雷锋网 & AI掘金志去年曾统计，在国内创立的13家AI芯片公司中，超过10家都布局了安防（智慧城市）相关市场。
在这场世纪大争斗中，从业者也需沉心思考：安防究竟需要一款怎样的AI芯片？专用芯片是否会成为主流？端侧和云侧需要的AI芯片又有何不同？
对于这些疑问，宇视总裁张鹏国近日在接受AI掘金志专访时，给出了他的答案。
张鹏国对于行业市场的判断、技术走向的预测有着敏锐的直觉和出色的洞察力。
2017年深圳安博会期间，宇视总裁张鹏国在接受
AI掘金志
采访时就曾提到，以算法起家的AI创业公司，未来大概率会有三种活法：
1.蜕变成行业解决方案提供商
2.从算法到算力，软硬件一手抓
3.被收购或者直接消失
一众公司两年时间的不断试错也的确验证了张鹏国此前的预判。
随着AI 在安防等行业的不断渗透，今天的技术价值中心也的确逐渐由软件算法层转移至核心算力层。
眼下，站在AI芯片方兴未艾的十字路口，张鹏国又作出了怎样的技术预判？
以下是AI掘金志与张鹏国的访谈内容：
AI掘金志：传统芯片公司、传统安防厂商、AI初创芯片企业，目前多股势力都在布局AI安防芯片。有的在芯片生态上比较完善、有的更了解安防行业的需求，有的则在加速方面能做到更优。你认为，哪一类企业的赢面会更大？
张鹏国：
不同厂家可以基于自身优势和资源，选取不同的突破方向，生态、业务、性能各有优点，其实都是很好的出发点。
但实际上，安防行业也有它的特点，场景比较碎片化。所以做安防芯片必须要跨过的坎是，要做到约500万片的数量才有成本优势，目前仅有包括海大宇等为数不多的厂商有这个实力。
所以，很多AI芯片厂商其实面临很大挑战。此外，产品开发、前端、存储、组织建设都需要相应时间的积累。
好的芯片一定是在实际场景中打磨迭代而来的，怎么去破解“用金钱投入换取时间”是目前最大的难点，没有10年左右的打磨，其实很难达到AI工程化交付的能力。
AI掘金志
：
一款芯片是否达到AI工程化交付能力，主要看哪几个指标？
张鹏国：
“AI算力”确实是衡量AI芯片指标的重要因素之一。回到2014年，人工智能刚刚兴起的时候，端侧的AI芯片算力仅有0.2Tops，云侧的AI芯片算力仅有5Tops；但现在端侧AI芯片算力已经达到4Tops，云侧的AI芯片算力达到了256Tops。
但只看AI算力肯定远远不够，由于应用场景不同，端侧芯片和云侧芯片需要分开看。
AI掘金志：
在端侧，你认为需要怎样的AI芯片？
张鹏国：
安防芯片本身竞争力、AI芯片与安防芯片的集成方式、开发工具成熟度与易用性、功耗与价格等。
一是安防芯片本身竞争力。
安防领域，端侧一直用的是安防专用芯片，并不存在通用芯片。即使AI时代，端侧芯片首先需要的是有竞争力的安防芯片，其次才是在这基础上叠加AI算力。比如，OS、安防SDK、ISP、编码都非常重要。这就对芯片厂商的综合要求很高，安防需要的是具备完备能力的芯片。端侧芯片虽然体积小价格低，但系统复杂度、技术难度一点都不低。
二是AI芯片与安防芯片的集成方式。
比较早的时候，AI落地端侧，采用的是在主芯片边上加一颗AI协处理器，即两颗芯片的方式。但现在，合二为一的方案已是主流，在系统复杂度、成本、功耗上都更有竞争力。
三是开发工具成熟度与易用性。
芯片的软件开发工具非常重要，比如是不是能支持Caffe、Tensorflow、Pytorch等主流深度学习框架，相关工具是不是易用、稳定，对于AI应用开发者来说都非常重要，如果开发工具不成熟或不易用，很容易就会被开发者抛弃了。
四是功耗与价格。端侧设备，对功耗和价格都非常敏感。
A
I掘金志
：
云侧呢？
张鹏国
：解码能力、大数据并发效率、开发工具成熟度与易用性、功耗以及价格。
一是解码能力。
云侧芯片处理的是经过编码的图片或视频，需要解码。在芯片设计上，需要内嵌专门的硬解码模块，不占用AI算力；另外，解码能力上必须不能低于AI处理能力，不然解码就会成为瓶颈。
二是大数据并发效率。
现在云侧芯片的AI处理能力非常强，所以大数据并发交互的效率非常重要，大数据并发效率决定了AI算力实际能发挥多少。
三是功耗与价格。
虽然这方面云侧芯片没有端侧芯片那么敏感，但低功耗与低价格永远都是用户的诉求。
A
