目前，安防产业已进入数据爆炸时代。近年来视频安防产业在平安城市、智慧交通等的推动下获得了极大的发展，监控设备的覆盖范围、部署密度等都有了显著的提升。与此同时，随着网络基础设施的完善、设备成本的下降及通信协议的升级，高清网络摄像头逐渐成为市场的主流选择，带来视频监控市场的二次变革。

　　IHS预计，2017年全球专业销售渠道将出货9800万台网络监控摄像头，其中2900万台为高清设备。在大范围、高密度、高清晰度的趋势下，视频监控数据量成倍增长。国内现有的监控设备每月将产生数百EB级（1EB约为1百万GB）的数据，安防产业已进入数据爆炸时代。

　　面对海量监控数据，已经无法通过传统的人力识别方式进行实时监看。对此，只有通过不同程度的智能化处理，实现对视频敏感信息的快速自动定位，并进行结构化的存储，以便后续快速检索查找。当前，视频监控智能化在部分应用领域已经展现出其强大的效能，如车辆违章自动抓拍、人员侵入自动报警等。未来，智能化分析凭借其即时、准确、低成本的优势，在更多视频监控应用场合取代人力将是大势所趋。

　　视频监控获取的图像常常会因为光线、天气、目标物的运动等外部因素影响而难以控质量。要实现更准确的智能识别，就需要利用深度学习算法，让视频监控的前端或后端设备通过大量的各类视频数据训练，获得自动处理复杂视频信息的能力。

　　算力是决定AI最终表现的重要因素，芯片作为算力提供核心，在这一过程中扮演了至关重要的角色。

　　目前最主流的选择是GPU。传统的ARM或者X86架构的中央处理器CPU构造复杂，擅长处理复杂运算场景，单次逻辑运算能力强大。然而AI算法不同于传统算法，其程序指令并不复杂，但需要对海量数据进行多次重复运算，CPU并不擅长此类工作。同时摩尔定律如今逐渐失效，CPU性能发展遇到瓶颈，想获得大幅的突破十分困难。而图形处理器GPU则是专门用来进行图像数据计算的处理器，在执行AI算法上有着天然的优势。CPU上用于计算的晶体管单元（ALU）只占20%左右，而GPU则高达80%，运算效率明显占优。

　　对AI芯片而言，目前产业化最快的是图片和视频的大数据处理，应用最多的地方是视频监控领域。图像和视频的人工智能处理，是目前AI芯片商业化前景最乐观的赛道，也是玩家们弯道超车的最佳机会。