算力是人工智能发展的核心动力，人工智能在行业应用领域的落地更需要计算能力足够强大的处理芯片。

    美国以芯片企业为核心的AI发展领导全球

　　目前AI芯片市场，无论是传统的半导体业者，还是所谓的初创企业，都开始投奔这个金矿。美国一直是人工智能基础芯片领域的领导者，尤其是在算法训练领域，以英伟达、英特尔、谷歌为代表的企业，引领者全球的发展。

　　英伟达

　　凭借具备识别、标记功能的图像处理器，在人工智能还未全面兴起之前，英伟达就先一步掌控了这一时机。在2016年，英伟达更是一连发布了多款针对深度学习的芯片，像4月份发布的一款可执行深度学习神经网络任务的Tesla P100 GPU，又比如9月份发布的基于Pascal架构的深度学习芯片Tesla P4和Tesla P40，其中，Pascal架构能助推深度学习加速65倍。除了研发芯片，英伟达还发布了多个用于不同领域的硬件和平台，进一步扩大了自己的人工智能布局。

　　ARM

　　迄今为止，全球85%的智能移动设备中都采取了ARM架构，其中，超过95%的智能手机运用了ARM的处理器，在智能硬件和物联网高速发展的如今，ARM有着绝对的地位，ARM所授权的芯片主要都用在了移动计算、智能汽车、安全系统和物联网。在智能汽车领域，包括NVIDIA、高通在内都是基于ARM设计开发了面向驾驶辅助系统的超级计算机。早前，对于收购ARM一事，软银CEO孙正义就曾明确表示ARM芯片将推动人工智能走向奇点。而在收购之后，软银也对ARM早已开始的人工智能项目"Blue Sky Program"表示了极大的支持。

　　Intel & Movidius

　　Movidius计算机视觉芯片及解决方案的行业黑马，于2016年9月被Intel收购， Movidius主要产品为Myriad系列集成芯片，开发者把它称为视觉处理器(VPU)。与传统GPU相比，它的特别之处在于它处理数据的方式。Myriad在感应器输入方面更加精准，无论是从接收手部位置或眼部追踪硬件的数据，还是将它们在虚拟环境中标识出来。Movidius Myriad2芯片具有深度神经网络处理能力，可以提供更精确的图像分析。通过深度神经网络和3D立体识别技术，海康威视称已达到99%的图像分析准确率。应用领域包括机动车类型分类、入侵者检测、可疑包裹预警及安全带检测。

　　除了与传统安防制造企业合作外，Movidius还通过与国内人工智能初创企业合作，开发适用于安防领域的智能模块及软硬件一体化产品。例如触景无限发布的全球首款基于Intel-Movidius芯片开发的嵌入式人脸抓拍系统，阅面科技最新发布的繁星AI芯片视觉模块当中的VPU采用的就是英特尔旗下的Movidius Myriad 2。

　　IBM

　　百年巨人IBM，在很早以前就发布过wtson，现在他的人工智能机器早就投入了很多的研制和研发中去。而在去年，他也按捺不住，投入到类人脑芯片的研发，那就是TrueNorth，邮票大小、重量只有几克，但却集成了54亿个硅晶体管，内置了4096个内核，100万个"神经元"、2.56亿个"突触"，能力相当于一台超级计算机，功耗却只有65毫瓦。

　　TrueNorth是IBM参与DARPA的研究项目SyNapse的最新成果。这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与CPU之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。

　　谷歌

　　谷歌的人工智能相关芯片就是TPU。也就是Tensor Processing Unit。TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行的更快，进而更快的让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。

　　微软

　　微软蛰伏六年，打造出了一个迎接AI世代的芯片。那就是Project Catapult。这个FPGA 目前已支持微软Bing，未来它们将会驱动基于深度神经网络--以人类大脑结构为基础建模的人工智能--的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片快上几个数量级。有了它，你的计算机屏幕只会空屏 23 毫秒而不是 4 秒。

