多空焦灼，海康威视在等什么？

当“增长乏力”、“美国制裁”等挑战来临，海康威视(002415.SZ)投资者交易更加活跃，机构调研依然频繁。在情绪和分歧下，海康威视希望大家能认同它新的价值，即增加公司的科技含量，使其不止是安防硬件厂商，而要以软件和技术为公司带来更大的市场。这个增长的故事能让大家忽略当下的种种担忧吗？

为了升级品牌，海康威视建立并完善了AI开放平台，并让自己的硬件智能化，以落地平台的AI解决方案。算法的发展程度已经解决了从无到有再到优的问题（安防场景），真正限制场景落地的是有没有足够的算力，以及足够算力能不能实现低成本部署。所以，虽然商汤、旷视等安防解决方案供应商以*的算法快速成长，但这个时候硬件起家的公司也可以在同一起跑线上。

开放平台成熟算法

海康威视的开放平台由萤石开放平台、行业开放平台、AI算法训练平台、边缘设备开放平台构成。如果从众多披露信息中划重点，则是第三方合作伙伴的算法可以快速接入海康的设备；用户可以在平台中集成自有的算法。

安防服务商通常无法为客户提供标准化、规模化的解决方案，因为客户的场景往往碎片化。海康威视表示公司已习惯满足这样的需求，而且“进来了就不会轻易退出”。随着开放平台的用户群体面积增大，平台越有可能训练并推理出不同个场景的算法与解决方案。不断丰富的数据库和算法仓库是为“物信融合平台”服务的，将产生各类场景的物联网解决方案。

其实物联网各个场景的方案开发也是碎片化、绝不是一劳永逸的，但我们相信由于物联网平台可以容纳更多的服务商（例如广告商），开放平台对参与者的吸引力或许比以往的上下游关系更具吸引力。

安防和自动驾驶这样的大类场景里，算法平台迭代了成熟的解决方案，但算力依托于服务器、芯片上，投资额的高涨会造就一些冠军、独角兽，不过输赢未见分晓。这也解释了成立仅9个月的通用智能芯片设计公司壁仞科技近日获得创纪录的11亿元A轮融资的原因。CPU几乎定义了同时期所有数字计算的基础设施，但物联网会将利益分给到更多参与者。

训练、推理算力重新分配

我们将包括智能芯片在内的算力部署归结为软件业务。翻阅技术帖，明确技术的方向在本文中不为深挖技术，而是意在找到硬件公司到智能软硬件的转变，距离这个目标有多远。

安防设备的模拟监控系统和网络监控系统前后端分别用到4类芯片，我们关注的增量集中在承担深度学习的AI芯片上，目前海康威视使用的是通用型芯片GPU，也是其他同类厂商采纳的方案。

基于安防场景的诉求，各厂商的数据、算法的差距不大，算力解决的是数据的运算和处理，涉及到服务的成本和研发投入的效率。海康威视所用的是技术门槛最高的英伟达（NVDA.O）前端AI芯片，英伟达GPU芯片在全球一家独大，2019年出货量市场份额73%。

通用型的GPU突出优势就是并行运算能力强。但GPU昂贵的价格不能忽视，散热功耗较大。另两种专用型的FPGA、ASIC分别适用于算法更新频繁或市场规模小的专用领域和市场需求量大的专用领域，价格更低。

AI芯片被称为AI加速器或计算卡，顾名思义它需要加速AI应用中的大量计算任务的模块，加强算力会进行训练和推理两个动作。业界认为，深度学习中，虽然现在大家关注训练（搜索和求解模型*参数的阶段）更多，但日后多数算力会用于推理（如何使用模型，以及在在线环境中部署模型）。

赛迪顾问报告显示，训练阶段需要大量数据运算，GPU预计占64%左右市场份额；FPGA和ASIC分别为22%和14%。推理阶段无需大量数据运算，GPU 将占据 42%左右市场，FPGA 和 ASIC 分别为34%和 24%。这说明两种专用型架构的芯片有望在上游替代部分GPU的供应。海康威视可以更好控制算力服务器成本，也找到进口替代的办法。

边缘计算重构

从投资资金的流向就能看出，边缘端芯片问世量产的产品数量与云端芯片不相上下。边缘计算相对于云端计算来说，更加节省算力，节省成本。例如安防场景中会产生大量“无用”数据，将没有必要全部由云端处理，否则将出现芯片性能过剩。为了合理分配算力，海康威视从三年前围绕边缘节点、边缘域、云中心的构造产品体系。

AI边缘计算包含手机等终端设备上的计算，还有离终端较近的本地服务器的计算。直接在终端上计算可实现*时延，但使用在终端上的芯片对电池容量和散热度都有很高要求，是现有的研发应用水平所不能及。但另一种靠近终端的云服务器计算芯片对以上性能的要求就低很多。云服务器完成计算后将结果返回给终端设备。

