AI芯片云边结合成趋势

纯中心分析模式已无法满足大范围智能安防应用的需求，云边结合将成主流。如果将前端视频流直接传输到后端服务器进行人脸识别等智能分析，至少会产生3个方面的问题，而这些问题都能通过云边结合的方式，利用智能化前端设备很好地解决。

纯中心分析模式存在问题

带宽压力。中心分析模式下，传输的是7*24小时不间断的实时视频流。智能分析需要较高清晰度的视频，单个200万像素高清摄像机即使采用最新的H.265编码，每天需要传输的数据量仍然高达20G左右。前端摄像头数量达到一定规模时，对传输和存储的压力巨大。而在前端抓拍+中心分析模式下，传输的是图片流，仅在有人脸抓拍图片的情况下才需要占用带宽，极大地节省了带宽和存储资源。

实时性。在一些应用，比如对重点人员布控预警中，要求系统有很高的实时性。中心分析模式下人脸识别、人脸建模比对等都依赖于中心服务器。但在大规模部署前端的情况下，中心服务器压力巨大，计算资源的限制影响了实时性。根据海康威视的实测数据，纯中心分析模式下，报警延时在15~20s，而前端抓拍+中心分析模式下，报警延时不超过3s。

准确度。中心分析模式下，前端设备传输到服务器的视频流是经过编码压缩的，损失了很多细节，也因此影响了识别准确度。而前端人脸识别基于压缩前的原始码流分析，避免了压缩的损失，提供给中心的图片质量更高，是保证系统准确度的关键因素。

边缘计算带来的优势

随着边缘计算兴起，“云边结合”方案渐成主流。与将数据放在远程云端的云计算相比，边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务，优势在于即时性强、反应迅速、低传输成本。预计到2020年将有超过500亿的终端与设备互联，未来超过50%的数据需要在边缘侧分析、处理和储存。这一趋势对前端设备的计算能力提出了高要求，直接反映在对前端芯片的需求升级上。

具体到视频监控领域，具备智能计算能力的智能摄像头将大大提高视频处理及时性、节约带宽和人力成本。视频监控系统是一种天然的物联网系统，在边缘计算的应用方面还有很大的潜力。摄像机作为机器的眼睛，已经实现了从“看得见”到“看得清”的转变。如果摄像机能够“看得懂”，实现对视频图像内容的实时处理，将能够极大地降低信息传输系统和后端设备的负担，并提升整个安防系统的响应速度。

比如在人脸识别应用当中，通过前端抓拍+中心分析的前后端智能相结合的模式，将人脸识别智能算法前置，在前端摄像机内置高性能智能芯片，通过边缘计算，将人脸识别抓图的压力分摊到前端，解放中心的计算资源，以集中优势计算资源做更高效的分析。

云边结合成趋势

云边结合的趋势下，前端智能芯片迎来更大机会。由于云边结合的原理是将智能算法前置，通过边缘计算，将人脸识别等应用的抓图的压力分摊到前端，解放中心的计算资源。因此，需要在摄像机内布置高性能智能芯片。

目前的主流方案是采用GPU，如NVIDIA的JETSONTX系列嵌入式芯片(海康深眸);也可使用高通等的通用芯片，搭配特定算法进行图像抓取(苏州科达);还可以用IPC芯片搭配专用协处理器的方式(北京君正T20+T01方案)。云边结合的趋势为芯片厂商打开了新空间。

在去年12月底，召开的华为智能计算大会上，华为智能计算业务部总裁邱隆指出，华为智能计算将结合华为的四大能力，通过芯片和技术创新，来满足客户期望的算力，通过云边协同的架构和高带宽、低延迟、无缝的网络覆盖实现数据的协同和互通;通过一体化解决方案来降低人工智能使用的门槛，让AI更简单，像使用水电一样便利。

目前，安防行业中云边结合正在逐步落地，海康威视在2018年一直大力倡导AI Cloud架构，该架构由云中心、边缘域、边缘节点三部分构成，实现从端到中心的边缘计算+云计算，使得图像目标细节传输更高效，数据分级应用更加灵活。