中国安防行业10年报告(下篇)

　　近年来，安防是一个快速增长的行业， 过去十年， 复合 17%的行业增长率证明了行业的持续性，龙头份额提升持续获得超越平均的增速。 根据历史数据， 2008 年至 2017 年， 十年内中国安防行业产值从 1605 亿元增长到 6480 亿元， 十年复合增长率达 17%。 其中，安防产品占安防行业规模约 3~4 成， 2017 年中国安防产品产值约 2000 亿元。并且，我国的海康威视和大华股份已分别占据全球安防企业的第一名和第三名。

　　展望未来，在AI、5G等技术的加持下，国内安防增速将继续保持双位数以上，约为全球增速的两倍。 根据十三五规划， 2020 年我国安防企业总收入预计达到 8000 亿元，年增长率约 10%。根据智研咨询预计， 2020 年将达到 9952 亿元， 2016~2020 年复合增长率约 15%。同样根据智研咨询预测， 2016 年全球安防市场产值约 2376 亿美元，预计 2020 年达到 3150 亿美元，复合增长率约 7%。

　　(以下内容与《中国安防行业10年报告(上篇)》相衔接)

　　安防是 AI 的最佳落脚点， AI 是安防升级的新浪潮

　　人工智能与安防相结合，催化行业进一步升级。 安防领域将成为人工智能投资的重要领域。安防 AI 竞争要素可以分为算法、算力、数据、产品、工程和方案。对于这六点，不同竞争基因的企业进行安防 AI 侧重点有差异。人工智能在安防的渗透，将从后端开始，向前端延伸。人像大数据平台等中心控制产品市场竞争侧重点在于算法，后端市场将是一个分享的市场。未来，前端市场的渗透依赖于芯片成本的下降，前端市场的想象空间更宽广。

　　安防行业几次大的转折，体现了技术创新——模式创新——技术创新的更迭周期 。

　　第一次转折是技术创新，安防迎来了数字化、网络化的浪潮，安防企业争取的是外资的市场份额 。 在 2010 年之前，安防行业以模拟产品为主，外资大厂如安讯士、霍尼韦尔、索尼、松下等具备模拟产品技术优势，对数字化产品投入较为保守。国内厂商则积极投入。当技术路径转变时，国内龙头实现弯道超车， 2011 年海康威视即成为了全球视频监控市占率第一名。

　　第二次是模式创新，安防进入了解决方案转型时代，安防企业吸收的是集成商的利润 。 海康威视 2009 年开始布局， 2012 年提出 IVM 可视化管理，进行解决方案转型。 解决方案时代，安防龙头企业开始提供从前端到后端的整套产品，并且兼具了制造商、集成商和工程商的能力，能根据客户需求制作应用模块， 提供产品及解决方案，压缩了产业链，使得纯粹的渠道商、集成商空间被一定程度压缩。

　　单纯监控摄像头的价值量有限，但作为安防解决方案整体价值量空间大幅提升。以深圳龙岗区雪亮工程四期项目基础部分(EPC 总承包)为例，深圳电信中标，总计 3.8 亿。招标内容包括 6500 个高清视频监控点、40 个高清卡口车牌识别、1000个二三类摄像头联网、 75 个科技围合小区建设、 10 个派出所市电增容建设，此外包括配套的基础网络光纤、管道、供电及相关设施。项目为交钥匙工程，承包方需要负责方案设计、概算编制、设备采购、施工等。 由此可见，项目的价值量比纯粹售卖硬件高得多。

　　第三次回归技术创新，进入安防 AI 时代，整个安防产业的价值量提升 。2016/2017 年以来，带有深度学习功能的前后端产品不断推出，后端人像大数据平台已然开始渗透，行业价值量被大幅度提升。 技术创新成为这一轮主导的竞争要素，具备交付智能化产品和方案的厂商将脱颖而出。这轮技术创新主导下， 也存在着一定的模式创新。 AI 主导下分化为侧重边缘节点的海康大华模式和发力云服务的华为模式。 这是因为行业层面上的竞争要素是技术创新， 但两类企业在微观层面的竞争要素分布具有差异。

▲安防行业发展史

　　1、安防 AI 竞争需六个要素，后端产品率先渗透

　　宇视科技研究院院长谢会斌提出安防 AI 包括六个要素： 算法、算力、数据、产品、工程、方案。我们认为这六个要素前三者(算法、算力、数据)反映着培育 AI的基础， 而后三者(产品、工程、 方案)则是传统安防的护城河。 六要素的结合将凝聚成安防行业在人工智能化阶段的竞争力核心。

