• 项目
首页>>文章列表 >>行业研究
行业研究

金准产业研究 视频物联市场研究分析报告 2020-07-08 15:32:03

前言

随着深度学习的出现,传统安防产业正加速向视频物联转型,非智能时代下的安防项目主要任务是将画面转换为视频并进行存储,智能物联时代下安防厂商利用视频数据的能力也随之提升,新增了将视频图像转化为二维数据标签、并进一步还原为三维世界信息的能力,可在此基础上开发新应用,基于大数据为客户创造更大价值。

在转型过程中,整个行业的商业模式由“硬件为主、软件配套”转变为“软件为主、硬件为辅”,业务重点发生变化。根据IHS数据,全球传统安防产业的市场规模超3000亿美金,而视频物联是一个数倍于传统安防产业的庞大市场,空间更广阔。

一、视频物联,安防新形态

传统安防产品种类很多,主要有视频监控、实体防护、防盗报警、报警器等产品。

视频监控:视频监控占安防产品市场5成左右,主要由安防摄像头构成。安防摄像头经历了模拟、数字、网络、高清的升级过程,目前在向AI智能方向发展。

实体防护:实体防护市场主要包括人力安保、防盗门、防盗窗、防盗锁等服务或者产品。

楼宇对讲:主要应用于高层住宅小区,可以实现访客、住户和物业管理中心相互通话、信息交流。包括对讲器、门口主机、分机、终端机、管理机等产品。

出入口控制:主要应用于社区、写字楼的进出口,分为车辆管理与人流管理两类。主要包括停车场管理系统、车位引导系统、门禁、道闸、折叠门、收费管理系统、通道管理、岗亭等。

 

安防产品分类

 

2018年中国安防产品占比结构

现在,传统安防产业正加速向视频物联转型。

 

视频物联时代的产品品类

安防行业安防下游应用广泛,根据产业特点可分为政府端、商业端、SME市场三大类:

政府端:包主要用于公安治理、交通监管、司法等方面。

商业端:需求分散,按照行业可以分为文教卫,医疗,能源,金融等。

SME市场:主要由小商铺、小企业、家庭安防构成。

安防产品在各应用行业占比

1.1细分行业产品形式

平安城市:是由公安部牵头,为了维护社会安定和谐而建设的特大型综合性信息化管理系统。主要嵌于各地具体的安防项目中。

金融行业:包括ATM机安保、银行大厅监控、银行柜台监控、银行周边监控等。

智能交通:车速监控、车牌号识别、电子警察、交通卡口、交通流量统计、公安交通集成指挥系统。

工厂/园区:安防监控、生产监控、员工人脸识别、防盗报警系统、出入口控制、电子巡更系统。

楼宇/物业:社区安防监控、业主识别、防火报警等。

教育/学校:校园安防监控、校园周边监控、学生识别门禁、电子围栏等。

卖场/零售:商场防盗监控、防盗门、防盗箱等。

医疗:安防监控、患者状态监视等。

能源/环保:厂区安防监控、设施工作状况监视、电子围栏、防盗设施、信息保护系统等。

电力/水利:安防监控、电子围栏、厂区周围环境监控等

司法监狱:报警系统、音视频监控、门禁系统、对讲系统、会见管理系统等。

其他新兴领域:无人机、视觉机器、无人仓储物流、无人商超等场景。

视频物联时代下,下游应用的变化:

不变:下游应用范围大致相同,同样可以分为政府、商业、渠道

变化:决策权上移或后移;下游应用的覆盖广度与深度均有显著优化(如新增智能看护等新需求)

 

下游应用变化

1.2行业特征的变化

1、从孤立、非智能走向互联、智能。金准产业研究团队认为,在传统安防时代,关键词是看得清,核心是记录;在视觉物联时代,关键词是看得懂+连接,核心是赋能。

 

行业特征的变化

 

2、从安全防护到助力企业数字化升级。

 

行业特征的变化

 

在商业模式上,传统安防主要有以下三种:

政府端:政府端安防市场主要以项目招标的形式实施,由中标方直接对接政府部门,向各类软硬件厂商采购所需硬件、软件,并负责设备的安装。项目规模差异较大,从几十万至亿元波动。中标方主要有通信运营商、安防厂商、安防集成商构成。

商业端:商业端的服务形式主要包括两种:1、文教卫等事业单位:与政府端类似,多以项目招标的形式,项目集成商负责投标以及向上游采购软硬件。项目规模与单位的规模相关,小学的安防项目规模在几十万至上百万左右,大学的安防项目规模则在数百万以上(如中国药科大学2019年平安校园预算610万元)。2、其他行业:由项目集成商提供集成服务与安防厂商直接提供安防系统解决方案两类形式构成。项目规模较大,一般在百万级以上。(邮储银行四川分行安防项目规模345万元)。

SME市场:家庭、小商铺:以零售为主,通过商场、电商等平台直接购买,自行安装或者技术人员上门安装。摄像头的价格与性能有关,在150-4000元左右。自行安装与集成商安装价格差异较大,如中型超市的自行安装大概7000元(仅需硬件费用),安装商报价20000以上。小企业:以安防集成商为主,由安防集成商提供解决方案,搭建安防监控系统。企业规模越大,系统价格越高,一般在几十万左右。

而在视频物联时代,商业模式会发生根本性的变革,具体表现在:招投标模式继续,同时联合开发等新合作模式占比扩大,现在与运营商的合作更多;与下游客户的互动方式逐渐变化,软件端的粘性更强。

 

商业模式的变化

金准产业研究团队分析,在产业链价值上,传统安防时代:上游为设备零部件厂商,包括图像传感器、芯片、存储、镜头、视频算法等。芯片价格决定产品成本;中游为安防产品软硬件厂商、工程商(集成商)、运营商等厂商。安防中游市场,国内安防工程:安防产品:安防服务价值占比为6:3:1,国外市场安防服务价值占比相对较高;下游包括使用安防设备和系统的各个应用行业。海外市场受国际形势影响大,国内市场以平安城市、智能交通、金融、文教卫等行业应用为主。

 

产业链价值的变化

而在视频物联时代:上游:AI芯片价格成为决定整体成本的关键因素;中游:软件产品和服务环节价值占比进一步提升;下游:应用范围进一步拓宽。

 

行业壁垒的变化

定量看,传统安防行业规模:

全球市场:安防行业产值规模在3000亿美元以上,整体增速维持7-9%。

国内市场:规模在8000亿元以上,增速10-15%。

海外市场:规模在10000亿元以上,增速5-10%。

▲安防行业规模

定性看,传统安防行业未来仍会持续增长。安防行业最主要的特点就是稳定,2014~2019年间全球增速稳定在5~10%,国内增速稳定在10~15%左右。传统安防行业可看成是整个社会公共安全的一份保险,安防支出可比保费支出,会长期、稳定且持续的存在。根据wind数据,2019年我国寿险、财产险、人身险分别为2.28/1.16/3.10万亿,过去20年CAGR分别为18%/17%/20%,长期维持稳定且持续的增长。

 

分领域的项目金额(单位:万元)

视频物联是未来物联网未来最重要的数据入口之一,下游需求扩张至数万亿元,且新需求源源不断地涌现,其中商业端天花板提升幅度最大。

 

视频物联

 

二、视频物联国内市场

国内的安防市场总体来说有三大特点:1、中国是全球最大的安防市场,安防产业规模约8260亿;2、国内安防产业以视频监控为主导,视频监控规模约1400亿;3、中国市场向视频物联转型节奏领先全球。

 

国内安防市场

 

国内视频物联产业结构拆分

产业画像——过去政府主导,未来商业端兴起。传统安防,政府工程推动为主,商业端渗透率处于低位,民用市场尚未兴起。安防龙头的国内营收季度增速与政府在安防领域的投入呈现正相关关系,可以验证国内安防产业增长动力主要来自政府需求。

未来,金准产业研究团队预测,视频物联产业兴起后,AI化场景下大企业需求边际改善,商业端需求有望成为产业发展主驱动力。

 

国内两大龙头营收结构

现在,安防智能化方案多样化,前端、边缘或云端方案并存,但目前整体AI渗透率仅为个位数。随着国内海思等厂商推出高性价比ASIC芯片,加速安防产业向视频物联转型。

 

国内厂商近期推出的安防AI芯片

下面金准产业研究团队分别从政府端、商业端和渠道端三方面来分析未来安防视频物联的趋势。

2.1首先政府端,公安+交通将构成主要市场

政府端主要包括公安、交通,还包括司法等其他行业:公安占比较大:需求偏维稳。2001年开始建设,一二线城市设施相对完善,主动力来自以雪亮工程、新型智慧城市为代表的政府项目;交通占比较小:需求偏基建。渗透率低于公安,同样靠政府类项目拉动,未来增速更高。

 

国内政府端安防市场下游分布

国内政府端安防市场的迅速发展,依靠政府在资金和政策上的大力扶持:中国在公共安全领域的财政支出逐年增长;安防行业快速成长始于2003年平安城市工程;平安城市、智慧城市、雪亮工程等政策渐次落地,持续推动安防建设。

 

全国公共安全财政支出逐年增加

平安城市、智慧城市、雪亮工程

现阶段:雪亮工程、新基建等轮番拉动。

雪亮工程:整体空间在1400亿左右。2017年“雪亮工程”项目数705个,2018年290个,2019年381个,目前渗透率较低(约50%),预计仍需4~5年时间基本完成建设。

新基建:2020年3月中央政治局会议提出加快新基建建设力度,新基建中的5G、人工智能、大数据等技术都是智慧城市的重要基础设施,这些技术的加速发展将为新型智慧城市的建设打下良好基础。

 

雪亮工程项目市县区及建设模式占比地级市层面的典型雪亮工程项目

存量替换需求。前端存量替换:全国3.5亿个摄像头,存量空间较大;视频监控设备寿命一般为5年,政府端一般3~4年更快。

整体系统升级替换:国内对安防设备的利用方式较原始,仍以人工方式处理视频为主;进行软硬件一体化升级,可大大提高用户效率,于5秒内实现人工30天的工作量。强化中心控制设备,升级安防系统也带来大量替换需求。

智能化升级需求。智慧安防首先落地政府市场,长期看千亿市场空间。AI有望为安防带来质的改变,由被动监控变为主动分析,由事后处理变为事前预警;传统安防系统中前端价值占比近30%,智能化升级后AI摄像头占据大部分成本;长期看,政府端视频监控将100%替换为AI设备;短期看,受限于高成本,大范围普及尚需时日,目前渗透率仍在个位数;国内AI芯片龙头计划20年H2推出升级版安防ASIC芯片,价格有望下探至10~20美金,相比英伟达TX系列GPU芯片100美金量级的ASP,海思新产品的发布将助力安防产业的视频物联转型进程,并有望从政府端拓展至商业端。

视频监控AI渗透率加速提升

近期招投标数据逐步回暖,全年有望稳增长。

政府端需求逐步复苏:总体逻辑:政府招投标项目的减少主要由于国内去杠杆以及疫情导致需求滞后释放。随着政府财政政策逐步转向积极,叠加新基建带动需求释放,预计下半年政府端需求有望迎来反弹。数据验证:我们统计的2020年前5月政府安防项目招投标额同比均下滑9%,与一季度相比已有明显改善(20Q1招投标金额分别同比-19%/-29%),我们预计2020年全年政府端保持稳健增长。

政府安防项目数量月度统计

政府安防项目金额月度统计

2.2商业端:从安全防范到效率提升,企业数字化升级

 

视觉物联时代商业端变化

商业端:以零售业为例——传统模式下市场空间。

单店模型:便利店:100m2便利店×2路普通摄像头/100m2=2路摄像头/店(约600元),配套设备有交换机、硬盘、显示器等(约1000元)。便利店面积在30~150m2,平均单店价值量约在1500元左右。超市:1000m2超市×2路普通摄像头/100m2=20路摄像头/店(约6000元),加上配套设配(4000~6000元)。超市面积在500~6000m2,平均单店价值量约2万元左右。购物商场:根据产业调研,大型商场的安防设备需求在8~14元/平米。购物商场面积在0.6~10万m2,平均单店价值量约50~70万元左右。

门店数量:便利店(12万)+超市(10+万)+商场&购物中心(约1万家);理论市场空间:便利店(~2亿)+超市(20~30亿)+商场&购物中心(50~70亿)=~100亿;渗透率:较高。

中国便利店现状

所以,AI升级时代市场空间也可以很容易测算,如下图。

AI升级时代市场空间

另外,在教育、工厂、制造、溯源监管、物流、煤矿冶金、石油石化、电力行业视频物联也有着很大的升级前景,尤其在B端有广泛应用,大部分领域渗透率正处于从0到1的过程,潜在市场空间可观。

视频物联潜在空间

2.3在渠道端:针对SME客户,龙头占据主导

渠道端市场特征:客户类型:主要针对家庭及小微企业客户(如商超);销售模式:可分为线下、线上推广渠道,目前仍以线下为主。线下渠道即第三方经销商,如零售商的卖场;线上渠道即淘宝、京东、自营电商等;厂商布局:海康威视等厂商拓展渠道端市场时,以主品牌和创新品牌双管齐下;市场空间:目前渠道端整体空间约400亿元(视频监控口径),其中海康、大华占据大部分市场;根据金准产业研究团队测算潜在市场空间在千亿元以上,若考虑视频物联转型,实际空间更大。

 

国内民用安防厂商布局

国内渠道市场规模测算

需求升级:从单品到套装/方案,从纯硬件到软硬件结合(云服务等),AI及IoT需求兴起。龙头布局:海康推出海康云商,大华推出大华渠道,推动渠道市场的云化、数据化、可追踪化,加强对经销商管理,进而实现渠道行业的规范化;同时搭配线下分仓仓储渠道,更适应现代物流方式,帮助下游客户实现快周转,整体将更具有规模效应。

目前国内安防企业发展主要有两个特点:集中化和智能化。

安防行业现状

疫情冲击下,龙头厂商有望加速整合市场。2020年3月15日,全国安协合作互助联盟与中安网邀请全国安防企业参与《2020年企业复工复产》问卷调查,共回收205份有效问卷,调查结果如下:

七成企业Q1订单减少,供应链尚未完全恢复。根据问卷调查反馈,1)需求端:受疫情影响,除了红外测温等抗疫产品紧俏外,其余安防产品销售情况均有所下滑,有73%的安防企业表示Q1订单减少,仅有10%的企业表示订单未受影响。2)供给端:30%的企业表示产业链尚未恢复,供应链生产受较大影响,53%的企业表示供应链生产部分受影响。此外,受物流运输、人工成本等因素影响,部分原材料开始出现涨价现象,54%的企业表示原材料有涨价情况,涨幅在10%~30%范围之内。