目前出现或在研的芯片更多用于边缘云服务器而非终端，但边缘计算芯片厂家仍然很少，已经量产的芯片更是屈指可数。代表的边缘计算芯片包括定位高端的英伟达的Xavier、定位中高端的华为昇腾 310、定位性价比的比特大陆的BM1682等一系列芯片。

不同场景对芯片算力、能耗等性能方面提出不同的要求，其中最热门的场景是自动驾驶，所用芯片*，但对芯片成本的要求比智能摄像头更加宽松。

数据计算流在云端和边缘侧结合运转，成本会比单独使用云端节省39%，云端芯片由于兼备训练和推理性能，算力强，所以单价最高。边缘芯片由于多用于智能制造、智能家居场景中，使用比例越高则芯片成本越有可能降低。

芯片价格会随着性能更迭而下降，不过考虑到目前智能安防AI芯片产量未具规模，AI解决方案供应商在软件化的转变期，不管是自研还是并购，芯片部署成本还是很高。商汤过去两年一直在研发AI训练芯片，新款芯片可能与英伟达行业*的产品形成互补。因投资大额投资芯片，商汤收入以三位数速度增长，但现金流仍为负。

在安防算力领域，华为海思芯片综合实力在国产芯片中最耐打。越靠近边缘侧和“端侧”，我国公司越有可能研发出可应用的AI芯片，但是在云端，本土公司实力仍是落后国际巨头的。云计算芯片巨头优势一旦建立便难被超越。

已发布的国产AI芯片不完全统计（来源：新智元、申万宏源、网络）

知晓上述情况还可以回答一个重要问题：海康威视被美国断供的持续影响有多大。进口GPU的份额不仅会下降，而且在GPU国产化中，华为海思、百度、阿里已经有多个覆盖物联网、智能驾驶的高性能芯片即将实现量产。其中，海思昇腾910计算力超过谷歌及英伟达。此外，边缘计算领域我国未必像云服务器一样要受制于美国的产品。因此，实体清单不会是*的负面影响，算力成本才是。

增长逻辑受阻

再看关于增长的质疑。软件化的产品依然要面对需求转变不足的问题。就拿存量客户来说，公司传统业务三类客户包括政府机构和大企业、中小企业。有刚性安防预算的政府机构对价格相对不敏感，2017至2019年间雪亮工程推动了供应商与多地政府机构订单的交易达成，但现在新订单的增速预期不容乐观。

截至2020年4月千万元以上招标项目金额（来源：智慧交通网，中国政府采购网，中信证券）

很长一段时间，安防行业订单主要是由政府投资大幅拉动，2015年之后出现了转折点，安防行业增长对政府订单的依赖降低，企业的碎片化需求增长。根据投资者的反馈，海康威视对企业的硬件业务增量会受制于经济环境，而在软件上，需求的不确定性更大了：企业采购成本将会变高。

全国固定资产投资增速及安防行业增速对比（来源：产业信息网）

在此情况下，海康威视释放信号，要发展萤石网络、海康机器人、海康汽车电子、海康智慧存储、海康微影、海康慧影等2C与2B结合的创新业务，分别在2018、2019年单独披露了萤石网络和海康机器人的收入情况，还计划将萤石网络分拆上市。萤石网络通过智能家居切入消费级物联网领域。

转折点可能是什么

如果我们仍不清楚我们在“软硬交替”时期对公司的AIoT等技术落地该存有几分把握，不妨再次对照Gartner曲线（2019 IoT）：IoT技术应用侧，自动驾驶场景已经度过了“期望膨胀期”而处在“幻灭期”或者是众入场者的淘汰期，其发展成熟还需十多年时间，因此目前自动驾驶场景的算力也在加快发展。那么物联网的终端/边缘AI计算和推理似乎还在“触发期”和“期望膨胀期”的交汇地带，它们的成熟需要2-5年，也许5年内可以筛选出场景中的幸存者、强者。

在向曲线顶点爬升的过程中，大家对海康威视软件业务未来增速的估计会差异较大。对于一家算得上绩优的公司一旦增长乏力，而需投入时间、资金转型时，毫无意外，投资者往往比绩优时期更加严苛。

欣慰的是，一旦成功打好软件的基础，公司面对的竞争也不会像硬件的同质化竞争那般激烈了，毛利率更高。在非高速发展期，公司需投资于物联网研发、巩固渠道，并配合算力的量产。只是，鉴于公司目前研发/收入比例只有9%左右（2019年报），我们并不排除某个节点公司会开启深度计算芯片企业的并购过程。