近年來，安防是一個快速增長的行業， 過去十年， 復合 17%的行業增長率證明了行業的持續性，龍頭份額提升持續獲得超越平均的增速。 根據歷史數據， 2008 年至 2017 年， 十年內中國安防行業產值從 1605 億元增長到 6480 億元， 十年復合增長率達 17%。 其中，安防產品占安防行業規模約 3~4 成， 2017 年中國安防產品產值約 2000 億元。并且，我國的海康威視和大華股份已分別占據全球安防企業的第一名和第三名。

　　展望未來，在AI、5G等技術的加持下，國內安防增速將繼續保持雙位數以上，約為全球增速的兩倍。 根據十三五規劃， 2020 年我國安防企業總收入預計達到 8000 億元，年增長率約 10%。根據智研咨詢預計， 2020 年將達到 9952 億元， 2016~2020 年復合增長率約 15%。同樣根據智研咨詢預測， 2016 年全球安防市場產值約 2376 億美元，預計 2020 年達到 3150 億美元，復合增長率約 7%。

　　(以下內容與《中國安防行業10年報告(上篇)》相銜接)

　　安防是 AI 的最佳落腳點， AI 是安防升級的新浪潮

　　人工智能與安防相結合，催化行業進一步升級。 安防領域將成為人工智能投資的重要領域。安防 AI 競爭要素可以分為算法、算力、數據、產品、工程和方案。對于這六點，不同競爭基因的企業進行安防 AI 側重點有差異。人工智能在安防的滲透，將從后端開始，向前端延伸。人像大數據平臺等中心控制產品市場競爭側重點在于算法，后端市場將是一個分享的市場。未來，前端市場的滲透依賴于芯片成本的下降，前端市場的想象空間更寬廣。

　　安防行業幾次大的轉折，體現了技術創新——模式創新——技術創新的更迭周期 。

　　第一次轉折是技術創新，安防迎來了數字化、網絡化的浪潮，安防企業爭取的是外資的市場份額 。 在 2010 年之前，安防行業以模擬產品為主，外資大廠如安訊士、霍尼韋爾、索尼、松下等具備模擬產品技術優勢，對數字化產品投入較為保守。國內廠商則積極投入。當技術路徑轉變時，國內龍頭實現彎道超車， 2011 年?？低暭闯蔀榱巳蛞曨l監控市占率第一名。

　　第二次是模式創新，安防進入了解決方案轉型時代，安防企業吸收的是集成商的利潤 。 ?？低?2009 年開始布局， 2012 年提出 IVM 可視化管理，進行解決方案轉型。 解決方案時代，安防龍頭企業開始提供從前端到后端的整套產品，并且兼具了制造商、集成商和工程商的能力，能根據客戶需求制作應用模塊， 提供產品及解決方案，壓縮了產業鏈，使得純粹的渠道商、集成商空間被一定程度壓縮。

　　單純監控攝像頭的價值量有限，但作為安防解決方案整體價值量空間大幅提升。以深圳龍崗區雪亮工程四期項目基礎部分(EPC 總承包)為例，深圳電信中標，總計 3.8 億。招標內容包括 6500 個高清視頻監控點、40 個高清卡口車牌識別、1000個二三類攝像頭聯網、 75 個科技圍合小區建設、 10 個派出所市電增容建設，此外包括配套的基礎網絡光纖、管道、供電及相關設施。項目為交鑰匙工程，承包方需要負責方案設計、概算編制、設備采購、施工等。 由此可見，項目的價值量比純粹售賣硬件高得多。

　　第三次回歸技術創新，進入安防 AI 時代，整個安防產業的價值量提升 。2016/2017 年以來，帶有深度學習功能的前后端產品不斷推出，后端人像大數據平臺已然開始滲透，行業價值量被大幅度提升。 技術創新成為這一輪主導的競爭要素，具備交付智能化產品和方案的廠商將脫穎而出。這輪技術創新主導下， 也存在著一定的模式創新。 AI 主導下分化為側重邊緣節點的?？荡笕A模式和發力云服務的華為模式。 這是因為行業層面上的競爭要素是技術創新， 但兩類企業在微觀層面的競爭要素分布具有差異。

