雷鋒網& AI掘金志去年曾統計，在國內創立的13家AI芯片公司中，超過10家都布局了安防（智慧城市）相關市場。

在這場世紀大爭斗中，從業者也需沉心思考：安防究竟需要一款怎樣的AI芯片？專用芯片是否會成為主流？端側和云側需要的AI芯片又有何不同？

對于這些疑問，宇視總裁張鵬國近日在接受AI掘金志專訪時，給出了他的答案。

張鵬國對于行業市場的判斷、技術走向的預測有著敏銳的直覺和出色的洞察力。

2017年深圳安博會期間，宇視總裁張鵬國在接受AI掘金志采訪時就曾提到，以算法起家的AI創業公司，未來大概率會有三種活法：

1.蛻變成行業解決方案提供商

2.從算法到算力，軟硬件一手抓

3.被收購或者直接消失

一眾公司兩年時間的不斷試錯也的確驗證了張鵬國此前的預判。

隨著AI 在安防等行業的不斷滲透，今天的技術價值中心也的確逐漸由軟件算法層轉移至核心算力層。

眼下，站在AI芯片方興未艾的十字路口，張鵬國又作出了怎樣的技術預判？

以下是AI掘金志與張鵬國的訪談內容：

AI掘金志：傳統芯片公司、傳統安防廠商、AI初創芯片企業，目前多股勢力都在布局AI安防芯片。有的在芯片生態上比較完善、有的更了解安防行業的需求，有的則在加速方面能做到更優。你認為，哪一類企業的贏面會更大？

張鵬國：不同廠家可以基于自身優勢和資源，選取不同的突破方向，生態、業務、性能各有優點，其實都是很好的出發點。

但實際上，安防行業也有它的特點，場景比較碎片化。所以做安防芯片必須要跨過的坎是，要做到約500萬片的數量才有成本優勢，目前僅有包括海大宇等為數不多的廠商有這個實力。

所以，很多AI芯片廠商其實面臨很大挑戰。此外，產品開發、前端、存儲、組織建設都需要相應時間的積累。

好的芯片一定是在實際場景中打磨迭代而來的，怎么去破解“用金錢投入換取時間”是目前最大的難點，沒有10年左右的打磨，其實很難達到AI工程化交付的能力。

AI掘金志：一款芯片是否達到AI工程化交付能力，主要看哪幾個指標？

張鵬國：“AI算力”確實是衡量AI芯片指標的重要因素之一。回到2014年，人工智能剛剛興起的時候，端側的AI芯片算力僅有0.2Tops，云側的AI芯片算力僅有5Tops；但現在端側AI芯片算力已經達到4Tops，云側的AI芯片算力達到了256Tops。

但只看AI算力肯定遠遠不夠，由于應用場景不同，端側芯片和云側芯片需要分開看。

AI掘金志：在端側，你認為需要怎樣的AI芯片？

張鵬國：安防芯片本身競爭力、AI芯片與安防芯片的集成方式、開發工具成熟度與易用性、功耗與價格等。

一是安防芯片本身競爭力。

安防領域，端側一直用的是安防專用芯片，并不存在通用芯片。即使AI時代，端側芯片首先需要的是有競爭力的安防芯片，其次才是在這基礎上疊加AI算力。比如，OS、安防SDK、ISP、編碼都非常重要。這就對芯片廠商的綜合要求很高，安防需要的是具備完備能力的芯片。端側芯片雖然體積小價格低，但系統復雜度、技術難度一點都不低。

二是AI芯片與安防芯片的集成方式。

比較早的時候，AI落地端側，采用的是在主芯片邊上加一顆AI協處理器，即兩顆芯片的方式。但現在，合二為一的方案已是主流，在系統復雜度、成本、功耗上都更有競爭力。

三是開發工具成熟度與易用性。

芯片的軟件開發工具非常重要，比如是不是能支持Caffe、Tensorflow、Pytorch等主流深度學習框架，相關工具是不是易用、穩定，對于AI應用開發者來說都非常重要，如果開發工具不成熟或不易用，很容易就會被開發者拋棄了。

