2022屆安防展觀展感悟

非常感謝公司提供的機會，讓我能夠有這樣的機會參觀這場技術和產品的饕餮盛宴，半天多的時間，能夠非常近距離接觸友商，客戶，以及處于產業鏈不同環節的公司和它們的產品，讓我獲益良多，這里對我個人的觀展記錄進行總結和分享，

我觀展的主題圍繞AI在產品中的應用落地進行，下面分別從AI的應用場景，芯片演算法，軟體技術堆疊幾個維度來總結分享，

1.場景挖掘

應用場景方面，AI應用場景定義越來越細膩，AI是一項相對碎片化的技術，很難作為主體功能定義產品，這決定了它必須落地到具體的場景中，才能實作它的價值，過去幾年，行業逐漸對一些常見的場景進行了智能化改造，有些產品形態已經比較成熟，競爭也會越來越激烈，未來，行業參與者將會挖掘越來越多的新場景來定義產品，這方面整個產業界包括AI演算法廠商和系統方案商和終端設備廠商都有參與其中，這次展會，我看到了很多廠商提出了自己定義的應用場景，比如，智慧工地，智慧校園，智慧園區，智慧云廈，智慧空間，智能樓宇，智慧商場，智慧停車，智能教育，智慧通行，智慧社區，智慧辦公，智慧出行，智慧身份驗核，智慧鎖，防火減災，，，等等不一而足，這些做法是在擴大AI的應用場景邊界，做大產業蛋糕，至少先做大自己擅長的那塊兒，率先進軍自己熟悉的場景領域建立技術壁壘或者技術標準，

尤其AI和IOT結合后，成為AIOT，場景定義更加泛化，幾乎無所不在，無所不包，AI定義變成了”不缺少AI場景，只是缺少善于發現的眼睛”. 比較有代表性的比如熵基科技的智慧云廈方案，它的方案架構如下圖所示，其實整個架構去掉AI的成分，也是一個合理的治理方案，針對小區大廈的管理，挖掘AI的使用場景，通過無所不在的傳感器，IPC攝像頭，安防監控，IOT互聯網路等將AI功能賦能給最終用戶，

類似的方案還有云天厲飛智慧校園，云從科技的智慧園區，智慧工地等等，

很多其它的場景挖掘也是類似的思路，比如涂鴉智能的智能嬰兒看護器，讓家長對寶寶的獨處時候的安全更加放心，曠視科技的智能結構化人流行為統計分析能夠統計集會，擁擠，繁華街區等場景下人們的行為，能夠辨識出聚眾，扭打，偷竊，摔倒，打電話，闖紅綠燈，奔跑，抽煙，醉酒等行為，這些場景資訊為公共安全管理部門提供了精確的資訊輸入，提高了這些部門的作業效率，也是歸因于對各類場景的挖掘，

在這些方案場景中，AI并非是挑大梁的技術，更多的作為錦上添花的功能賦能產品，但是當用戶使用習慣一旦養成，就會成為產品的剛需，這些方案的算力要求總體上分布在0.5T-2T之間，其中大部分的場景，比如停車廠，小區物業管理，校園，門禁系統等等一般的1T以下算力都可以滿足場景需求，這方面，我們公司的V853/V851/V831/V833等均滿足這方面的指標，有些友商比如億智的SV系列，漢王科技在它們的智慧門禁產品上有使用，算力上和我們的V831相當，

曠視科技的3D自校準技術，可以辨別二維重疊的目標物體是否在三維角度真的重疊，可以根據車形，人形資訊，利用演算法將二維平面圖轉換為3D視圖，有效辨別人流密集，車流碰撞等資訊，

于場景安全方面，云天厲飛，曠視科技，熵基科技等多家廠商都提出了自己的解決方案，包括指掌紋識別，靜脈識別，紅外識別，3D點云識別，3D結構光技術，主動式活體檢測，混合生物識別，虹膜檢測，雙模態人臉識別，辨別授權用戶和非法用戶，保證使用場景的安全，

?芯片演算法

不止是AI演算法廠商，包括各類的方案商和終端廠商都聲稱擁有自己的核心演算法，可能是不同于芯片，演算法比較好攢，技術門檻相對比較小，比如涂鴉科技參展商的各類音視頻應用，漢王視頻門禁終端等等，多聲稱使用的自研演算法，