　　安防从产品到解决方案，再到人工智能化，“软件”行业属性不断加强 。 安防行业从产品、工程向方案转型的过程中，依附于视频监控设备的平台、应用等软件价值逐渐凸显。 安防龙头凭借整体架构设计能力和平台应用开发的软实力，针对场景定制化，深度服务客户，竞争原本集成商的市场空间，并提升产品盈利能力。解决方案转型过程中，安防行业已经从硬件行业向软硬结合转变，人工智能化将进一步强化安防行业“软件”的属性。 因此，完成解决方案转型的龙头企业，享受的不是监控摄像头制造厂的估值;构建起安防人工智能壁垒的企业，未来也将享受软件企业的溢价。

▲安防行业发展阶段

　　现在的人工智能与十年前提的安防智能化有何区别？ 需要区分两种安防智能化 ，深度学习才是解决痛点的关键 。 第一种安防智能化，即传统意义上的视频内容分析(VCA)。 业内龙头诸如海康早在 2005、 2006 年就开始提及安防行业智能化，然而彼时的视频内容分析技术基于计算机视觉，采用背景建模与目标跟踪技术(背景分离)，发展成目前的智能网络摄像机，能够完成特定的视频内容分析，诸如行为分析、异常侦测等，这些功能被集成在 IPC SoC 中，不需要额外增加人工智能芯片，因此成本低、普及快。第二种安防智能化需要基于深度学习。 2013、 2014以来的安防智能化概念基于深度学习，在识别率和反应速度上有显著提升，应用场景更得以拓展。基于深度学习的产品在 2016、 2017 年以来才逐渐落地， 这些感知型设备不仅能提取视频的结构化信息进行语义描述，而且能够部分模仿人们进行深度思考和判断，大大解决行业痛点。 这些产品往往需要加入协处理芯片或GPU 等深度学习芯片，成本高，推广慢。

　　为什么说安防行业是人工智能的第一落脚点 ? 我们认为主要归因于安防行业三个特质： 1、具备孕育 AI 的沃土(深度学习算法的成熟、 GPU 等人工智能芯片的强大算力、海量数据基础); 2、庞大非结构化数据的行业痛点(传输、存储、人力处理的难度); 3、清晰可行的商业模式。

　　人工智能在安防行业都有什么应用 ? 人工智能摄像头可以广泛应用于公安、交通、教育、金融、医疗、零售等领域。人工智能目前应用场景主要包括生物识别、车辆分析、行为分析及图像分析(视频质量诊断、视频摘要分析)。 IPC 的结构化数据提取能力，以车辆分析为例，能够提取车牌、车型、车身颜色、品牌、驾驶员是否系安全带、是否打电话、是否开遮阳板、汽车通过时间、行驶方向、行驶轨迹分析等。

　　安防人工智能化产业链切入点较多，算法商偏云端，芯片商主攻 IPC 和录像机，解决方案商搭平台 。 目前安防人工智能化产业链相关公司主要有传统安防龙头诸如海康、大华、宇视等，以及安防新锐华为，这类公司凭借较深行业积累搭建平台，吸引合作伙伴，同时进行前后端升级;以算法为主的企业诸如传统的东方网力以及人工智能新锐商汤、旷视、云从、依图等主要布局中心控制系统;发力芯片的企业诸如海思、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。

▲国内安防人工智能化产业链相关公司

▲AI 与安防产业链结合

　　我们预估 2017 年 AI 在国内、全球安防行业市场渗透率约 1~2%，根据第一章节安防行业市场规模的数据，我们大致估算安防行业的 AI 市场规模。

▲国内安防行业 AI 市场预估

▲全球安防行业 AI 市场预估

　　后端人工智能先行， AI 中心控制系统已逐渐落地 。 第一，从研发成本角度考虑，算法的产品落地快于芯片的研究开发，安防行业后端的人工智能渗透也将早于前端。 第二，从布置成本角度考虑， 中心控制系统的人工智能化也将先行，省级公安厅及其他较高层级的部门率先采用， 集中布局中控平台，统一接入现有视频监控设备， 是现有情况下客户投入较少、使用方便的升级途径。 即使如此， 因为人工智能成本较为高昂，我们预计短期内以公安为代表的政府部门会成为主要客户。以 AI 创业公司为例， 依图已经帮助近 20 个省级公安厅建立人像大数据平台， 我们预估目前后端市场规模约 13 亿元，未来公安部门渗透率会继续提升，并且一个部门可能需要部署多套平台， 以处理包括人、车、重点场所等多种场景下的任务。

