVR是完全基于网络的全IP视频监控解决方案，其接收前端数字化处理后IP码流，进行集中录像存储、管理和转发，随着IPC+NVR方案组合成为主流，NVR芯片迎来高速增长。目前主流NVR芯片解决方案厂商包括海思、德州仪器、迈威尔等。由于该领域芯片研发需要大量投入，竞争壁垒较高。

◾AI芯片-目前安防领域最主流的深度学习芯片方案是GPU。但GPU存在成本、效率、功耗等瓶颈，现已有针对安防产业开发的FPGA/ASIC智能芯片，如深鉴科技的DPU芯片（FPGA）、北京君正的NPU协处理器（ASIC）、寒武纪的AI服务器芯片（ASIC等）。当前安防智能化进程中，算法层面已经接近成熟，宏观架构上云边融合（即云端计算和边缘计算的融合）的理念成为行业共识，虽然具体场景的解决方案层面需要通过大量前期项目进行摸索，但政府部门和大企业客户对于安防智能化的趋势已经有较为充分的认知，而当下对智能化落地的进度最为关键的影响因素便是芯片的成本。

◾在安防领域，GPU芯片几乎被英伟达垄断。为了实现智能化的功能（即运行深度学习算法），安防监控系统的前端和后端设备中需要加入英伟达或是英特尔等国际大厂所设计的GPU、FPGA或者ASIC加速芯片，与原有的承担图像处理和编解码功能的主处理器芯片一起构成双芯片方案，而采用这些芯片一般要为安防监控设备新增高额成本（2017年仅前端摄像机中采用的AI加速器芯片的成本就高达上百美元），因此导致智能化设备的成本普遍偏高，在很大程度上影响了智能化的大面积应用。未来随着根据应用场景定制的专用SoC智能监控芯片的逐渐成熟（安霸、海思的方案已经在小排量测试，而海康大华也都在开发自研智能监控SoC芯片），高性价比的专用芯片对通用芯片的替代将使得智能监控设备的成本有望大幅降低，安防监控智能化进程在未来加速落地可期。