端侧AI增长空间巨大，更易用的芯片平台、移植工具链是加速落地的关键！

电子发烧友网报道（文/李弯弯）随着端侧AI芯片逐渐成熟，视觉AI应用正在加速向千行百业渗透，包括智能安防、智能车载、智能硬件等诸多领域。

目前智能安防是应用最大的市场，智能车载、智能硬件等领域的市场也增长较快。那么不同应用领域的发展状态如何，有何特点？AI行业的难点是什么？未来发展趋势如何？

不同应用领域的特点和AI需求

亿智电子是一家提供端侧AI通用算力的AI芯片公司，致力于视像安防、汽车电子、智能硬件（AIoT）领域的智能化赋能。该公司在接受电子发烧友采访时详细分析了智能安防、智能车载、智能硬件领域的不同发展状态和AI需求。

智能安防：不同场景的AI需求越来越清晰

在智能安防领域，摄像机除了关注图像质量之外，对AI的需求越来越明显。高精度人形、人脸检测和识别已经逐步成为普遍需求，亿智电子告诉电子发烧友，“如今不同场景中的AI需求也越来越清晰，比如，电梯场景的电动车识别、社区场景的高空抛物、家里场景的哭声检测和行为检测、户外场景的人群聚集检测等。”

在智能安防领域，亿智已经推出多款芯片产品，去年推出了SV826/SV823系列芯片，面向前端AI IPC领域。亿智电子的AI芯片可结合多种第三方算法及合作伙伴应用，实现人车检测、人脸识别、车牌识别、电动车识别、宠物识别、哭声检测、手势识别、关键字识别等，从而全方位助力智能安防、智慧社区、智能家居、智慧办公等应用场景落地。

今年该公司还将推出更加普惠型的SV822/SV820系列AI IPC芯片，加速IPC智能化升级。

亿智电子一直坚持AI核心威廉希尔官方网站 自主研发，包括NPU、ISP、音视频编解码、显示及图形处理、高速数模混合接口等。2019年亿智电子发布首款集成自研NPU的AI SoC芯片，该芯片中除了CPU的IP外，其他所有IP都是自主研发。经过三年多大规模量产验证，亿智的NPU及工具链已经成熟且易用。

智能车载：智能辅助驾驶等AI应用成为刚需

在智能车载领域，车内和车外不同的使用场景，需求也有所不同。车外应用，更关注运动图像处理、逆光条件下“人车非”的清晰程度、进出隧道口等场景的宽动态处理、强光抑制等威廉希尔官方网站 ；车内应用，会关注司机、乘客的行为特征，对不同光照条件下人脸特征的还原程度及侧光下人脸阴影部分增强等。

近年来，客运车、运输车的交通事故频出，国家政策对营运车辆的威廉希尔官方网站 要求和规范标准在不断提高。如今在汽车电子领域，智能辅助驾驶、盲区检测、驾驶员行为监测等AI应用逐渐成为行业刚需。亿智电子表示，面向“两客一危”等商用车，公司的AI芯片已经广泛应用在智能视频部标机、AI货车记录仪等，可支持车道监测、前后向车辆监测、前向行人、自行车检测和车内监测（DMS）等智能化安全系统。

该公司强调，面向智能安防和智能车载领域，公司除了能快速支持品牌厂家快速移植自有算法直至量产，同时还提供完整的芯片+算法的整体解决方案。

智能硬件：应用场景丰富，要求低功耗、响应快

在智能硬件（AIOT）领域，一些新兴的应用领域和产品形态，如智能云台、智能会议摄像头、AI扫译笔等产品，需求也不同。从图像上来看，更注重对纹理的细节及运动拖影控制，产品端要求支持速度启动、低功耗、智能响应快等。

在AIOT领域，亿智电子的AI芯片支持人脸识别/跟随、手势识别、OCR等AI算法，已成功助力智能云台、扫译笔、USB摄像头等智能终端落地。

据亿智电子介绍，随着疫情防控的常态化，视频会议、远程教学成为常态。传统智能设备的内置摄像头难以动态调整视角、视角存在受限的现象（难以支撑多人沟通）、音场采集区域有限等不足，而AI芯片赋能的智能USB摄像头可实现独立的AI视觉跟踪功能，满足视角可调、视角区域宽泛、音场采集清晰的功能。同时可实现稳定的人脸和人形检测，把参会人员的人脸画面进行分屏处理，在多人视频会议场景下这是非常实用的功能，可以解决在传统智能设备上所存在的人像焦点问题。

面向更为丰富的AIoT场景，提供完善的AI工具链很重要，亿智电子表示，在AIoT领域，公司主要交付的是芯片+工具链，支持行业产品的AI升级。

AI行业的挑战和未来趋势

目前AI还处于发展早期，存在不少难点，比如，负责AI加速运算的NPU（神经网络处理单元）尚无行业标准，客户需求和算法公司算法的一致性也比较低，另外，数据采集、算法训练、嵌入式设备算法迁移都是当前AI行业普遍的痛点。

因此，对于AI客户来说，这就需要芯片原厂能够给予更多支持，包括提供成熟易用的工具链，比如亿智电子，提供成熟易用的工具链去支持第三方AI算法移植，可以让客户的算法移植从几个月最快能缩短到一周。

整体而言，未来AI的发展是必然趋势，端侧AI的潜在增长空间巨大，然而市场还需要更易应用开发的芯片平台，更成熟易用的算法移植工具链，和更加普惠的方案，以加速实现AI的规模化落地。