▲国内后端市场人工智能市场空间预测

　　前端市场渗透会晚于后端，但市场空间比后端高 。 我们预估 2018 年国内摄像头出货量约 1.67 亿部，其中近六成为网络摄像头。 我们估计安防摄像头渗透率目前不及1%，出货量在 10 万部的级别。以安防行业网络化用了十年的时间，向未来看十年，人工智能 IPC 渗透率有望达到如今网络摄像头的量级。 这个过程会伴随着成本端下降、价格端下降、毛利率冲高回落到合理盈利水平，最终沉淀下来的是具备安防 AI 六要素竞争力的的企业。

▲国内前端市场人工智能市场空间预测

　　2、海量数据既是良好 AI 训练素材，也是行业痛点

　　海量数据是良好的 AI 训练素材，但难以直接处理 。 安防行业具有复杂的应用场景以及庞大的非结构化数据，数据难以直接处理。同时， 随着安防监控视频高清化实现，海量的非结构化数据进一步增加。摄像头传输的是 24 小时不间断的实时视频流，在大规模视频监控布点的情况下，传输和存储的压力较大，这也是海康威视提出“AI Cloud”架构的重要原因。在前端抓拍初步分析的模式下，传输信息被简化，可以较好节省带宽和存储资源。

　　编码技术进步，在相同图片质量的基础上可以降低码流 。 码流是指视频文件在单位时间内使用的数据流量。H.264 的压缩效率比 MPEG-2 提高了 1 倍多， 代价是计算量提高了至少 4 倍。 H.265 比 H.264 进一步复杂，同时也是进一步降低码流。算法的复杂化，是以芯片算力为代价，换取低码流下的高质量图像，实现更好的编码压缩效果。随着芯片处理能力增强，前端能应用的算法复杂度也在提升。 H.264编码下，720P 的码流大约 2~4Mbps，H.265编码下，720P 的码流可以降到1~2Mbps。假 设 每 个 摄 像 头 所 需 码 流 2Mbps ， 一 百 个 摄 像 头 所 对 应 的 下 载 速 度 为2Mbps*100/8=25M/s， 对应两百兆带宽，需要较高的带宽成本。 根据访谈了解，由于使用专用的带宽，仅两兆的上传输成本，每年就要上千元。此外， 如果以这个码流进行存储，对应 25M/s*3600*24/1000/1000=2.16T，即每天的视频所要求存储空间为 2.16T。

▲不同压缩方式图像质量/码流表现对照表

▲不同压缩方式压缩比/算法复杂度

▲各分辨率下 H.265 与 H.264 码率对比

▲海康威视 smart265

　　视频高清化带来的数据量增加，存储成本相对较高 。 我们以民用市场作为参考，探讨视频监控的存储成本。(1) 以买存储卡成本看，淘宝网上 32G 存储卡价格约30~100 元不等， 32G 对应约 3 天，即每个 1080P 高清摄像头每存储一天的硬件成本在 10~30 元。(2)以云存储的成本角度看，萤石云 7 天循环存储的年卡 120 元、30 天循环存储的年卡 300 元;乐橙云 7 天年存储套餐 110 元、 30 天年存储套餐260 元。

▲1080P 和 720P 视频对应内存卡存储时耗

▲Nand Flash 价格走势(美元)

　　海量的数据是安防发展 AI 的迫切动力，也是重要的基础条件 。 据不完全统计，平安城市监控设备约 2500 万只，全国各行各业采用的监控摄像头约 2.25 亿只，一天产生的数据量约 50PB，是上千个国际级图书馆的数据量级。一方面庞大的数据超越人力处理的限制， 另一方面海量数据是作为培育机器学习算法的温床。安防行业应用场景碎片化，与弱人工智能处理的应用需求碎片化相契合，安防大厂往往有较为庞大的产品团队和平台团队， 开发出千上万针对不同场景的硬件产品和系统，适合于搭载 AI 实现细分领域的智能化。

　　3、人工智能算法是根基，安防龙头积极布局

　　安防龙头优势在于深耕行业， AI 算法公司优势在于顶尖人才。因此，在数据大平台的建设中，创业新锐更容易崭露头角。与算法上的差距相比，安防行业的场景复杂性和销售复杂性壁垒更深，安防龙头更具卡位优势。

　　人工智能在图像识别领域主要由两个流派构成，一个是传统安防企业，以海康威视、大华股份、宇视科技为例;另一个是 AI 算法企业，以实验室、研究所或者国际 IT 大厂走出来并逐渐实现产品化的新锐，以商汤、旷视、依图、云从为例。 技术发展日新月异，算法的识别率已经超过了人类，并且可以大规模使用。 AI 算法行业具有一个特点，顶尖人才领军与聚集效果较为关键。