基于NPU硬體之上的人形，人臉，越界檢測，移動偵測，車形，電子圍欄，在離崗偵測，以及行為分析檢測成為應用等場景是主流，這方面，之前只做演算法的，純粹的演算法廠商，比如商湯科技（當天沒參展）, 曠視科技，云天厲飛等，也開始逐漸轉型，講芯片的故事，比如云天厲飛的邊緣端人工智能芯片DeepEye1000，使用了算力2T的NPU， 處理器內置的玄鐵810，可實作高性能，低功耗的CNN網路模型推理加速，應用于視覺AI場景，隨著RISCV開源生態的發展，這種RISCV+自研NPU的架構應該會成為未來端側推理的常見架構，DeepEye1000芯片專注邊緣和端側視覺應用，基于多核異構并行計算架構設計，內置四核神經網路處理器，可支持INT16,INT12,INT8混合精度量化資料，支持主流神經網路模型，

RK3588，RK發布新一代的性能魔獸RK3588，NPU峰值算力達到6T，這方面比我們走的更靠前一些，到了RK3588，RK的NPU已經開發到第四代，它的NPU技術來源于芯原，經過了四代演進，已經消化和吸收并形成了改進的能力，第四代NPU就是其在消化吸收的基礎上對NPU做的一次性能提升，總體上，RKNN無論工具還是軟體架構都類似于VIP，RKNNToolkit的功能更是和acuity toolchain如出一轍，

IP結構上面，VIP分為了NN，TP，PPU（shader)三種計算單元，卷積放在NN上執行，由于NN是硬體連線，執行效率和功耗更占優，TP則是負責記憶體搬運，比如池化操作放在TP上執行，還有PPU，它類似于GPU中的 Shader單元，可以通過編成實作靈活的邏輯，有專門的指令集EVIS對其進行編程，上采樣算子以及反量化算子可以放上去跑，當然，RK不叫這個名字，但是也僅僅是不叫這個名字，RK分別叫做 CNA， DPU，PPU，應該是換湯不換藥，功能類似，觀展后總體感覺RK的異構算力整合能力是強于我們的，很多我之前聽都沒有聽過的IP，他們已經玩兒的很6了，不過再強大的算力整合能力，也需要軟體配合好

其次，中星微也發布了它們的4T NPU算力芯片，中興微的NPU設計開發能力也比較完整，有全套的模型匯入，編譯，轉化，量化，仿真工具，它們展示了VC07684K AI IP Camera, 具備4T的算力，它們展臺前展示了一個demo,通過前端攝像頭采集了一張擁有900張人頭像的照片，通過NPU的目標檢測演算法，將檢出結果框選后投屏的大螢屏上，仔細觀察，召回率和精度都能達到%100.

經過咨詢，它們使用的是YOLOV5S演算法，如果按照標準YOLO演算法處理的影像統計，網路吃圖按照416*416計算，那么每張人像在NPU處理的尺寸中只占用 192個像素，這么小的區域都可以檢測到，不知道是演算法優化的好還是硬體做的出色，

其它的展位還參觀了SOPHON(位元大陸算豐),它們展出了BM1682、BM1684號稱支持3TOPS的單精度浮點算力.

因為場景大多是碎片化的，目前AI的演算法很難做到通用化，必然涉及到大量的定制，而AI的基礎除了算力和演算法，還有資料，對演算法公司來說，很多的資料都掌握在客戶，或者終端運營方手里，它們也并不想分享給演算法商，如果資料很有價值，客戶也會自研演算法，進一步擠壓純粹演算法商的生存空間，所以，很多純粹的演算法公司也開始涉足芯片，涉足產品，

軟體技術堆疊

這方面給我留下深刻印象的是涂鴉科技，它的站臺產品種類非常豐富，涵蓋了智能家具，智能硬體，IPC等全品類，小如防狼器，大無線視頻機都有，

這些產品的額共同特點是擁有一套統一的軟體堆疊，如下圖所示，從架構圖中可以看到，涂鴉只負責整個軟體堆疊中的云平臺服務部分，內涵小，外延大，在我們的軟體SDK管理中，也可以參考這種做法，開源不重要的部分，核心部分，價值提供部分保持閉源，做我們自己擅長的事情，不但減輕我們的開發負擔，而且充分利用客戶生態資源，群策群力，擴大產品應用場景范圍，

總結：

安防行業的從業人員不缺展會，北京安博會、深圳安博會、廣州安博會構成了安防人相聚的三大盛會，以后有機會要多多參與其中，向客戶學習，向供應商學習，向同行學些，

結束