安防芯片的比拼
在AI安防芯片上,各种市场力量的试水即将接近尾声。
近两年来,AI安防芯片掀起了热潮。仅去年一年,业内就推出了十几款AI芯片。
但安防厂商在应用芯片时也发现,这些AI芯片易用性较差,单纯的算力高指标芯片,其实同质化很严重,并不适合安防场景。
一面是“万众创芯”,AI初创芯片企业、传统芯片企业、传统安防厂商纷纷涌入,陆续开启自己的造芯计划;另一面,市场喧嚣后,AI芯片实际的落地需求相对于硬性指标,也逐渐成为造芯和用芯的重点。由此,安防厂商在这场造芯战役中的行业角色也更为凸显。
AI安防芯片,不能纯看算力
AI芯片对于安防智能化升级之重要性,可类比船桨之于舟。
从前端摄像头提高边缘智能,到后端服务器进行大规模训练分析,部署端到端的“算力+算法”一体化解决方案,显然已经成为安防行业新的价值点所在。
于是,一场造芯的战役也随之打响。
AI芯片厂商“拿钉子找锤子”,率先瞄准了安防这一市场;而传统视觉芯片厂商也纷纷在原有芯片中开始加入AI模块。
如果说什么是衡量一款AI芯片的有力指标,大部分人给出的反应,应该是“算力”、“能耗比”等这些直观数据。
但在实际使用时,这些计算核的利用率非常低,甚至很多计算种类不支持。
芯片要做软硬一体,做“傻瓜式”移植
“从行业应用落地来说,一个标称多高多高的硬件是远远不够的,如果方案方无法快速高效地将自己的算法和方案在此硬件上得以实现并快速推向市场,那这样的芯片注定是失败的。”方伟说道。
这其实指向的,就是芯片的软硬一体化问题。
没有比较完善的软件生态来耦合芯片,用户其实很难动态部署符合他们需求的方案。
以算法为例,用户的迫切需求是,利用算法开发平台把算法训练出来后,只需进行“傻瓜式”移植,就能将其应用在人工智能芯片上,产品随之迅速出炉。但实际情况是,算法移植到人工智能芯片时还需要花很多时间进行硬件化改造,让它适应芯片的硬件。
除了算法本身,软件层面还包括算法的移植、芯片驱动程序、配套软件工具、人机交互界面等。这就像电脑不仅仅需要好的处理器,还需要好的操作系统一样。
而支持算法框架不够,或扩展性不强的芯片,在使用时,就需要用户的算法开发人员投入大量的精力对自身算法进行改变甚至重新设计,甚至有时花费很多精力也无法达成。
这也是IP往往无法直接使用开源网路框架,即用其编译器无法编译的原因。
除此之外,芯片生态的另一面,是技术保护和利益分配问题。
为了能够让用户快速部署和使用芯片,很多芯片供应商在推自己芯片时也在推销自己的方案或算法,又或提供人力帮助方案方进行方案开发。
但应用方案方出于对自身技术及市场价值的保护,和芯片厂商间也很难合作,这样就形成了不可逾越的障碍。
要越过这个障碍,必然要求芯片的AI开发、优化工具足够的开放、通用和有继承性,方案方可在保护自身知识产权的情况下进行快速的移植或新开发。
举个极端的例子:如果能做到如原GPGPU开发界面那样的生态,在任意PC上都能验证算法能效和精度,方案方必然会毫无障碍的引入。
另外,一个创新应用所需算法需要近百人半年到一年的时间去移植到特定一款芯片。而厂商每季度都需要在市场上推广多种产品和应用,算法移植到芯片的时间成本过高,显然赶不上厂商推出新产品的速度。
因而,在足够强势易用的AI安防芯片产品出现之前,市场上依然还是“诸侯割据混战”的局面。
进入人工智能时代之后,行业对视频监控企业的需求,可以说,就从以单纯硬件的提供商为主,转变为在芯片、硬件产品、算法全生态布局。
可提供软硬件一体化的解决方案提供商,在行业中扮演着更重要的角色,也进一步提高了行业进入的技术壁垒。
在这场混合大战中,能够先研发出自己的AI芯片的厂商,就能在比较务实、看重性价比的安防行业获得更多潜在市场。
而在芯片领域的发展上,大华所做的并不是想着如何替代别人,而是如何增强整体解决方案能力,打造跨场景跨域的全方位安防系统,用差异化芯片,更好的迎接安防“后人脸”时代的到来。
本文来源雷锋网。产权及免责声明:本文系转载编辑文章,对文中观点保持中立,对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证,不对文章观点负责,仅作分享之用。如果分享内容侵犯您的版权或者非授 权发布,请及时与我们联系进行删除处理。