安防厂商面临不同程度压力,或将引发新一轮洗牌。疫情影响下,安防厂商面临多重压力,1)需求延迟释放,订单同比减少,营收增长动力不足;2)项目停工导致前期垫资难以及时回收,部分安防厂商现金流紧张;3)下游客户对红外测温、智能化需求增加,对安防厂商创新能力提出更高要求。我们认为,行业内规模小、创新能力不足的厂商或将加速退出安防市场。

2020年新冠疫情先在国内爆发,后又在全球范围内蔓延,已成为较为严重的全球公共卫生事件。安防厂商全年业绩预计将持续承压。在此背景下,良好现金流是支撑厂商顺利渡过“寒冬”甚至阶段性提高份额的重要能力。龙头厂商资金实力雄厚,有望顺利穿越行业底部,同时保持份额甚至进一步整合上下游资源。

目前,竞争格局的逻辑更多的转向“软件”布局。项目化、定制化方案的行业特点:要求多层次软件布局,强调不同软件的组合能力;场景化、碎片化的行业应用特征:合作伙伴赋能有限,VS手机大单品;中台能力重要性凸显:软件的组件化,组件的可复用性;同时不能放弃定制,研发下沉。

视频物联厂商典型业务架构

供应链方面,为应对海外供应链不确定性,安防龙头积极备货:

2019年海康威视新增近55亿存货,其中关键零部件备货周期在1~2年;

大华股份同样积极对关键元器件备货,2019年存货中原材料账面余额新增6.8亿元。

供应链情况研究:前端摄像头产品:基本实现国产替代,AI芯片基本具备国产化能力;安防镜头的采购:以国内的舜宇光学科技、联合光电、福光股份等为主;CMOS传感器的采购:国内豪威科技(韦尔股份)、格科微等,高端部分来自索尼等;编解码芯片的采购:IPC芯片以海思为主,ISP芯片以富瀚微为主,国内厂商均占主流;电源管理芯片的采购:以TI、安霸等国际厂商为主,海康大华正积极导入非美国供应商;新加入的AI芯片:实验室阶段主要采购自英伟达GPU,目前国内的海思、寒武纪等厂商已可提供替代的SoC产品方案。

中后端产品:安防龙头携手供应链厂商积极研发替代方案;DVR/NVR芯片:供应商以海思为主;存储硬盘:安防主要采用机械硬盘,主要采购自希捷、西数,可采用高成本SSD方案替代;服务器CPU:公司目前服务器以x86架构为主,CPU供应商主要为Intel;国内厂商兆芯、海光正研制x86架构CPU,目前已有产品落地,性能上较国际大厂仍有距离;华为基于鲲鹏920芯片推出泰山服务器(ARM架构)。

 

供应链拆解——前端摄像机

 

供应链拆解——AI摄像机、DVR/NVR、服务器

 

国产替代趋势

三、海康威视

海康威视是由“浙江海康信息技术股份有限公司”于2001年正式成立,最初公司持有百分之五十一的股权,另外百分之四十九的股权由龚虹嘉持有。海康威视主要生产符合视频监控市场的产品。它将其年收入的8%用于研发。

在技术上,海康新架构特点是组件复用,效率提升。

组件:能独立完成某项技术或业务任务的软件单元,以可复用为目的进行软件的组件化拆分和设计,包括基础环境组件、通用服务组件、共性业务组件和行业业务组件。

构架:组件集成和运行的基本环境,满足不同业务场景提炼的海康域见和海康云远两大构架已逐步成熟,支持了大量软件产品和定制化应用的开发。

目前,海康威视在统一软件技术架构的开发模式下,软件产品中组件复用率达到93%,平均每个产品新增组件数仅为5个。

 

海康威视统一软件技术架构

 

组件复用的两种方式

3.1海康威视的短期驱动力政府回暖、红外爆发、商业端韧性足

政府端需求回暖:受益于政府积极的财政政策,相关需求逐步回暖,我们统计的2020年前5月政府安防项目招投标额同比均下滑9%,与一季度相比已有明显改善(20Q1招投标金额分别同比-19%/-29%)。

疫情背景下红外测温需求猛增:2020年受到疫情冲击,全球安防需求受到抑制(国内率先复苏),与此同时红外测温需求猛增,国内往年不足千台,而预计今年出货量达15~20万台(含出口)。

商业端需求具备韧性足:一方面,垃圾分类等新兴应用场景出现,带来增量需求;另一方面,商业端需求转变为企业效率提升,驱动单项目ASP大幅提升,预计商业端增速高于国内整体市场。

3.2 AI替换和创新业务高增长将是其驱动力

AI:AI产品单价逐步降低后,渗透率逐步提升,若渗透率达到35%,市场规模有望突破千亿,长期看政府端有望100%覆盖,商业端也将逐步渗透。

 

海康威视中期驱动力

 

海康威视创新业务

3.3长期驱动力是基于视觉的智能物联转型

发展趋势:随着AI、IoT、大数据技术渗入摄像头,安防行业边界不断模糊,视频大数据的应用范围不再局限于传统的安全防护领域,逐渐应用到非安防领域(如商超、酒店、银行等),基于视觉技术的智能物联市场逐步成型。

市场空间测算:基于视觉的智能物联产业空间远大于传统安防,预计未来将超数万亿元

竞争格局:传统安防龙头与跨界企业纷纷涌入,短期内双方在竞争中前行,目前两类公司业务边界逐步走向清晰,长期来看安防龙头与科技巨头将合作共筑视频物联生态。海康威视作为传统安防龙头,在算力、算法、数据等关键领域积累雄厚,有望在转型过程中持续领先。

 

四、大华股份

除了海康威视,国内另一大安防巨头是大华股份。大华深耕安防领域18年,已从最初的视频压缩板卡研发制造商发展为以视频为核心的智慧物联解决方案提供商,连续十年荣获安防十大品牌,稳居安防业龙头地位。

大华股份状况

业务占比:17年之前分为前中后端,17年开始采用解决方案与业务分类。

毛利率对比:19年比海康低4.9%,差距逐步缩小;

净利率对比:与海康差距维持在10%左右

作为全球仅次于海康威视的安防龙头,持续深化传统安防布局,受益龙头优势公司国内外市占率持续提升。另一方面,公司持续推动的内部改革也为公司“稳安防”提供了良好的人力和制度基础。

在驱动力上,大华同海康威视。短期看政府端回暖+红外爆发+商业端韧性足,中期看AI替换+创新业务高增长,长期看视觉物联转型。
大华股份驱动力

结语

金准产业研究团队认为,目前,安防的触角已经延伸到交通、家居、教育、医疗、城市级应用等领域,逐步形成包括智能交通、智能家居、平安城市、安防+人防、安防云在内的新兴市场。可以说,物联网对安防行业的发展起到决定性的作用。越来越多的传统安防企业通过“物联网”寻求更多元化的发展,旨在为用户带来更好的使用体验。而视频物联更是给安防行业插上了翅膀,物联网通过前端的感知系统采集,经过传输网络的数据汇总,进而实现海量感知数据的应用。同时也促进安防系统逐步从单纯的安防监控向行业安全化和可视化管理方面进行转变,系统架构也从简单孤立的系统向与业务密切相关的综合性管理平台进行演变。

金准产业研究 射频芯片技术特点和产业格局分析报告 2020-06-23 17:27:50

前言

2019年是5G商业应用元年。从5G的商业推广到发放5G牌照,再到下半年5G手机、5G套餐纷纷出炉,都在宣告着我国已经正式进入5G时代。在进入5G时代后,射频芯片成了行业热议焦点。

任何一部手机,都必须有无线通信功能才能上网打电话,否则就是一块砖头,因此所有的手机中都安装有无线通信功能的射频芯片。

一、什么是射频芯片?

1.1射频

射频(RF,RadioFrequency),表示可以辐射到空间的电磁频率,频率范围从300kHz~300GHz之间。射频是一种高频交流变化电磁波的简称。射频芯片,是能够将射频信号和数字信号进行转化的芯片,具体而言,包括RF收发机、功率放大器(PA)、低噪声放大器(LNA)、滤波器、射频开关(Switch)、天线调谐开关(Tuner)等。

 

手机射频芯片逻辑关系图

射频前端器件均有由半导体工艺制备,用于手机端的功率放大器和低噪声放大器主要基于GaN、GaAs、SOI、SiGe、Si(用于基站端的大功率功率放大器主要采用GaAs和GaN)。滤波器主要品类有SAW和BAW两种,均采用压电材料做基底。RF开关主要基于CMOS、Si、GaAs和GaN材料。射频前端器件均有由半导体工艺制备,用于手机端的功率放大器和低噪声放大器主要基于GaN、GaAs、SOI、SiGe、Si(用于基站端的大功率功率放大器主要采用GaAs和GaN)。滤波器主要品类有SAW和BAW两种,均采用压电材料做基底。RF开关主要基于CMOS、Si、GaAs和GaN材料。

 

射频前端器件的工艺技术和应用

1.2 4G手机射频架构

典型的4G手机需要支持约40个频段,如B1、B3、B5、B8、B38、B41等,每个频段都需要有1路发射和2路接收。发射通路上需要滤波器、功率放大器、开关等,接收通路需要开关、低噪放、滤波器等器件。在4GLTE频段划分中,有部分频率相近或重合的频段,可以形成射频前端器件共用,业界通常将4G频段划分为低频(698~960Mhz)、中频(1710~2200MHz)和高频(2400~3800MHz),相应的,对应射频前端器件可以形成低频模组、中频模组和高频模组。

 

4G手机射频架构

1.3 5G手机射频架构

由于5G增加了新频段,支持新频段就需要增加配套的射频前端芯片。简化来看,射频发射通路主要是PA和滤波器,接收通路主要是LNA和滤波器,其他如射频开关、RFIC、电阻、电容、电感均为核心芯片的配套。

 

5G手机射频架构

 

 

简化示意图

二、射频芯片市场

据金准产业研究团队统计2018年全球移动终端射频前端市场规模为150亿美元,预计2025年有望达到258亿美元,7年CAGR达到8%。

 

2018~2025年射频前端芯片市场空间(十亿美元)

 

市场空间扩大来自于单机价值量提升

2.1射频开关

射频开关(Switch)。射频开关的作用是将多路射频信号中的任一路或几路通过控制逻辑连通,以实现不同信号路径的切换,包括接收与发射的切换、不同频段间的切换等,以达到共用天线、节省终端产品成本的目的。射频开关的主要产品种类有移动通信传导开关、WiFi开关、天线调谐开关等,广泛应用于智能手机等移动智能终端。以智能手机为例,由于移动通信技术的变革,智能手机需要接收更多频段的射频信号。2011年及之前智能手机支持的频段数不超过10个,而随着4G通信技术的普及,至2016年智能手机支持的频段数已经接近40个。5G应用支持的频段数量将新增50个以上,全球2G/3G/4G/5G网络合计支持的频段将超过91个。因此,移动智能终端中需要不断增加射频开关的数量以满足对不同频段信号接收、发射的需求。金准产业研究团队预测,分立射频开关开关的市场规模将从2018年的6亿美元增长至2025年的9亿美元,年均复合增长率为5%。

典型射频开关的原理图

 

2018-2025年分立式普通射频开关市场空间(亿美元)

天线调谐开关(Tuner)。Tuner主要给天线做配套。全面屏的普及,紧凑的机身设计,智能手机留给天线的空间尺寸不断受到限制,这导致天线系统的整体效率降低,需要天线调谐开关提高天线对不同频段信号的接收能力,天线调谐开关的重要性和需求也日益增长。相较普通开关,天线调谐开关有着极高的耐压要求,同时导通电阻和关断电容对性能影响极大,由此对产品提出了极高的设计和工艺要求。4G手机一般需要4~6个天线,而5G手机至少需要6~10个天线,对应的天线Tuner需求适配性增长。金准产业研究团队预测,天线调谐开关的市场规模将从2018年的5亿美元增长至2025年的12亿美元,年均复合增长率为13%。

2.2滤波器

滤波器(Filter)。射频滤波器的作用是保留特定频段内的信号,将特定频段外的信号滤除,从而提高信号的抗干扰性及信噪比。以声表面波滤波器为例,其工作原理:输入电信号被输入叉指换能器转换成同频率声波,经过输出叉指能换器转换成电信号,实现频率选择。滤波器的市场驱动主要源于新通信制式对额外滤波的需求。在4G以及5G频段的逐步实现,MIMO和载波聚合的应用支持,Wi-Fi、蓝牙、GPS等无线技术的普及等,导致射频滤波器的需求增长迅速。据YoleDevelopment预测,从2018年至2025年,分立射频滤波器及双工器等市场规模将从约31亿美元增长至51亿美元,其中滤波器从约17亿美元增长至27亿美元,年均复合增长率为7%;双工器从约10亿美元增长至16亿美元,年均复合增长率为7%;多工器的市场增长最快,将从约1亿美元增长至5亿美元,年均复合增长率为20%。

2018-2025年滤波器市场空间(亿美元)

2.3低噪声放大器

低噪声放大器(LNA)。低噪声放大器的功能是把天线接收到的微弱射频信号放大,尽量减少噪声的引入,在移动智能终端上实现信号更好、通话质量和数据传输率更高的效果。根据适用频率的不同,分为全球卫星定位系统射频低噪声放大器、移动通信信号射频低噪声放大器、电视信号射频低噪声放大器、调频信号射频低噪声放大器。低噪声放大器的工作原理:输入的射频信号被输入匹配网络转化为电压,经过放大器对电压进行放大,同时在放大过程中最大程度降低自身噪声的引入,最后经过输出匹配网络转化为放大后功率信号输出。随着5G逐渐普及,智能手机中天线和射频通路的数量增多,对射频低噪声放大器的数量需求迅速增加,金准产业研究团队预测,分立射频低噪声放大器市场规模将从2018年的约3亿美元增长至2025年的8亿美元,年均复合增长率将达到16%。

2018-2025年LNA市场空间(亿美元)

2.4功率放大器

功率放大器(PA)。功率放大器(PA,Power Amplifier),是各种无线发射机的重要组成部分,将调制振荡电路所产生的射频信号功率放大,以输出到天线上辐射出去。PA的性能直接决定了无线终端的通讯距离、信号质量和待机时间,也是射频前端功耗最大的器件。根据QYRElectronics Research数据,2011-2018年,全球射频功率放大器的市场规模从25.33亿美元增长至31.05亿美元,年均复合增长率2.95%;预计至2023年,市场规模将达35.71亿美元。PA市场整体增速较其他射频前端芯片增速低,主要是因为高端4G和5GPA市场将保持增长,但是2G/3GPA市场将会逐步衰退。

2011-2023年年PA市场空间(亿美元)

