“向高風險、高壁壘的行業(yè)切換。“

作者｜羅賓

編輯｜tuya

當“增長乏力”、“美國制裁”等挑戰(zhàn)來臨，?？低?002415.SZ)投資者交易更加活躍，機構調研依然頻繁。在情緒和分歧下，?？低曄Ｍ蠹夷苷J同它新的價值，即增加公司的科技含量，使其不止是安防硬件廠商，而要以軟件和技術為公司帶來更大的市場。這個增長的故事能讓大家忽略當下的種種擔憂嗎？

為了升級品牌，?？低暯⒉⑼晟屏薃I開放平臺，并讓自己的硬件智能化，以落地平臺的AI解決方案。算法的發(fā)展程度已經解決了從無到有再到優(yōu)的問題（安防場景），真正限制場景落地的是有沒有足夠的算力，以及足夠算力能不能實現低成本部署。所以，雖然商湯、曠視等安防解決方案供應商以領先的算法快速成長，但這個時候硬件起家的公司也可以在同一起跑線上。

開放平臺成熟算法

?？低暤拈_放平臺由螢石開放平臺、行業(yè)開放平臺、AI算法訓練平臺、邊緣設備開放平臺構成。如果從眾多披露信息中劃重點，則是第三方合作伙伴的算法可以快速接入?？档脑O備；用戶可以在平臺中集成自有的算法。

安防服務商通常無法為客戶提供標準化、規(guī)?；慕鉀Q方案，因為客戶的場景往往碎片化。?？低暠硎竟疽蚜晳T滿足這樣的需求，而且“進來了就不會輕易退出”。隨著開放平臺的用戶群體面積增大，平臺越有可能訓練并推理出不同個場景的算法與解決方案。不斷豐富的數據庫和算法倉庫是為“物信融合平臺”服務的，將產生各類場景的物聯網解決方案。

其實物聯網各個場景的方案開發(fā)也是碎片化、絕不是一勞永逸的，但我們相信由于物聯網平臺可以容納更多的服務商（例如廣告商），開放平臺對參與者的吸引力或許比以往的上下游關系更具吸引力。

安防和自動駕駛這樣的大類場景里，算法平臺迭代了成熟的解決方案，但算力依托于服務器、芯片上，投資額的高漲會造就一些冠軍、獨角獸，不過輸贏未見分曉。這也解釋了成立僅9個月的通用智能芯片設計公司壁仞科技近日獲得創(chuàng)紀錄的11億元A輪融資的原因。CPU幾乎定義了同時期所有數字計算的基礎設施，但物聯網會將利益分給到更多參與者。

訓練、推理算力重新分配

我們將包括智能芯片在內的算力部署歸結為軟件業(yè)務。翻閱技術帖，明確技術的方向在本文中不為深挖技術，而是意在找到硬件公司到智能軟硬件的轉變，距離這個目標有多遠。

安防設備的模擬監(jiān)控系統(tǒng)和網絡監(jiān)控系統(tǒng)前后端分別用到4類芯片，我們關注的增量集中在承擔深度學習的AI芯片上，目前海康威視使用的是通用型芯片GPU，也是其他同類廠商采納的方案。

基于安防場景的訴求，各廠商的數據、算法的差距不大，算力解決的是數據的運算和處理，涉及到服務的成本和研發(fā)投入的效率。?？低曀玫氖羌夹g門檻最高的英偉達（NVDA.O）前端AI芯片，英偉達GPU芯片在全球一家獨大，2019年出貨量市場份額73%。

通用型的GPU突出優(yōu)勢就是并行運算能力強。但GPU昂貴的價格不能忽視，散熱功耗較大。另兩種專用型的FPGA、ASIC分別適用于算法更新頻繁或市場規(guī)模小的專用領域和市場需求量大的專用領域，價格更低。

AI芯片被稱為AI加速器或計算卡，顧名思義它需要加速AI應用中的大量計算任務的模塊，加強算力會進行訓練和推理兩個動作。業(yè)界認為，深度學習中，雖然現在大家關注訓練（搜索和求解模型最優(yōu)參數的階段）更多，但日后多數算力會用于推理（如何使用模型，以及在在線環(huán)境中部署模型）。

賽迪顧問報告顯示，訓練階段需要大量數據運算，GPU預計占64%左右市場份額；FPGA和ASIC分別為22%和14%。推理階段無需大量數據運算，GPU 將占據 42%左右市場，FPGA 和 ASIC 分別為34%和 24%。這說明兩種專用型架構的芯片有望在上游替代部分GPU的供應。?？低暱梢愿每刂扑懔Ψ掌鞒杀?，也找到進口替代的辦法。

邊緣計算重構

從投資資金的流向就能看出，邊緣端芯片問世量產的產品數量與云端芯片不相上下。邊緣計算相對于云端計算來說，更加節(jié)省算力，節(jié)省成本。例如安防場景中會產生大量“無用”數據，將沒有必要全部由云端處理，否則將出現芯片性能過剩。為了合理分配算力，?？低晱娜昵皣@邊緣節(jié)點、邊緣域、云中心的構造產品體系。