▲安防龙头与 AI 创业公司算法布局比较简表

　　安防龙头优势在于行业资源积累， AI 算法公司优势在于顶尖人才聚集 。 我们认为安防行业壁垒具有较为明显， 新进入者也需要逐步积累面对不同场景的设计、制造和部署经验，这是安防行业无法绕过的特性。安防龙头如果积极布局人工智能算法，将率先受益于价值量提升乃至份额提升。

　　安防龙头，深耕人工智能，有望获得价值量与份额的双重提升 。 对于以海康为代表的安防龙头而言，优势在于具有系统性算法、数据、产品、解决方案、渠道的积累，对于客户需求理解把握更充分。与中小安防企业比较， 当安防龙头积极主动去深耕人工智能领域，相对优势扩大，未来大概率能在安防智能化浪潮中率先受益，价值量提升的同时可以保持优势乃至扩大份额。 与 AI 算法公司相比， 安防企业在布局算法的同时，对于技术的工程化和可行性把握更好，能够结合客户需求更好地设计每路结构化单位功耗密度、用户机房耗电量、发热量等工程性问题，更好地实现软硬结合。仅从算法角度而言，由于各家厂商算法识别准确率均在 95%以上， 实际上差距并不会很大。

▲ ImageNet Chanllenge 图像识别错误率

　　AI 算法公司，寻求结盟以突破安防市场或为较优选择 。 对于 AI 算法公司而言，由于创业团队的预期回报高于传统巨头，因而更容易吸引人工智能领域资深的大牛创业或加盟。以商汤为例，该公司以汤晓鸥实验室为基础，吸引海外名校学者和互联网巨头业者，搭建强大的 AI 智囊团。除此之外，旷视根源于清华、依图有较强上海交大背景;云从则孕育于中科院，都是国内顶尖算法人才的聚集。 AI 创业公司需要积极寻找可盈利的商业模式，实现产品落地。正如我们本章第一个小节所言，安防成为关键领域。 对于 AI 算法公司而言， 深挖垂直的安防行业解决方案， 技术优势较容易转化为在安防大数据平台建设、特定细分市场布局的商业成功。 但是，由于安防行业智能化产品面向政府客户，并且许多创业公司难以获得安防视频数据进行训练，创业公司凭借一己之力挑战安防龙头具有一定难度。因而， 寻求结盟，实现 1+1>2 或许是成 AI 算法公司的优先选择。

▲AI 创业公司的安防布局

　　国内机器视觉市场快速成长，格局由四大算法公司主导 。 根据 IDC 数据， 2017年我国计算机视觉应用市场规模达 15.45 亿元，同比增长 184%。其中，政府、金融、互联网是三个主要细分领域，人脸识别应用最大的场景即平安城市项目及金融行业的人脸身份验证。 我国计算机视觉市场主要由商汤、依图、旷视、云从等AI 算法公司主导。

▲中国计算机视觉市场规模预测

▲2017 年中国计算机视觉应用市场份额

　　3、算力： 技术升级与价格下降，推动 AI 需求渗透

　　价格是目前安防 AI 的最大阻力之一，降价将推动 AI 需求渗透

　　人工智能解决安防行业的痛点，芯片的技术升级与价格下降将解决人工智能的痛点 。 为什么要专门分析芯片?因为人工智能解决了安防行业的痛点，渗透的主要难度又在于高居不下的价格。 我们认为芯片及其他零组件的升级，将决定着这波安防行业人工智能化浪潮的节奏。

　　零部件成品降价，有利于安防产品向更多层次的需求扩散 。 安防需求层次差异大，最高端的产品需求来自于以省级公安厅为代表的政府，中高端面向区县乃至商业，中低端面向民用和商铺等。中高端市场常以解决方案的项目制出现，中低端市场则是以渠道商形式。 2013 年开始，安防监控摄像头的镜头逐渐从日本厂商向国内舜宇、联合光电转移，芯片由索尼一家独大的 CCD 向 CMOS 技术扩散，主芯片也由 TI 的 DSP 向海思、安霸的 AISC 变化，随着元器件重大突破的实现，成本显著下降， 这段期间监控摄像头经历一段快速的产品迭代和降价过程。同时， 由于海外市场以渠道销售为主，产品价格敏感性相对较高，国内安防龙头诸如海康、大华等在 2013~2015 年海外营收增速迅速增长。