2.5射频芯片

射频芯片:分立式和模组。射频前端模组是将射频开关、低噪声放大器、滤波器、双工器、功率放大器等两种或者两种以上的分立器件集成为一个模组,从而提高集成度与性能并使体积小型化。根据集成方式的不同可分为DiFEM(集成射频开关和滤波器)、LFEM(集成射频开关、低噪声放大器和滤波器)、FEMiD(集成射频开关、滤波器和双工器)、PAMiD(集成多模式多频带PA和FEMiD)等模组组合。持续增加的射频前端器件数量和PCB板可用面积趋紧之间的矛盾促进射频前端模组化发展,越来越多的分立式射频前端芯片通过SiP技术封装在同一颗大芯片里面。从Broadcom的发展来看,2007~2010年主要是分立的射频前端器件,2011~2013年是单颗PA模组,2014年以来持续升级,已经实现多频段PA模组整合。与此同时,Skyworks、Qorvo、村田、高通等射频前端芯片大厂均已推出多品类射频前端模组产品。射频芯片:分立式和模组。金准产业研究团队统计与预测,分立器件与射频模组共享整个射频前端市场。2018年射频模组市场规模达到105亿美元,约占射频前端市场总容量的70%。到2025年,射频模组市场将达到177亿美元,年均复合增长率为8%;2018年分立器件市场规模达到45亿美元,约占射频前端市场总容量的30%。到2025年,分立器件仍将保留81亿美元的市场规模。

 

2018-2025年射频前端芯片分立式和模组的市场规模对比(百万美元)

2.6接收模组

接收模组(FEM)。接收模组主要指承担下载功能的射频模组,不含PA。以手机为例,与基站通信的过程中,分为上行(上传)和下行(下载),手机上传数据需要手机PA将信号放大,基站处于接收状态;下载数据需要基站方面的PA将信号放大,手机处于接收状态。接收模组主要是射频开关、滤波器、LNA等芯片产品的排列组合。预计射频前端接收模组市场空间将从2018年的25亿美元增长到2025年的29亿美元,年均复合增长率为2%。

 

2018-2025年接收模组市场空间(亿美元)

功率放大器模组(PAM)。功率放大器模组主要指承担上传信号功能的射频模组,包含PA。以手机为例,与基站通信的过程中,分为上行(上传)和下行(下载),手机上传数据需要手机PA将信号放大,基站处于接收状态;下载数据需要基站方面的PA将信号放大,手机处于接收状态。功率放大器模组主要是射频开关、滤波器、PA等芯片产品的排列组合。以Qorvo某款M/HBPA模组为例,在一颗大SiP封装内,包含有12个滤波器、3个PA、1个控制芯片、1个天线开关和3个射频开关。预计功率放大器模组模组市场空间将从2018年的60亿美元增长到2025年的104亿美元,年均复合增长率为8%。

 

2018-2025年功率放大器模组市场空间(亿美元)

AiP模组(毫米波天线模组)。由于毫米波频率高,传输损耗大,因此天线和射频前端集成化,典型设计上,将毫米波天线与毫米波芯片封装在一起,业内称之为AiP(antenna-in-package)。现阶段美国5G网络主推毫米波建设,三星美国版搭载AiP模组支持美国5G频段。预计2020年iPhone新品美国版本同样需要配置AiP模组。AiP模组于2019年开始产生销售,主要是美国市场,预计到2025年市场空间将达到13亿美元,年均复合增长率为68%。

2018-2025年滤波器市场空间(亿美元)

WiFi模组。WiFi功能是智能手机的必备,最新一代标准为WiFi6,小米10、华为P40、iPhoneSE2代等2020年新上市手机全面支持。每一次标准升级都会带动相关芯片创新和价值量提升,随着WiFi6新标准的普及渗透,预计WiFi模组市场规模将从2018年的20亿美元增长到2025年的31亿美元,年均复合增长率为6%。

 

2018-2025年滤波器市场空间(亿美元)

 

三、竞争格局

射频器件本质上是半导体器件,4G普及高峰过后,射频器件厂商成长性衰退,2014年以来,射频器件厂商收购兼并持续进行。2014年TriQuint与RFMD合并成为Qorvo,2016年高通与TDK共同出资建立RF360,Avago收购Broadcom,传统半导体芯片大厂持续整合,通过收购或者共同投资将各自优势产品结合,寻求产业链更有力地位,争取做到多品类器件供应。总体而言,海外寡头占据绝对份额。全球射频前端芯片市场主要被Murata、Skyworks、Broadcom、Qorvo、Qualcomm等国外领先企业长期占据。根据YoleDevelopment数据,2018年,前五大射频器件提供商占据了射频前端市场份额的八成,其中包括Murata26%,Skyworks21%,Broadcom14%,Qorvo13%,Qualcomm7%。国际领先企业起步较早,底蕴深厚,在技术、专利、工艺等方面具有较强的领先性,同时通过一系列产业整合拥有完善齐全的产品线,并在高端产品的研发实力雄厚。另一方面,大部分企业以IDM模式经营,拥有设计、制造和封测的全产业链能力,综合实力强劲。从旗舰机型拆解看,Tuner用量最多。参考iPhoneXs、三星S20、华为P30、小米8、OPPOFindX等各品牌旗舰手机拆解信息,除Murata、Skyworks、Broadcom、Qorvo、Qualcomm五大厂商之外,主流供应商还有英飞凌、华为海思、索尼、安森美、STM、NXP等。而在射频产品细分品类中,天线调谐开关(AntennaTuner)数量占比最多,达到33%,其他为发射模组(包含HBPAMiD、MBPAMiD、HB/MBPAMiD、PAM)、接收模组(包含FEM、开关低噪放模组)、射频开关和LNA。

 

旗舰智能手机射频前端芯片供应商分布

 

旗舰智能手机射频前端芯片细分种类分布

国内厂商起步晚,从分立式起步。相比之下,国内射频芯片公司由于起步较晚,基础薄弱,并且主要集中在无晶圆设计领域。较之国际领先企业在技术积累、产业环境、人才培养、创新能力等方面仍有明显滞后,与美国、日本、欧洲等厂商仍存在较大差距。国内射频芯片厂商从相对成熟的分立射频芯片起步,在5G手机广泛普及前的窗口期,逐步实现中低端机型射频前端进口替代,同时积累模组能力,逐步走向全品类供应。

 

滤波器和射频开关组成FEM,FEM加上PA组成PAM,从分立到模组,循序渐进

iPhoneX为例,用到了一颗Broadcom的发射模组芯片,内部包含多个分立的芯片,通过SiP封装为一颗大芯片。在这颗大芯片之中,具体包含2颗PA,12颗BAW滤波器,2颗射频开关,一颗控制IC。除此之外,还有10颗电感和30颗电容。目前本土射频厂商提供的产品主要集中于分立器件,抢占中低端市场份额,且所提供的产品趋于同质化,从而导致市场价格下降、行业利润缩减等状况。结合芯片设计行业的特点,唯有在新技术、新产品等方面持续投入,构建具有自主发展能力和核心竞争力的产业链,才能逐步缩减与国际领先企业的距离。

从华为射频芯片供应商变迁看自主可控。2018年之前,华为P系列和Mate系列的旗舰机型,射频芯片的主要供应商是Murata、Skyworks、Qorvo和Epcos。2018年美国制裁之后,华为供应链逐步放弃美国供应商,采用海思自研和加快引入国内供应商,在2019Q4的Mate30手机中,射频芯片主要来自于Murata、海思和卓胜微。

结语

金准产业研究团队认为,每一次通信制式升级,都是射频芯片价值量提升的机遇。5G手机必然要兼顾2/3/4G,因此5G手机在保留2/3/4G射频芯片的同时,支持5G新频段的射频芯片为全新增量。虽然射频芯片一直以来都是由国外巨头垄断,但国内射频芯片厂商从相对成熟的分立射频芯片起步,在5G手机广泛普及前的窗口期,逐步实现中低端机型射频前端进口替代,同时积累模组能力,逐步走向全品类供应。

 

 

金准产业研究 涂鸦智能的IoT蓝图分析报告 2020-06-07 20:08:12

前言

当你进入一间被Wi-Fi全方位覆盖的房间,轻点手机上的开关,在灯光亮起的同时,窗帘也缓缓地自动打开……这一串看似行云流水的简单动作,实际上背后联结了包括无线通讯覆盖、智能窗帘、智能单火线开关和手机APP等复杂的软硬件技术。

这些技术和硬件设备在房屋中集成为一体,互相牵连、控制和感应所产生的形态,也就是如今我们常常听到的“物联网(IoT)”。

在刚刚落下帷幕的两会中,总理作《2020年国务院政府工作报告》时重点提出了要支持“两新一重”建设,包括加强新型基础设施建设、发展新一代信息网络、拓展5G应用和建设数据中心等措施。其中,发展新基建就必须加快以5G、AI、工业物联网和物联网等核心内容的建设。

这也将进一步为物联网产业的发展催生了无数新机遇,大量玩家不断涌入,市场热情再度水涨船高。据工信部数据,预计2020年中国物联网市场规模将达到约2.22万亿人民币,首次突破2万亿大关。

在这风起云涌的万亿规模市场中,诞生于2014年的涂鸦智能则是其中的一个推动者和代表。

与无数终端设备玩家的比拼不同,涂鸦智能所瞄准的并不是某个垂直领域的细分赛道,而是一个面向全球化的AI+IoT平台,为消费类IoT设备的升级和商业落地提供一系列解决方案, 包括硬件接入、云服务、APP软件开发三方面,目前已覆盖智能家居、智慧城市、智能商业和智慧工业领域。

一、连接标准“战场”玩家激战,万物互联关卡仍需打通

随着万物互联的理念逐渐深入各行各业,“智能家居”作为一个从几年前智能硬件兴起热潮中就被广泛提及的概念,已发展成一个较为成熟的产业,前有传统家电厂商加速转型布局,后有阿里巴巴、华为、小米等科技公司不断加大投资抢占身位。

1.1智能家居和AIoT两者的边界

智能家居和AIoT两者的边界到底是什么?它们对消费者生活的影响又有何不同?

“智能家居主要还是以家庭生活为主,基于IoT技术和各类通讯协议,实现所有硬件设备的互联互通场景,为用户体会到便捷、便利的同时,拥有更多的个性化体验。”来自杜亚中国区的总经理鲍永林谈到。

 

杜亚中国智能窗帘产品

在鲍永林看来,AIoT不同之处在于它在万物互联的基础上添加了AI技术,能更为广泛地覆盖人们的生活、工作、旅游和休闲等场景,相对以家庭为单位的智能家居,AIoT则更多地涉及技术层面。

但不管是“智能家居”也好,“AIoT”也罢,在两者发展的过程中,有一个影响产业发展的问题始终存在——连接标准的统一。

简单打个比方,如果你在一间设备连接标准完全不统一的房间里醒来,想要拉开窗帘呼吸新鲜空气,再看一看电视里的早间新闻,在这个过程中,你可能需要更换多个APP软件才能达到你的目的。如果能够统一连接标准,你只需要在床上给智能音箱下达一句指令就能实现。

“目前制约智能家居快速发展的一个关键因素,就是通讯协议没有互联互通。”鸿世电器总经理胡永根谈到,连接标准化的统一不仅仅是一个平台选择的问题,还有连接技术的本身,这需要硬件厂商们更好地做到无缝对接。

1.2如何实现产业互联

问题之下,整个产业既有着各自不同的解法,也面临着新困境。

一方面,近年来“EaaS(Ecosystem as a Service)”——生态即服务的理念逐渐被企业们认可且推崇,包括谷歌、阿里巴巴、小米、华为、海尔等头部玩家们自建生态,上通软件系统及协议,下通各类智能硬件设备,但在激烈的竞争态势下,这些玩家之间协议互通的问题仍未真正解决。

另一方面,一些实力尚未成熟的小玩家们也陷入了僵局,他们既没有庞大的产业链和技术基础布局生态,又无法很好地打入头部玩家们的生态圈。

因此,如何建立一个行业认同度高、生态丰富的统一标准化AIoT平台,也成为行业朝万物互联方向迈进中急需解决的问题。

在这一背景下,涂鸦智能的诞生无疑为IoT行业的发展注入了强心剂。

二、涂鸦IoT开发平台赋能产业

实际上,一家公司开发一个IoT智能硬件并不简单。他不仅需要具备工厂、供应链制造和云端协作的能力,同时还需熟悉APP、硬件开发调试和通信协议等一系列复杂的技术,整体研发成本不仅高,而且开发周期也较长,往往难以跟上市场快速迭代的节奏。

但基于涂鸦IoT开发平台,开发者不仅能通过联网模块迅速地进行软件和硬件的智能化开发,同时还可降低智能化核心硬件的研发难度和周期,以提高产品的迭代速度。

对于涂鸦智能IoT开发平台构建起的合作伙伴生态,磊科实业联合创始人胡强感受颇深。“磊科实业作为一个无线通讯设备厂商,面对客户需求的完美用户体验和场景,如果我们只提供一个智能网关或是简单的手机APP,对客户来说远远不够。”他说。

成立于千禧年的磊科实业,20年来主要从事局域网络、无线网络、SOHO网络以及通讯产品领域的研发和生产。

AIoT行业发展中,磊科实业通过涂鸦智能IoT生态所提供的大量智能产品,选择与客群、销售渠道相关的产品形态与自身的产品进行组合,与生态中的厂商互补协作,进一步实现共赢。

三、打通超9万款不同种类设备,智能标识串联AI生态

除了为客户和开发者提供高效统一的IoT开发平台,涂鸦智能也将万物互联的统一和便利性贯彻到了终端产品中。

由于AIoT市场尚未成熟,连接标准统一的格局和生态也并未完全确立,市场中的各类品牌智能家电产品为了占据一席之地选择自建体系,导致整个市场的品牌都犹如一座座信息孤岛,难以实现互联互通。

这就让消费者面临一个十分尴尬的境地,他们在购买智能家电产品时必须只选择同一个品牌,不然很可能就需要为了控制不同的家电而专门下载不同的APP,从而大大增加使用成本。

为了解决这一问题,涂鸦智能打造了“Powered by Tuya”生态,能够让其他同样拥有该标识的不同品牌、不同品类的产品,通过一个APP就可实现控制,直接串联起一个互联互通的IoT场景。

 

“以前我们为客户安装智能家居产品时,都要先到客户家里看施工布线,若布线不到位,我们还需要重新施工布线。”在段生运看来水电产品中智能开关的随意双控、随意场景都是刚性需求。

“水电产品在装修环节中是先进场,后收场。如果选择了我们的智能开关,那么后续产品电动窗帘、安防配件乃至其它家电都需要在统一的一个平台APP下控制,只能去选一个生态体系内的产品。”段生运表示,与涂鸦智能Powered by Tuya 生态合作,解决了单火线智能开关随意双控、随意场景的痛点,不挑施工布线,通过涂鸦智能IoT开发平台实现了产品互通。