AI邊緣計算包含手機等終端設備上的計算，還有離終端較近的本地服務器的計算。直接在終端上計算可實現最低時延，但使用在終端上的芯片對電池容量和散熱度都有很高要求，是現有的研發(fā)應用水平所不能及。但另一種靠近終端的云服務器計算芯片對以上性能的要求就低很多。云服務器完成計算后將結果返回給終端設備。

目前出現或在研的芯片更多用于邊緣云服務器而非終端，但邊緣計算芯片廠家仍然很少，已經量產的芯片更是屈指可數。代表的邊緣計算芯片包括定位高端的英偉達的Xavier、定位中高端的華為昇騰 310、定位性價比的比特大陸的BM1682等一系列芯片。

不同場景對芯片算力、能耗等性能方面提出不同的要求，其中最熱門的場景是自動駕駛，所用芯片最高端，但對芯片成本的要求比智能攝像頭更加寬松。

數據計算流在云端和邊緣側結合運轉，成本會比單獨使用云端節(jié)省39%，云端芯片由于兼?zhèn)溆柧毢屯评硇阅?，算力強，所以單價最高。邊緣芯片由于多用于智能制造、智能家居場景中，使用比例越高則芯片成本越有可能降低。

芯片價格會隨著性能更迭而下降，不過考慮到目前智能安防AI芯片產量未具規(guī)模，AI解決方案供應商在軟件化的轉變期，不管是自研還是并購，芯片部署成本還是很高。商湯過去兩年一直在研發(fā)AI訓練芯片，新款芯片可能與英偉達行業(yè)領先的產品形成互補。因投資大額投資芯片，商湯收入以三位數速度增長，但現金流仍為負。

在安防算力領域，華為海思芯片綜合實力在國產芯片中最耐打。越靠近邊緣側和“端側”，我國公司越有可能研發(fā)出可應用的AI芯片，但是在云端，本土公司實力仍是落后國際巨頭的。云計算芯片巨頭優(yōu)勢一旦建立便難被超越。

知曉上述情況還可以回答一個重要問題：?？低暠幻绹鴶喙┑某掷m(xù)影響有多大。進口GPU的份額不僅會下降，而且在GPU國產化中，華為海思、百度、阿里已經有多個覆蓋物聯網、智能駕駛的高性能芯片即將實現量產。其中，海思昇騰910計算力超過谷歌及英偉達。此外，邊緣計算領域我國未必像云服務器一樣要受制于美國的產品。因此，實體清單不會是最大的負面影響，算力成本才是。

增長邏輯受阻

再看關于增長的質疑。軟件化的產品依然要面對需求轉變不足的問題。就拿存量客戶來說，公司傳統(tǒng)業(yè)務三類客戶包括政府機構和大企業(yè)、中小企業(yè)。有剛性安防預算的政府機構對價格相對不敏感，2017至2019年間雪亮工程推動了供應商與多地政府機構訂單的交易達成，但現在新訂單的增速預期不容樂觀。

很長一段時間，安防行業(yè)訂單主要是由政府投資大幅拉動，2015年之后出現了轉折點，安防行業(yè)增長對政府訂單的依賴降低，企業(yè)的碎片化需求增長。根據投資者的反饋，海康威視對企業(yè)的硬件業(yè)務增量會受制于經濟環(huán)境，而在軟件上，需求的不確定性更大了：企業(yè)采購成本將會變高。

在此情況下，?？低曖尫判盘枺l(fā)展螢石網絡、?？禉C器人、?？灯囯娮?、?？抵腔鄞鎯?、海康微影、?？祷塾暗?C與2B結合的創(chuàng)新業(yè)務，分別在2018、2019年單獨披露了螢石網絡和?？禉C器人的收入情況，還計劃將螢石網絡分拆上市。螢石網絡通過智能家居切入消費級物聯網領域。

轉折點可能是什么

如果我們仍不清楚我們在“軟硬交替”時期對公司的AIoT等技術落地該存有幾分把握，不妨再次對照Gartner曲線（2019 IoT）：IoT技術應用側，自動駕駛場景已經度過了“期望膨脹期”而處在“幻滅期”或者是眾入場者的淘汰期，其發(fā)展成熟還需十多年時間，因此目前自動駕駛場景的算力也在加快發(fā)展。那么物聯網的終端/邊緣AI計算和推理似乎還在“觸發(fā)期”和“期望膨脹期”的交匯地帶，它們的成熟需要2-5年，也許5年內可以篩選出場景中的幸存者、強者。

在向曲線頂點爬升的過程中，大家對海康威視軟件業(yè)務未來增速的估計會差異較大。對于一家算得上績優(yōu)的公司一旦增長乏力，而需投入時間、資金轉型時，毫無意外，投資者往往比績優(yōu)時期更加嚴苛。

欣慰的是，一旦成功打好軟件的基礎，公司面對的競爭也不會像硬件的同質化競爭那般激烈了，毛利率更高。在非高速發(fā)展期，公司需投資于物聯網研發(fā)、鞏固渠道，并配合算力的量產。只是，鑒于公司目前研發(fā)/收入比例只有9%左右（2019年報），我們并不排除某個節(jié)點公司會開啟深度計算芯片企業(yè)的并購過程。