每日最新頭條.有趣資訊

多空焦灼,海康威視在等什麽?

“向高風險、高壁壘的行業切換。“

作者|羅賓

編輯|tuya

當“增長乏力”、“美國製裁”等挑戰來臨,海康威視(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,海康威視希望大家能認同它新的價值,即增加公司的科技含量,使其不止是安防硬體廠商,而要以軟體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,海康威視建立並完善了AI開放平台,並讓自己的硬體智能化,以落地平台的AI解決方案。算法的發展程度已經解決了從無到有再到優的問題(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,但這個時候硬體起家的公司也可以在同一起跑線上。

開放平台成熟算法

海康威視的開放平台由螢石開放平台、行業開放平台、AI算法訓練平台、邊緣設備開放平台構成。如果從眾多披露信息中劃重點,則是第三方合作夥伴的算法可以快速接入海康的設備;用戶可以在平台中集成自有的算法。

安防服務商通常無法為客戶提供標準化、規模化的解決方案,因為客戶的場景往往碎片化。海康威視表示公司已習慣滿足這樣的需求,而且“進來了就不會輕易退出”。隨著開放平台的用戶群體面積增大,平台越有可能訓練並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“物信融合平台”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也是碎片化、絕不是一勞永逸的,但我們相信由於物聯網平台可以容納更多的服務商(例如廣告商),開放平台對參與者的吸引力或許比以往的上下遊關係更具吸引力。

安防和自動駕駛這樣的大類場景裡,算法平台迭代了成熟的解決方案,但算力依托於伺服器、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體業務。翻閱技術帖,明確技術的方向在本文中不為深挖技術,而是意在找到硬體公司到智能軟硬體的轉變,距離這個目標有多遠。

安防設備的模擬監控系統和網絡監控系統前後端分別用到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。

基於安防場景的訴求,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投入的效率。海康威視所用的是技術門檻最高的NVIDIA(NVDA.O)前端AI芯片,NVIDIAGPU芯片在全球一家獨大,2019年出貨量市場份額73%。

通用型的GPU突出優勢就是並行運算能力強。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分別適用於算法更新頻繁或市場規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參數的階段)更多,但日後多數算力會用於推理(如何使用模型,以及在在線環境中部署模型)。

賽迪顧問報告顯示,訓練階段需要大量數據運算,GPU預計佔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 將佔據 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遊替代部分GPU的供應。海康威視可以更好控制算力伺服器成本,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雲端芯片不相上下。邊緣計算相對於雲端計算來說,更加節省算力,節省成本。例如安防場景中會產生大量“無用”數據,將沒有必要全部由雲端處理,否則將出現芯片性能過剩。為了合理分配算力,海康威視從三年前圍繞邊緣節點、邊緣域、雲中心的構造產品體系。

來源:公司年報

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伺服器的計算。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,是現有的研發應用水準所不能及。但另一種靠近終端的雲伺服器計算芯片對以上性能的要求就低很多。雲伺服器完成計算後將結果返回給終端設備。

目前出現或在研的芯片更多用於邊緣雲伺服器而非終端,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NVIDIA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影頭更加寬鬆。

不同邊緣計算場景對AI芯片PPACR性能考察要求(來源:艾瑞)

數據計算流在雲端和邊緣側結合運轉,成本會比單獨使用雲端節省39%,雲端芯片由於兼備訓練和推理性能,算力強,所以單價最高。邊緣芯片由於多用於智能製造、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芯片產量未具規模,AI解決方案供應商在軟體化的轉變期,不管是自研還是並購,芯片部署成本還是很高。商湯過去兩年一直在研發AI訓練芯片,新款芯片可能與NVIDIA行業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出可應用的AI芯片,但是在雲端,本土公司實力仍是落後國際巨頭的。雲計算芯片巨頭優勢一旦建立便難被超越。

已發布的國產AI芯片不完全統計(來源:新智元、申萬宏源、網絡)

知曉上述情況還可以回答一個重要問題:海康威視被美國斷供的持續影響有多大。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NVIDIA。此外,邊緣計算領域我國未必像雲伺服器一樣要受製於美國的產品。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

再看關於增長的質疑。軟體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,公司傳統業務三類客戶包括政府機構和大企業、中小企業。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。

截至2020年4月千萬元以上招標項目金額(來源:智慧交通網,中國政府採購網,中信證券)

很長一段時間,安防行業訂單主要是由政府投資大幅拉動,2015年之後出現了轉折點,安防行業增長對政府訂單的依賴降低,企業的碎片化需求增長。根據投資者的反饋,海康威視對企業的硬體業務增量會受製於經濟環境,而在軟體上,需求的不確定性更大了:企業採購成本將會變高。

全國固定資產投資增速及安防行業增速對比(來源:產業信息網)

在此情況下,海康威視釋放信號,要發展螢石網絡、海康機器人、海康汽車電子、海康智慧存儲、海康微影、海康慧影等2C與2B結合的創新業務,分別在2018、2019年單獨披露了螢石網絡和海康機器人的收入情況,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。

轉折點可能是什麽

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展。那麽物聯網的終端/邊緣AI計算和推理似乎還在“觸發期”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。

來源:網絡

在向曲線頂點爬升的過程中,大家對海康威視軟體業務未來增速的估計會差異較大。對於一家算得上績優的公司一旦增長乏力,而需投入時間、資金轉型時,毫無意外,投資者往往比績優時期更加嚴苛。

欣慰的是,一旦成功打好軟體的基礎,公司面對的競爭也不會像硬體的同質化競爭那般激烈了,毛利率更高。在非高速發展期,公司需投資於物聯網研發、鞏固渠道,並配合算力的量產。只是,鑒於公司目前研發/收入比例只有9%左右(2019年報),我們並不排除某個節點公司會開啟深度計算芯片企業的並購過程。

獲得更多的PTT最新消息
按讚加入粉絲團