5位AI安防芯片創新者：我們的芯片路徑和選擇 | CNCC 2019

“能在創新上把傳統企業甩開多遠”，這是很多業內人眼中，AI安防芯片企業能否作為獨立勢力存活下去的關鍵。

業內的普遍觀點是，如果AI芯片企業只是“微微領先”，那么待風口漸過，他們很有可能會被傳統企業反超。

而決定他們能走多遠的，恰恰還是其創新實力本身。AI芯片算力的提高、架構的創新、軟硬一體化，以及商業模式的探索，都在互相交融，共同塑造著一個芯片的新生態。

近期，AI掘金志也采訪了多家有著不同創新路徑的芯片企業，他們或從優化芯片的計算、存儲架構入手，或選擇做軟硬一體，或著眼于攝像頭中的ISP、編解碼芯片。

對于AI安防芯片要解決的主要問題和創新路徑，企業們有著共識，也有各自不同的選擇和看法。

一、AI安防芯片是一個系統級別的問題。前端除AI加速模塊外，還包括ISP、編解碼芯片等。安防芯片內其他模塊的競爭力、及其集成方式，也是整個AI 芯片的核心問題。

二、未來的趨勢是系統級芯片得天下，而不是功能級的芯片得天下，AI 芯片一定會被集成。

（相佐的觀點：AI協處理器以其靈活性和高效性見長，被集成的取舍可能會繼續存在。）

三、衡量一款AI芯片，具體的指標包括算力、價格、功耗、穩定性等。

四、AI芯片，三成在于硬件，七成在于軟件，軟硬件一體是關鍵。

五、目前終端AI芯片的性能瓶頸不在于算力，而在于存儲。

六、在計算架構上，區別于同構計算的“異構計算”，相對能更好在通用性和專用性之間實現折衷。

七、在落地安防上，現有AI芯片的主要問題是，差異化不明顯，易掉入同質化競爭的陷阱。

八、芯片行業很殘酷，存在二元法則：老大吃肉、老二喝湯，老三、老四可能找不到名字。

以下是AI掘金志采訪芯片企業們的主要內容：

觸景無限副總裁陳勇：做芯，軟硬件耦合是關鍵 

做一款AI安防芯片要從全棧解決方案出發，不僅僅只有芯片，還要有比較完善的軟件生態來耦合這個芯片，這樣用戶才比較容易、也能動態部署符合他們需求的方案。

另一個點是芯片的算力能效，芯片不能只單單提供算力，還要在滿足應用算力要求的前提下消耗最少能量。

我覺得，這兩個方面對于AI安防芯片來說最重要。

觸景無限做芯片就是為了讓自己的算法和工程經驗找到一個更好耦合的練兵場，達成軟硬件的協同優化，更好地實現前端感知。

以前，我們發現AI加速只是前端落地應用需求的一個點，打磨很長時間的AI加速芯片產品，用在前端的效果還是不夠好。

就像一條公路，AI芯片的集成像是鋪上了柏油，但車輛通行時除了對于路面的高要求，還有對于路牌、路標、服務區的需求，而這些在實際過程中，都沒法得到很好的滿足。

在芯片具體研究中，我認為，對AI 安防芯片來說，由于多層神經網絡的應用，如何做到各種神經層中間的高效數據傳輸是一個難點。

另外，我們認為雖然在攝像頭內，主控芯片很強勢。但AI協處理器有它獨有的靈活性和高效性，并不能簡單地被主控芯片集成。這種通用性和專用性的取舍會一直存在，而這也是AI協處理器存在的機會。

探境科技CEO魯勇：芯片的數據存儲管理要做好

安防領域的數據特點，其實主要在于需要實時的處理大量連續的圖像數據流。

第一是每秒處理幀率要越來越高，第二是圖像分辨率上要高。在這兩個維度上，安防對邊緣芯片提出了要求。

原先很多安防廠商采用Movidius的芯片實現前端智能，但我們認為它并不是非常適用于安防前端。不過Movidius的火爆，恰好說明了市場對邊緣端芯片的強大需求。

我的看法是，要突破AI安防芯片的瓶頸，并不能只是簡單的增加計算算力，而是一定要把數據存儲管理做好。

傳統芯片中，采用的是馮·諾伊曼架構，計算模塊和存儲單元是分開的，“內存墻”問題很嚴重。而AI依賴的算法是一個龐大和復雜的網絡，有很多參數要存儲，也需要完成大量的計算，需要巨大存儲容量，高帶寬、低延時的訪存能力。很多AI初創芯片公司，實際上都在努力解決這個問題。

而我們的思考是，不能采取通常的先有計算指令然后提供數據的方式，應該從存儲子系統的優化入手，讓數據在存儲之間的搬移過程之中完成計算。

這也可以叫做“基于memory的計算”，而不是“基于計算的memory”。

當前芯片領域對于AI算法的關注還較多，針對AI的結構改進嘗試還比較少。之后，memory與computing結合的嘗試，我相信會是一個好的方向。 

華夏芯CEO李科奕：提升AI芯片的易用性   

現在的安防市場上，已經出現了很多前端的AI加速器，但實際它們在應用上，還存在一些問題。

第一是價格太高。第二是可編程性不足。原先的通用芯片CPU很容易能實現編程，但AI加速模塊中并沒有指令集，無法編程，需要手工去調整。 

在安防領域也是一樣，廠商普遍反映的，不是AI芯片的性能，而是無論AI初創企業，還是傳統大廠設計的加速器都很復雜，AI加速器很難被用起來。

一般來說，通用芯片難以負荷對計算的高要求，AI專用芯片則在可編程性、靈活性上有所欠缺。目前應用較多的集成度高的Soc，將不同計算架構芯片集成在一起，需要多套編程程序，運行就容易帶來問題。這也是安防芯片廠商們，尤其是在安防前端應用上面臨的難題。

