第三十二期回顾
《安创“芯”视野》第32期，邀请到了亿智电子安防产品部VP魏唯，他从安防摄像机的市场发展趋势，智能IPC落地面临的主要挑战等方面，为我们解读了从IPC升级到AIPC芯片应具备的基本特性。
回放视频链接：https://aijishu.com/l/1110000000244770
大家好，我是亿智电子的魏唯。今天我跟大家分享的题目是：IPC到AIPC智能化升级的“芯”动力。今天的分享一共4个部分，第一部分先简单介绍亿智公司，然后再介绍一些在AI产品落地过程中我们看到整个市场的一些趋势，第三部分会分享AIPC落地过程中面临的一些挑战，最后跟大家分享我们为了克服这些挑战是如何来做推广的。
亿智电子于2016年在珠海注册成立。AI SoC芯片本身的开发周期是非常长的，我们管理团队在芯片设计领域已有20年的行业积累，成立之初就确立了坚持自主研发的技术思想，从2016年到2019年，我们花费了约三年时间推出了第一代芯片；又用了两年时间，在2021年推出了第二代芯片。我们团队以AI机器视觉算法和SoC芯片设计为核心，专注在端侧推理AI SoC芯片的研发。
市场趋势
相关数据预测，从2017年到2022年，端侧推理芯片的5年复合增长率超过100%，到2022年端+边缘侧AI推理芯片市场规模将超200亿美元。结合我们在2020年到2021年的实际发展情况来看，市场规模还将继续高速增长。
智能安防摄像机是端侧推理AI SoC芯片的一个典型应用场景。今天，尽管在我们日常已投入使用的数亿台的IPC（网络摄像机）产品并不具备AI功能。但我个人认为，在未来的三到五年里，所有的IPC产品都会带AI，实现智能化。今天我们看到的智能应用几乎和人脸识别划了等号，但是实际上我们认为人脸识别应用在人工智能里的占比是非常小的。假设AI是一个房间，那么人脸识别只是AI的一扇门。当我们推开那扇门，会发现房间里还有很多家具（很多不同类型的算法）。譬如，2021年里我们看到的社区高空抛物识别、电梯里电动车识别、工业领域的火灾类识别等应用都会成为未来每一台IPC必备的能力。
上图，我们在功能结构上对IPC和AIPC做了剖析。今天我们看到的IPC主要起两个作用：视频预览和回放，它解决的是看得清的问题。而AIPC除了要解决看得清的问题，还要解决看得懂的问题。
例如，今天大量的人脸识别IPC是应用在出入口控制场景：如果用在校园里，除了做出入口的控制以外还要需要添加考勤的功能；此外，在视频结构化处理方面，在一些商业场景里，IPC还应该可以用来做数据统计，并把统计到的数据用来服务整个社区或是商业环境管理；在工业和民用领域，还会出现大量的类似于主动报警的设备，比如火灾类识别和电动车进电梯等这类主动报警情况（当电动车进入电梯后，声光电的报警信息会立刻产生，物业或者管理人员会收到相关管理消息推送）。
在每一个安装了IPC的场景里，都将出现更多的AI需求，我们认为AIPC接下来会逐渐替代IPC。其中，AI可能用来做人脸识别，也可能用来做其它类的用于出入口控制、结构化分析、异常报警信息等功能。
除了IPC产品，大量的AIoT设备也将实现智能化。除了聚焦在智能安防场景，亿智电子的AI芯片也支持汽车电子、智能硬件领域的AI产品。我们现在已经落地的产品涵盖人脸识别面板机、人脸识别功能的IPC、单元楼里可视对讲门禁、判断司机疲劳驾驶、抽烟、打电话等行为的车载电子、具备辅助驾驶功能的智能DVR、做盲区智能化分析的电子镜产品、集成人脸识别和手势识别的UVC camera以及工业类检测识别产品。
这些AIoT设备最终会落地到实际的场景里，包括智慧城市、智能驾驶、公共安全、民用安防以及工业类检测等场景。在这些蕴藏巨大市场空间的行业里，亿智电子致力于提供AI SoC平台，去赋能不同的细分领域。
AIPC在实际落地中面临的主要挑战
第一个挑战，我们认为是应用场景的碎片化问题，不同场景对算法的要求不尽相同。举个例子，同样是人脸识别，用在办公室的考勤场景与用在智慧社区的门禁场景，对于识别的精度和速度的要求就不一样。办公室的考勤场景对识别精度要求更高些，而智慧社区里的出入口控制对识别速度的要求更高些。当人脸识别用在中小学里，尤其是小学，它对于青少年的识别要求也不同。因为在生长发育的过程中，青少年的人脸与成人的会有一些差别，在这种情况下，对整个人脸的处理就不同。再举个例子，比如机动车类的识别。在大部分场景里，我们只需要知道画面里面有没有车；但是在其它场景里，我们可能还需要知道这辆车是大车还是小车，是面包车还是SUV还是小轿车。相对应地，这个IPC装配的位置可能是3米也可能是6米，离目标距离可能是1-2米也可能是30米，上述场景对整个算法模型的要求完全不一样，算法应用需要解决的问题很琐碎。至于物体类识别和动物类识别面对的要求可能就更加宽泛了。怎么解决这种情况，就需要协同深耕于行业的广大合作伙伴们的力量。