四是功耗與價格。端側設備，對功耗和價格都非常敏感。

AI掘金志：云側呢？

張鵬國：解碼能力、大數據并發效率、開發工具成熟度與易用性、功耗以及價格。

一是解碼能力。

云側芯片處理的是經過編碼的圖片或視頻，需要解碼。在芯片設計上，需要內嵌專門的硬解碼模塊，不占用AI算力；另外，解碼能力上必須不能低于AI處理能力，不然解碼就會成為瓶頸。

二是大數據并發效率。

現在云側芯片的AI處理能力非常強，所以大數據并發交互的效率非常重要，大數據并發效率決定了AI算力實際能發揮多少。

三是功耗與價格。

雖然這方面云側芯片沒有端側芯片那么敏感，但低功耗與低價格永遠都是用戶的訴求。

AI掘金志：對于AI安防芯片的通用還是專用，你認為應該如何平衡？

張鵬國：AI安防芯片要看它是用在端還是后臺，端芯片的應用關注算力和能耗，追求算力和能耗持續提升，這樣就能讓計算在前端完成，減少傳輸的壓力，讓后端專注于后端算力的提升，前端作為基本算力的存儲。

AI芯片最重要的問題在于是否都能適配，所以就存在一個問題：AI芯片是通用芯片還是專用芯片，專用芯片對特殊場景會有優化和措施，靈活性會下降；通用芯片，通用性更強，能耗相應就會上升。

后臺沒有專門的AI芯片，因為要求更加通用化、多算法，因此需要思考如何做好通用性和各種算法的同時調度能力。

AI掘金志：在AI算法還沒有完全成熟的時候做芯片，怎么平衡好AI安防芯片和快速迭代的算法之間的問題？

張鵬國：市面上絕大多數AI芯片不直接做“算法”，而只是做好“提供算力”、“提供底層算子”。

一方面AI算法迭代變化很快，無法固化到芯片中；另一方面，AI的場景化特點導致一個算法無法通吃所有場景。

以人臉識別為例，用于人臉門禁的算法和用于靜態人臉檢索的算法是兩個不同的算法。所以，多數AI芯片廠商是“提供算力”、“提供底層算子”的思路，“算法”留給具備算法開發能力的安防廠商去做。

但AI安防芯片廠商需要加強，對底層運算加速算法的適應性。

AI掘金志：AI芯片在安防攝像頭中的位置是如何的，如果僅作為協處理器，是否會被主控芯片集成，只能在窗口期獨立存在？

張鵬國：早期AI落地端側，是在主芯片邊上加一顆AI協處理器，即兩顆芯片。

如今，合二為一的方案已經成為主流，是目前的既成事實。在系統復雜度、成本、功耗上都更具競爭力，協處理器已經被淘汰了。

AI掘金志：你怎么看目前的AI芯片領域競爭態勢？

張鵬國：分久必合，合久必分。

AI掘金志：怎么說？你是看到了什么潛在問題嗎？

張鵬國：AI主控芯片在AI能力比較弱的情況下，對安防攝像頭的端有很大促進作用，但還是要分成專用和通用來看，如果是專用芯片，要看主控芯片是否需要集成過來；如果是通用芯片，要看通用性和能耗。

總之，需要關注綜合成本和綜合能耗，哪個更優，這一點要看市場、用戶及產品本身。

在具體應用當中，算法仍是通用的，算法是專用還是通用沒有定論，端側和云側在應用方向不一致，AI芯片到底是分兩種路徑，還是融合在一起走，行業也還在探索中。通用和專用的說法不同，哪家能越做越大是不確定的，每家都有不同觀點。

在公安應用中，人臉攝像機是否還有用通用或專用芯片的空間，各自說辭不同，需要時間來總結和提煉AI應用場景的特性。

AI掘金志：未來，安防是否也會像手機、PC端一樣形成類似ARM-安卓、Intel-微軟的生態？屆時，怎樣的芯片廠商能參與構建這個生態，AI芯片將在其中扮演怎樣的角色？

張鵬國：如果放在攝像頭方面，也許會有這樣的可能，但是在后端不太可能。

在中國市場，很多用戶要求不能受限于一個算法廠家的方案，在前端方案中或許會形成某種算法和芯片廠商的結盟，這樣的生態要看是否有巨頭來拉動，但目前我們還沒看到這樣的巨頭。

華為也許是，拭目以待。