　　降价将成为人工智能从上到下渗透的助力，正如 2013~2014 中国安防龙头受益于国产替代推动的降价过程一样 。 由于 AI 芯片目前的价格高居不下，整体方案仅有少数用户能够买单。 价格是安防 AI 的最大阻力之一。目前，视频监控摄像头加装 GPU，成本上升约 3000 元，比如搭载 NVIDIA 的 Jetson TX1 芯片的海康威视“深眸”， 我们预估价格至少 5000 元。

　　安防行业芯片包括前后端，发展趋势为数字视频监控系统 IPC+NVR

　　对于安防行业而言， AI 芯片发挥作用的地方分为两个：一个是前端芯片，在前端进行智能化处理，再将初步处理后的信息传给后端，目前商用以英特尔的 VPU 为代表;另一个是后端芯片，在后端进行集中式分析，目前商用以英伟达的 GPU 为代表。

　　安防架构分为模拟视频监控系统和数字视频监控系统。模拟摄像机前端芯片为 ISP芯片，主要对图像传感器的输出信号进行处理，模拟摄像机+DVR 是模拟视频监控系统的核心， DVR 主要功能包括进行数字化编码压缩和存储。在 NVR 出现后，产生了模拟摄像机+DVS+NVR 的数字视频监控系统，这个体系下 DVS 仅有编码压缩的功能，并没有存储能力，而是将数字化后的信息通过互联网传输到后端NVR 进行存储。随着前端 IPC 逐渐替代模拟摄像机， IPC 由于从视频采集到编码压缩实现全数字化，此时数字视频监控系统架构精简为 IPC+NVR。

▲视频监控系统结构介绍

▲典型 IPC SoC 架构

▲典型 DVR SoC 架构

　　对于前端的芯片，模拟摄像机一般为 ISP，网络摄像机则是集成了包括 ISP、 CPU、编码模块及其他功能模块的 IPC SoC。一般而言，前端智能化的实现即通过在 IPC SoC 中集成视频智能处理模块。 目前，视频监控 SoC 以 110nm/55nm 工艺为主流，少数领先企业开始使用 28nm 工艺。

　　对于后端的芯片，视频处理压力较大，往往需要高密度集成较强算力的芯片，以英伟达的 GPU 为主。由于 DVR 系统自身具备视频采集、编码压缩、存储、管理一系列功能，可以独立工作，比较适合本地系统构建;而 NVR 采用开放的 IP 架构，需要与编码器、管理平台、操作系统、网络传输配合使用，因此适合于分布式的大型视频监控系统，诸如云中心。

　　前端芯片： AI 赋能边缘， 前端 SoC 升级

　　AI 赋能边缘，前端智能化对于安防架构有重大益处 。 根据 IDC 预计，到 2020 年，物联网感知设备数量将达到 500 亿部，约 50%的计算量在边缘完成。前端智能化带来较大益处，提升感知精度，提升感测速度，减小传输过程的噪音影响，降低传输成本，降低存储成本。诸如海康的 AI Cloud，通过边缘节点、边缘域进行实时感知，通过云中心进行集中式认知。

　　GPU 成本最高， 专用芯片的开发将推动安防行业智能化渗透提升 。 前端摄像头人工智能芯片主要包括 GPU、 ASIC、 FGPA。由于 GPU 成本高、功耗高、且推理阶段效率低，因为业界在积极开发 GPU 的替代方案 ASIC 及 FGPA。 随着技术开发的完成，前端 SoC 实现人工智能的成本更低、功耗更低同时效率也将更高，届时AI 赋能前端， 安防行业将会获得较大发展。

　　与 FPGA 相比， ASIC 开发速度较慢但量产后性价比更高 。 ASIC 通过定制的方法，自行设计或通过标准逻辑单元进行系统设计，诸如 Intel 的 EyeQ 系列、 Google 的TPU，均是 ASIC。 FPGA 即现场可编程门阵列， 是具备可编程特性的半定制电路，可以通过编程将 FPGA 内部的可编辑元件进行组合形成所需要的逻辑功能。FPGA由于开发速度较快，是对当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，但开发难度较高， 将在未来逐渐成为前端智能化的主流。

　　综上所述， GPU 为目前安防 AI 应用的主流， FPGA 有望承接 GPU 成为过渡产品，未来发展趋势为 ASIC 。 这个趋势背后反映的是成本效益关系，安防行业起初用最为通用、成熟、适于训练的 GPU，承受较高成本追赶深度学习， 这一阶段的 GPU 单价高达几百美金;其次用较快开发，性能居中的 FPGA 进行替代，这阶段成本下降至几十美金;最后经过深度开发，推出可以大规模量产的具有性价比优势的 AISC，嵌入到传统仅需要几美金的 IPC SoC， 价格被大幅度压缩。