▲安防行業發展史

　　1、安防 AI 競爭需六個要素，后端產品率先滲透

　　宇視科技研究院院長謝會斌提出安防 AI 包括六個要素： 算法、算力、數據、產品、工程、方案。我們認為這六個要素前三者(算法、算力、數據)反映著培育 AI的基礎， 而后三者(產品、工程、 方案)則是傳統安防的護城河。 六要素的結合將凝聚成安防行業在人工智能化階段的競爭力核心。

　　安防從產品到解決方案，再到人工智能化，“軟件”行業屬性不斷加強 。 安防行業從產品、工程向方案轉型的過程中，依附于視頻監控設備的平臺、應用等軟件價值逐漸凸顯。 安防龍頭憑借整體架構設計能力和平臺應用開發的軟實力，針對場景定制化，深度服務客戶，競爭原本集成商的市場空間，并提升產品盈利能力。解決方案轉型過程中，安防行業已經從硬件行業向軟硬結合轉變，人工智能化將進一步強化安防行業“軟件”的屬性。 因此，完成解決方案轉型的龍頭企業，享受的不是監控攝像頭制造廠的估值;構建起安防人工智能壁壘的企業，未來也將享受軟件企業的溢價。

▲安防行業發展階段

　　現在的人工智能與十年前提的安防智能化有何區別？ 需要區分兩種安防智能化 ，深度學習才是解決痛點的關鍵 。 第一種安防智能化，即傳統意義上的視頻內容分析(VCA)。 業內龍頭諸如?？翟缭?2005、 2006 年就開始提及安防行業智能化，然而彼時的視頻內容分析技術基于計算機視覺，采用背景建模與目標跟蹤技術(背景分離)，發展成目前的智能網絡攝像機，能夠完成特定的視頻內容分析，諸如行為分析、異常偵測等，這些功能被集成在 IPC SoC 中，不需要額外增加人工智能芯片，因此成本低、普及快。第二種安防智能化需要基于深度學習。 2013、 2014以來的安防智能化概念基于深度學習，在識別率和反應速度上有顯著提升，應用場景更得以拓展?；谏疃葘W習的產品在 2016、 2017 年以來才逐漸落地， 這些感知型設備不僅能提取視頻的結構化信息進行語義描述，而且能夠部分模仿人們進行深度思考和判斷，大大解決行業痛點。 這些產品往往需要加入協處理芯片或GPU 等深度學習芯片，成本高，推廣慢。

　　為什么說安防行業是人工智能的第一落腳點 ? 我們認為主要歸因于安防行業三個特質： 1、具備孕育 AI 的沃土(深度學習算法的成熟、 GPU 等人工智能芯片的強大算力、海量數據基礎); 2、龐大非結構化數據的行業痛點(傳輸、存儲、人力處理的難度); 3、清晰可行的商業模式。

　　人工智能在安防行業都有什么應用 ? 人工智能攝像頭可以廣泛應用于公安、交通、教育、金融、醫療、零售等領域。人工智能目前應用場景主要包括生物識別、車輛分析、行為分析及圖像分析(視頻質量診斷、視頻摘要分析)。 IPC 的結構化數據提取能力，以車輛分析為例，能夠提取車牌、車型、車身顏色、品牌、駕駛員是否系安全帶、是否打電話、是否開遮陽板、汽車通過時間、行駛方向、行駛軌跡分析等。

　　安防人工智能化產業鏈切入點較多，算法商偏云端，芯片商主攻 IPC 和錄像機，解決方案商搭平臺 。 目前安防人工智能化產業鏈相關公司主要有傳統安防龍頭諸如?？?、大華、宇視等，以及安防新銳華為，這類公司憑借較深行業積累搭建平臺，吸引合作伙伴，同時進行前后端升級;以算法為主的企業諸如傳統的東方網力以及人工智能新銳商湯、曠視、云從、依圖等主要布局中心控制系統;發力芯片的企業諸如海思、中星微等主要以 IPC SoC、 DVR SoC、 NVR SoC，以求在芯片端固化 AI 算法降低人工智能的成本。