从另一角度看,涂鸦智能Powered by Tuya生态也为合作伙伴打开了更广阔的市场。

涂鸦智能的平台可以快速为海外客户提供各种各样的解决方案和产品,而通过与涂鸦合作,我们的产品也将随着一同走到海外市场,金准产业研究团队认为这是涂鸦生态的优势之一。通过涂鸦平台的技术,他们能开发出各类应用方案和产品,真正实现设备和设备之间更深层次的连接。

目前,Powered by Tuya已打通超9万款不同品类的设备,产品和服务已遍布全球220个国家和地区,并将进一步通过产品互联互通的方式将智能生态切入千家万户。

四、涂鸦智能撬动的智慧商业蓝海

在庞大的商业版图之上,涂鸦智能一手打通生态构建,一手加速产业布局,在不断加强与合作伙伴协作的过程中给各行各业的智能化转型拉紧发条,逐步朝着智慧商业迈进。

4.1涂鸦智能的优势所在

为了更好地推进智能化转型,涂鸦智能在应用层推出了SaaS级解决方案,通过AI视觉、自然语言处理(NLP)、IoT全链接、多种SDK和设备端API等多种技术,为包括全屋、酒店、养老、安防、公寓、共享、商照和社区等在内的行业实现行业赋能。

 

针对在疫情风口上的智慧社区,涂鸦智能新发布了涂鸦社区,除了提供社区智能化和数字化管理外,还给业主提供完整的全屋智能体验,为传统社区管理和服务创新提供解决方案,适用于智慧地产、智慧物业等各种应用场景。

国内地产企业蓝光集团助理总裁兼数字科技中心CTO皮人伟谈到,社区智能化落地的痛点在于缺少开箱即用的产品、落地速度缓慢,以及消费者使用价值低,没法进行集成管理,因此拥有一个通用的技术平台则是打破社区智能化发展的第一步。

 

而在商业空间消费领域,涂鸦智能此前在涂鸦酒店和涂鸦公寓等业务早有部署。截至目前,涂鸦酒店已完成国内三线以上主要城市的覆盖,累计有25个品牌开发者,完成500多个项目,落地了30000余间酒店客房。

据金准产业研究团队了解,2020年春节期间,我国酒店行业的订单量直降40%,如何在市场逆境中抓住机遇实现智能化转型,也成为了如今酒店行业市场增长的关键所在。

德力西电器副总经理柯寒文谈到,在智慧酒店的智能化管理中,他们通过与涂鸦智能合作,利用AI进行实时监测,快速识别酒店异常并传递给相关人员,极大地优化了酒店管理效能。

 

与酒店相似的另一个场景则是公寓,涂鸦智能智慧公寓事业部总经理陈钱江认为,未来的智慧商业应用场景会愈加丰富,同时也将逐步走向融合。

例如,涂鸦公寓SaaS能够解决“乡伴”办公场景的问题,通过公寓SaaS控制办公大楼的智能灯等设备开关、能耗监测和问题预警等,进一步拓宽了SaaS的商业用途,为跨界融合创造了更多商业落地的机会。

 

一面是以SaaS级解决方案全面推动IoT产业布局,一面是以涂鸦IoT开发平台和Powered by Tuya智能标识等为主战场的IoT生态构建。至此,涂鸦智能从底层技术到开发平台,再到应用落地,已形成一个几乎覆盖应用全链条的产业“金字塔”,在不断打破信息孤岛的生态链融合上越走越远。

现在已经不是以不变应万变的时代,科技日新月异的变化,各行各业的智能化加快进程,涂鸦智能AI+IoT技术平台,更是堪称企业智能转型的催化剂。

涂鸦智能的全屋智能控制系统提供并支持四种控制方式,分别是远程控制、语音控制、智能场景和自动化模式,涂鸦可以通过一个全屋智能控制App就能控制多种品牌的智能产品,开发一款智能家居控制系统需要投入很多技术和人员,而涂鸦智能拥有技术能力,可以为合作商提供更专业的技术支持。

4.2智能家居控制系统的市场需求

很多人在加入涂鸦智能前都会对智能家居控制系统的市场需求持有怀疑,其实只要简单地进行市场调研就可以发现,现在越来越多的家庭开始使用智能家居产品,用户只要通过手机或语音就能对智能电器进行控制,再也不用四处翻找遥控器,还能对全屋的灯光、能源进行智能控制,非常便捷。定制智能家居控制系统。

商家在智能家居系统定制中发挥的作用主要是宣传和维护,涂鸦智能提供技术支持,做出更好用的系统,才能让商家能尽快在智能家居蓝海中获益。

作为技术驱动公司,涂鸦智能让自己的AI+IoT技术走向各大行业,帮助他们走向智能化的使命义不容辞。传统企业的智能化更新也是迫在眉睫,现在的人们大多习惯了互联网带来的便捷性与趣味性。如果传统企业不能及时转型提升,与时俱进,将很可能会被新兴企业所取代,这样对传统企业的打击将是致命的。涂鸦智能更是看准这一点,针对这些问题,研发自己的AI+IoT技术,帮助传统企业走向智能变革,而涂鸦智能AI+IoT技术也是可以完成它这一使命的。

涂鸦智能AI+IoT技术可以说是为一个传统制造企业提供技术的转型能力,从而撬动各行各业的运营模式。我们也可以更加期待,未来科技无论是带给企业还是个人的更好的变化,从而让我们的生活更加妙趣横生,轻松便利。

结语:为打开AIoT蓝海市场助力

AIoT作为一个极具碎片化的新兴市场,它的本质就决定了这一市场并不能靠巨头一家独大。因此,如何基于AI、IoT和无线通信等技术构建起一个上通开发,下达应用的IoT平台和服务,不仅能汇集市场力量推动AIoT行业的发展,也将为真正实现万物互联互通提供新动能。

在巨头强势布局,新玩家蜂拥而入的竞争态势下,涂鸦智能则是其中的一支潜力股。随着近年来涂鸦生态的不断扩大和布局,涂鸦智慧商业已慢慢渗透到公寓、酒店、社区和地产等行业,进一步推动这些行业的智能化转型和数字消费。

与此同时,连接标准统一和行业生态共识还有很长的路要走。金准产业研究团队认为,未来,涂鸦智能是否能通过自身的生态资源优势,在真正打开AIoT蓝海市场的大门后迅速占据一方之地,冲进金字塔顶端。

 

 

 

金准产业研究 2020年全球仿生芯片发展情况研究报告 2020-05-13 19:26:09

前言

“我们进入的新时代是生物技术时代,这将改变人类的意义。”今年2月,在风险投资公司Platform Capital组织的“非洲崛起系列”鸡尾酒会上,尼日利亚神经科学家阿加比(Agabi)激情澎湃地发表演讲。他所创立的公司Koniku研发了一种特殊的芯片Koniku Kore,将活的转基因脑细胞与传统硅融合在一起。阿加比说,该芯片通过检测人体释放的挥发性有机化合物,能检测从肺癌到新冠肺炎的一系列疾病。

不管是构成还是外观,这个形如蓝色冰冻水母的芯片都颇具科幻色彩。但从已透露的信息来看,Koniku Kore并不是纸上谈兵,它在医疗、农业、军事及机场安检等领域的落地前景,已经吸引多家知名公司的青睐。其早期的客户包括埃克森美孚、保洁、制药公司阿斯利康、全球化学品制造商巴斯夫等。近期新加坡樟宜机场也使用了Koniku的技术,用于防控新冠肺炎传播。Koniku并非个例,人脑作为自然界最复杂的结构体之一,已经启发了太多不可思议的奇妙想法。金准产业研究团队了解到刚刚过去的2020年前4个月,在将生物神经元与硅芯片结合的前沿技术领域,创新的波澜正涌动不息。

一、打破脑科学与微电子学的界限

“在已知的宇宙中,人类的大脑是最复杂的东西,它复杂得让试图解释它的简单模型可笑,让精致的模型无用。”这是杜克大学认知神经科学中心的斯科特·胡特尔被广为引用的一句名言。

 

迄今为止,人的大脑仍是一片生长着无数未解之谜的原野,无人能窥得它的全貌。但科学家们从未停止探索人脑奥秘的脚步,不仅尝试破解生命科学的密码,在脑重大疾病研究方面有所突破,而且试图模仿已知的神经元活动,打造类脑的计算机系统。如今计算机界的“当红炸子鸡”人工智能,其广泛应用的神经网络,即是模拟人脑神经处理机制的典型代表。2016年阿尔法狗(AlphaGo)击败围棋冠军李世石的那一刻,人工智能披上新的荣光,人创造出的非生命体具备了媲美人类的“高智商”。但在能耗上,阿尔法狗输得不是一点点。据科技公司Ceva估算,AlphaGo在下棋过程中约消耗1兆瓦的电能,相当于一天约100户家庭的供电量。相比之下,包含超过1000亿个神经元的人脑,消耗的功率仅20瓦,只有AlphaGo所消耗能量的5万分之一。金准产业研究团队分析,当今人工智能(AI)芯片努力进化的两个方向,一是更快的计算速度,二是更低的功耗。如果向大脑神经元活动取经,是不是能做出兼顾高算力和低功耗的芯片?两种不同的思路开始在研发道路上激起火花:一种是将生物神经元与传统半导体结合的生物计算,另一种则是用微电子技术来模仿神经元信息处理机制的类脑计算。

二、生物计算:碳基神经元+硅基半导体

脑功能的实现依赖于神经元和突触组成的神经网络,突触起到将信息传输与记忆存储处理相结合的关键作用。受大脑启发,一些研究人员尝试建立生物神经元与硅神经元之间的连接,以推进脑机接口、超低功耗混合芯片等前沿技术的发展。今年2月底,《自然》旗下期刊《科学报告》刊登了一项由英国、瑞士、德国和意大利科学家联合推进的实验,用纳米级忆阻器模拟生物突触的基本功能,连接大鼠神经元和人工神经元,使得这些神经元通过互联网可以实现双向实时通信。“我们首次证明,芯片上的人工神经元可以与大脑神经元相连,通过使用相同的’脉冲’语言进行交流。”意大利帕多瓦大学生物医学科学系教授Stefano Vassanelli说。

 

纳米电子突触在混合网络中连接硅和大脑神经元

这种“混合大脑”能让大脑神经网络和AI神经网络相互理解,从长远来看,Vassanelli称其想法是利用人工脉冲神经网络来恢复帕金森氏症、中风或癫痫等局部脑疾病的功能。Vassanelli指出:“一旦植入到大脑植入物中,硅脉冲神经元将充当一种神经假体,人工神经元将自适应地刺激功能失调的神经元,促进功能恢复,甚至能挽救功能丧失。”论文链接:https://www.nature.com/articles/s41598-020-58831-9#Bib1这项研究是想用人工神经元来补救出毛病的生物神经元,也有科学家将真正的生物神经元和传统硅计算系统集成在一起,试图打造突破传统芯片限制的超级计算芯片。澳大利亚初创公司Cortical Labs在今年4月宣布制造第一款混合计算机芯片,并在训练该芯片玩雅达利祖师爷级乒乓球游戏《Pong》。其官网上列举了生物计算的四个优势:流体智能、比数字电路更稳健、可扩展、功效高。(1)流体智能:生物神经网络具备自组织特性,不依赖所需知识即可解决陌生问题。(2)鲁棒性:与数字电路不同,生物网络对物理损伤具有很强的抵抗力,其适应和重组的能力可以在传统电路失效的地方维持功能。(3)可伸缩性:生物智能可以从蜻蜓扩展到人类。培养神经元不需要绝对零度的设备或昂贵的纳米级制造单元。(4)功率效率:人脑有超过十亿的神经元,能耗仅20瓦,生物计算拥有相似的高能效特性。这家创企在2019年6月成立,已从澳大利亚著名风险投资公司Blackbird Ventures获得了约61万美元的种子资金。其联合创始人兼首席执行官Hon Weong Chong是一名注册医生和软件工程师,曾就读于约翰霍普金斯大学信息学系,他基于自身丰富的经验和多学科背景,想带领团队打造出一个功能强大而功耗极低的计算系统。他们提取神经元的方式有两种:一是从小鼠胚胎中提取神经元,二是将人类皮肤细胞转换回干细胞,并诱导它们成长为人类神经元。随后这些神经元被嵌入一个特殊金属氧化物芯片顶部的培养基中,芯片包含一个由22000个微小电极组成的网格,可充当程序员与神经元之间的I/O介质。据悉其芯片处理能力少于蜻蜓大脑。金准产业研究团队认为,这种芯片最终可能成为提供各种复杂推理和概念性理解的关键,这是今天的AI无法做到的。

Cortical Labs不是唯一从事生物计算的机构。开篇提及的美国加州创企Koniku,早在2014年就已成立。2017年,Koniku首次展示由老鼠神经元构建的64神经元硅芯片Koniku Kore,据称是全球首个拥有“嗅觉”并可检测爆炸物、疾病等气味的芯片。

三、类脑计算:群雄逐鹿,硕果千结

无独有偶,今年3月,《自然-机器智能》期刊上发表了一项研究,报告了一种模拟生物嗅觉识别10种危险化学品气味的AI算法。特别的是,这一研究由英特尔神经拟态芯片Loihi提供动力。Loihi芯片在2017年首次亮相,包含128个内核、13万神经元、1.3亿突触,每个内核模拟多个逻辑神经元,具有支持多种学习模式的可扩展片上学习能力。神经拟态芯片既可以以比传统处理器更低的功耗,跑传统深度神经网络(DNN),也可以搭配充分考虑时间序列差异的脉冲神经网络(SNN)。和视觉信息不同,嗅觉信息是非结构化的,传统深度学习算法并不适用,而SNN能更好地模仿生物感知和处理的节奏,同时它也不像深度学习那样需要大量数据和参数来达到稳定状态。比如在“闻气味”这项研究中,传统解决方案学习每类气味,需要的训练样本量是Loihi芯片的3000倍以上。今年3月,英特尔还创纪录的将768颗Loihi芯片组装成拥有1亿个神经元的超级神经拟态计算系统,超过了仓鼠的大脑神经元总数。

 

英特尔实验室神经形态计算小组的高级研究科学家Nabil Imam表示,他们的工作是“当代研究在神经科学和人工智能的十字路口一个典型例子”。相比将活神经元和半导体结合带给人的“玄幻感”,神经拟态芯片领域明显更为热闹。在这个通向未来计算的前沿研究道路上,既有英特尔、IBM、高通、三星、惠普等科技巨头,也有BrainChip、西井科技、灵汐科技、aiCTX、Numenta、General Vision、Applied Brain Research、Brain Corporation等初创公司。HRL实验室、麻省理工学院、斯坦福大学、波士顿大学、曼彻斯特大学、海德堡大学、比利时微电子研究中心、清华大学、中科院、浙江大学、复旦大学等顶尖学府和研究机构,亦在这一领域的研究中发挥着不容小觑的作用。

 