▲AI 芯片种类比较

　　芯片厂商可以将 AI 的人脸识别等算法固化在 IP 模块，嵌入摄像头的 SoC 芯片中 。老牌的安防 SoC 芯片提供商诸如海思、富瀚微、中星微、国科微、英特尔、 TI、NXP，也纷纷发力人工智能芯片，新兴人工智能芯片企业诸如寒武纪、深鉴科技、地平线、云天励飞、深思创芯也在积极推进安防产品落地。其中，以英伟达MovidiusVPU 较为成熟，此外还有深鉴科技 DPU 芯片、寒武纪 NPU 芯片、中星微“星光智能一号”等。在传统 IPC SoC 市场中，海思一家独大， 也在为积极布局 AI芯片。

　　后端产品： 后端及中心控制 AI 最早落地， 芯片主要以 GPU 为主

　　后端的中控系统需要利用服务器的强大算力进行处理和分析，也是安防智能化最早落地的环节，由安防巨头和 AI 算法创业公司诸如商汤、依图等积极布局。 后端产品一般包括基于深度学习智能 NVR 和具备结构化服务器的中心控制系统，能够每秒实现数百张人脸图片的分析和建模。 目前，不管是传统安防巨头，还是 AI初创公司，在后端的智能化基本都还是基于 GPU 架构。

　　后端芯片目前主要采用 GPU，诸如海康的“超脑” NVR、“刀锋”车辆特征结构化服务器、“脸谱”人脸分析服务器、“猎鹰”视频云结构化服务器均是搭载英伟达的 GPU; 大华“睿智”系列搭载英伟达 Tesla P4; 宇视的结构化智能服务器“昆仑” 搭载英伟达 Jetson TX1 芯片。 以“昆仑”为例，最高支持 80 颗 Jetson TX1，可以并发处理 640 张/秒人脸识别、 160 路人员计数、 80 路人车物结构分析。 目前仅一个 Jetson TX1 模块报价 3000 元以上， 平均每颗 TX1 支持 2~4 路视频流，成本较高。 未来后端芯片也有望向 ASIC 发展。

　　两种模式对比： AI 时代，安防龙头优势巩固

　　海康、大华等安防企业对于安防 AI 的思路较相似，布局边缘智能，深化软硬一体的能力 。 安防龙头企业，在 AI 时代，延续之前在产品、工程、方案上的优势，推出一系列智能化产品，基于深厚的行业积累提出各自的架构，以延续在安防领域的优势。侧重于边缘计算概念， 实质上是安防企业围绕原有基础在 AI 时代巩固竞争优势的方式。

　　华为 2012 年宣布进军安防，近两年来不断积极布局，有进一步开拓的趋势 。 目前，华为安防业务属于二级部门， 其推广的平安城市解决方案广布全球。华为具有强大的生态培育能力、较强的 ICT 技术基础、雄厚的技术研发实力、协同客户等优势，因此未来在特定的安防市场必然有立足之地。同时，华为继续开拓安防领域面临着行业理解深度和产品覆盖广度两个层面的挑战。

　　安防龙头仍然保持竞争力，有望享受 AI 升级红利 。 对比两种模式的差异，我们认为可以归纳于两点：(1)海康大华优势在基于安防行业积累的软硬一体化，华为优势在基于较强技术实力的开放平台;(2)海康大华更关注边缘层面，华为更关注云中心层面。 我们判断，安防龙头在 AI 时代优势将继续巩固，基于行业理解的产品、方案仍然是重要的竞争力。带宽和存储成本限制下，前端升级势在必行，随着安防 AI 专用芯片研发进展， 安防龙头将享受这一波行业升级红利。

　　1、海康大华模式：赋能边缘，保持软硬一体化优势

　　赋能边缘保持软硬一体化优势，统一调度 IPC 及 NVR 。 海康、大华在安防产品、工程和方案上积累深厚，丰富的前端 IPC 和后端 NVR 产品便是重要体现。 胡扬忠说过：赋能边缘智能是大趋势，通过统一调度 IPC 和 NVR 等分散式的智能设备资源，可以提升业务敏捷性、实时性和系统可靠性同时，分摊海量数据给中心节点带来的并发压力。

　　边缘计算指靠近物体或数据源的一侧，搭载网络、计算、存储、应用等能力为一体的开放平台，就近提供服务，具有即时性强、反应迅速、传输成本低等优点 。AI 赋能边缘，前端智能化对于安防架构有重大益处。根据 IDC 预计，到 2020 年，物联网感知设备数量将达到 500 亿部，约 50%的计算量在边缘完成。前端智能化带来较大益处，提升感知精度，提升感测速度，减小传输过程的噪音影响，降低传输成本，降低存储成本。诸如海康的 AI Cloud，通过边缘节点、边缘域进行实时感知，通过云中心进行集中式认知。

