安防視訊監控產業鏈（附今年50強企業）

和去年一樣，仍然令人意外的是中國安防企業宇視科技、東方網力等沒有上榜。小編記得去年的榜單出爐後，引起了較大爭議，A&S給出了進一步解釋：

全球安防50強是以全球市場的銷售額作為考衡，並以自願提供具有註冊會計師或會計事務所審計及認可的上市公司或私營企業的財務報表為依據，所以一些知名優秀的企業由於各種原因，並沒有上榜，如期間進行資本運作而沒有提交報表參與的宇視科技、企業內部調整無法提交安防財報的霍尼韋爾、因安防營收的拆分統計錯過提報時間的華為、海外營銷佔比不符要求的東方網力（2016年營收14.81億元）、安居寶（2016年營收7.6億元）等。

安防行業發展歷史

安防發展史分為四個階段：模擬化——數字化——網路化/高清化/智慧化——AI 化。貫穿於這個行業背景下，中國安防企業的成長史則是：賣元件——賣後端——賣裝置——賣方案——賣智慧方案。

國內安防人工智慧化產業鏈相關公司

資料來源：興業證券經濟與金融研究院整理

AI 與安防產業鏈結合

資料來源：億歐、興業證券經濟與金融研究院整理

視訊監控系統結構介紹

對於前端的晶片，模擬攝像機一般為ISP，網路攝像機則是集成了包括ISP、CPU、編碼模組及其他功能模組的IPC SoC。一般而言，前端智慧化的實現即通過在IPC SoC 中整合視訊智慧處理模組。目前，視訊監控SoC 以110nm/55nm 工藝為主流，少數領先企業開始使用28nm 工藝。

對於後端的晶片，視訊處理壓力較大，往往需要高密度整合較強算力的晶片，以英偉達的GPU 為主。由於DVR 系統自身具備視訊採集、編碼壓縮、儲存、管理一系列功能，可以獨立工作，比較適合本地系統構建；而NVR 採用開放的IP 架構，需要與編碼器、管理平臺、作業系統、網路傳輸配合使用，因此適合於分散式的大型視訊監控系統，諸如雲中心。

典型IPC SoC 架構

資料來源：富瀚微、興業證券經濟與金融研究院整理

典型DVR SoC 架構

資料來源：富瀚微、興業證券經濟與金融研究院整理

AI 賦能邊緣，前端智慧化對於安防架構有重大益處。根據IDC 預計，到2020 年，物聯網感知裝置數量將達到500 億部，約50%的計算量在邊緣完成。前端智慧化帶來較大益處，提升感知精度，提升感測速度，減小傳輸過程的噪音影響，降低傳輸成本，降低儲存成本。諸如海康的AI Cloud，通過邊緣節點、邊緣域進行實時感知，通過雲中心進行集中式認知。

GPU 成本最高，專用晶片的開發將推動安防行業智慧化滲透提升。前端攝像頭人工智慧晶片主要包括GPU、ASIC、FGPA。由於GPU 成本高、功耗高、且推理階段效率低，因為業界在積極開發GPU 的替代方案ASIC 及FGPA。隨著技術開發的完成，前端SoC 實現人工智慧的成本更低、功耗更低同時效率也將更高，屆時AI 賦能前端，安防行業將會獲得較大發展。

與FPGA 相比，ASIC 開發速度較慢但量產後價效比更高。ASIC 通過定製的方法，自行設計或通過標準邏輯單元進行系統設計，諸如Intel 的EyeQ 系列、Google 的TPU，均是ASIC。FPGA 即現場可程式設計門陣列，是具備可程式設計特性的半定製電路，可以通過程式設計將FPGA 內部的可編輯元件進行組合形成所需要的邏輯功能。FPGA由於開發速度較快，是對當前降低前端智慧化成本的有效方案，ASIC 低成本、低功耗、高算力，但開發難度較高，將在未來逐漸成為前端智慧化的主流。

綜上所述，GPU 為目前安防AI 應用的主流，FPGA 有望承接GPU 成為過渡產品，未來發展趨勢為ASIC。這個趨勢背後反映的是成本效益關係，安防行業起初最為通用、成熟、適於訓練的GPU，承受較高成本追趕深度學習，這一階段的GPU 單價高達幾百美金；其次用較快開發，效能居中的FPGA 進行替代，這階段成本下降至幾十美金；最後經過深度開發，推出可以大規模量產的具有價效比優勢的AISC，嵌入到傳統僅需要幾美金的IPC SoC，價格被大幅度壓縮。

文章源自Ittbank，僅供交流參考