▲國內安防人工智能化產業鏈相關公司

▲AI 與安防產業鏈結合

　　我們預估 2017 年 AI 在國內、全球安防行業市場滲透率約 1~2%，根據第一章節安防行業市場規模的數據，我們大致估算安防行業的 AI 市場規模。

▲國內安防行業 AI 市場預估

▲全球安防行業 AI 市場預估

　　后端人工智能先行， AI 中心控制系統已逐漸落地 。 第一，從研發成本角度考慮，算法的產品落地快于芯片的研究開發，安防行業后端的人工智能滲透也將早于前端。 第二，從布置成本角度考慮， 中心控制系統的人工智能化也將先行，省級公安廳及其他較高層級的部門率先采用， 集中布局中控平臺，統一接入現有視頻監控設備， 是現有情況下客戶投入較少、使用方便的升級途徑。 即使如此， 因為人工智能成本較為高昂，我們預計短期內以公安為代表的政府部門會成為主要客戶。以 AI 創業公司為例， 依圖已經幫助近 20 個省級公安廳建立人像大數據平臺， 我們預估目前后端市場規模約 13 億元，未來公安部門滲透率會繼續提升，并且一個部門可能需要部署多套平臺， 以處理包括人、車、重點場所等多種場景下的任務。

▲國內后端市場人工智能市場空間預測

　　前端市場滲透會晚于后端，但市場空間比后端高 。 我們預估 2018 年國內攝像頭出貨量約 1.67 億部，其中近六成為網絡攝像頭。 我們估計安防攝像頭滲透率目前不及1%，出貨量在 10 萬部的級別。以安防行業網絡化用了十年的時間，向未來看十年，人工智能 IPC 滲透率有望達到如今網絡攝像頭的量級。 這個過程會伴隨著成本端下降、價格端下降、毛利率沖高回落到合理盈利水平，最終沉淀下來的是具備安防 AI 六要素競爭力的的企業。

▲國內前端市場人工智能市場空間預測

　　2、海量數據既是良好 AI 訓練素材，也是行業痛點

　　海量數據是良好的 AI 訓練素材，但難以直接處理 。 安防行業具有復雜的應用場景以及龐大的非結構化數據，數據難以直接處理。同時， 隨著安防監控視頻高清化實現，海量的非結構化數據進一步增加。攝像頭傳輸的是 24 小時不間斷的實時視頻流，在大規模視頻監控布點的情況下，傳輸和存儲的壓力較大，這也是?？低曁岢?ldquo;AI Cloud”架構的重要原因。在前端抓拍初步分析的模式下，傳輸信息被簡化，可以較好節省帶寬和存儲資源。

　　編碼技術進步，在相同圖片質量的基礎上可以降低碼流 。 碼流是指視頻文件在單位時間內使用的數據流量。H.264 的壓縮效率比 MPEG-2 提高了 1 倍多， 代價是計算量提高了至少 4 倍。 H.265 比 H.264 進一步復雜，同時也是進一步降低碼流。算法的復雜化，是以芯片算力為代價，換取低碼流下的高質量圖像，實現更好的編碼壓縮效果。隨著芯片處理能力增強，前端能應用的算法復雜度也在提升。 H.264編碼下，720P 的碼流大約 2~4Mbps，H.265編碼下，720P 的碼流可以降到1~2Mbps。假 設 每 個 攝 像 頭 所 需 碼 流 2Mbps ， 一 百 個 攝 像 頭 所 對 應 的 下 載 速 度 為2Mbps*100/8=25M/s， 對應兩百兆帶寬，需要較高的帶寬成本。 根據訪談了解，由于使用專用的帶寬，僅兩兆的上傳輸成本，每年就要上千元。此外， 如果以這個碼流進行存儲，對應 25M/s*3600*24/1000/1000=2.16T，即每天的視頻所要求存儲空間為 2.16T。

▲不同壓縮方式圖像質量/碼流表現對照表

▲不同壓縮方式壓縮比/算法復雜度

▲各分辨率下 H.265 與 H.264 碼率對比

▲?？低?smart265

　　視頻高清化帶來的數據量增加，存儲成本相對較高 。 我們以民用市場作為參考，探討視頻監控的存儲成本。(1) 以買存儲卡成本看，淘寶網上 32G 存儲卡價格約30~100 元不等， 32G 對應約 3 天，即每個 1080P 高清攝像頭每存儲一天的硬件成本在 10~30 元。(2)以云存儲的成本角度看，螢石云 7 天循環存儲的年卡 120 元、30 天循環存儲的年卡 300 元;樂橙云 7 天年存儲套餐 110 元、 30 天年存儲套餐260 元。

▲1080P 和 720P 視頻對應內存卡存儲時耗

▲Nand Flash 價格走勢(美元)