　　海康威视 AI Cloud 包括边、域、 云三级架构，赋能前端、层层分析 。 海康 AI Cloud能实现四个能力： AI 资源的可调度、数据的按需汇聚、应用的场景化、运维服务的一体化。 海康的架构中，边缘节点和边缘域完成感知，边缘域和云中心完成认知，这过程数据并非全部汇聚到云中心分析，而是层层分析，按需汇聚。通过与华为和阿里对比，海康 AI Cloud 实际侧重落地的是边缘智能。视频数据量大、冗余信息多、持续录制的特性，决定了难以将所有数据汇聚于云端计算。通过赋能前端，将人脸识别算法前置，提升视频处理的及时性，并降低带宽负荷和存储成本。

▲AI Cloud 核心理念

▲AI Cloud 架构示意图

　　2、华为布局：部门重要性提升，平安城市方案已经推广

　　华为安防业务已经从三级部门提升至属于公司二级部门，在企业 BG 之下，作为 重要发展的业务之一 。 华为在 2012 年宣布正式进军安防，并发布全系列视频监控产品及解决方案。 2018 年发布“新 ICT，迈向协作式公共安全”，凭借领先的 ICT技术，与合作伙伴共同打造端到端的公共安全解决方案，构建共赢的生态圈。

▲华为组织架构

▲华为历年安博会主题

▲华为一站式 ICT 基础设施和开放平台

▲华为平安城市解决方案

　　华为平安城市解决方案已经在全球各地推广 。 华为平安城市解决方案已服务于欧洲、拉美、亚太、非洲等地的 90 多个国家 230 多个城市，覆盖 10 亿人口。比如，华为的肯尼亚平安城市项目，包括 1800 多个高清摄像头、 200 多个卡口摄像头、300 多个自动车牌识别系统， 实现效果包括震慑犯罪活动，处警时间缩短到 8 分钟，效率提升 50%以上，年内犯罪率下降 46%， 2015~2016 年肯尼亚旅游业收入增长 14%等。

　　3、华为模式： 模式选择取决于企业基因差异与成本效益权衡

　　华为的思路与传统安防企业的思路差距， 源于两种企业竞争要素的差异 。 华为的云中心思路与海康 AI Cloud 的思路区别，反映着两个企业对于安防架构成本认知的差异。前者的思路是如果传输、存储成本低于前端智能成本，则可以通过云中心统一分析处理;后者的思路在于网络通信宽带成本高，需要前端进行智能分析再送回压缩。 同样，软件定义摄像头与海康的多种细分产品背后，其实是标准化产品带来的高规格成本和多元化产品成本带来的技术人员成本的权衡。 思路的差异，背后的实质是微观层面两个企业竞争要素的差异。

　　通过梳理，我们认为华为在安防领域竞争的优劣具有如下几个特点：

　　特点 1： 华为“上不碰应用，下不碰数据”，具备较强的生态系统培育

　　华为聚焦于平台， 比较不会触及友商的利益。 2017 年 9 月，华为携手东方网力、高新兴、易华录、商汤科技、依图科技等公司成立中国平安城市视频云合作伙伴开放联盟。华为 CloudIVS 视频监控是兼容各类生态伙伴的算法和应用的开放型云平台，合作对象包括产业链上下游的生态伙伴和应用伙伴。 在 2018 年华为中国生态伙伴大会中，华为携手众多合作伙伴，基于华为 CloudIVS 视频监控云，共同发布了面向平安城市公共安全视频多应用领域的联合解决方案。 而传统安防企业系统走软硬结合之路，往往在系统优化、文件格式上相对封闭，彼此兼容性较差。

　　特点 2：顶层设计能力强， 与通信领域结合，与华为云战略协同

　　华为基于 ICT 领域的丰富经验、 超大规模联网能力以及高效智能分析能力， 推出了视频云概念。 随着安防行业与云计算、大数据、通讯技术、物联网等 ICT 技术结合越来越紧密，华为具备较好的 ICT 基础， 能够较好地对安防行业进行顶层设计，搭建资源整合、信息共享的业务架构。作为一家端到端的解决方案商，华为还能提供服务器、存储、路由器、摄像头等 ICT 基础产品，支持平台软件。华为在安防领域的布局思路， 依托通信领域的技术与资源优势， 围绕公安实战的大平台。以无锡雪亮工程为例，建设方面由海康中标， 摄像头由海康提供，但视频云平台由华为的安防监控云提供。海康、大华等安防厂商在前端摄像机、后端录像机等安防硬件设备有较好的优势，华为则在云平台的搭建和大数据处理积累更深。