　　的确以美国芯片企业为主给中国AI发展带来了福音，但是在目前具体细分行业应用中，昂贵的算力支出对国内众多企业而言是非常不划算的。廉价甚至普惠制的AI算力才是人工智能在国内实现落地的救命稻草。与此同时，国内众多芯片企业也都在寻求在AI芯片领域的突破。

　　国内人工智能芯片企业崛起

　　目前，国内包括华为在内的众多芯片企业以及初创人工智能芯片企业都瞄准安防行业亟需的AI算力需求，纷纷推出了针对行业不同领域的产品。例如，人工智能初创企业地平线发布的嵌入式人工智能芯片，其中旭日1.0处理器面向智能摄像头，能够在本地进行大规模人脸抓拍与识别、视频结构化处理等，可广泛用于商业、安防等多个实际应用场景；寒武纪1A处理器是世界首款商用深度学习专用处理器，面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备；中星微首款嵌入式神经网络处理器（NPU）芯片，基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率等等。

　　华为在2018年全连接大会上推出了两款AI芯片：昇腾910和昇腾310。两款芯片都采用达芬奇架构，其中华为昇腾910的单芯片计算密度最大，比目前最强的NVIDIAV100的125T还要高上一倍，昇腾310则是昇腾的mini系列，最大功耗仅8W，是极致高效计算低功耗AI芯片。主打终端低功耗AI场景，具有极致高效计算低功耗AISoC，目前已经量产。

　　另外，目前为安防企业提供传统视频解码芯片厂商也在积极布局AI升级。华为海思、安霸(Ambarella)都在近一年内推出了支持AI的安防边缘推断芯片。海思的HI3559A配备了双核神经网络加速引擎，并成为第一款支持8k视频的芯片；安霸也通过集成Cvflows张量处理器到最新的CV2S芯片中，以实现对CNN/DNN算法的支持。

　　国内外芯片企业扎堆安防领域

　　安防视频监控领域拥有海量的数据，能够为深度学习训练提供足够多的场景；另外近些年，智能算法的发展依托海量大数据，在语音识别和视觉方面取得重要的突破，呈现更快速的迭代。在国际权威人脸识别公开测试平台LFW上，排行前列的算法精度都已经超过了人类的识别精度。

　　在大数据与算法方面可以说已经满足了人工智能在安防领域落地的需求。另外一个核心要素即是拥有强大计算能力的处理芯片。在安防领域，各类芯片广泛分布于整个安防监控系统中，扮演着核心角色，芯片在很大程度上左右着智能安防系统的整体功能、技术指标、稳定性、能耗、成本等，并在安防行业未来发展发展脉络及方向上起到关键作用。安防产业从模拟进化到数字再到网络高清，以及当前的人工智能，无一例外得益于芯片技术的进步，尤其是AI安防芯片更是颇受关注。

　　目前，国内外的AI芯片企业纷纷扎堆国内安防领域，强势介入。近两年，NVIDIA依靠GPU与英特尔依靠收购的Movidius在安博会上大放异彩，与普通的芯片相比，这些世界顶级的专业芯片供应商在芯片的运算性能及功耗方面，做得更加的出色，在以安防机器视觉分析为核心的业务技术领域，更加切合当下智能分析对人脸与车辆的识别，识别速度与准确率在复杂场景下都有了很好的提升。

　　例如英伟达作为目前最大的人工智能芯片GPU的生产商，近两年一直在大力拓展安防应用领域，目前国内众多知名企业都在使用NVIDIA的GPU，包括海康威视、大华股份，宇视科技，包括商汤、旷视、天地伟业、北京文安、深网和久凌等。同时国内的众多芯片企业也把安防作为业务发力重点，无论是华为、中星微还是初创的AI芯片企业地平线、寒武纪以及比特大陆，都推出了相应的产品与解决方案。