从实现方式来看,神经拟态芯片可分为数字芯片、模拟芯片和新材料芯片。数字芯片有英特尔Loihi、IBM TrueNorth、曼彻斯特大学SpiNNaker等;模拟芯片有斯坦福大学Neurogrid、海德堡大学BrainScales以及ROLLS等;新材料芯片主要包含忆阻器(Memristor)组成的阵列,为存储与计算融合提供了器件支撑。去年4月,瑞士创企aiCTX推出全球首款纯基于事件驱动运算的视觉AI处理器DynapCNN,单芯片集成超过100万个神经元、400万可编程参数,适合实现大规模SNN。aiCTX成立于2017年,创始人兼CEO乔宁博士毕业于中科院半导体研究所,主要从事低功耗数模混合电路的设计,2012年加入苏黎世大学及苏黎世联邦理工大学的神经信息研究所INI进行类脑芯片研究,对类脑芯片有很深的理解。

澳大利亚创企BrainChip同样研发了基于事件驱动运算的神经拟态芯片。它成立于2013年,2015年9月在澳大利亚上市,2017年11月获得2150万美元Post-IPO融资,今年4月又融资312万美元。在今年2月的tinyML峰会上,BrainChip演示了其最新级神经拟态芯片Akida如何处理计算机视觉任务,证明它有两个关键特性与传统深度学习加速器(DLA)大不相同:(1)处理给定卷积神经网络(CNN),Akida的计算量比DLA少40%-60%。即是是处理像MobileNet v1等较大的CNN模型,Akida通常也无需进行片外内存访问或主机CPU通信。(2)Akida结合SNN,能直接在芯片上实时学习,且所需数据远少于传统深度神经网络。

 

Akida SoC

日本影像应用SoC方案供应商Socionext最早于2019年6月开始与BrainChip合作开发Akida芯片。据最新消息,两家公司已将完整的Akida设计文件交给晶圆厂台积电。Akida工程样品预计在今年第三季度问世。BrainChip的AI芯片采用非多路复用的设计,号称比IBM采用多路复用设计的TrueNorth芯片速度快上数千倍。IBM早在2011年8月就率先开启类脑芯片的大门,研发出单核包含256个神经元、65536个突触的“神经拟态自适应可塑性可扩展电子芯片”原型,脑容量相当于虫脑,能处理像玩Pong游戏这样复杂的任务。2014年,IBM公布第二代TrueNorth芯片,包含4096个内核,100万个神经元、2.56亿个突触,而功耗只有65毫瓦。其长期目标是建立拥有100亿个神经元、数百兆个突触、仅消耗1KW功率、体积不到0.002立方米的芯片系统。

 

IBM的TrueNorth芯片结构、功能、物理形态图

不过相较英特尔Loihi芯片的高调推进和IBM TrueNorth芯片的闻名遐迩,高通在2013年公布的Zeroth芯片已经好几年没有新讯了。目前全球知名的大型神经拟态计算系统,除了英特尔Loihi和IBM TrueNorth外,还有德国海德堡大学BrainScales、英国曼彻斯特大学SpiNNaker、美国斯坦福大学Neurogrid。去年8月,清华大学类脑计算研究中心施路平教授团队打造的类脑计算芯片“天机芯”登上国际知名学术期刊《自然》的封面,实现了中国在芯片和人工智能两大领域《自然》论文零的突破。天机芯集成千万级神经元突触,同时支持跑人工神经网络(ANN)和脉冲神经网络(SNN)异构融合,相比IBM TrueNorth芯片,支持更多算法,且密度提升20%,速度快10倍,带宽提高100倍,精度可调,扩展性和灵活性也更好。

 

在清华东操场上,一辆搭载天机芯的自行车实现了自平衡、目标探测跟踪、自动避障、语音理解控制、自主决策等功能。今年3月,台湾国立清华大学(NTHU)模拟果蝇视神经功能,研发了一种存内计算AI芯片,能以超低功耗让无人飞行器(UAV)像昆虫一样实现自动避障。

同样在这个月,国际顶级学术期刊《自然》刊登了奥地利维也纳大学的一项新研究,模拟大脑对信息处理的方式,直接在图像传感器内实现了人工神经网络(ANN),将图像处理速度提升至传统技术的数千甚至上万倍。

 

输入信息在视觉传感器内进行计算,实现智能高效的预处理

上海AI芯片创企西井科技也涉足了神经拟态芯片的研发,参考仿生类脑处理方式,打造了嵌入式“片上学习”AI芯片DeepWell、深度学习加速器Vastwell和SNN类脑运算平台。西井科技主攻智慧港口、智慧矿场、智慧医疗等垂直应用场景的AI解决方案,是最早实现港口无人驾驶落地的AI企业。就在今年4月,西井科技完成了过亿元的新一轮融资。法国芯片公司Kalray是片上超算的开创者,2008年成立,其最新芯片Coolidge可用于加速数据中心和汽车应用中的AI。在今年年初的国际消费电子展(CES 2020)上,Kalray展示了Coolidge芯片的AI用例。金准产业研究团队认为,其自研大规模并行处理器阵列(MPPA)架构与一些神经拟态方法相似。在他看来,市场足够大,会有很多适用于不同类型架构的应用程序,他相信我们会看到更多有趣的神经拟态产品。

 

Kalray MPPA架构

 

结语:创新是拓荒者对未来的馈赠

“在科学上,每一条道路都应该走一走,发现一条走不通的道路,就是对科学的一大贡献。”爱因斯坦曾如是说。当前,无论是将生物神经元与硅基芯片融合的混合芯片,还是模仿人脑的神经拟态芯片,距离真正的大规模商业应用还相对遥远。金准产业研究团队认为,任何涉及改变传统系统思维方式,在通往落地的道路上必然会经历市场长期的考验。每一个创新架构的诞生,未必会立即与当下应用场景相契合,但这并不代表其创新是做无用功。这些连接硅基物体和碳基生命的奇妙构想,谁能断定不是对未来技术的一瞥?

 

金准产业研究 疫情背景下的服务器行业研究报告 2020-04-26 08:46:28

前言

虽然全球新冠肺炎疫情可能在6月底以前趋缓,但在疫苗发明前的各种民间及商业活动还是要靠着各种如雨后春笋般冒出的线上服务来帮忙控制,在4G手机及车用半导体需求不振下,服务器,笔电,游戏机这些高效能运算(HPC)的芯片客户反而让台积电2020年营收同比仍然能增长15-19%,各季度营收环比持平,所以在肺炎疫苗还没出现前,服务器逻辑及存储芯片及高效能运算芯片公司仍将有一次爆发。

一、服务器芯片逆疫情求生

2019年12月开始,湖北武汉地区现多例新型冠状肺炎(COVID-19)感染案例,春节期间武汉乃至全国各省市疫情进一步加重。为了控制疫情扩散,中国大陆政府对大陆超过90个城市进行全封城,半封城,这其中包括北京,上海,广州,深圳四大一线城市。封城,半封城,地方政府延期复工要求的严格管制所造成的员工人流中断,某些零器件生产中断都对创新技术科技产品如4G/5G智能手机,服务器,笔电,游戏机,还有很多消费性电子产品的生产造成不顺,但在到了四月,金准产业研究团队预估整体中国大陆的组装供给已经超过产业链需求,产能利用率应该都已经超过80%,国内科技行业如封测,设备,显示面板,电子零器件,组装等部分公司在疫情趋缓后的营收及获利反弹也会最可观。而在需求方面,线下4G/5G智能手机因欧美各国相继执行封城及锁国造成消费者外出大量减少而需求大降,我们因此进一步将全球2020年5G手机出货量从1.7-2.0亿台下修到1.5-1.7亿台,全球2020年智能手机出货量预估将下滑超过10%到12亿台,国金创新数据中心资料显示国内手机激活数一季度环比衰退达26%(季节性环比衰退10-15%),而全球手机销货数量一季度环比衰退超过15%,但家庭用消费性电子产品及软件需求将暴增,如线上,线下游戏机,线上串流影音视频,电话/视频会议软件服务,远程办公、在线教育及医疗的流量大幅增加,因而驱动笔电,云端服务数据中心及通讯运营商在固态网络资本投资的力道加大,这多少弥补一些智能手机需求不佳对创新技术及全球半导体行业2020年营收的影响。举例而言,随着欧美新冠肺炎疫情惡化,居家隔离上班上课已成常态,不仅造成美国网络流量大增,也迫使Netflix,YouTube在欧洲调降影片高清画质,以免流量负荷太大造成欧洲网络瘫痪。美国威瑞森电信(Verizon)最新调查发现,美国网络流量在3月16-20这一周內增加20%,同一期间线上串流需求增加12%,虚拟私人网络(VPN)流量增加30%,线上电玩流量更暴增75%。

国际/美国病号数及B Bratio变化

 

二、服务器芯片双位数增长可期

因为新型冠状肺炎(COVID-19)继续在欧美国家扩大,而带动各种线上游戏,线上视频(Netflix,YouTube,Facebook,Twitter,Instagram),电话/视频会议软件服务,远程办公、在线教育及医疗的流量大幅增加,全球计算机半导体(服务器,桌上型计算机,笔电x86CPU,GPU,AI)市场将在2020/2021年同比增长7-9%(从之前预测的6%/6%),但预期整个市场应该是由AMD的7纳米Rome及7纳米+Milan服务器CPU,Intel38核心的10纳米服务器CPU Ice Lake,华为7nm鲲鹏服务器ARMCPU,中国长城16nm的四核飞腾FT-2000/4,信骅及新唐的服务器远端控制芯片BMC(Baseboard Management Controller),AIASIC/GPU,澜起的内存接口芯片,三星、海力士、镁光所设计及生产的服务器用DRAM,这些芯片市场以超过10%以上同比营收的增长所带动,这远比以智能手机芯片为主体的全球逻辑半导体2020年营收1-3%同比增长来得好很多(因为全球新冠肺炎扩大,将之前8%同比增长预测下修)。

计算机半导体vs.全球逻辑半导体营收同比增长比较

2.1 2020年服务器半导体市场增长>10%

在服务器市场于2019年衰退近5个点之后,2020年服务器半导体市场增长可期,英特尔之前公布其去年服务器x86CPU出货量在1Q/2Q/3Q19同比衰退了8%/12%/6%,但四季度同比增长了12%,而云服务器客户于四季度同比大幅成长了48%,而在三季度同比需求拐点出现后,估计全球服务器市场出货量在2020/2021年有10%(从之前的8%上修)/22%的同比增长机会。而统计彭博及Wind分析师对全球服务器制造商及半导体相关公司2020年营收的预期,全球服务器制造商及半导体市场(浪潮36%Y/Y,中科曙光11%Y/Y,纬颖20%Y/Y,信骅22%Y/Y,澜起42%Y/Y)于2020年同比增长应该可以轻易超过10%,因为金准产业研究团队认为服务器需求将被各种线上游戏、视频、会议、办公、教学、医疗所带动,高速,低功耗需求让半导体芯片朝向更先进制程(Intel10nm,10nm+,AMD使用台积电的7nm,7nm+,5nm制程),更多的核芯运算,更多的PCI Express接口,及更多内存通道方向迈进,加上良率不佳,产能短缺,所以不排除单价的提升会让2020年全球服务器半导体市场同比增长轻易地超过10%。

 

全球服务器市场出货量及同比增长率预估

 

四大服务器行业同比数据比较

2.2服务器产业链受惠可期

当然服务器及服务器半导体市场的复苏,也会带动内存DRAM,闪存3DNAND市场,以及x86CPU大载板(Ibiden,Shinko,欣兴),服务器CPU插槽(嘉泽),服务器x86CPU晶圆代工(台积电7nm,7nm+,5nm),封测(通富微-AMD,日月光/长电-海思鲲鹏)市场的复苏。举例而言,DRA MeXchange/Trend Force最近预测服务器用内存DRAM二季度价格将环比上涨20%,这对2020年全球内存DRAM市场的增长有7个点的贡献。

全球服务器用内存DRAM占整体份额

Chiplets小芯片架构利好封测及ABF大载板行业:在Intel雇用了前AMDCPU架构师Jim Keller后,金准产业研究团队预期英特尔未来也要跟随AMD在2021年推出小芯片(chiplets)大载板架构10nm++的服务器x86Eagle StreamCPU及FPGA来改善良率及成本,我们期待这趋势利好于封测及ABF(Ajinomoto Build-up Film)大载板行业及其龙头厂商Ibiden,Shinko,欣兴Unimicron。ABF树酯载板是由英特尔所主导的材料,适合高脚数,细线路,高传输,耐高温x86CPU封装。

台积电的Chiplets小芯片策略

三、服务器芯片相关供应商

3.1英特尔Intel10nm的逆袭

10纳米制程一连串的新产品推出延迟后,英特尔终于要在2020年末或2021年初推出其第一颗10nm(相当于TSMC的7nm)服务器x86CPUIceLake-SP,虽然Ice Lake-SP最多只能有38核心,比起AMD Rome的64核心还是有些差距,270瓦的散热设计功耗Thermal Design Power TDP也仍高于AMDEPYC7742的225瓦,低于AMDEPYC7H12的280W,但提升了CPU到内存的内存条通道从6到8,可连接64条PCIe4.0通道,然而其内存条通道增加到8。但仅跟AMD7nm的Rome相同,而64条PCIe4.0通道,还是明显低于AMD128条PCIe通道。但就制程而言,英特尔的10nm制程工艺在鳍片间距Transistor fin pitch(34nm)是大于台积电7nm制程30nm鳍片间距,但54nm栅极间距Poly pitch/contacted gate pitch是小于台积电的57nm,36nm金属间距metal pitch(interconnects)也是小于台积电的38/40nm。所以AMD除了在小芯片架构,成本结构,耗能,及128条PCIe通道上占有极大优势外,在比较使用台积电7nm制程的AMD Rome CPU与英特尔的10nm制程的Ice Lake-SPCPU后,在执行速度,晶体管增加数就略逊一筹。这就是为什么有些测试机构(Gee Bench)发现英特尔Ice Lake-SPCPU以不到一半的核心,提供近80%更快的执行速度打败AMD Rome CPU。而英特尔将在明年推出的10nmEUV服务器CPU是建立在Eagle Stream平台的Sapphire Rapids,将采取小芯片架构来改善良率,成本,及耗能,并用DDR5存储器及PCIe5.0通道来加快系统速度。这就是为什么AMD不能用台积电的7nmEUV制程工艺产出的Milan CPU来竞争,而要用台积电5nmEUV制程产出的Genoa CPU来竞争。

