从业者也需沉心思考：安防究竟需要一款怎样的AI芯片？

雷锋网& AI掘金志去年曾统计，在国内创立的13家AI芯片公司中，超过10家都布局了安防（智慧城市）相关市场。

在这场世纪大争斗中，从业者也需沉心思考：安防究竟需要一款怎样的AI芯片？专用芯片是否会成为主流？端侧和云侧需要的AI芯片又有何不同？

对于这些疑问，宇视总裁张鹏国近日在接受AI掘金志专访时，给出了他的答案。

张鹏国对于行业市场的判断、技术走向的预测有着敏锐的直觉和出色的洞察力。

2017年深圳安博会期间，宇视总裁张鹏国在接受AI掘金志采访时就曾提到，以算法起家的AI创业公司，未来大概率会有三种活法：

1.蜕变成行业解决方案提供商

2.从算法到算力，软硬件一手抓

3.被收购或者直接消失

一众公司两年时间的不断试错也的确验证了张鹏国此前的预判。

随着AI 在安防等行业的不断渗透，今天的技术价值中心也的确逐渐由软件算法层转移至核心算力层。

眼下，站在AI芯片方兴未艾的十字路口，张鹏国又作出了怎样的技术预判？

以下是AI掘金志与张鹏国的访谈内容：

AI掘金志：传统芯片公司、传统安防厂商、AI初创芯片企业，目前多股势力都在布局AI安防芯片。有的在芯片生态上比较完善、有的更了解安防行业的需求，有的则在加速方面能做到更优。你认为，哪一类企业的赢面会更大？

张鹏国：不同厂家可以基于自身优势和资源，选取不同的突破方向，生态、业务、性能各有优点，其实都是很好的出发点。

但实际上，安防行业也有它的特点，场景比较碎片化。所以做安防芯片必须要跨过的坎是，要做到约500万片的数量才有成本优势，目前仅有包括海大宇等为数不多的厂商有这个实力。

所以，很多AI芯片厂商其实面临很大挑战。此外，产品开发、前端、存储、组织建设都需要相应时间的积累。

好的芯片一定是在实际场景中打磨迭代而来的，怎么去破解“用金钱投入换取时间”是目前最大的难点，没有10年左右的打磨，其实很难达到AI工程化交付的能力。

AI掘金志：一款芯片是否达到AI工程化交付能力，主要看哪几个指标？

张鹏国：“AI算力”确实是衡量AI芯片指标的重要因素之一。回到2014年，人工智能刚刚兴起的时候，端侧的AI芯片算力仅有0.2Tops，云侧的AI芯片算力仅有5Tops；但现在端侧AI芯片算力已经达到4Tops，云侧的AI芯片算力达到了256Tops。

但只看AI算力肯定远远不够，由于应用场景不同，端侧芯片和云侧芯片需要分开看。

AI掘金志：在端侧，你认为需要怎样的AI芯片？

张鹏国：安防芯片本身竞争力、AI芯片与安防芯片的集成方式、开发工具成熟度与易用性、功耗与价格等。

一是安防芯片本身竞争力。

安防领域，端侧一直用的是安防专用芯片，并不存在通用芯片。即使AI时代，端侧芯片首先需要的是有竞争力的安防芯片，其次才是在这基础上叠加AI算力。比如，OS、安防SDK、ISP、编码都非常重要。这就对芯片厂商的综合要求很高，安防需要的是具备完备能力的芯片。端侧芯片虽然体积小价格低，但系统复杂度、技术难度一点都不低。

二是AI芯片与安防芯片的集成方式。

比较早的时候，AI落地端侧，采用的是在主芯片边上加一颗AI协处理器，即两颗芯片的方式。但现在，合二为一的方案已是主流，在系统复杂度、成本、功耗上都更有竞争力。

三是开发工具成熟度与易用性。

芯片的软件开发工具非常重要，比如是不是能支持Caffe、Tensorflow、Pytorch等主流深度学习框架，相关工具是不是易用、稳定，对于AI应用开发者来说都非常重要，如果开发工具不成熟或不易用，很容易就会被开发者抛弃了。