　　海量的數據是安防發展 AI 的迫切動力，也是重要的基礎條件 。 據不完全統計，平安城市監控設備約 2500 萬只，全國各行各業采用的監控攝像頭約 2.25 億只，一天產生的數據量約 50PB，是上千個國際級圖書館的數據量級。一方面龐大的數據超越人力處理的限制， 另一方面海量數據是作為培育機器學習算法的溫床。安防行業應用場景碎片化，與弱人工智能處理的應用需求碎片化相契合，安防大廠往往有較為龐大的產品團隊和平臺團隊， 開發出千上萬針對不同場景的硬件產品和系統，適合于搭載 AI 實現細分領域的智能化。

　　3、人工智能算法是根基，安防龍頭積極布局

　　安防龍頭優勢在于深耕行業， AI 算法公司優勢在于頂尖人才。因此，在數據大平臺的建設中，創業新銳更容易嶄露頭角。與算法上的差距相比，安防行業的場景復雜性和銷售復雜性壁壘更深，安防龍頭更具卡位優勢。

　　人工智能在圖像識別領域主要由兩個流派構成，一個是傳統安防企業，以?？低?、大華股份、宇視科技為例;另一個是 AI 算法企業，以實驗室、研究所或者國際 IT 大廠走出來并逐漸實現產品化的新銳，以商湯、曠視、依圖、云從為例。 技術發展日新月異，算法的識別率已經超過了人類，并且可以大規模使用。 AI 算法行業具有一個特點，頂尖人才領軍與聚集效果較為關鍵。

▲安防龍頭與 AI 創業公司算法布局比較簡表

　　安防龍頭優勢在于行業資源積累， AI 算法公司優勢在于頂尖人才聚集 。 我們認為安防行業壁壘具有較為明顯， 新進入者也需要逐步積累面對不同場景的設計、制造和部署經驗，這是安防行業無法繞過的特性。安防龍頭如果積極布局人工智能算法，將率先受益于價值量提升乃至份額提升。

　　安防龍頭，深耕人工智能，有望獲得價值量與份額的雙重提升 。 對于以?？禐榇淼陌卜例堫^而言，優勢在于具有系統性算法、數據、產品、解決方案、渠道的積累，對于客戶需求理解把握更充分。與中小安防企業比較， 當安防龍頭積極主動去深耕人工智能領域，相對優勢擴大，未來大概率能在安防智能化浪潮中率先受益，價值量提升的同時可以保持優勢乃至擴大份額。 與 AI 算法公司相比， 安防企業在布局算法的同時，對于技術的工程化和可行性把握更好，能夠結合客戶需求更好地設計每路結構化單位功耗密度、用戶機房耗電量、發熱量等工程性問題，更好地實現軟硬結合。僅從算法角度而言，由于各家廠商算法識別準確率均在 95%以上， 實際上差距并不會很大。

▲ ImageNet Chanllenge 圖像識別錯誤率

　　AI 算法公司，尋求結盟以突破安防市場或為較優選擇 。 對于 AI 算法公司而言，由于創業團隊的預期回報高于傳統巨頭，因而更容易吸引人工智能領域資深的大牛創業或加盟。以商湯為例，該公司以湯曉鷗實驗室為基礎，吸引海外名校學者和互聯網巨頭業者，搭建強大的 AI 智囊團。除此之外，曠視根源于清華、依圖有較強上海交大背景;云從則孕育于中科院，都是國內頂尖算法人才的聚集。 AI 創業公司需要積極尋找可盈利的商業模式，實現產品落地。正如我們本章第一個小節所言，安防成為關鍵領域。 對于 AI 算法公司而言， 深挖垂直的安防行業解決方案， 技術優勢較容易轉化為在安防大數據平臺建設、特定細分市場布局的商業成功。 但是，由于安防行業智能化產品面向政府客戶，并且許多創業公司難以獲得安防視頻數據進行訓練，創業公司憑借一己之力挑戰安防龍頭具有一定難度。因而， 尋求結盟，實現 1+1>2 或許是成 AI 算法公司的優先選擇。

▲AI 創業公司的安防布局

　　國內機器視覺市場快速成長，格局由四大算法公司主導 。 根據 IDC 數據， 2017年我國計算機視覺應用市場規模達 15.45 億元，同比增長 184%。其中，政府、金融、互聯網是三個主要細分領域，人臉識別應用最大的場景即平安城市項目及金融行業的人臉身份驗證。 我國計算機視覺市場主要由商湯、依圖、曠視、云從等AI 算法公司主導。