▲平安城市技术与通信技术协同

　　特点 3： 华为技术雄厚， 能够较好转化到安防领域

　　华为 H.265 编解码压缩格式的海思芯片，在 2014 年 IPC SoC 的国内份额从 37.3%提升至 64%。目前，华为海思芯片在全球市占率达到 70%以上。在视频监控的编解码等底层技术具备优势。此外，华为原本的网络通讯、云服务在技术上有协同效应，原本的技术积累可以应用到安防领域。华为技术研发力量不仅可以支持安防业务，并且过去积累的技术很多可以承接到安防领域。

　　特点 4： 基于 ICT 业务，具有一定的客户关系基础

　　华为的 ICT 业务与安防行业一样，具有 B2G 和 B2B 属性。 华为在平台、网络、服务器、存储、虚拟化和云等各种 ICT 产品较全的产品线布局具有优势，其 ICT解决方案已服务于公安部、全国 32 家省级公安厅和 200 多个地市公安局。

　　华为进入安防两个主要挑战，分别是行业理解深度和投入程度 。 除了上述几个点特点之外，华为进入安防面临着两大挑战，第一个挑战是解决方案覆盖场景不如传统安防企业，这反映着两者目前对于行业的理解深度差异;第二个挑战是产品品类不如传统安防企业，这反映着两者对于安防业务累计投入的人力、物力和精力上的差异。 我们认为由于安防行业需求场景细分化的属性，这种投入积累的差距，也是一种难以被绕过的“护城河”。

　　挑战 1 ： 行业理解深度差异，且“上不碰应用，下不碰数据” 也导致对客户需求敏感度下降，“上不碰应用，下不碰数据”也导致对于客户需求有一定距离。 目前华为安防的额销售团队智能聚焦于平安城市、智慧交通，而传统安防企业能够服务公安、交通、楼宇、校园、民用等。海康销售团队、大华销售团队， 对行业用户需求了解深刻。 华为长期处于“被集成”的安防定位，行业理解相对不直接。

　　华为和传统安防企业解决方案侧重点不同，传统企业覆盖全而细，华为主打专而精。 海康、大华作为业内龙头，需要覆盖尽可能多场景，因此更多针对细分领域提出解决方案。华为从 ICT 跨界，解决方案的提出侧重于解决用户痛点，并在其中充分利用自身在 ICT 和云服务的优势。 仅从数量分析，海康官网列示 64 种解决方案，大华官网列示 95 种解决方案，而华为官网仅列示 3 个公共安全解决方案。当然官网数量不代表全部，但华为对于安防行业的理解与传统安防企业尚有差距。

▲针对客户难以统一指挥的痛点

▲针对视频信息传输困难的痛点

　　挑战 2 ： 产品覆盖广度差异， 销售团队和技术团队规模相对有限。

　　安防是需要长期技术投入以形成积累的行业。 传统安防企业针对各种细分场景，打造丰富的产品线。以海康为例，产品品类超过 1 万种，技术支持及研发团队人数超过 1.3 万人，每两年更新产品。根据官网列示，海康展示 244 种摄像机，大华展示 514 种，宇视展示 183 种， 与之相比，华为官网数得出的摄像机种类为 19款，且华为安防业务仅有千人规模， 技术支持和各省销售力量都比较有限。

　　华为在积极扩张安防团队规模， 并同时做了两件事情： 1)计划在 2018 年底前发布近一百款摄像机; 2)“软件定义”安防。 华为的“软件定义”理念， 即用软件来主导摄像头的定义，使监控摄像头从单一功能变成多应用聚合的平台，实现分层智能、按需定义、持续进化。“软件定义”安防，也可能意味着较强的硬件支撑、通用型产品，意味着在性价比方面的妥协。

▲华为“软件定义”安防概念

　　河姆渡 认为，随着社会经济的快速发展和科学技术进步,社会对安防措施越来越重视,安防产品品种愈来愈多，技术升级也愈发频繁。我国安防行业逐渐走向成熟，它给社会发展和人民经济生活带来了更多的安全保障，安防已成为我国的热门产业之一。在上一次安防行业由模拟到数字技术大转折中，我国安防龙头成功实现弯道超车，逐渐挤占了外资份额。未来在5G、AI等技术的加持下，安防行业仍将保持着高速增长率，但机遇与挑战并存，尤其是以华为为代表的安防行业新秀能否一飞冲天，我们将拭目以待。