四是功耗与价格。端侧设备，对功耗和价格都非常敏感。

AI掘金志：云侧呢？

张鹏国：解码能力、大数据并发效率、开发工具成熟度与易用性、功耗以及价格。

一是解码能力。

云侧芯片处理的是经过编码的图片或视频，需要解码。在芯片设计上，需要内嵌专门的硬解码模块，不占用AI算力；另外，解码能力上必须不能低于AI处理能力，不然解码就会成为瓶颈。

二是大数据并发效率。

现在云侧芯片的AI处理能力非常强，所以大数据并发交互的效率非常重要，大数据并发效率决定了AI算力实际能发挥多少。

三是功耗与价格。

虽然这方面云侧芯片没有端侧芯片那么敏感，但低功耗与低价格永远都是用户的诉求。

AI掘金志：对于AI安防芯片的通用还是专用，你认为应该如何平衡？

张鹏国：AI安防芯片要看它是用在端还是后台，端芯片的应用关注算力和能耗，追求算力和能耗持续提升，这样就能让计算在前端完成，减少传输的压力，让后端专注于后端算力的提升，前端作为基本算力的存储。

AI芯片最重要的问题在于是否都能适配，所以就存在一个问题：AI芯片是通用芯片还是专用芯片，专用芯片对特殊场景会有优化和措施，灵活性会下降；通用芯片，通用性更强，能耗相应就会上升。

后台没有专门的AI芯片，因为要求更加通用化、多算法，因此需要思考如何做好通用性和各种算法的同时调度能力。

AI掘金志：在AI算法还没有完全成熟的时候做芯片，怎么平衡好AI安防芯片和快速迭代的算法之间的问题？

张鹏国：市面上绝大多数AI芯片不直接做“算法”，而只是做好“提供算力”、“提供底层算子”。

一方面AI算法迭代变化很快，无法固化到芯片中；另一方面，AI的场景化特点导致一个算法无法通吃所有场景。

以人脸识别为例，用于人脸门禁的算法和用于静态人脸检索的算法是两个不同的算法。所以，多数AI芯片厂商是“提供算力”、“提供底层算子”的思路，“算法”留给具备算法开发能力的安防厂商去做。

但AI安防芯片厂商需要加强，对底层运算加速算法的适应性。

AI掘金志：AI芯片在安防摄像头中的位置是如何的，如果仅作为协处理器，是否会被主控芯片集成，只能在窗口期独立存在？

张鹏国：早期AI落地端侧，是在主芯片边上加一颗AI协处理器，即两颗芯片。

如今，合二为一的方案已经成为主流，是目前的既成事实。在系统复杂度、成本、功耗上都更具竞争力，协处理器已经被淘汰了。

AI掘金志：你怎么看目前的AI芯片领域竞争态势？

张鹏国：分久必合，合久必分。

AI掘金志：怎么说？你是看到了什么潜在问题吗？

张鹏国：AI主控芯片在AI能力比较弱的情况下，对安防摄像头的端有很大促进作用，但还是要分成专用和通用来看，如果是专用芯片，要看主控芯片是否需要集成过来；如果是通用芯片，要看通用性和能耗。

总之，需要关注综合成本和综合能耗，哪个更优，这一点要看市场、用户及产品本身。

在具体应用当中，算法仍是通用的，算法是专用还是通用没有定论，端侧和云侧在应用方向不一致，AI芯片到底是分两种路径，还是融合在一起走，行业也还在探索中。通用和专用的说法不同，哪家能越做越大是不确定的，每家都有不同观点。

在公安应用中，人脸摄像机是否还有用通用或专用芯片的空间，各自说辞不同，需要时间来总结和提炼AI应用场景的特性。

AI掘金志：未来，安防是否也会像手机、PC端一样形成类似ARM-安卓、Intel-微软的生态？届时，怎样的芯片厂商能参与构建这个生态，AI芯片将在其中扮演怎样的角色？

张鹏国：如果放在摄像头方面，也许会有这样的可能，但是在后端不太可能。

在中国市场，很多用户要求不能受限于一个算法厂家的方案，在前端方案中或许会形成某种算法和芯片厂商的结盟，这样的生态要看是否有巨头来拉动，但目前我们还没看到这样的巨头。

华为也许是，拭目以待。