▲中國計算機視覺市場規模預測

▲2017 年中國計算機視覺應用市場份額

　　3、算力： 技術升級與價格下降，推動 AI 需求滲透

　　價格是目前安防 AI 的最大阻力之一，降價將推動 AI 需求滲透

　　人工智能解決安防行業的痛點，芯片的技術升級與價格下降將解決人工智能的痛點 。 為什么要專門分析芯片?因為人工智能解決了安防行業的痛點，滲透的主要難度又在于高居不下的價格。 我們認為芯片及其他零組件的升級，將決定著這波安防行業人工智能化浪潮的節奏。

　　零部件成品降價，有利于安防產品向更多層次的需求擴散 。 安防需求層次差異大，最高端的產品需求來自于以省級公安廳為代表的政府，中高端面向區縣乃至商業，中低端面向民用和商鋪等。中高端市場常以解決方案的項目制出現，中低端市場則是以渠道商形式。 2013 年開始，安防監控攝像頭的鏡頭逐漸從日本廠商向國內舜宇、聯合光電轉移，芯片由索尼一家獨大的 CCD 向 CMOS 技術擴散，主芯片也由 TI 的 DSP 向海思、安霸的 AISC 變化，隨著元器件重大突破的實現，成本顯著下降， 這段期間監控攝像頭經歷一段快速的產品迭代和降價過程。同時， 由于海外市場以渠道銷售為主，產品價格敏感性相對較高，國內安防龍頭諸如海康、大華等在 2013~2015 年海外營收增速迅速增長。

　　降價將成為人工智能從上到下滲透的助力，正如 2013~2014 中國安防龍頭受益于國產替代推動的降價過程一樣 。 由于 AI 芯片目前的價格高居不下，整體方案僅有少數用戶能夠買單。 價格是安防 AI 的最大阻力之一。目前，視頻監控攝像頭加裝 GPU，成本上升約 3000 元，比如搭載 NVIDIA 的 Jetson TX1 芯片的?？低?ldquo;深眸”， 我們預估價格至少 5000 元。

　　安防行業芯片包括前后端，發展趨勢為數字視頻監控系統 IPC+NVR

　　對于安防行業而言， AI 芯片發揮作用的地方分為兩個：一個是前端芯片，在前端進行智能化處理，再將初步處理后的信息傳給后端，目前商用以英特爾的 VPU 為代表;另一個是后端芯片，在后端進行集中式分析，目前商用以英偉達的 GPU 為代表。

　　安防架構分為模擬視頻監控系統和數字視頻監控系統。模擬攝像機前端芯片為 ISP芯片，主要對圖像傳感器的輸出信號進行處理，模擬攝像機+DVR 是模擬視頻監控系統的核心， DVR 主要功能包括進行數字化編碼壓縮和存儲。在 NVR 出現后，產生了模擬攝像機+DVS+NVR 的數字視頻監控系統，這個體系下 DVS 僅有編碼壓縮的功能，并沒有存儲能力，而是將數字化后的信息通過互聯網傳輸到后端NVR 進行存儲。隨著前端 IPC 逐漸替代模擬攝像機， IPC 由于從視頻采集到編碼壓縮實現全數字化，此時數字視頻監控系統架構精簡為 IPC+NVR。

▲視頻監控系統結構介紹

▲典型 IPC SoC 架構

▲典型 DVR SoC 架構

　　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。

　　前端芯片： AI 賦能邊緣， 前端 SoC 升級

　　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?？档?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 成本最高， 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，安防行業起初用最為通用、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。

▲AI 芯片種類比較

　　芯片廠商可以將 AI 的人臉識別等算法固化在 IP 模塊，嵌入攝像頭的 SoC 芯片中 。老牌的安防 SoC 芯片提供商諸如海思、富瀚微、中星微、國科微、英特爾、 TI、NXP，也紛紛發力人工智能芯片，新興人工智能芯片企業諸如寒武紀、深鑒科技、地平線、云天勵飛、深思創芯也在積極推進安防產品落地。其中，以英偉達MovidiusVPU 較為成熟，此外還有深鑒科技 DPU 芯片、寒武紀 NPU 芯片、中星微“星光智能一號”等。在傳統 IPC SoC 市場中，海思一家獨大， 也在為積極布局 AI芯片。