Intel10nmIcelake-SPvs.AMD7nmRome

Intelvs.AMD服务器CPU的比较

3.2超威2020年推出7nmEUVMilan2021年推出的5nmEUVGenoa

为了因应英特尔10nmIceLake-SP及10nmEUVSapphireRapids的上市,AMD将于今年下半年推出使用台积电7nmEUV制程的Milan服务器CPU及于2021年推出5nmEUV制程的Genoa,虽然Milan服务器CPU的核心数及内存条通道数与Rome CPU相同,目前仍无法判断Milan的PCIe通道数增加多少,不管如何,台积电的7nmEUV制程在耗能上及执行速度都比7nm制程好了超过10%,而晶体管密度增加20%,我们相信AMD使用的台积电7nmEUV制程跟英特尔的10nm制程不相上下,但使用台积电5nmEUV制程的Genoa才有机会制衡英特尔10nmEUV的Sapphire Rapids/Eagle Stream。虽然去年AMD预期在今年2Q20拿下10%的服务器份额,但我们认为AMD是用2000万颗服务器CPU市场来作为分母,而英特尔在计算服务器CPU份额是包括了通讯基地站所用的服务器CPU,总计约3000万颗,所以就英特尔的标准而言,超威AMD要拿下广义的服务器CPU市场近10%的全年份额,可能要等到2021年才有机会达到。

Intelvs.AMD在桌机,笔电,服务器CPU季度份额变化

3.3服务器远端控制芯片龙头信骅Aspeed不畏疫情

在服务器远端控制芯片(BMC,Baseboard Management Controller)龙头大厂(60-70%全球份额)信骅公布环比增长1%,同比增长33%的一季度营收后,估计信骅二季度营收有15%以上环比及60%以上同比增长,我们认为信骅主要受惠于其白牌客户拿下华为(华为自行设计其服务器远端控制芯片)部分x86服务器市场份额,当然也受惠于大量服务器的建制,为了增加线上游戏,线上会议,线上教学,远程办公等。除了Dell主要使用新唐(4919TT)的控制芯片,HPE使用自己设计的芯片外,信骅的芯片似乎占领各种x86(Intel,AMD)、ARM、RISCV服务器平台。

服务器远端控制芯片(BMC)

3.4英伟达Nvidia主导AI服务器市场

除了Intel及AMD的x86CPU在服务器中扮演心脏的角色,Aspeed扮演管理的角色外,英伟达安装在服务器的AIGPU加速器就像扮演训练人工智能增强推理能力的角色,而其中的Volta GPU芯片架构,具有210亿个晶体管,使用第二代高频宽存储器(High Bandwidth Memory,HBM),加入新的Tensor核心,每颗用Volta GPU架构的V100芯片模组提供125Teraflops(每秒125兆次浮点运算)的运算速度,通过NVlink一般在一个服务器中,可连接安装8个V100GPU,可使用近500个应用软件并相容于目前市场上大多数的深度学习架构。因为具有AIGPU加速器的服务器比重会从现在不到10%持续提高,所以英伟达未来在服务器AIGPU加速器的增长动力可期。目前初步估计英伟达服务器AIGPU加速器芯片2020年同比增长25%以上,比起2019年的2%好很多。

AI服务器架构

英伟达训练AIV100

英伟达营收占比分类

3.5澜起Montage主导服务器存储器控制芯片市场

为追求CPU到内存的高速通道更顺畅,我们初估于2022年1+10内存接口芯片(初估价格为US$20-25vs.1xDDR5RCD为US$4-5)在DDR5模组的比重将会达到10%或更高,这种变化将会明显提升每片内存模组的平均内存接口芯片单价未来三年达到7%复合增长率。而因为5G在5年后所带来的数据爆炸对服务器总体新增量将达近1000万台,或在10年后达到2000万台的总体新增总量。这表示光靠5G基础建设的建制对每年的服务器总体新增量就有超过10%。因为澜起建立了DDR4的内存接口芯片新标准,估计澜起的全球市场份额从2016年的31%,逐年拉高到2018年的47%及2019年的49%,要是澜起能领先IDT及Rambus推出速度快,耗电低的DDR51+10内存接口芯片,澜起就能有每年2-3个点的市场份额增加。从今年开始,服务器将从6通道的Intel14nm转到8通道的Intel10nm或8通道的AMD的7nm+CPU,这样对服务器内存模组及接口芯片组有>10%年化的同比增长(三年共有33%(8/6)的同比增量)。而且估计英特尔从明后年开始将陆续推动4/6颗CPU的服务器,这多少会带动服务器内存模组及接口芯片的额外需求,我们估计未来五年同比增长应该会超过25%。

DDR4vs.DDR5LRDIMM模组的比较

3.6存储器的需求驱动力在服务器

就全球DRAM内存市场而言,服务器约占34%的2020年全球DRAM内存用量,在预估2020年全球服务器市场同比增长超过10%(DRAMe Xchange仅预估3.8%同比增长),2021年同比增长22%,及2019-2024年的13%复合增长率CAGR,每台服务器插满内存模组的云端服务器客户增长大幅超过企业端及政府端客户(英特尔公布4Q19云端服务器客户同比增长48%,但企业端及政府端客户同比衰退7%),加上每台服务器因CPU及DRAM的速度加快,CPU跟内存DRAM的数据通道将于英特尔在今年推出56核心14nm++Cooper Lake及38核心10nm+Ice Lake后,从6通道改成8通道,这三个原因将驱动每台服务器DRAM的使用容量增加,因此预估服务器用DRAM内存用量将在2020年同比增长25-30%,2021年同比增长近40%,并于2024年超过整体DRAM用量的一半以上。跟DRAM内存市场类似,就全球NAND闪存市场而言,服务器及笔电/桌上型电脑,持续用SSDNAND来取代硬碟,约占46%的2020年全球NAND闪存用量,加上每台服务器因CPU的速度及存取速度加快,各种新AI应用对于数据量的爆增,这几个原因将驱动每台服务器SSDNAND的使用容量增加,因此预估服务器用NAND闪存用量将在2020-2022年同比复合增长35-40%。相关受惠厂商当然是韩国的三星,海力士,及美国的镁光。

NAND闪存应用份额

2018-2019年国家采购名单中,入围了七家国产架构服务器供货厂商,他们采用的架构分别是:鲲鹏(ARM)、飞腾(ARM)、龙芯(MIPS)、海光(X86)、兆芯(X86)、宏芯(POWER)、申威。从性能、生态兼容性、应用迁移成本和市场能力四个方面来看,华为鲲鹏、飞腾、海光整体表现居于前列。但自从海光被美国政府列入实体清单后,海光将无法拿到超威7nmRome,7nmEUVMilan,5nmEUVGenoa的设计授权,这样海光的x86设计技术将停留在14nm。

主要国产服务器架构对比

3.7华为鲲鹏ARMv8CPU生态系的生成

自从美国Trump政府利用各种国家安全的理由限制华为采购美国的半导体芯片产品,软件,作业系统,华为为了摆脱美国技术,已经陆续推出自己研发的手机鸿蒙作业系统来取代谷歌的Android,用高速通讯ASIC来取代Xilinx,Altera/Intel的FPGA,用SSD闪存主控芯片来取代群联,Silicon Motion的SSD主控芯片,用Ascend推理及训练AI芯片取代英伟达Nvidia的推理及训练AI及Xilinx的推理AI芯片,用使用在Linux作业系统ARMv8CPU(泰山核)架构下的鲲鹏处理器取代Intel英特尔及AMD超威的x86CPU。虽然华为有很强的芯片设计能力,SPECint Benchmark评分超过930,超出业界标杆25%,但ARM的CPU架构本身单核心运算速度就比英特尔X86的CPU来得差,如鲲鹏920主频只有2.6Ghz,也只能靠着64颗ARMCortexA76核心,8个DDR4通道来竞争,但是华为是硬件及半导体公司,要整合自己的开源生态圈,需要很多系统,硬件,系统,应用软件公司的认证与支持,目前华为除了自行研发各种开源软件,作业系统并与超过150家(MSP云服务、服务器PC整机制造、中间件、操作系统、上层各类应用软件等产业)非美国的合作厂商携手推动鲲鹏计算产业,打造完整的产业生态链,这些公司是否担心华为本身的竞争将是一个问题。但在中国政府的支持下,要求数家重点国营企业及多家民间企业如百度,腾讯提高采用鲲鹏及其他国产芯片生态圈的产品比例,以2022年尽量达到100%的比例完成服务器国产化的目标,这对于华为鲲鹏生态圈而言是一大利好。就今年2020年而言,我们目前估计华为鲲鹏将出货150-200万颗服务器CPU,明年2021年估计达250万颗服务器CPU,以每台服务器配置4-8颗鲲鹏ARMCPU来计算,估计于2021年将会看到42万台鲲鹏服务器市场,相当于全球3%的市场份额。虽然华为之前流失了部分ARMv8泰山核设计团队的干部到阿里巴巴,但我们认为华为还是会持续对ARMv8泰山核进行设计优化及制程工艺微缩。

国产替代相关部分助推政策

鲲鹏芯片族的“量产一代,研发一代,规划一代”策略

3.8飞腾生态圈

2019年8月上旬,飞腾发布《从端到云—基于飞腾平台的全栈解决方案白皮书暨飞腾生态图谱》,飞腾希望能从系统建设对芯片的需求角度去思考什么样的芯片和生态才能满足用户对于终端的更高需求,什么样的芯片和生态才能满足云计算和大数据时代的要求。飞腾也希望站在全系统集成角度,为集成商和最终用户梳理飞腾生态图谱并提供一套从端到云的全栈解决方案,给出集成模式和建议,提供已被验证的、有说服力的实际案例,去分析目前技术架构的收敛趋势,协助各行业信息化建设逐步向更先进的部署模式转变。在基础设施服务方面,国内主流的云平台包括阿里云、腾讯云、紫光云、中兴云、浪潮云、金山云、Ucloud等云厂商均已与飞腾平台进行适配。国内20多家主流的OEM、ODM厂商已推出基于FT-1500A/16和FT-2000+/64芯片的服务器整机,其中基于飞腾新一代FT-2000+/64芯片的服务器产品群已于2019年5月在福州数字中国峰会上发。就今年2020年而言,我们目前估计飞腾将出货80-90万桌机CPU,10-15万服务器CPU,虽然有比之前预期下修,但还是有不错的国内份额。

基于飞腾平台的云计算全栈架构框架

飞腾云计算全栈生态图谱

四、服务器CPUCISCvs.RISC

4.1 CISC阵营与RISC阵营比较

中央处理器(Central Processing Unit,简称CPU)是服务器的核心构成之一,其功能主要是解释计算机指令以及处理服务器中的数据。CPU的主要运作原理是执行储存“程序”里的一系列指令。程序以一系列数字的形式存储在存储器中。指令集架构(Instruction Set Architecture),又称指令集或指令集体系,是计算机体系结构中与程序设计有关的部分,包含了基本数据类型,指令集,寄存器,寻址模式,存储体系,中断,异常处理以及外部I/O。指令集架构包含一系列的opcode即操作码(机器语言),以及由特定处理器执行的基本命令。简单地来说,指令集一般被整合在操作系统内核最底层的硬件抽象层中,属于计算机中硬件与软件的接口,它向操作系统定义了CPU的基本功能。CPU按指令集的架构区分,分为CISC(Complex Instruction Set Computing,复杂指令集)型和RISC(Reduced Instruction Set Computing,精简指令集)型两类。CISC的设计者希望通过直接在硬件中构建复杂的指令从而使编程更方便、程序运行速度更快,其架构中每个指令可执行若干低端操作,诸如从存储器读取、存储、和计算操作,全部集 于单一指令之中;与之相反,RISC架构中只包含使用频率高的少量简单指令,并提供一些必要的指令以支持操作系统和高级语言。CISC阵营以Intel、AMD的X86架构为代表,而RISC阵营则包括ARM、MIPS、PowerPC等架构;从硬件角度来讲,CISC处理的是不等长指令集,而RISC执行的是等长精简指令集,在并行处理方面RISC明显优于CISC。由于RISC执行的是精简指令集,相比CISC在硬件层面需要更少的晶体管,所以它的硬件制造工艺更简单且成本更低廉。RISC型CPU与CISC的CPU在软件和硬件上都不兼容,这是由指令集的特性而决定的。从性能角度来说,CISC与RISC并无绝对的孰优孰劣之分。但在发展过程中,CISC阵营的Intel和AMD在提升芯片性能上做出了持续的努力,芯片的功耗被放在了性能后的第二位;而RISC本身出现时间较CISC晚十年左右(ARM诞生于1985年,X86诞生于1978年),ARM、MIPS在创始初期缺乏与Intel产品对抗的实力,专注于以低功耗为前提的高性能芯片。RISC阵营的PowerPC架构最初是为个人计算机产品而设计,但其出现时已是1992年,此时Intel旗下的80386和80486占据了大部分PC市场。次年,Intel赫赫有名的奔腾系列发布并助力Intel占领了绝大部分PC市场,这是第五代基于CISC的X86架构微处理器,Intel将其命名为“Pentium”。在整个1990年代中期,PowerPC处理器均达到或超过了最快的x86CPU的基准测试成绩。但由于PowerPC面向Windows、OS/2和Sun的客户都存在应用软件极度缺乏的问题,所以最终并未在PC市场溅起水花。但其后Apple因为PowerPC处理器的更高性能,在Macintosh个人电脑系列使用了PowerPC处理器。2005年,出于发热量和能源消耗有关的考虑,Apple宣布不再在其Apple Macintosh计算机中使用PowerPC处理器,转而支持Intel生产的处理器。此后PowerPC开始往超高性能服务器方向发展。

CISC阵营与RISC阵营比较

4.2 X86和非X86架构服务器产品的主要区别

X86泛指一系列英特尔公司用于开发处理器的指令集架构。该系列较早期的处理器名称是以数字来表示80X86,包括Intel8086、80186、80286、80386以及80486。由于以“86”作为结尾,因此其架构被称为“X86”。

X86和非X86架构服务器产品的主要区别

X86在计算市场取胜的原因主要有以下四点:

1、Intel与AMD竞争不断,造就高性能X86。Intel具有很强的研发实力,芯片性能一直处于行业领先。在20世纪70年代至21世纪初,厂商最看重的因素之一即为处理器的性能,而RISC本身出现时间较CISC晚十年左右,ARM、MIPS在创始初期缺乏与Intel产品对抗的实力,改以专注于以低功耗为前提的高性能芯片。同时IntelX86也很早开始借鉴RISC架构优势,不断技术革新,比如“Pentium”奔腾处理器就采用了超标量架构,即有一个处理简单和通用指令的管线。Intel最新产品十代酷睿桌面版CometLake-S系列处理器及400系芯片组中,最低配置的酷睿i3-10100四核处理器已经达到3.6GHz基础频率,4.3GHz睿频,全核4.1GHz。从单机性能上来讲,Intel目前依旧处于强势地位。

2、Wintel联盟建立四十余年,X86软件生态完善。1981年,由于个人计算机市场不受IBM看重,IBM选取8088做个人计算机业务的CPU,并将操作系统外包给微软,Wintel联盟就此开始征程。在Wintel建立之初,微软并没有打算唯一地只支持Intel,早期,微软操作系统有两条业务线,一条专用支持X86架构,另一条则支持考虑了操作系统的可移植性,可支持RISC架构的计算机。但由于RISC处理器在PC端的份额远不及X86,微软又取消了对部分RISC架构的支持。后来,X86成为了个人电脑的标准平台,也成为了历来市场上最成功的CPU架构。