而業內目前看好的一種方式，就是將不同的芯片架構結合在一起，這就是“異構計算”。

異構計算的長處在于，能實現比較好的適應性和靈活性，在通用性和專用性上達成一個折衷。既能高效的處理數據，又能相對保證算法的及時更新和迭代。這也是我們在探索的一個方向。

現在在安防、自動駕駛等這些邊緣端的市場，對芯片的綜合要求非常高。芯片需要處理的數據量很大，同時對于性能、性價比、性能功耗比要求也很高。

但我們看好這些新興市場，因為邊緣端的需求量很大，而且相對于手機、云計算、PC端等這些已經很成熟的市場，給了芯片廠商更多創新，和在新市場中占據位置的機會。

欣博電子CEO梁敏學：很多AI安防芯片是同質化的

對于AI安防芯片來說，我認為“芯片+算法”的整合是最重要的。而對于具體一款芯片，最主要的指標應該是價格和穩定性。

芯片是“硬”的，算法是“軟”的，如何能將兩者更好的結合起來，這就需要加強芯片對底層運算加速算法的適應性。

現有芯片的問題，從技術角度來說，對前端的AI芯片算力的要求，對存儲問題的解決，都很重要，都需要靠算法和芯片架構一起來改善，比如說現在的算法就還比較耗帶寬。

再具體應用上，我認為AI安防芯片在安防攝像頭中作為協處理器，目前已經被主控芯片集成了，所以單純提供AI加速器并不占優勢。

而我們所做的，是開發編解碼能力、加密及AI能力三合一的芯片，為攝像頭提供安全加密。這也是我們相對于其他芯片廠商不同的一點。

從行業角度來說，現有AI芯片在安防行業應用落地上的主要問題，其實是同質化。

很多AI芯片廠商產出的芯片并沒有太大差別，一方面很多芯片達不到現有安防行業對前端AI芯片的要求，一方面又容易陷入芯片同質化競爭。

現在的安防芯片格局下，其實已經存在壟斷的生態，有大的行業玩家存在，那么做AI安防芯片如何找到自己的價值點，并做到差異化還是最難的。

人人智能CEO王海增：芯片行業很殘酷，遵循二元法則 

AI芯片前兩年很熱，“熱”的同時，也讓市場很浮躁，去年一年，業內就推出了十幾款AI芯片。

但在安防和芯片領域摸爬滾打多年，我們的看法是不去做純碎的單一芯片，而是做融合芯片、算法和系統的FaceOS視覺中間件，用在人證比對等。

在我看來，市場上可能只需要一款主流產品。芯片行業是很殘酷的，有個二元法則，就是老大吃肉，老二喝湯。老三、老四可能找不到名字。

綜合來說，我還是比較看好華為海思。在安防視頻芯片的領域，有華為海思這樣的對手存在，做視覺智能芯片幾乎沒有太多機會，這一事實很難改變。

之前，我們對比過這些芯片，發現芯片從高端到低端系列，海思的芯片布局很完整，渠道健全，而且功能幾乎比現有的幾個AI芯片廠商都更加領先，優勢很明顯。兩三年前，我們能看到這個市場很大，但不知道誰能跑出來，現在回過頭來再看，我們依然覺得海思跑的更靠前了。

另外，AI芯片領域雖然一直在談創新，但實際上，真正的創新還尚未到來。

算法的底層架構，如TensorFlow、Caffee等方面幾乎都是采用國外的架構。

底層的算法上面，國內幾乎還處于空白。這涉及很多基礎數學的問題。就像谷歌談張量計算芯片，是發覺了卷積使用的張量計算的模型和傳統模型不同，所以需要設計芯片設備，適應它的模型，這是算法型的創新。而且谷歌還發明了TensorFlow這樣的主要架構。

這些在國內還都是空白。雷鋒網雷鋒網雷鋒網

【CNCC 2019來了！】

10月17-19日，CNCC 2019 將在蘇州金雞湖國際會議中心舉辦，本次會議由中國計算機學會 (CCF) 主辦，蘇州工業園區管委會承辦。

CNCC 全稱為中國計算機大會，是我國計算領域規模最大、規格最高的學術、技術、產業交融互動的盛會。該會議創建于 2003 年，每年于不同城市舉辦，至今已成功舉辦十五屆。會議形式包括大會特邀報告、大會論壇、技術論壇、特色活動及展覽展示等。大會對本文提到的安防芯片領域的最新趨勢動向準備了豐富的內容，敬請關注。

如果你是個人參會，可以：

?通過官網cncc.ccf.org.cn參會報名

?申請論壇，作為論壇主席或講者參會

?申請資助參會，申請者限邊遠地區高校青年教師或學生

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。