　　后端產品： 后端及中心控制 AI 最早落地， 芯片主要以 GPU 為主

　　后端的中控系統需要利用服務器的強大算力進行處理和分析，也是安防智能化最早落地的環節，由安防巨頭和 AI 算法創業公司諸如商湯、依圖等積極布局。 后端產品一般包括基于深度學習智能 NVR 和具備結構化服務器的中心控制系統，能夠每秒實現數百張人臉圖片的分析和建模。 目前，不管是傳統安防巨頭，還是 AI初創公司，在后端的智能化基本都還是基于 GPU 架構。

　　后端芯片目前主要采用 GPU，諸如?？档?ldquo;超腦” NVR、“刀鋒”車輛特征結構化服務器、“臉譜”人臉分析服務器、“獵鷹”視頻云結構化服務器均是搭載英偉達的 GPU; 大華“睿智”系列搭載英偉達 Tesla P4; 宇視的結構化智能服務器“昆侖” 搭載英偉達 Jetson TX1 芯片。 以“昆侖”為例，最高支持 80 顆 Jetson TX1，可以并發處理 640 張/秒人臉識別、 160 路人員計數、 80 路人車物結構分析。 目前僅一個 Jetson TX1 模塊報價 3000 元以上， 平均每顆 TX1 支持 2~4 路視頻流，成本較高。 未來后端芯片也有望向 ASIC 發展。

　　兩種模式對比： AI 時代，安防龍頭優勢鞏固

　　?？?、大華等安防企業對于安防 AI 的思路較相似，布局邊緣智能，深化軟硬一體的能力 。 安防龍頭企業，在 AI 時代，延續之前在產品、工程、方案上的優勢，推出一系列智能化產品，基于深厚的行業積累提出各自的架構，以延續在安防領域的優勢。側重于邊緣計算概念， 實質上是安防企業圍繞原有基礎在 AI 時代鞏固競爭優勢的方式。

　　華為 2012 年宣布進軍安防，近兩年來不斷積極布局，有進一步開拓的趨勢 。 目前，華為安防業務屬于二級部門， 其推廣的平安城市解決方案廣布全球。華為具有強大的生態培育能力、較強的 ICT 技術基礎、雄厚的技術研發實力、協同客戶等優勢，因此未來在特定的安防市場必然有立足之地。同時，華為繼續開拓安防領域面臨著行業理解深度和產品覆蓋廣度兩個層面的挑戰。

　　安防龍頭仍然保持競爭力，有望享受 AI 升級紅利 。 對比兩種模式的差異，我們認為可以歸納于兩點：(1)?？荡笕A優勢在基于安防行業積累的軟硬一體化，華為優勢在基于較強技術實力的開放平臺;(2)?？荡笕A更關注邊緣層面，華為更關注云中心層面。 我們判斷，安防龍頭在 AI 時代優勢將繼續鞏固，基于行業理解的產品、方案仍然是重要的競爭力。帶寬和存儲成本限制下，前端升級勢在必行，隨著安防 AI 專用芯片研發進展， 安防龍頭將享受這一波行業升級紅利。

　　1、?？荡笕A模式：賦能邊緣，保持軟硬一體化優勢

　　賦能邊緣保持軟硬一體化優勢，統一調度 IPC 及 NVR 。 ?？?、大華在安防產品、工程和方案上積累深厚，豐富的前端 IPC 和后端 NVR 產品便是重要體現。 胡揚忠說過：賦能邊緣智能是大趨勢，通過統一調度 IPC 和 NVR 等分散式的智能設備資源，可以提升業務敏捷性、實時性和系統可靠性同時，分攤海量數據給中心節點帶來的并發壓力。

　　邊緣計算指靠近物體或數據源的一側，搭載網絡、計算、存儲、應用等能力為一體的開放平臺，就近提供服務，具有即時性強、反應迅速、傳輸成本低等優點 。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。

　　?？低?AI Cloud 包括邊、域、 云三級架構，賦能前端、層層分析 。 海康 AI Cloud能實現四個能力： AI 資源的可調度、數據的按需匯聚、應用的場景化、運維服務的一體化。 海康的架構中，邊緣節點和邊緣域完成感知，邊緣域和云中心完成認知，這過程數據并非全部匯聚到云中心分析，而是層層分析，按需匯聚。通過與華為和阿里對比，?？?AI Cloud 實際側重落地的是邊緣智能。視頻數據量大、冗余信息多、持續錄制的特性，決定了難以將所有數據匯聚于云端計算。通過賦能前端，將人臉識別算法前置，提升視頻處理的及時性，并降低帶寬負荷和存儲成本。