在AI落地过程中，面临的第二个挑战是：除了对算法要求较琐碎外，还会跨越不同行业。刚刚提到的人脸识别既可以用在校园里，也可以用在办公室里，还可以用在智慧社区里。那么，应用在不同的场景里识别到人脸以后用来做什么？数据的使用在不同的行业里就有着不同的表现方式。如果在校园里，可能是考勤，比如家长在孩子上学后会在手机上收到孩子上学或者放学的考勤信息；如果在社区管理里，可能是人员进出限制，比如属于社区白名单里的人允许进入，拒绝白名单外的人员进入，再比如对快递员等人员做限制进入。
此外，在工业、农业、养殖业和交通运输业等领域里的需求也都不一样。工业里可能涉及到工业检测，相应地，会需要一些非常细分的算法，是工业类特别专有的一些识别算法。这里再跟大家举一个养殖业的例子。相信很多人都听说过猪脸识别，它主要是用来预防一些猪的疾病。比如，在一个大养殖场里，带AI的IPC可以识别并判断哪些猪有没有及时去吃东西、有没有及时去活动，将猪的异常行为数据及时反馈给养殖户，提醒养殖户及早采取措施，避免由此引发的损失。
坚持自主研发，坚持适度设计
亿智电子是一家具备核心IP自主研发能力的SoC设计公司，早在2019年已量产了基于自研NPU的AI SoC芯片。除了自研NPU，我们也坚持ISP（图像信号处理）、音视频编解码、显示及图形处理、高速数模混合接口等IP的自主研发。因为我们知道，对于这种复杂的SoC系统而言，大数据流在不同IP之间进行大流量交互运算的过程中，它对整个系统、功耗成本以及一些性能的要求会非常高。在不同的IP之间进行数据交互的过程中，自主设计的IP在数据耦合性方面能达到一个较优的状态。
上图是我们用第一代芯片做人脸识别面板机的一个方案。我们第一代芯片SV806目前也是做人脸识别面板机产品主流的一颗芯片。在这里，大家能看到，左边的整个主板设计是非常精简的，我们对DDR等都做了内置。右边是一些识别实际的效果。比如，在办公室考勤场景里，它对于活体检测的性能要求都比较高，可以防止彩色、黑白和各种打印纸的攻击，甚至还可以预防面具攻击。在识别速度方面，我们也做到了行业领先水平。单人从进入画面到完成识别，大概只需要0.3秒。目前，除了在办公室考勤应用外，这种产品还广泛应用于智慧工地、智慧校园以及智慧社区的主要出入口控制。
这是我们在2021年出的第二代芯片SV826。这个芯片在第一代芯片的基础上对大部分IP进行了升级，提高了IP的整体效率。在编解码上，我们应用了智能H.265+技术，使得整个编解码性能比上一代更高。同时，我们在ISP上也进行了大规模的优化。在1.5T的算力下，SV826在目前主流的“人车非”算法里，既可以做到抓拍人脸和一些车型，也可以对一些非机动车进行同时检测。比如，在小区的主要通道口会有人步行、汽车往来，也有非机动车比如自行车、电动车、滑板车来往，我们对于这三种“人车非”的数据都可以进行结构化的处理。除了“人车非”以外，现在也有客户在我们的芯片平台上做一些高空抛物识别算法、电动车识别算法、安全帽头盔识别算法，以及明火识别和一些动物类识别的算法。
快速量产能力
亿智电子可以提供硬件参考设计、软件参考sample、ISP调试工具，算法开发工具NDK等，支持合作伙伴快速实现产品量产。在硬件交付方面，可提供完整的硬件资料，包括参考原理图、参考PCB、硬件兼容性列表等。在算法方面，我们提供算法开发工具，对算法优化我们也有比较完善的技术支持。我们会把在第一代芯片上做的一些量产算法库放到SDK里来支持合作伙伴的开发。在软件交付方面，我们现在大概有三个软件开发平台。在我们IPC产品里大部分还是在用Linux。除了Linux外，对于现在一些电池类摄像机或者一些低功耗产品也需要用到小系统，对此我们也提供支持。除了小系统以外，现在渐渐也有客户在做基于安卓系统的一些产品开发。对于整个软件，我们都会提供比较完善的软件开发指南，即行业标准的一些软件开发接口。在开发工具方面，我们致力于提供易用的的开发工具，比如一些ISP调试工具、 一些UI开发基本框架等等。
接下来-为感知更宽频段信息提供算力保障
现在，我们常见的IPC产品中，通常利用的是可见光图像。除了可见光图像数据以外，非可见光的波段也非常有用。比如，在红外光段的非可见光，就被广泛应用在我们今天为了防疫做的人体测温产品上。可能在未来的一年里，还会出现大量应用非可见光产品来做智能分析的场景。因为在我们需要的数据里，除了可见光蕴含着大量的数据外，非可见光部分也蕴含着很多对于我们生产生活非常有用的数据。今天我们有了集成NPU的AI SoC芯片，就可以对一些非可见光数据进行分析计算，利用非可见光的波段做一些不一样的产品了。所以，未来还有很多待挖掘的非可见光的应用场景。
我的分享到此结束，谢谢大家。