3、3、专注芯片架构研发,不碰设备生态。就Intel来讲,不与设备生产商、软件开发者或者系统开发者成为利益竞争关系是一个十分重要的致胜因素。IBM和SUM大包大揽生产多种服务器设备,但其它设备生产商可能会基于不支持竞争对手的角度不愿意选择PowerPC和SPARC架构,而选择X86架构。这确实是我们担心华为鲲鹏生态圈也会碰到的问题。

4、从成本、性能、生态三方面来讲,X86都是早期数据中心的最优选。从成本和性能角度来讲,X86相比大型机与小型机,在RAS(Reliability,Availability,Serviceability)有所欠缺,但具有生态系统开放、兼容性高、价格便宜的优势。且由于分布式系统成熟,X86服务器集群的性能并无较大差距。大型机和小型机价格昂贵、体系封闭,一般只在部分要求零宕机的领域使用(如银行业、电信业等)。从生态的角度来讲,由于X86在市场上占有率高,相比其它架构而言,X86有着独一无二的软件和硬件生态优势,故目前全球的数据中心大部分都是采用Intel的X86架构服务器芯片,X86生态系统也愈发强大。根据DRAMe Xchange调查显示,服务器用CPU中,X86架构CPU占整体服务器市场约96%。但在国内提高服务器及服务器CPU国产替代的政策下,金准产业研究团队估计RISCCPU(非x86)在服务器的份额将持续逐步提高。

 

X86架构处理器在整体服务器市场占比

金准产业研究团队认为,在2019年衰退近5个点之后,估计全球服务器市场出货量在2020/2021年有10%-22%的同比增长机会,英特尔之前公布其去年服务器x86CPU出货量在同比衰退了三个季度后,四季度同比却增长了12%,而云端服务器CPU四季度更大幅成长了48%。统计彭博及Wind分析师对全球服务器相关公司2020年营收的预期,加上服务器需求将被各种线上游戏,影音串流,会议,办公,教学,医疗所带动,高速,低功耗需求让半导体芯片朝向更先进制程(Intel10nm,10nm+,AMD使用台积电的7nm,7nm+,5nm制程),更多的核芯运算,更多的PCI Express接口,及更多内存通道方向迈进,预期2020年全球服务器芯片市场同比增长可轻易地超过10%。

金准产业研究 疫情防控下智慧校园行业深度分析报告 2020-04-24 19:26:33

前言

这几天,随着疫情较轻的地区纷纷在本周复学,疫情“震中”湖北省也宣布5月6日全省高三学生统一开学,并公布其2020年高考时间为7月7日~8日,而防控程度仅次于湖北的北京、上海、广东等地也把高三学生复学时间定在了4月27日,一波返校复学潮正在来的路上。一场疫情让“云课堂”迎来高光时刻,“云课堂”缓解了学生复学的燃眉之急,但问题也十分明显。学生注意力难集中,课堂交互效率低,更值得关注的是,有的孩子在舒适的家里用Pad、请私教上课,有的孩子却跑遍山头找不到一点信号,没有智能手机看网课……云课堂众生相之下,暗藏着些许牵扯下一代命运走向的教育公平问题,“返校复学”的决策已不容许再推迟。2020年4月20日下午,教育部召开的学校疫情防控专家报告视频会上,钟南山院士、李兰娟院士、张文宏主任罕见“同台”发声,明确赞成学校复学!毋庸置疑,“校园安全问题”牵动家长、校园、教育局等各方的敏感神经,对此钟南山院士表示,“要做够措施”,学校要“自己想办法”!

想什么办法?各地学校和教育部都采取了严密的防疫方案,包括错峰上课、及时消毒、严格测温等等。其中,科技抗疫举措成为一道神秘的“排头兵”,AI机器人、AI红外测温闸机、红外热成像仪、AR实景平台等“黑科技”成了校门口的“智能门卫”、“情报员”,好不壮观!

而在这场艰巨的病毒防御战和技术防线背后,是一场新老安防玩家的实力角逐。其中,既有海康威视、宇视科技、大立科技、高新兴、紫光华智这样的安防老将,又有优必选、云从科技、澎思科技这样的AI独角兽,而方案举措也远不止人们看到的一台“AI红外测温设备”。疫情下的校园抗疫市场成为安防企业进入“教育信息化2.0”市场的一个绝佳切入点,从这个横切面,安防企业能看到诱人的巨大市场蛋糕。据多家调查机构数据显示,金准产业研究团队预计2019年中国教育信息化整体市场规模预计突破4300亿元,智慧校园行业的市场规模预计2020年市场规模突破千亿!然而,安防企业进入的并不是一片沉寂的金矿场。在这里,一条深耕校园场景多年的“地头蛇”盘踞于此,那就是一卡通厂商,一个近乎隐形却致命的存在!联合阿里、百度大脑等互联网巨头搞云平台;联手奥比中光这样的三维视觉龙头厂家做3D人脸识别;率先搭线地方部门落地刷脸就医、刷脸吃饭等方案;年营收增长达到 45.12%,毛利率90%以上;“疫情防控系统”落地几百所学校……一位安防业内人士坦言,一卡通类厂商近年来智能化发展很快,很多都在和人工智能、物联网相关业务关联。当被一场疫情推向一片崭新的教育信息化市场,安防老将、AI独角兽将能否在行业“地头蛇”口中夺食?“无孔不入”的阿里、百度等互联网巨头又充当什么样的角色?可能不能用简单的“一卡通”和“一脸通”之争来概括,而是涉及客户需求、技术方案、渠道、工程化能力、合作生态等各个方面的交锋与博弈……

一、直击返校复学潮中的黑科技

终于,随着多地新冠肺炎确诊人数清零,包括湖北省在内的31个省市自治区的开学时间陆续公布,一波声势浩大的复学返校潮也如约而至。

各地公布开学时间杭州滨江实验小学,学生们有序地到走上监测台,不用摘口罩,1s完成测温和签到。

昆明市第三中学、昆明滇池中学,一名叫“智巡士”的机器人在校门口把关,远远地“看着”学生们排队进校。学生们的体温实时地显示在电脑、大屏幕等多处。同时,机器人播报着检测情况和提示语,提醒大家不要距离太近。杭州市惠兴中学,教职工纷纷通过教学楼里架设的红外热成像测温仪,测温通过。江西省南昌青山湖区,某学校疫情防控领导小组正通过AI系统清楚地了解学生身份、通行、体温等多种情况。广州华南师范大学附属外国语学校,在“校园AR实景防疫管理平台”上,教育部疫情防控领导小组能够在一张全景地图上看到校园的实时防控情况。

校园安全问题一直是牵动家长、学校、教育部门的一根弦,在疫情期间变得更加严峻。为此,全国各地大中小学都采取了严格的杀毒、疏散、防疫教育、应急备案等举措,而科技抗疫手段也成为其中的关键担当。金准产业研究团队观测到,刷脸闸机、AR平台、机器人等在智慧城市场景中常出现的方案也大举进军校园,使得安防企业也进入一片新的战场。

二、安防企业切入教育信息化新战场的契机

在这场复学潮中,既有海康、大华、宇视、大立、紫光华智等安防老将的全场景安全复学方案,又有云从、澎思等AI创企带来的刷脸测温方案,除此之外,还有优必选的移动机器人、高新兴的AR方案,这些在智慧城市场景中常见的“黑科技”都成为校园科技抗疫场景的主力军,可以说“武装到牙齿”。全国学校所需的防疫技术方案需求是庞大的,据统计,全国普通小学达到32.01万所,初高中学校9.06万所,大专院校2956所。尽管受到地方条件和渠道等差异化限制,还有许多学校无法采取高科技方案,但这个在疫情期间短期爆发的市场仍然惊人,这条口子拉开之后长远的需求则更需要走近校园这一典型场景来看。

2.1复学场景的特殊之处

可以看到,AI红外测温设备成为校园疫情防患的重要举措,这也成为安防企业进入校园防疫场景的一大切入点。校园AI红外测温刷脸是“园区测温”的一大细分场景,但与常规的复工复产场景有什么区别?食物中毒、流感水痘、踩踏事件……许多校园安全事故触目惊心。学生的自我保护能力不如成人,且在校聚集性强,在学校,如果一个学生感染病毒,很可能一个班、甚至一个学校都要遭殃。因此,校园防疫要从居家、返程、校园等多个维度全场景把控。以海康威视为例,其校园防疫举措就涉及家长接送区、校门口、教室多个场景,信息也需要及时传送到家、校、局各端。这就需要将测温、门禁、视频等多系统融合打通,并将数据按需求汇聚到各端,实现全流程追踪闭环。
2.2进校的那一刻,已经基本确保安全

值得一提的是,学生返校的安全举措是前置的。在提前确认健康学生名单的情况下,具有返校资格的学生就已经大程度保证安全了。在一些地区,教育部门牵头将地区“健康码”与学生信息系统打通;一些地区则选择家校联合打卡,比如宇视的“复学宝”方案正是基于钉钉家校通讯让学生提前打卡,助学校科学合理制定复学名单。学生并不能携带手机“健康码”进校,怎么办呢?早在2020年2月,教育部就强调师生进入校门一律核验身份和检测体温,而后,国务院联防联控机制发布新冠肺炎防控技术方案,重点对各级学校开学前的准备、开学后的卫生防护以及出现疑似感染症状应急处置等提出技术要求。在这种背景下,刷脸+红外测温成为一种典型方案。以宇视科技的刷脸+红外测温方案为例,其通过前端设备“热影66”实现2秒测温打卡的速度,同时基于与阿里共创的云平台使每个学生进出情况、考勤信息和体温信息会呈现一个动态的大数据库,并以可视化的方式在宇视阳光校园态势感知平台界面呈现给学校、教育局。因此,不再需要健康码,学生的“脸”就是健康码。

 

海南某学校采取刷脸测温进校

2.3背后的校园数据破壁,疫情之后的价值

“刷脸+红外测温方案”表面上看,是学生返校流程的简化、安全化,更深一层次则是校园数据、系统的打通。我们再以另一家厂商高新兴的案例来看,就说其“AR实景防疫管理平台”,大家肉眼可见的,是其半小时完成3000人规模高校的检测;而背后,则打通了测温系统、校园安防系统、校园全景系统之间存在的众多系统孤岛,也是着手解决数据与视频缺乏联动、数据应用割裂、建设投入成本高、运维管理困难等问题。这样的高科技方案成本是不是很高?比如硬件设备、软件及云服务、30天提前部署、千兆网络带宽、运营人员培训等都需要耗费各种成本,那么教育部门及学校为什么选择这些方案呢?校园安全及问责的重要性无需赘述,“除了疫情期间的价值,许多客户也关注设备的平时复用情况。”宇视科技智慧城市专家管蓓告诉金准产业研究团队“在常态化时期,宇视实名测温联网方案还具有访客、会议签到考勤等功能,同时在流感季也能够帮助学校起到测温联网常预防管理作用。”高新兴科技集团AR产品线总经理俞翔的观点也很类似:平台能实现“平战两用”,比如,可根据后期公共卫生要求,通过日常体温进行健康监测对水痘、腮腺炎等都有发热症状预警;实现校园网格化分区、校内重点区域自动视频巡逻、校内事件预警联动、校园应急快速启动和处置等等。目前,其方案已经落地华师外国语学院、广东开放大学、广州二中苏元实验学校等地。

 

随着生物识别技术逐渐成熟,能看出“一脸通”在智慧校园方案落地的趋势。一方面,一张脸在学校场景的想象空间还有很多,不仅能取代所有的刷卡点,还有更多时空数据价值可以挖掘;另一方面,相比于“一卡通”,刷脸的识别率仍然达不到100%,另外,类似之前“课堂人脸识别学生专注度”、“学生注意力紧箍咒”等热点事件引起的学生隐私权问题也值得警惕。

三、安防玩家与一卡通地头蛇正面交锋

并不能仅仅将复学返校看作“校园安防”的一个场景,而是一片想象无限的安防新战场。对于智慧城市领域的安防企业说,安防与其它行业的界限越来越模糊,校园抗疫举措更像是教育信息化2.0范畴下的业务,在这一大范畴下,安防企业只是恰巧从“刷脸测温”这场景切入,成为主要玩家。“教育信息化2.0行动计划”于2018年4月13日正式提出,指出要到2022年基本实现“三全两高一大”的发展目标。跳出安防视野,教育信息化领域市场广大。天风证券报告显示,预计2019年中国教育信息化整体市场规模预计突破4300亿元。中商产业研究院《智慧校园行业市场发展前景及投资研究报告》显示,智慧校园行业的市场规模预计2020年市场规模突破千亿。几千亿的蛋糕,安防企业能分多少?当探讨这一问题时,不能忽略这一领域盘踞已久“隐形王者”——一卡通厂商。几乎所有人都有过使用饭卡、校园卡的经历——从校园业务场景的表象来看,卡片具有易丢失、易损坏的特点,“刷脸”取代“IC卡片”就好似当年“IC卡片”取代“纸质证件”一样自然,那么推演到市场格局,一卡通厂商也注定离不开“传统”、“被取代”的标签。其实不然,一位安防业内人士告诉金准产业研究团队,技术只是选择,一卡通卡方案也在发展,很多一卡通厂商也在和物联网以及相关业务系统关联。本文开篇就介绍了许多学校的刷脸方案,但选择刷卡方案的学校不在少数。比如,杭州市则是要求学生做好“杭州健康码+市民卡”申领,通过刷市民卡+测量体温入校,这个决策是城市级的。杭州市民卡是一种双芯片、带信息的磁卡,卡面卡内都记载着持卡人的姓名、照片、身份证号码。