▲AI Cloud 核心理念

▲AI Cloud 架構示意圖

　　2、華為布局：部門重要性提升，平安城市方案已經推廣

　　華為安防業務已經從三級部門提升至屬于公司二級部門，在企業 BG 之下，作為 重要發展的業務之一 。 華為在 2012 年宣布正式進軍安防，并發布全系列視頻監控產品及解決方案。 2018 年發布“新 ICT，邁向協作式公共安全”，憑借領先的 ICT技術，與合作伙伴共同打造端到端的公共安全解決方案，構建共贏的生態圈。

▲華為組織架構

▲華為歷年安博會主題

▲華為一站式 ICT 基礎設施和開放平臺

▲華為平安城市解決方案

　　華為平安城市解決方案已經在全球各地推廣 。 華為平安城市解決方案已服務于歐洲、拉美、亞太、非洲等地的 90 多個國家 230 多個城市，覆蓋 10 億人口。比如，華為的肯尼亞平安城市項目，包括 1800 多個高清攝像頭、 200 多個卡口攝像頭、300 多個自動車牌識別系統， 實現效果包括震懾犯罪活動，處警時間縮短到 8 分鐘，效率提升 50%以上，年內犯罪率下降 46%， 2015~2016 年肯尼亞旅游業收入增長 14%等。

　　3、華為模式： 模式選擇取決于企業基因差異與成本效益權衡

　　華為的思路與傳統安防企業的思路差距， 源于兩種企業競爭要素的差異 。 華為的云中心思路與海康 AI Cloud 的思路區別，反映著兩個企業對于安防架構成本認知的差異。前者的思路是如果傳輸、存儲成本低于前端智能成本，則可以通過云中心統一分析處理;后者的思路在于網絡通信寬帶成本高，需要前端進行智能分析再送回壓縮。 同樣，軟件定義攝像頭與海康的多種細分產品背后，其實是標準化產品帶來的高規格成本和多元化產品成本帶來的技術人員成本的權衡。 思路的差異，背后的實質是微觀層面兩個企業競爭要素的差異。

　　通過梳理，我們認為華為在安防領域競爭的優劣具有如下幾個特點：

　　特點 1： 華為“上不碰應用，下不碰數據”，具備較強的生態系統培育

　　華為聚焦于平臺， 比較不會觸及友商的利益。 2017 年 9 月，華為攜手東方網力、高新興、易華錄、商湯科技、依圖科技等公司成立中國平安城市視頻云合作伙伴開放聯盟。華為 CloudIVS 視頻監控是兼容各類生態伙伴的算法和應用的開放型云平臺，合作對象包括產業鏈上下游的生態伙伴和應用伙伴。 在 2018 年華為中國生態伙伴大會中，華為攜手眾多合作伙伴，基于華為 CloudIVS 視頻監控云，共同發布了面向平安城市公共安全視頻多應用領域的聯合解決方案。 而傳統安防企業系統走軟硬結合之路，往往在系統優化、文件格式上相對封閉，彼此兼容性較差。

　　特點 2：頂層設計能力強， 與通信領域結合，與華為云戰略協同

　　華為基于 ICT 領域的豐富經驗、 超大規模聯網能力以及高效智能分析能力， 推出了視頻云概念。 隨著安防行業與云計算、大數據、通訊技術、物聯網等 ICT 技術結合越來越緊密，華為具備較好的 ICT 基礎， 能夠較好地對安防行業進行頂層設計，搭建資源整合、信息共享的業務架構。作為一家端到端的解決方案商，華為還能提供服務器、存儲、路由器、攝像頭等 ICT 基礎產品，支持平臺軟件。華為在安防領域的布局思路， 依托通信領域的技術與資源優勢， 圍繞公安實戰的大平臺。以無錫雪亮工程為例，建設方面由?？抵袠?， 攝像頭由?？堤峁?，但視頻云平臺由華為的安防監控云提供。?？?、大華等安防廠商在前端攝像機、后端錄像機等安防硬件設備有較好的優勢，華為則在云平臺的搭建和大數據處理積累更深。

