边缘计算是一个难题，它为IT架构师和嵌入式开发人员提供了多种选择。最终，它可以创建边缘AI，从而实现更快、更丰富的决策。基于AI的机器学习技术已经超越了基于云的数据中心，因为重要的IoT传感器数据的处理越来越接近数据最初所在的位置。
此举将由配备了新的人工智能(AI)的芯片实现。芯片级边缘AI正在驱动下一代物联网。
据德勤《2020科技、传媒和电信行业预测》报告预测，2020年边缘人工智能芯片——执行或加速设备内，而非远程数据中心的机器学习任务的芯片或芯片部件——销量将超过7.5亿片，创造26亿美元的收入。这一数据是德勤2017年预测3亿片边缘人工智能芯片销量的两倍以上，三年复合年均增长率高达36%。此外，还预测边缘人工智能芯片市场将继续加速发展，增长速度将超过芯片市场整体平均水平。至2024年，边缘人工智能芯片销量预计将超过——甚至可能远远超过——15亿片，年销量增长率将达到至少20%，是半导体行业整体长期预测9%的复合年均增长率的两倍以上。
这些边缘人工智能芯片很大可能将流向数量日益增长的消费级设备，如高端智能手机、平板电脑、智能音箱及可穿戴设备等，同时亦将应用于多个企业市场——机器人、摄像头、传感器及其他物联网设备。两者均是十分重要的市场。
消费级边缘人工智能芯片市场规模远大于企业市场，但其增长速度可能相对较慢。至2024年，边缘人工智能芯片销量预计将超过15亿片，甚至可能远远超过这一数据，年销量增长率将达到至少20%，是半导体行业整体长期预测9%的复合年均增长率的两倍以上。
AI芯片是安防领域强需求
在电子安防产品市场中，视频监控系统占据了过半的份额，市场规模达到962亿元，成为构建安防系统的核心。目前安防行业涉及多个领域，包括公安安防、智能家居、智能交通、智能制造、智慧城市等，主要需求还是来自于对人和车辆的检索和识别，后期在行为识别方面的需求也会越来越大。在不久的将来，人工智能技术将会取代众多传统的安防技术，整个安防行业的发展已经到了比拼核心技术的关键节点。
得益于深度学习的发展，以往模式识别中依靠人工完成的特征提取工作全部可以通过网络结构自主完成。它能够将视频图像内容转化成清晰表达目标属性的结构化数据，再进行数据深度挖掘，可有效提高数据处理效率。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。
目前市面上主流的人工智能摄像头产品售价均为几千元不等，是普通高清摄像头的几倍，其主要原因在于AI芯片成本居高不下。如何让AI芯片成本降低，性能不断提高，才是智能安防能否真正落地的关键。
边缘计算是智能安防的主要瓶颈
1.应用层面
目前，产品落地上主要体现在视频结构化(对视频数据的识别和提取)、生物特征识别(指纹识别、人脸识别等)、物体特征识别(车牌识别系统)等应用方向。安防系统每天产生的海量图像和视频信息造成了严重的信息冗余，识别准确度和效率不够，并且可应用的领域较为局限。
视频监控系统作为前后端分属较为明显的物联网系统，在边缘计算的应用方面有很大潜力。摄像机作为前端采集设备，目前不仅清晰度大大提高，而且对智能化需求也越来越强，因此行业内正在极力推进摄像机能够实现对视频图像内容的实时处理，不但能够极大地降低信息传输系统和后端设备的负担，同时还能够提升整个安防系统的响应速度，为安防领域一直提倡的"事前预警、事中制止、事后复核"理念走向现实提供最有利的技术支撑。
比如在人脸识别应用当中，通过前端抓拍+中心分析的前后端智能相结合的模式，将人脸识别智能算法前置，在前端摄像机内置高性能智能芯片，通过边缘计算将人脸识别抓图的压力分摊到前端，解放中心的计算资源，以集中优势计算资源做更高效的分析。
2. 云端的难题
（1）数据传输成本高。随着数据量激增，对传输带宽压力也不断增加，边缘端的无线传输模块必须支持高速无线传输，这就需要更大的功耗，与边缘端低功耗的需求是冲突的。
（2）许多终端应用场景对延时非常敏感。比如平安城市中的异常行为检查、人流量检测等，都需要实时预警，延时较长是无法被接受的。
（3）像智能家居等场景对安全和隐私的需求，也使得云计算的发展受限，在数据传输到数据中心前，通过网络边缘设备对数据进行分析处理，匿名和加密，可以无需将所有终端数据都传输给云端，进而有效地解决这些问题。
边缘计算可以很好的解决这些问题，根据实际应用需求，边缘端既可以独立作为智能处理模块，也可以和云端配合（边缘端做一些分析处理和过滤，再交给云端），这样的解决方案对延时、带宽和功耗等都有明显优势。
低功耗AI芯片加持摄像头，边缘设备智能化是安防新趋势
AI安防芯片是前端摄像头智能化的关键因素，也是应对视频监控高实时性要求的重要手段。城市各类犯罪呈现高发态势，尤其是突发性暴力犯罪，时间不可预测，要求摄像机或摄像头自动在图像和视频流中检测和跟踪人脸，进行实时比对和决策。针对海量视频监控的实时性处理和反馈要求，云计算能力有限，存在诸如响应不及时、功耗高、网络带宽需求高等问题。
随着芯片技术的持续发展，尤其是专门为视觉处理设计的终端芯片体积的减小、能耗的降低以及处理能力的增强，将AI 芯片放置在前端摄像机或摄像头中，通过前移算力算法使终端设备拥有强大的视频图像采集技术和数据分析存储能力，对视频图像进行预处理，去除图像冗余信息，使得部分或全部视频分析迁移到边缘处，由此分摊云中心的计算和存储压力，提高视频分析的速度。
目前中国的智能摄像头产品已经在视频监控领域真正落地，低功耗的人脸抓拍、识别与相关属性分析、视频结构化解析，可广泛运用于机场、车站、商业街以及旅游景区等人群密集的地方。
华为采用自研海思芯片，应用到最新发布的智能摄像机系列中。地平线研发了主攻智能摄像头的嵌入式AI芯片“旭日”， 并推出了面向安防领域的人工智能高清人脸识别网络摄像机。海康威视、大华等安防厂商也在拓展上游市场，加入了造芯的队伍中。视频监控的前端智能已然成为了AI芯片厂商和老牌安防巨头的必争之地，由于AI芯片的成本是产品大规模普及应用的制约因素，能够自主研发AI安防芯片的公司将会获得更多潜在市场。
我国的安防领域信息化基础扎实，摄像头、抓拍机部署密度较大，边缘侧的数据采集已不存在障碍，且公共安全领域正广泛开展大数据分析、计算机视觉等技术的实践应用，在数据库的搭建、算法模型的训练、业务场景的适配方面，已经具备较好基础。从智能摄像头的巨大市场可以看出，前端摄像头等边缘设备智能化是安防的一大新趋势。
感谢阅读，欢迎扩散传播！ 感谢！
推荐阅读
本文转载自边缘计算社区微信公众号原文链接点这里
注：本文只代表作者个人观点，与任何组织机构无关，如有错误和不足之处欢迎在留言中批评指正。
尊重知识，转载时请保留全文，并包括本行及如下二维码。感谢您的阅读和支持！
边缘计算社区：促进边缘计算领域知识传播，中立，客观，如果您对边缘计算、5G、物联网、云原生等领域感兴趣请关注微信公众号，也欢迎关注边缘计算社区极术专栏，定期更新。
