安防視頻監控產業鏈（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后，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，并以自愿提供具有注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*秀的企業由于各種原因，并沒有上榜，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、海外營銷占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——網絡化/高清化/智能化——AI 化。貫穿于這個行業背景下，中國安防企業的成長史則是：賣組件——賣后端——賣設備——賣方案——賣智能方案。

國內安防人工智能化產業鏈相關公司

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

視頻監控系統結構介紹

對于前端的芯片，模擬攝像機一般為ISP，網絡攝像機則是集成了包括ISP、CPU、編碼模塊及其他功能模塊的IPC SoC。一般而言，前端智能化的實現即通過在IPC SoC 中集成視頻智能處理模塊。目前，視頻監控SoC 以110nm/55nm 工藝為主流，少數領先企業開始使用28nm 工藝。

對于后端的芯片，視頻處理壓力較大，往往需要高密度集成較強算力的芯片，以英偉達的GPU 為主。由于DVR 系統自身具備視頻采集、編碼壓縮、存儲、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 采用開放的IP 架構，需要與編碼器、管理平臺、操作系統、網絡傳輸配合使用，因此適合于分布式的大型視頻監控系統，諸如云中心。

典型IPC SoC 架構

數據來源：富瀚微、興業證券經濟與金融研究院整理

典型DVR SoC 架構

數據來源：富瀚微、興業證券經濟與金融研究院整理

AI 賦能邊緣，前端智能化對于安防架構有重大益處。根據IDC 預計，到2020 年，物聯網感知設備數量將達到500 億部，約50%的計算量在邊緣完成。前端智能化帶來較大益處，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，降低存儲成本。諸如海康的AI Cloud，通過邊緣節點、邊緣域進行實時感知，通過云中心進行集中式認知。

GPU 成本*高，專用芯片的開發將推動安防行業智能化滲透提升。前端攝像頭人工智能芯片主要包括GPU、ASIC、FGPA。由于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 實現人工智能的成本更低、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后性價比更高。ASIC 通過定制的方法，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 即現場可編程門陣列，是具備可編程特性的半定制電路，可以通過編程將FPGA 內部的可編輯元件進行組合形成所需要的邏輯功能。FPGA由于開發速度較快，是對當前降低前端智能化成本的有效方案，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能化的主流。

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。這個趨勢背后反映的是成本效益關系，安防行業起初最為通用、成熟、適于訓練的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，性能居中的FPGA 進行替代，這階段成本下降至幾十美金；最后經過深度開發，推出可以大規模量產的具有性價比優勢的AISC，嵌入到傳統僅需要幾美金的IPC SoC，價格被大幅度壓縮。