▲平安城市技術與通信技術協同

　　特點 3： 華為技術雄厚， 能夠較好轉化到安防領域

　　華為 H.265 編解碼壓縮格式的海思芯片，在 2014 年 IPC SoC 的國內份額從 37.3%提升至 64%。目前，華為海思芯片在全球市占率達到 70%以上。在視頻監控的編解碼等底層技術具備優勢。此外，華為原本的網絡通訊、云服務在技術上有協同效應，原本的技術積累可以應用到安防領域。華為技術研發力量不僅可以支持安防業務，并且過去積累的技術很多可以承接到安防領域。

　　特點 4： 基于 ICT 業務，具有一定的客戶關系基礎

　　華為的 ICT 業務與安防行業一樣，具有 B2G 和 B2B 屬性。 華為在平臺、網絡、服務器、存儲、虛擬化和云等各種 ICT 產品較全的產品線布局具有優勢，其 ICT解決方案已服務于公安部、全國 32 家省級公安廳和 200 多個地市公安局。

　　華為進入安防兩個主要挑戰，分別是行業理解深度和投入程度 。 除了上述幾個點特點之外，華為進入安防面臨著兩大挑戰，第一個挑戰是解決方案覆蓋場景不如傳統安防企業，這反映著兩者目前對于行業的理解深度差異;第二個挑戰是產品品類不如傳統安防企業，這反映著兩者對于安防業務累計投入的人力、物力和精力上的差異。 我們認為由于安防行業需求場景細分化的屬性，這種投入積累的差距，也是一種難以被繞過的“護城河”。

　　挑戰 1 ： 行業理解深度差異，且“上不碰應用，下不碰數據” 也導致對客戶需求敏感度下降，“上不碰應用，下不碰數據”也導致對于客戶需求有一定距離。 目前華為安防的額銷售團隊智能聚焦于平安城市、智慧交通，而傳統安防企業能夠服務公安、交通、樓宇、校園、民用等。?？典N售團隊、大華銷售團隊， 對行業用戶需求了解深刻。 華為長期處于“被集成”的安防定位，行業理解相對不直接。

　　華為和傳統安防企業解決方案側重點不同，傳統企業覆蓋全而細，華為主打專而精。 ?？?、大華作為業內龍頭，需要覆蓋盡可能多場景，因此更多針對細分領域提出解決方案。華為從 ICT 跨界，解決方案的提出側重于解決用戶痛點，并在其中充分利用自身在 ICT 和云服務的優勢。 僅從數量分析，?？倒倬W列示 64 種解決方案，大華官網列示 95 種解決方案，而華為官網僅列示 3 個公共安全解決方案。當然官網數量不代表全部，但華為對于安防行業的理解與傳統安防企業尚有差距。

▲針對客戶難以統一指揮的痛點

▲針對視頻信息傳輸困難的痛點

　　挑戰 2 ： 產品覆蓋廣度差異， 銷售團隊和技術團隊規模相對有限。

　　安防是需要長期技術投入以形成積累的行業。 傳統安防企業針對各種細分場景，打造豐富的產品線。以?？禐槔?，產品品類超過 1 萬種，技術支持及研發團隊人數超過 1.3 萬人，每兩年更新產品。根據官網列示，?？嫡故?244 種攝像機，大華展示 514 種，宇視展示 183 種， 與之相比，華為官網數得出的攝像機種類為 19款，且華為安防業務僅有千人規模， 技術支持和各省銷售力量都比較有限。

　　華為在積極擴張安防團隊規模， 并同時做了兩件事情： 1)計劃在 2018 年底前發布近一百款攝像機; 2)“軟件定義”安防。 華為的“軟件定義”理念， 即用軟件來主導攝像頭的定義，使監控攝像頭從單一功能變成多應用聚合的平臺，實現分層智能、按需定義、持續進化。“軟件定義”安防，也可能意味著較強的硬件支撐、通用型產品，意味著在性價比方面的妥協。

▲華為“軟件定義”安防概念

　　河姆渡 認為，隨著社會經濟的快速發展和科學技術進步,社會對安防措施越來越重視,安防產品品種愈來愈多，技術升級也愈發頻繁。我國安防行業逐漸走向成熟，它給社會發展和人民經濟生活帶來了更多的安全保障，安防已成為我國的熱門產業之一。在上一次安防行業由模擬到數字技術大轉折中，我國安防龍頭成功實現彎道超車，逐漸擠占了外資份額。未來在5G、AI等技術的加持下，安防行業仍將保持著高速增長率，但機遇與挑戰并存，尤其是以華為為代表的安防行業新秀能否一飛沖天，我們將拭目以待。