而杭州“市民卡+测温”方案背后,正是来自于名为“杭州市民卡有限公司”的国有企业。杭州市民卡有限公司于2004年7月成立,是受杭州市政府及有关部门委托,负责杭州社会保障卡(杭州市民卡)发行、服务和运营的公司。当下,一卡通厂商的智能化转型已经十分深入。以杭州市民卡有限公司为例,早在2019年9月,该公司就联合百度大脑和奥比中光,打造了”刷脸就医3.0模式“、”杭州首个3D刷脸支付智慧养老食堂“等方案。百度大脑和奥比中光,一个是深谙AI全栈技术的互联网巨头,一个是OPPO手机、支付宝刷脸机器背后的三维视觉技术王者,这些智能行业最前沿的玩家都与这家传统一卡通商的名字一起出现。据金准产业研究团队了解,目前,杭州市民卡有限公司的“刷脸就医3.0模式”已经陆续在杭州的市级医院、区县医院试点,市民刷脸即可轻松完成身份识别、挂号、支付结算等动作。与互联网巨头、AI企业合作似乎是一卡通厂商的重要策略。“校园信息化龙头”新开普公司也选择与阿里系合作,该公司成立于2000年,是国内校园一卡通解决方案商龙头,疫情期间推出的“完美校园”疫情防控系统落地247所高校。2019年初起,新开普就与蚂蚁金服、阿里云、钉钉等阿里系协同合作,例如:利用阿里的人脸识别技术进行行业全应用扩展等。而当年,新开普净利润达到15,769.05 万元,比上年同期增长64.07%。其中,智慧校园云平台解决方案实现营业收入12,771.71 万元,比上年同期增长 45.12%,毛利率为 93.79%。新开普的大数据技术应用是其转型升级的一大法宝。此前,其推出以一卡通系统为核心的智慧校园服务平台,挖掘校园卡业务数据、上网日志数据、图书借阅数据等“高校大数据”价值,为学校、学生提供应用支持。而大数据技术在校园防疫中的作用也已经显现,比如,北京大学就提醒在疫情期间,校师生需要登录餐饮中心微信公众号中的“就餐指数”,实时查询各食堂就餐人数,错峰错时就餐。

基于大数据进行食堂人数实时监测一卡通厂商发力智能转型并不仅出现在龙头企业,在金准产业研究团队之前探访北大食堂时,已经发现某一卡通厂商率先部署了1s识别菜品、可刷脸支付的“AI收银机器人”。

 

金准产业研究团队了解到,一卡通厂商贴近客户,了解需求,擅长落地,而人脸识别等技术的门槛也越来越低,适合其进行转型;同时,安防企业也深耕校园安防领域多年,因此客户选择谁,还要看各自争气的程度。一方面,各地区学校中都有至少一家一卡通厂商,其中一些具有AI变革能力的卡商有望凭借渠道等优势先入为主;另一方面,在没有智能化能力的一卡通厂商的“地盘”,也成为安防玩家、AI独角兽切入争夺市场的虚弱点,也是真实的契机。

 

四、结语

经历过“纸质时代”到“电子时代”的时代变革,一卡通厂商并不是许多人想象的那样传统刻板,而是早就站在了AI、大数据技术支持的教育信息化浪头。这是安防企业、AI独角兽、互联网巨头切入智慧校园领域之后面对的新对手,也可能是新伙伴。在智慧校园和教育信息化2.0的浪头之上,并不是“一卡通”和“一脸通”客户选谁的选择题,而是比谁的方案更智能、更便捷、更安全的全方位竞赛。金准产业研究团队认为,安防企业、AI企业也可以做“卡”,一卡通厂商也在抢先推出校园刷脸、大数据、云平台方案,而互联网巨头可能是背后的赋能者也可能是全产业链玩家。随着AI及5G技术的发展,智能产业的推动者们不断开辟新战场,被新鲜的行业气息吸引,也被旗鼓相当的新对手挑战,战局也变得更有意思了。

 

金准产业研究 搜狗AI交互技术深耕行业研究报告 2020-04-10 21:21:19

前言

随着AI技术的爆发和发展,智能语音技术已逐渐成为人们生活中最普遍的AI交互技术之一。

事实上,语言作为维系人与人之间情感和交际的重要纽带,一直以不同的承载形式为人们所用。例如在搜狗以语言为核心的AI技术布局中,从中文、多方言和外国语种的语音识别转写、AI同传翻译,再到个性化的语音合成和变声……在人们生活中语言应用的方方面面,都不乏搜狗的身影。

如今,搜狗作为国产AI+语音领域颠覆传统语音行业领先者之一,其AI语音技术具有高识别率、高准确率、低时延和多模态融合等优势,已广泛应用到教育、商务、旅游等多个应用场景,并已深入你我身边的千家万户中。

其中,搜狗语音识别准确率最高可达98%,语音日均请求量已达十亿级,尤其在录音笔行业,其搜狗输入法通过AI赋能,也已为市场超90%的录音笔提供接入服务。

金准产业研究专家发现,在搜狗AI技术体系一次次引领行业创新,颠覆传统行业生态的背后,是搜狗AI算法平台和深度学习平台Eva搭建起的“骨架”。而AI平台和深度学习框架的背后,强大的算力平台也助力其构筑起了语音领域的强大的竞争力和领先性。

 

一、国内AI语音行业先锋,语音处理日请求量超十几亿次

2020年开年以来,新型冠状肺炎病毒疫情一直影响着国内市场的复工和发展,但陈伟带领的搜狗AI交互技术团队在科研领域的技术应用和研究,并没有受到影响而减缓。

搜狗在AI领域始终坚持的就是以语言为核心。搜狗AI交互事业部团队,核心解决的问题则是围绕自然交互领域,让人机交互更加自然,尤其是多模态的交互。

实际上,搜狗以语言为核心的AI技术主要布局自然交互和知识计算两大赛道。

搜狗AI主要通过语音和图像的感知、对话、翻译等来实现人与计算机之间的交互;另一方面,知识计算则更多地围绕基于海量的网络数据或已有数据,通过搜索和自然语言处理(NLP),从中抽取出真正的知识以解决问题。

2012年起,随着搜狗开始投入智能语音技术的研发,其AI团队规模已发展至将近1000人。

而在搜狗AI体系构建的背后,有一个名为Eva的搜狗深度学习平台则发挥了关键作用。

在深度神经网络建立之前,搜狗的每一项技术如语音合成和语音识别,是两个独立的方向。但在Eva构建之后,从底层的模型架构到算法设计等方面都形成了一个端到端的有机整体。

通俗地说,就是它能够将语音、图像、NLP等技术集成在一起,为研发人员统一提供深度学习模型的训练。

 

由于最初的模型和算法并不复杂,搜狗一开始的深度神经网络仍然依靠CPU来运行。但随着数据的增长和算法复杂度的提升,模型训练的数据规模十分庞大,CPU早已无法满足深度神经网络的训练需求。

例如,在语音模型训练过程中,动辄需要十几万小时的数据。就算用数十块英伟达GPU来进行训练,也需要数月的时间才能完成。

因此,随着深度神经网络并行计算需求的增加,以及模型愈发复杂,搜狗从2013年后开始逐渐探索用GPU来对模型进行训练,以持续迭代线上的AI服务性能。据了解,基于英伟达强大的GPU算力支持,目前搜狗语音的日均请求量已达十亿以上。

二、英伟达GPU+超大规模推理平台,助力搜狗AI语音两大创新方向

而在搜狗强大AI交互技术过程中,英伟达T4和Tensor RT为搜狗实现算力突破,创新行业提供了强劲的技术支持。

在陈伟看来,英伟达GPU在训练和推理两个方向都提供了强大的算力支持。

一是面向线下的模型训练,需要GPU具有充分强大的算力和足够的显存,以驱动模型基于大数据的训练,如目前使用的Tesla V100和P40;二是面向线上的推理和部署,这对GPU显存和算力的需求相对较小,适合对大规模海量计算机进行部署,如Tesla P4和T4。

其中,T4 GPU专为优化和提升AI性能而打造,配备了英伟达Turning Tensor核心,能够在实现高效算力的同时,进一步支持服务器实现AI训练和推理的横向扩展。

T4 GPU具有三大性能优势。一是其能够优化可扩展服务器,能效高出CPU的50倍以上,大大降低运营成本;二是它具有多精度计算特性,可实现FP32、FP16到INT8以及INT4精度的突破性AI性能,其训练性能达到CPU的9.3倍,推理性能超36倍;三是它能够加速深度学习和机器学习的训练、推理、视频解码和虚拟桌面,并支持所有AI框架和网络模型,进一步提高大规模部署的效用。

此外,搜狗在使用GPU推理的过程中,还利用了英伟达超大规模推理平台Tensor RT,以加速深度神经网络的推理。

据金准产业研究团队了解,Tensor RT超大规模推理平台是英伟达专为全球开发者和数据科学家们开发,其配备了英伟达T4 GPU,能够加速图像、语音、翻译和推荐系统等广泛领域的神经网络。同时,它还支持加速业内各大主流的深度学习框架,例如TensorFlow、PyTorch、MXNet、Chainer和Caffe2。

好的算法和庞大的数据,一定需要好的运算平台。英伟达的GPU和AI推理平台为搜狗AI技术体系的构建,提供了批量运算或并行运算的能力,并逐渐形成良好的开发生态。

三、T4加持,语音识别准确率高达98%

如今,搜狗在自然交互和知识计算两个AI战略方向上,布局了语音、计算机视觉、对话、翻译、问答多个领域,并在搜狗分身、搜狗同传、搜狗变声等多个差异化赛道持续领跑,对算力需求进一步提升。

随着搜狗语音识别、多模态识别(语音+唇语)、OCR、机器翻译、语音合成、图像生成等应用场景和需求的扩展,它们对算力资源的需求是根据不同任务而定的。搜狗的多模态识别服务,是将语音和唇语的两个模态融合后再进行识别,而这一多模态感知的方式也使得模型对运算的要求更加复杂。

金准产业研究团队认为,AI语音领域对运算的需求只会越来越大。尽管近几年语音识别颠覆性的创新和突破越来越少,但现有技术还在持续迭代中,模型本身的学习能力也将不断加强。

与此同时,随着5G、IoT技术的推动,大数据也在急剧爆发和增长,这对于AI公司来说无疑意味着更复杂的模型和更庞大的训练数据,从而对GPU的算力提出了更高要求。

在搜狗的语音转写应用中,语音识别准确率是影响用户体验和应用的重要因素之一。

金准产业研究团队了解到,目前搜狗语音输入法在业内具有领先的中英自由说能力、远场语音识别解决方案,以及业界首创的语音修改能力。例如,搜狗语音输入法能识别日韩英法等10余种外语和粤川等10种方言,支持语音增强和个性化交互,同时其语音识别准确率最高为98%,日均语音输入调用次数突破十亿次。

实际上,搜狗语音识别准确率的提升,主要依靠算力、深度学习技术和语料数据训练。在算力方面,搜狗从2017年起开始采用英伟达Tesla P4来加速和优化语音识别模型。

早在2017年,搜狗通过P4的并行计算推理速度,将语音识别请求效率提升50%。在之后的两年时间里,随着Cuda升级至9.1以及算力的持续优化,搜狗的语音识别请求效率不断提升。2019年11月,搜狗将P4升级至T4后效率再度实现突破,提升20%。

伴随着引进T4 GPU,其语音识别峰值日均调用量也从2017年的3.2亿次,迅速增长到了2019年第三季度的8.3亿次,有效实现了对海量识别请求的处理,进一步强化了自身语音识别技术的潜力,为行业创新和变革提供了新的发展方向。

四、T4优化WaveRNN声码器,推动源技术从学界落地产业

除了语音识别之外,语音合成亦是检验语音技术公司实力的标准之一。

搜狗语音合成支持男女多风格和中英俄多语种共数十种音色,同时系统只需用户上传5分钟的音频,即可生成该说话人的音色,甚至能实现说话人的风格迁移。

技术方面,搜狗的语音合成技术基于WaveNet和WaveRNN声码器研发,但由于WaveNet运算复杂度较高,因此它最初很难实现搜狗线上实时生成语音的服务。

为了优化WaveRNN声码器,搜狗一方面在WaveRNN源技术论文的基础上进行了大量的研究工作,并为了实用化修改大量代码结构;另一方面则基于T4对WaveRNN进行优化,并定制开发实现的gemm算子,进一步降低了语音合成的实时解码率。

搜狗通过T4的优化性能,也进一步打破学界与产业之间的迁移壁垒,真正实现国内语音行业首创,让WaveRNN声码器技术更好地服务AI语音行业的创新和发展。

不仅如此,随着搜狗AI交互技术开始涉及更多图像相关的应用,如虚拟人、OCR、手写识别、唇语识别、图像以及视频生成等,其深度学习平台对高可用、并行训练服务能力的需求亦进一步提升。

例如,在搜狗AI平台对外开放的过程中,会有大量的用户涌入,基于平台进行训练并定制自己的模型,而在这一过程中,搜狗AI平台需要在任务之间做好排队调度,并充分考虑GPU的负载均衡等问题。

因此从平台层面看,搜狗的服务会通过AI开放平台借助深度学习的能力,去帮助更多的用户实现定制化AI的可能性。

值得一提的是,随着英伟达Tensor RT7的推出,目前搜狗也开始在部分任务上尝试使用该平台。金准产业研究团队预测,未来,随着搜狗AI技术和业务的迭代和创新,也会将Tensor RT7逐步引入到更多任务中。

五、高算力GPU助推语音交互和AI计算平台未来发展

如今,搜狗在AI语音听写方面,已与爱国者、纽曼、索尼、万城四家录音笔行业头部企业成立AI创新联盟,联合搜狗输入法为市场超90%的录音笔提供接入服务。

除此之外,搜狗通过语音+唇语的多模态识别技术研发唇语识别系统,嘈杂环境下识别准确率提升40%以上,同时搜狗还通过搜狗翻译、合成和识别等技术,在跨语言交流、机器同传等多个应用领域拿下行业领先的成绩。

未来,随着AI交互技术应用范围的不断扩展,搜狗也将针对搜狗AI开放平台、多模态技术融合等方面进行升级。

搜狗将借助AI开放平台加速推动AI核心能力对外开放;语音识别和语音合成两方面,包括个性化语音合成、语音变声、多模态交互、手写识别、多模态同传等技术也将带来更多的体验创新和升级。

从内部看,搜狗也将真正打通各个研究团队在GPU资源上的共享能力,并基于平台为公司提供一个相对通用的、统一的一套深度学习的并行训练能力。

而这些由内而外的技术升级,也将对GPU性能产生更大的需求。

不仅仅是对GPU算力需求的增强,同时也需要GPU能够为我们提供更丰富的配套服务。英伟达已逐渐打造了一个良好的AI生态,而搜狗作为生态的一份子,同样也希望它能够在生态上进一步支持搜狗的自身业务,继续助力搜狗AI技术的创新发展。

结语:AI交互技术应用全面爆发,GPU助力催化行业创新

语言的多模态应用,不知不觉间已成为人们生活中习以为常的技术,一句简单的语音识别转写、一次跨语种的同传翻译……这些都是AI交互技术应用在全面爆发的过程中,为人们生活带来的便利。

而在这些便利技术背后所催生的巨大算力需求,也为包括搜狗在内的许多企业提出了新的技术挑战。而搜狗通过借助强大的GPU计算平台,不仅突破了庞大AI计算负载给AI语音带来的算力瓶颈,亦为搜狗在AI语音领域的创新发展提供了重要的算力支持。

面对海量的数据分析请教,以及比以往更复杂的模型训练。在这一背景下,AI技术公司如何开拓并寻找更优质的技术支撑,对自身的基础设施进行更好的优化和提升,亦是每一家公司在AI落地和应用过程中需要考量的。